Die Modernen Portfoliotheorie basiert auf dem 1952 publizierten Portfolio Selection Modell von Markowitz , dessen Grundansatz in vielfältigen Verfeinerungen und Erweiterungen das moderne Anlage- und Investmentmanagement bestimmt. Obwohl dieses Modell als Grundsatz der modernen Portfoliotheorie in der wissenschaftlichen Literatur anerkannt ist, kann es sich in Form eines Portfolio-Optimierungsmodells nicht im angewandten Asset Management durchsetzten.
Ausgehend von dieser Problemstellung entwickelten Fisher Black und Robert Litterman Anfang 1990 einen eigenständigen Ansatz. Dieser ist bestrebt die bestehenden Probleme der klassischen Portfoliotheorie zu bewältigen und die Methoden der quantitativen Portfoliooptimierung für den praktischen Einsatz im Asset Management brauchbar zu machen. Ausgangspunkt des Modells ist nicht das undefinierte Nullportfolio wie in der klassischen Portfoliooptimierung, sondern das so genannte Gleichgewichts- oder Referenzportfolio. Des Weitern verschafft das Verfahren dem Anleger die Möglichkeit individuelle Abweichungen seiner Renditevorstellungen von den vorliegenden Referenzwerten auf konsistente Weise in das Modell zu integrieren.
Im Folgenden führt diese Arbeit zunächst den Leitgedanken des Markowitz Ansatz aus und stellt die mit der klassischen Portfoliooptimierung verbundenen Schwächen dar. Im Anschluss wird der Black-Litterman-Ansatz prinzipiell und formaltheoretisch beschrieben, wobei auf verhaltensökonomische sowie anwendungsbezogene Aspekte eingegangen wird.
Inhaltsverzeichnis
1. Einleitung
2. Portfolio Selection als Grundlage der Asset Allocation
2.1. Der Ansatz von Markowitz
2.2. Schwächen des Mean-Variance Modells in der Praxis
3. Der Black-Littermann Ansatz
3.1. Prämissen
3.2. Definition des Modells
3.2.1. Bayesianische Statistik
3.2.2. Prognose unter Sicherheit
3.2.3. Prognose unter Unsicherheit
3.2.4. Interpretation
4. Implementierung in die Asset Allocation
4.1. Verhaltensökonomie bei Renditeprognosen
4.2. Sensitivitätsanalyse
4.3. Praktischer Nutzwert des Modells
5. Schlussfolgerungen
Zielsetzung und thematische Schwerpunkte
Diese Arbeit zielt darauf ab, den Black-Litterman-Ansatz als Methode zur Portfoliooptimierung vorzustellen, die die Schwächen der klassischen Markowitz-Portfoliotheorie überwindet. Dabei wird untersucht, wie durch die Kombination von Marktgleichgewichtsrenditen mit subjektiven Anlegerprognosen eine stabilere und praxistauglichere Asset Allocation erreicht werden kann.
- Grundlagen der klassischen Portfolio-Selection nach Markowitz und dessen praktische Schwächen.
- Theoretische Herleitung und mathematische Definition des Black-Litterman-Modells.
- Integration von Bayesianischer Statistik zur Verknüpfung von Marktdaten und subjektiven Erwartungen.
- Verhaltensökonomische Aspekte bei Renditeprognosen und deren Einfluss auf das Modell.
- Praktischer Nutzwert und Implementierungsmöglichkeiten im Asset Management.
Auszug aus dem Buch
3.2. Definition des Modells
Ausgehend von den gleichgewichtigen Portfoliogewichten werden die zugrunde liegenden Gleichgewichtsrenditen Π* durch Umkehroptimierung der Mittelwert-Varianz Bewertungsfunktion (4) ermittelt. Der folgende Ausdruck beschreibt die Renditeerwartungen:
Π*=γΩω (4)
Der Vektor ω der optimalen Portfoliogewichte ergibt sich aus dem Marktportfolio auf Basis der relativen Marktkapitalisierung und bestimmt somit den Vektor Π* der Referenzrenditen. Diese ‚neutralen’ Referenzrenditen können nun mit den subjektiven Renditeprognosen des Investors für einzelne Anlageklassen kombiniert werden.
Die Prognose des Investors erfolgt quantitativ in Form eines absoluten Wertes bzw. einer relativen Wertänderung, d.h. qualitative Statements wie buy, hold oder sell können nicht berücksichtigt werden. Zudem kann der Investor seine Prognosen auf ausgewählte Titel bzw. Anlageklassen beschränken und muss keine Aussagen bezüglich Titeln tätigen zu denen keine subjektiven Prognosen vorliegen. Die formale Implementierung erfolgt in der Form, dass der Investor seine Prognose als k unterschiedliche Linearkombinationen der n Anlagekategorien ausdrückt und die Güte der getätigten Prognose selbst quantifiziert.
PE[R]=V+e (5)
Die Elemente von V repräsentieren die Höhe der Renditeprognose und e gibt den damit verbundenen Schätzfehler an. Dieser repräsentiert die Prognoseunsicherheit als symmetrisches Konfidenzintervall rund um den erwarteten Renditewert bzw. Renditedifferential. Unter der Annahme, dass Renditen normalverteilt sind, impliziert dieses Konfidenzintervall die Varianz, welche in e angegeben wird, wobei ein 100% Konfidenzintervall eine sichere Prognose darstellt.
Die sich ergebenden revidierten Renditeerwartungen aus dem Black-Litterman-Modell fließen wiederum als Eingabegröße in die klassische Portfoliooptimierung. Somit kann das Black-Litterman-Modell als ergänzendes Instrument zur ‚Veredelung’ der Inputs gesehen werden, welche vom Markowitz Ansatz in einer Mean-Variance Optimierung umgesetzt werden.
Zusammenfassung der Kapitel
1. Einleitung: Diese Einleitung führt in die Problematik der klassischen Portfoliotheorie nach Markowitz ein und stellt das Black-Litterman-Modell als Lösung für die Praxisanwendung vor.
2. Portfolio Selection als Grundlage der Asset Allocation: Dieses Kapitel erläutert den Markowitz-Ansatz sowie dessen theoretische Schwächen wie Instabilität und Schätzfehler bei der Anwendung in der Praxis.
3. Der Black-Littermann Ansatz: Hier werden die theoretischen Grundlagen und die formale Definition des Modells unter Verwendung der Bayesianischen Statistik sowie verschiedener Prognoseszenarien beschrieben.
4. Implementierung in die Asset Allocation: Dieses Kapitel behandelt die praktische Anwendung, verhaltensökonomische Einflüsse bei Prognosen, eine Sensitivitätsanalyse sowie den Nutzwert des Modells in der Finanzindustrie.
5. Schlussfolgerungen: Die Schlussfolgerung fasst zusammen, dass das Black-Litterman-Modell durch die Kombination von Marktinformationen und individuellen Erwartungen eine stabilere Portfoliooptimierung ermöglicht.
Schlüsselwörter
Black-Litterman-Modell, Asset Management, Portfoliooptimierung, Markowitz, Mean-Variance-Analyse, Marktgleichgewicht, Renditeprognosen, Bayesianische Statistik, Asset Allocation, Schätzfehler, Verhaltensökonomie, Referenzportfolio, Kapitalmarktlinie, Risikoaversion, Finanzwirtschaft.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit dem Black-Litterman-Modell, einem Verfahren zur Portfoliooptimierung, das entwickelt wurde, um die praxisbezogenen Mängel der klassischen Markowitz-Portfoliotheorie zu beheben.
Was sind die zentralen Themenfelder der Arbeit?
Die zentralen Themen sind die klassische Portfolio-Selection nach Markowitz, die mathematische Herleitung des Black-Litterman-Ansatzes, die Rolle der Bayesianischen Statistik sowie die praktische Implementierung und verhaltensökonomische Faktoren bei der Renditeprognose.
Was ist das primäre Ziel oder die Forschungsfrage?
Das primäre Ziel ist es, den Black-Litterman-Ansatz als praktikable Methode darzustellen, mit der Anleger ihre subjektiven Renditeerwartungen konsistent mit Marktgleichgewichtsdaten verknüpfen können, um stabilere Portfoliogewichte zu erzielen.
Welche wissenschaftliche Methode wird verwendet?
Es wird eine mathematisch orientierte Darstellung und Analyse des Black-Litterman-Verfahrens gewählt, die unter anderem auf der Bayesianischen Statistik zur Verknüpfung von a-priori-Informationen (Marktdaten) und beobachteten Daten (Anlegerprognosen) basiert.
Was wird im Hauptteil behandelt?
Der Hauptteil befasst sich mit der Definition des Modells, der theoretischen Herleitung der Renditeerwartungen unter verschiedenen Sicherheitsannahmen sowie der praktischen Implementierung in den Asset-Allocation-Prozess unter Berücksichtigung von Verhaltensökonomie.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit lässt sich am besten durch Begriffe wie Black-Litterman-Modell, Portfoliooptimierung, Asset Allocation, Markowitz, Schätzfehler und Bayesianische Statistik charakterisieren.
Warum ist das klassische Markowitz-Modell laut Autor problematisch?
Laut Autor führt das klassische Modell in der Praxis oft zu instabilen, wenig intuitiven Ergebnissen und "Randlösungen" (extremen Gewichtungen), da es extrem sensitiv auf Schätzfehler bei den erwarteten Renditen reagiert.
Wie trägt das Black-Litterman-Modell zur Stabilität der Portfoliogewichte bei?
Das Modell verhindert extreme Gewichte, indem es nicht von unbegrenzten subjektiven Schätzungen ausgeht, sondern diese als Abweichungen von einem stabilen Marktgleichgewichts- oder Referenzportfolio betrachtet und somit mathematisch "veredelt".
- Quote paper
- Philip Skiba (Author), 2006, Portfoliooptimierung nach Black-Litterman, Munich, GRIN Verlag, https://www.grin.com/document/69973
