Reziprozität, Vertrauen und Moral - das Verhalten der Akteure des Finanzmarktes


Diplomarbeit, 2006

87 Seiten, Note: 1,7


Leseprobe


Inhaltsverzeichnis

Abkürzungsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1 Einleitung

2 Neoklassische Kapitalmarkttheorie
2.1 Annahme der Rationalität
2.2 Hypothese des effizienten Marktes
2.3 Capital Asset Pricing Model (CAPM) und Modifikationen
2.3.1 CAPM
2.3.2 Erweiterungen und Weiterentwicklungen des CAPM
2.4 Probleme der Effizienzbestimmung und CAPM-Anomalien

3 Behavioral Finance
3.1 Ursprung und Grundlagen
3.2 Ausgewählte Effekte

4 Noise Trading
4.1 Definition und Charakteristik des Noise Trading
4.1.1 Quasi-Rationalität als Kernelement des Noise Trading
4.1.2 Abgrenzung des Noise Trading
4.2 Ansätze des Noise Trading
4.2.1 Individuell anomales Verhalten
4.2.2 Gruppen-interaktives Verhalten
4.2.2.1 Unbestimmtes Noise Trading-Verhalten
4.2.2.2 Positive Feedback Trading
4.3 Soziale Dimension der Informationstransformation und –interpretation

5 Trader als eine Community of Practice
5.1 Communities of Practice
5.1.1 Definitionen
5.1.1.1 Differenzierungen und Typologien
5.1.1.2 Abgrenzung zu anderen Organisationsformen
5.1.2 Strukturmodelle für Communities
5.1.2.1 Strukturmodell von Wenger
5.1.2.2 Dreidimensionales Community-Modell von McDermott
5.1.3 Lebenszyklus einer Community nach Wenger
5.1.4 Rollen innerhalb einer Community
5.2 Trading Community
5.2.1 Entwicklungsphasen eines Händlers
5.2.1.1 Vorbereitungen und Erwartungen
5.2.1.2 Phase der ersten Begegnung
5.2.1.3 Anpassungsphase
5.2.1.4 Stabilisierungsphase
5.2.2 Der Handelsraum als sozialer Raum
5.2.2.1 Räumliche Anordnung
5.2.2.2 Wissenstransfer
5.2.2.3 Stress und Emotionen
5.2.2.4 Reputation
5.2.2.5 Der Chefhändler
5.2.3 Geschäftsbeziehungen und Freundschaft

6 Schlussbetrachtung

Literaturverzeichnis

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungsverzeichnis

Abb.2.1: Hypothetische Wertefunktion der Prospect Theory

Abb.4.1: Modellierungsformen gruppen-interaktiven Verhaltens

Abb.5.1: Schlüsseldimensionen von Communities of Practice

Abb.5.2: Lebenszyklus einer Community of Practice

Abb.5.3: Partizipationsebenen einer Community of Practice

Abb.5.4: Rollen innerhalb einer Community

Abb.5.4: Schematische Darstellung des Handelsraumes der „International Securities“

Abb.5.5: Handeln, Handelsposition und soziale Position

Tabellenverzeichnis

Tab.2.1: Modellerweiterungen des CAPM

Tab.4.1 Bestimmungsfaktoren quasi-rationalen Verhaltens I

Tab.4.2: Bestimmungsfaktoren quasi-rationalen Verhaltens II

Tab.4.3: Bestimmungsfaktoren quasi-rationalen Verhaltens III

Tab.4.4: Abgrenzung des Noise Trading gegenüber konkurrierenden Ansätzen

Tab.5.1: Typologien von Communities

Tab.5.2: Beziehungen der Communities zu offiziellen Organisationen

Tab.5.3: Abgrenzung von Communities of Practice zu anderen Organisationsformen

1 Einleitung

In der neoklassischen Kapitalmarkttheorie wird von vollkommenen Märkten ausgegangen und das Verhalten der Akteure wird als rational definiert, was auch als Konzept des „Homo Oeconomicus“ bekannt ist. Zudem stellt das „Capital Asset Pricing Model“ das Kernstück der neoklassischen Kapitalmarkttheorie dar, in dem nutzenmaximierende Investoren unterstellt werden. Durch die empirische Überprüfung des Kapitalmarktmodells wurden jedoch Abweichungen entdeckt, welche die neoklassische Kapitalmarkttheorie nicht erklären konnte. Diese Abweichungen, die auch als „Anomalien“ bezeichnet werden, deuten darauf hin, dass das Verhalten der Akteure nicht streng rational ist und auf andere Faktoren zurückzuführen ist. Aufgrund der Vielzahl von Abweichungen entwickelte sich schließlich in den 90er Jahren die Forschungsrichtung „Behavioral Finance“, die seitdem das Handeln von Akteuren aus einer verhaltenswissenschaftlichen Perspektive betrachtet. Darüber hinaus existiert mit dem sogenannten Noise Trading-Ansatz die Möglichkeit, das Verhalten von Akteuren, die auf dem Finanzmarkt agieren, nicht nur aus einer psychologischen Perspektive zu beleuchten, sondern die sozialen Aspekte zu berücksichtigen, da sich die Akteure gegenseitig beeinflussen und auch keine homogene Anlegerschaft darstellen.

Die vorliegende Diplomarbeit beschäftigt sich mit dem Verhalten von Akteuren, die auf dem Finanzmarkt agieren. Dabei stellt die Untersuchung der Handlungen und Verhaltensweisen von Händlern, die als eine Gemeinschaft in Handelsräumen von Investment Banken tätig sind, den Schwerpunkt dar. Diese Handlungen und Verhaltensweisen der Händler in einer Gemeinschaft sollen explizit beleuchtet werden, wobei das Konzept der „Communities of Practice“ den Rahmen dafür bildet, um daneben die Entwicklungsphasen eines Händlers innerhalb einer solchen Trading Community erläutern zu können. Dabei soll der Handelsraum als ein sozialer Raum betrachtet werden. Des Weiteren soll die Bedeutung der freundschaftlichen Geschäftsbeziehungen der Händler aufgezeigt werden.

In Kapitel 2 wird anfangs das rationale Verhalten von Individuen dargelegt, wie es in der neoklassischen Kapitalmarkttheorie verstanden wird. Zudem wird die „Theorie des Erwartungsnutzens“ sowie die „Theorie der rationalen Erwartungen“ erläutert, da diese die Grundlage für die „Hypothese des effizienten Marktes“ darstellen, die von Fama (1970) entwickelt wurde und zugleich als eine Prämisse für das Capital Asset Pricing Model (CAPM) von Sharpe, Lintner und Mossin zu betrachten ist. Anhand des CAPM soll dabei verdeutlicht werden, wie das Verhalten von Investoren in der neoklassischen Kapitalmarkttheorie definiert wird. Des Weiteren sollen Erweiterungen des CAPM erläutert werden sowie die Arbitrage Pricing Theory von Ross (1976), die eine Weiterentwicklung des CAPM darstellt. Schließlich sollen Probleme aufgezeigt werden, die sich bei der Effizienzbestimmung von Märkten ergeben. Zudem werden CAPM-Anomalien erläutert, die mit den grundlegenden Modellaussagen nicht zu vereinbaren sind.

Das Kapitel 3 beschäftigt sich daraufhin mit der „Behavioral Finance“, wobei insbesondere die „Prospect Theory“ von Tversky und Kahnemann (1979) als Grundlage der Behavioral Finance veranschaulicht wird. Zudem werden ausgewählte Effekt der Behavioral Finance vorgestellt, um die Vorgehensweise dieser Forschungsrichtung zu verdeutlichen.

In Kapitel 4 wird der Noise Trading-Ansatz explizit beleuchtet, da sich dieser um eine Erklärung nicht-fundamentaler Kursbildung bemüht. Dabei wird speziell die Quasi-Rationalität als Kernelement des Noise Trading-Ansatzes aufgezeigt, wobei die Bestimmungsfaktoren quasi-rationalen Verhaltens von Menkhoff (1995) die Basis dafür darstellen. Zudem wird eine Abgrenzung des Noise Trading-Ansatzes zu konkurrierenden Ansätzen erläutert, die Menkhoff und Röckemann (1994) anhand von vier Merkmalen vornehmen. Schließlich werden die Ansätze des Noise Trading dargelegt, wobei insbesondere das gruppen-interaktive Verhalten explizit erklärt wird. Abschließend wird die soziale Dimension der Informationstransformation und –interpretation aufgezeigt, die von Shiller (1995) erläutert wird, um zu verdeutlichen, dass Informationen von unterschiedlichen Gruppen in einer verschiedenen Art und Weise wahrgenommen werden können.

Letztlich werden in Kapitel 5, als Schwerpunkt dieser Diplomarbeit, die Handlungen und Verhaltensweisen von Händlern, die als eine Gemeinschaft in Handelsräumen von Investment Banken tätig sind, explizit beleuchtet. Dabei soll für diese Händler- gemeinschaft das Konzept der „Communities of Practice“ den Rahmen darstellen. Hierzu werden zuerst Definitionen vorgestellt sowie Differenzierungen, Typologien und Abgrenzungen zu anderen Organisationsformen vorgenommen. Darauf basierend werden das Strukturmodell von Wenger (2004) und das drei-dimensionale Community-Modell von McDermott (1999) dargestellt, um die Gestaltungsmöglichkeiten von Communities of Practice aufzuzeigen. Zudem wird der Lebenszyklus einer Community nach Wenger (1998) vorgestellt sowie die Rollen innerhalb einer Community nach Fontaine (2001) erläutert, um nachfolgend die Handlungen und Verhaltensweisen von Akteuren in einer Trading Community darzulegen. Dabei werden anfänglich die Entwicklungsphasen eines jungen Händlers beleuchtet, wobei insbesondere die Untersuchung von Fenton-O’Creevy et al. (2005) die Grundlage hierfür bildet. Anschließend wird der Handelsraum als ein sozialer Raum veranschaulicht, wobei, nach einer Darstellung der räumlichen Anordnung eines Handelsraumes, der Wissenstransfer zwischen den Akteuren sowie der Stress und die Emotionen der Händler geschildert werden sollen. Des Weiteren wird die Bedeutung der Reputation eines Händler sowie die Aufgaben des Chefhändlers verdeutlicht. Letztlich werden die freundschaftlichen Geschäftsbeziehungen der Händler aufgezeigt und beurteilt. Die Grundlage hierfür stellt die Untersuchung von Hasselström dar, die in New York, London und Stockholm von 1997 bis 1999 durchgeführt wurde und sich mit Händlern und Brokern, die als Intermediäre zwischen Käufer und Verkäufer fungieren, beschäftigt.

2 Die Neoklassische Kapitalmarkttheorie

2.1 Annahme der Rationalität

Die Annahme rationalen Verhaltens ist als eines der zentralen Konzepte der ökonomischen Theorie zu betrachten. Dabei stellt der Homo Oeconomicus das Leitbild der normativen bzw. präskriptiven Entscheidungstheorie dar.[1] Diese hat das Hauptanliegen zu untersuchen, wie unter gegebenen Prämissen zu entscheiden ist und empfiehlt Handlungen nach rationalen Entscheidungsregeln. Der Homo Oeconomicus wird als ein (fiktiver) Akteur verstanden, der eigeninteressiert und rational handelt, die Maximierung seiner individuellen Zielfunktion anstrebt, auf Restriktionen reagiert und feststehende Präferenzen hat. Zudem verfügt er über vollständige Informationen und kann diese unverzerrt verarbeiten.[2] Folglich handelt er rational im Sinne einer subjektiven Formal- rationalität, da sich dieser bei gegebenen, subjektiv wahrgenommen Informationen nach der definierten Entscheidungslogik verhält und dementsprechend seine Ziele konsistent verfolgt.[3] Ferner gilt das Menschenbild des Homo Oeconomicus unabhängig von der jeweiligen Entscheidungssituation.[4]

Darüber hinaus wird zwischen dem rationalen Verhalten unter Sicherheit und unter Unsicherheit unterschieden. Jedoch muss jede Theorie von rationalem Verhalten unter Unsicherheit den Sicherheitsfall als eine extreme Form beinhalten. Die von Neumann und Morgenstern im Jahre 1944 entwickelte „Theorie des Erwartungsnutzens“ ist ein Modell rationalen Verhaltens unter Untersicherheit und greift den Gedanken des Erwartungsnutzens von Bernoulli aus dem Jahre 1738 wieder auf. Hier stellt der Erwartungsnutzen eine adäquate Beurteilungsgröße für den Vergleich von Handlungs- alternativen dar und wird mit den Konzepten der internen Konsistenz sowie der Verfolgung des Eigeninteresses verbunden, welche für den Sicherheitsfall formuliert wurden. Zudem werden axiomatische Bedingungen für die Ableitung eines Präferenzkalküls ergänzt.[5]

Infolgedessen kann mit den ermittelten Erwartungswerten der jeweiligen Handlungs- alternativen die nutzenmaximierende Handlungsalternative ausgewählt werden. Dabei kann von rationalem Verhalten im Sinne der Erwartungsnutzentheorie gesprochen werden, wenn ein Entscheider seinen eigenen Nutzen maximiert und die Präferenz des Entscheiders die drei axiomatischen Bedingungen vollständige Ordnung, Stetigkeit und Unabhängigkeit erfüllt.[6]

Die „Theorie der rationalen Erwartungen“ von Muth aus dem Jahre 1961 ist für die Analyse der Erwartungsbildung und Informationsverarbeitung von besonderer Bedeutung. Hier verhält sich jeder Entscheider so, als ob er Kenntnis von allen Daten der Vergangenheit und Gegenwart besitzen würde, welche für die Entscheidungssituation erforderlich sind. Für den Entscheider ist die Berücksichtigung aller zur Verfügung stehenden Informationen wichtig, um Kosten durch Fehlentscheidungen zu vermeiden. Dies ist als ökonomisch rational zu betrachten, wenn die Informationen kostenfrei sind bzw. solange die Kosten der Informationsbeschaffung geringer sind als der Nutzen. Folglich ist ein mathematischer, objektiver Erwartungswert, welcher das Ergebnis der ökonomischen Modellstrukur in Verbindung mit den verfügbaren Informationen ist, mit dem subjektiven Erwartungswert identisch. Es ist jedoch zu berücksichtigen, dass das Verhalten eines Entscheiders im Zusammenhang mit dem aggregierten Verhalten aller Entscheidungsträger zu betrachten ist. Ein abweichendes Verhalten eines einzelnen Entscheiders ist keine Widerlegung der Theorie. Von Interesse ist vielmehr, wie sich der Großteil der Entscheidungsträger verhält.[7]

Auf Grundlage der „Theorie des Erwartungsnutzens“ und der „Theorie der rationalen Erwartungen“ entwickelte Fama die „Hypothese des effizienten Marktes“, die im Folgenden näher beleuchtet werden soll.[8]

2.2 Hypothese des effizienten Marktes

Nach Fama ist ein Markt effizient, wenn die Preise von Wertpapieren zu jeder Zeit alle verfügbaren Informationen widerspiegeln: „A market in which prices always ´fully reflect´ available information is called ´efficient´.”[9] Zudem präzisiert Gonedes im Jahre 1976 die Definition, indem er explizit erläuterte, was unter „fully reflect“ zu verstehen ist: „An efficient capital market is one wherein prices fully reflect all available information and, thus, one wherein prices adjust rapidly and unbiasedly to new information.”[10] Demzufolge spiegelt ein Preis alle zur Verfügung stehenden Informationen wider, wenn sich dieser sofort und unverzerrt beim Auftreten von neuen Informationen an den neuen Informationssstand anpasst.[11] Allerdings definierte Fama im Jahre 1965 ursprünglich einen effizienten Markt als “a market where there are large numbers of rational, profit-maximizers actively competing, with each trying to predict future market values of individual securities, and where important current information is almost freely available to all participants.”[12]

Weiterhin unterscheidet Fama drei Stufen der Informationseffizienz:[13]

- Schwache Informationseffizienz ist gegeben, wenn zu jedem Zeitpunkt sämtliche Informationen über die vergangene Kursentwicklung in den gegenwärtigen Preisen enthalten sind. Folglich lässt sich durch die technische Analyse (Chartanalyse) keine Überrendite erzielen.
- Semistarke Informationseffizienz liegt vor, wenn zu jedem Zeitpunkt sämtliche öffentlich verfügbaren Informationen in den Marktpreisen enthalten sind. Daher können weder durch die Chartanalyse noch durch die Fundamentalanalyse systematisch Überrenditen erzielt werden.
- Starke Informationseffizienz ist gegeben, wenn zu jedem Zeitpunkt alle Informationen, d.h. auch die nicht öffentlich zugängliche Informationen (Insiderinformationen, private Informationen) im gegenwärtigen Marktpreis enthalten sind.

Die Menge der relevanten Informationen steigt von der schwachen zur starken Informationseffizienz an, wobei die starke Informationseffizienz alle überhaupt verfügbaren Informationen beinhaltet. Infolgedessen kann ein Investor in einem stark informationseffizienten Kapitalmarkt keine Vorteile aus Informationsauswertungen zum Zwecke der Wertpapieranalyse erlangen, da diese bereits im Marktpreis enthalten sind.[14]

Darüber hinaus bestimmt Fama folgende hinreichende Bedingungen, die einen Markt zu einem effizienten Markt werden lassen: „For example consider a market which

i. there are no transactions costs in trading securities,
ii. all available information is costlessly available to all market participants, and
iii. all agree on the implications of current information for the current price and distributions of future prices of each security.

In such a market, the current price of a security obviously “fully reflects” all available information.”[15] Zudem merkt Fama an, dass diese Bedingungen zwar hinreichend sind, jedoch nicht notwendig, da ein Markt auch effizient sein kann, wenn eine „hinreichend große Anzahl“ von Investoren einen unbeschränkten Zugang zu den verfügbaren Informationen hat.[16]

Fama erweiterte im Jahre 1991 seine eigene Einteilung der Effizienzbegriffe und bezeichnet seitdem die Überprüfung der schwachen Informationseffizienz („weak-form tests“) als „tests for return predictability“.[17] Hier wurde zusätzlich zu den Vergangenheitsdaten auch die Vorhersagbarkeit von Wertpapierrenditen durch Variablen wie Dividendenzahlungen und Zinssätzen sowie weiteren Effekten, wie beispielsweise Saisonalitäten mit einbezogen.[18] Des Weiteren wird die Überprüfung der semistarken Informationseffizienz („semi-strong form tests“) als „event studies“ bezeichnet und die Überprüfung der starken Informationseffizienz („strong-form tests“) als „tests for private information“.[19] Außer einer Änderung der Termini wurde hier keine Veränderung bzw. Erweiterung vorgenommen.

Die dargestellte „Hypothese des effizienten Marktes“ ist als eine Prämisse für das Capital Asset Pricing Model (CAPM) zu betrachten, welches das Kernstück der neoklassischen Kapitalmarkttheorie darstellt und im Folgenden erläutert werden soll.

2.3 Capital Asset Pricing Model (CAPM) und Modifikationen

2.3.1 CAPM

Das Capital Asset Pricing Model wurde in den 60er Jahren unabhängig und nahezu zeitgleich von Sharpe, Lintner und Mossin entwickelt. Dabei handelt es sich um ein Kapitalmarktgleichgewichtsmodell, dessen Grundlage die Portfoliotheorie von Markowitz aus dem Jahre 1952 darstellt. Die Erkenntnisse der Portfoliotheorie sowie die Prämissen des effizienten Marktes werden im CAPM miteinander verbunden.[20] Zudem sind zusätzliche Prämissen für das CAPM erforderlich. Es wird davon ausgegangen, dass alle Investoren homogene Erwartungen haben und der Betrachtungszeitraum eine Periode umfasst. Dazu existiert ein risikoloser Zinssatzes.[21]

Betrachtet man einen nutzenmaximierenden Investor, der zwischen Rendite und Risiko zu entscheiden hat, so wird der Investor unter den gegebenen Prämissen das Marktportfolio wählen, das alle auf dem Kapitalmarkt gehandelten risikobehafteten Wertpapiere umfasst, da nur dieses absolut effizient ist. Als effizient ist ein Portfolio dann anzusehen, wenn bei gleicher Rendite kein Portfolio mit einem geringeren Risiko sowie bei gleichem Risiko kein Portfolio mit einer höheren Rendite vorhanden ist. Daher können einzelne Wertpapiere nur nach ihrem Risikobeitrag zu diesem Marktportfolio bewertet werden, da kein Investor bereit ist, ein anderes Portfolio als das Marktportfolio zu halten. Zudem wird bei der Bildung des Marktportfolios ausschließlich das nicht diversifizierbare, systematische Risiko vergütet, welches durch das sogenannte Beta (β) ausgedrückt wird. Das unsystematische Risiko kann durch Diversifikation vollständig eliminiert werden. Infolgedessen wächst die Rendite proportional mit dem systematischen Risiko des Wertpapiers. Dies bedeutet also, dass je höher das Risiko einer Position eines Investors ist, desto höher muss die zur Kompensation erwartete Rendite dieser Position sein. Der lineare Zusammenhang zwischen der erwarteten Rendite und dem systematischen Risiko eines Wertpapiers stellt die Kernaussage des CAPM dar.[22]

Das CAPM stimmt mit dem neoklassischen Denken überein, da von nutzenmaximierenden Investoren ausgegangen wird. Dabei wird das nicht-rationale Verhalten als für die Preis- bildung irrelevant ausgeschlossen. Auch trifft das CAPM keine Annahmen über den Preisbildungsprozess, sondern ausschließlich über das Anlegerverhalten.[23]

2.3.2 Erweiterungen und Weiterentwicklungen des CAPM

Aufgrund der sehr restriktiven Prämissen des Modells wurde das CAPM weiterentwickelt, um es an die Wirklichkeit näher anzupassen. Dabei kann zwischen Modifikationen der Modellprämissen einerseits und Modifikationen der Modellstruktur andererseits differenziert werden, wie es in der Tabelle 2.1 dargestellt ist.[24]

Abbildung in dieser Leseprobe nicht enthalten

Tab.2.1: Modellerweiterungen des CAPM

Quelle: Eigene Darstellung (in Anlehnung an Opfer (2004), S. 51.)

Insbesondere der Ansatz von Black aus dem Jahre 1972 hat eine große Bedeutung erlangt. In diesem entwickelten Zero-Beta-CAPM wird auf die Annahme eines risikolosen Zinssatzes zur Geldaufnahme und Geldanlage verzichtet.[25] Dadurch soll der Kritik begegnet werden, dass in der Praxis risikofreie Anlagealternativen nicht existent sind. Auch festverzinsliche Wertpapiere von Staaten erster Bonität sind beispielsweise durch die Inflation, Zinsänderungsrisiken und möglicherweise Rest-Bonitätsrisiken betroffen.[26]

Eine Erweiterung des CAPM stellt die Arbitrage Pricing Theory (APT) dar, die im Jahre 1976 von Ross entwickelt wurde und weniger restriktive Bedingungen enthält.[27] Der APT liegt dabei die Idee des CAPM zu Grunde, dass lediglich das systematische Risiko eines Wertpapiers bewertungsrelevant ist und das unsystematische Risiko durch Diversifikation eliminiert werden kann. Zudem wird durch die APT explizit die Auffassung der Arbitragefreiheit von Finanzmärkten berücksichtigt. Durch Arbitrageprozesse wird erreicht, dass sich der Markt stets im Gleichgewicht befindet. Infolgedessen müssen die Renditen von Arbitrageportfolios im Marktgleichgewicht Null entsprechen.[28]

Im Gegensatz zum CAPM besitzt die APT den Vorteil, dass das Marktportfolio keine Bedeutung hat, da dem Investor im CAPM die Kenntnis über die Struktur des Gesamtmarktportfolios und das Halten von Anteilen an diesem Marktportfolio unterstellt wird. Zudem ist in der APT die Erklärung des systematischen Risikos über mehrere Einflussfaktoren möglich, die jedoch vollständig erkannt und auch richtig interpretiert werden müssen. Die APT stellt eine realitätsnahe Erweiterung dar und ermöglicht bessere Prognose als das CAPM sowie eine Quantifizierung von verschiedenen Risikofaktoren und deren Kontrolle.[29]

2.4 Probleme bei der Effizienzbestimmung von Märkten und CAPM-Anomalien

Bei der Bestimmung der Effizienz von Märkten stellt sich die Frage, in wieweit der Markt in der Lage ist, Informationen so zu bewerten, dass diese „richtig“ in den Preis übertragen werden. Hier stellt sich das Problem, was unter „richtig“ zu verstehen ist, da man den Wert einer Information nicht genau bemessen kann, denn dies soll der Markt ja leisten. Somit kann eine adäquate Definition der Effizienz nur gegeben werden, wenn eine Trennung zwischen Informationen und Rauschen möglich ist. Dabei versteht man unter „Rauschen“ Nachrichten bzw. Einflüsse, die keinen Informationsgehalt besitzen. Falls eine korrekte Trennung von Informationen und Rauschen möglich ist, kann die Effizienz eines Marktes angemessen bewertet werden. Besteht für einen Marktakteur ferner die Möglichkeit mit zusätzlichem Wissen Profite zu erzielen, so lässt dies auf einen ineffizienten Markt schließen, da bei einem stark informationseffizienten Markt alle Informationen im Marktpreis enthalten sind.[30]

Darüber hinaus existieren CAPM-Anomalien, die entweder unvereinbar mit den grund- legenden Modellaussagen sind oder auf einen informationsineffizienten Markt deuten. Bei

diesen Abweichungen lassen sich zum einen Querschnitts-Anomalien und zum anderen kalenderzeitliche Anomalien unterscheiden. Querschnitts-Anomalien können Rendite- unterschiede von Aktienwerten zu einem Zeitpunkt (Querschnitt) erklären.[31] Dazu zählt der sogenannte Winner/Loser-Effekt, mit dem De Bondt und Thaler für den Zeitraum von 1926 bis 1982 anhand von gehandelten Aktien an der New York Stock Exchange (NYSE) aufzeigen, dass Portfolios mit der schlechtesten Performance nach 3 Jahren relativ zum Markt höhere Renditen erzielen, während Portfolios mit der besten Performance relativ zum Markt eine niedrigere Rendite aufweisen.[32] Dies kann das Ergebnis von Überreaktionen der Investoren auf unerwartete und dramatische Nachrichten sein.[33] Zudem kann der Winner/Loser-Effekt nicht mit dem CAPM erklärt werden, da die Winner-Portfolios gegenüber den Loser-Portfolios keine systematisch höheren Beta-Werte aufzeigen.[34]

Eine weitere Querschnitts-Anomalie stellt der Size-Effekt dar. Demzufolge erzielen die Aktien von kleinen Unternehmen höhere Renditen als die von Großunternehmen. Dies lässt sich durch die Tatsache erklären, dass Analysten die kleinen Firmen vernachlässigen und somit für die Investoren nicht ausreichend Informationen zur Verfügung stehen, um eine risikobewusste Investition zu tätigen. Aufgrund dieses Informationsdefizits erscheint die Ertragslage der kleinen Unternehmen als unsicher. Daher werden bei der Risikoübernahme am Markt höhere Prämien gefordert. Die Erklärung und Erweiterung des Size-Effekts auf Grundlage des Informationsdefizits wird auch als Neglected Firm-Effekt bezeichnet.[35]

Des Weiteren ist der Price/Earning-Effekt als eine Querschnitts-Anomalie zu betrachten. Dieser besagt, dass Aktien mit einem geringen Kurs-Gewinn-Verhältnis (KGV), im Durchschnitt höhere Renditen erzielen. Eine mögliche Erklärung ist auf eine temporäre Unterbewertung des jeweiligen Unternehmens und einer damit verbundenen Unterschätzung der zukünftigen Erträge zurückzuführen. Aufgrund einer Reihe von schlechten Nachrichten eines Unternehmens, könnten Investoren zudem übermäßig pessimistisch eingestellt sein. Sollte sich diese Einschätzung jedoch als nicht zutreffend erweisen und sich die zukünftigen Erträge des Unternehmens besser als erwartet entwickeln, so wird sich dies in einer Kurskorrektur nach oben widerspiegeln, was schließlich zu Überrenditen führt.[36]

Darüber hinaus lassen kalenderzeitliche Anomalien Zweifel an der Preisbildung durch das CAPM aufkommen. Etwa haben Rozeff und Kinney im Jahre 1976 bei der Schätzung der monatlichen Beta-Werte von Aktien, die an der NYSE im Zeitraum von 1904 bis 1974 gehandelt wurden, ein besonders hohes systematisches Risiko im Januar festgestellt.[37] Ferner wurde ermittelt, dass sich lediglich im Januar signifikant positive Risikoprämien finden lassen. Demnach erzielen riskantere Aktien ausschließlich im Januar eine höhere Rendite.[38] Diese Anomalie ist auch als Januar-Effekt bekannt und wird hauptsächlich mit steuerlichen Gründen erklärt. Jedoch zeigt sich der Januar-Effekt auch in Großbritannien und Australien. Hier beginnt das Steuerjahr allerdings am 1. April bzw. 1. Juli.[39] Des Weiteren werden zusätzliche kalenderzeitliche Anomalien erwähnt, wie beispielsweise der Weekend-, Holiday- oder Turn of the Month-Effekt.[40]

Aufgrund der vielen beobachteten Anomalien in der traditionellen Kapitalmarkttheorie, die sich nicht hinreichend erklären lassen konnten, entwickelte sich in den 90er Jahren die Forschungsrichtung „Behavioral Finance“, die seitdem das Handeln von Akteuren aus einer verhaltenswissenschaftlichen Perspektive betrachtet.[41] Im Folgenden werden die ursprünglichen Wurzeln und die Grundlagen sowie ausgewählte Effekte der Behavioral Finance vorgestellt.

3 Behavioral Finance

3.1 Ursprung und Grundlagen

Der Forschungszweig der Behavioral Finance entwickelte sich, als die Wirtschafts- wissenschaftler die Fortschritte in der Psychologie zur Kenntnis nahmen. Dabei stellt die „Prospect Theory“ der Psychologen Tversky und Kahnemann aus dem Jahre 1979 ein zentrales Konzept der Behavioral Finance dar.[42] Dieses theoretische Modell wurde für einfache Lotterien mit monetären Auszahlungen und gegebenen Wahrscheinlichkeiten formuliert und ist auch in der Lage, komplexeren Entscheidungsproblemen zu begegnen.[43] Dazu sind die Axiome der Erwartungsnutzentheorie als wesentliche Grundlage zu betrachten, wobei das Unabhängigkeitsaxiom in abgeschwächter Form verwendet wird.[44]

In diesem Modell wird zwischen einer Editierungs- und Evaluationsphase differenziert. In der ersten Phase wird eine vorausgehende Analyse des Entscheidungsproblems vor- genommen, welches das effektive Handeln, Möglichkeiten und Auszahlungen festlegt. Die Festlegung wird dabei durch die Art und Weise bestimmt, wie ein Entscheider, unter Berücksichtigung von Normen, Gewohnheiten und Erwartungen, ein Entscheidungs- problem bewertet.[45] Infolgedessen besitzt die Editierungsphase die Funktion, Handlungs- alternativen zu gliedern und neu darzulegen, um eine Vereinfachung der Bewertung und Auswahl von Lotterien zu ermöglichen. Zusätzlich wird in dieser Phase ein Referenzpunkt gesetzt, an dem ein Entscheider Verluste und Gewinne relativ bewerten kann. In der nachfolgenden Evaluationsphase werden schließlich die aufbereiteten Lotterien bewertet und die Lotterie mit dem höchsten Wert ausgewählt. Dabei wird bei der Auswahl von Lotterien zwischen zwei Wegen unterschieden. Einerseits wird eine Lotterie ausgewählt, wenn festgestellt wurde, dass diese eine andere Lotterie dominiert. Andererseits wird eine Wahl durch den Vergleich der Lotteriewerte getroffen.[46]

Letztlich kann die Bewertung der Gewinne (Gains) und Verluste (Losses) anhand einer hypothetischen Wertefunktion erfolgen. Hier werden jedoch die Gewinne und Verluste unterschiedlich behandelt. Zum einen wird für positive Abweichungen vom Referenzpunkt ein konkaver Verlauf angenommen, der eine Risikoaversion impliziert. Zum anderen geht man bei einer negativen Abweichung von einem konvexen Verlauf aus, der die Risikofreude zum Ausdruck bringen soll.[47] Die Abbildung 2.1 verdeutlicht den typischen Verlauf der hypothetischen Wertefunktion.

Abbildung in dieser Leseprobe nicht enthalten

Abb.2.1: Hypothetische Wertefunktion der Prospect Theory

Quelle: Tversky/Kahnemann (1986), S. 257.

Mit Hilfe der Prospect Theory ist es der Behavioral Finance möglich geworden, Verhaltensmuster aufzudecken, die nicht rational zu erklären sind, sondern zum Teil auf Gefühlen bzw. Intuitionen basieren. Zudem ist die Prospect Theory als die wichtigste Alternative zur klassischen Erwartungsnutzentheorie zu betrachten. Dabei lassen sich die daraus erlangten Erkenntnisse direkt auf das Verhalten der Akteure auf den Finanzmärkten übertragen.[48]

Darüber hinaus beschäftigt sich die Behavioral Finance insbesondere mit der Aufnahme, Auswahl und Verarbeitung von Informationen. Hier wird von den Akteuren angenommen, dass diese nicht in der Lage sind, alle zur Verfügung stehenden Informationen wahrzunehmen und zu verarbeiten. Demnach lassen sich in verschiedenen Situationen Fehlentscheidungen beobachten, die eine Systematik aufweisen sollen.[49] Um dies zu verdeutlichen, werden im Folgenden ausgewählte Effekte der Behavioral Finance vorgestellt, die grundlegende Facetten des menschlichen Verhaltens in Entscheidungs- situationen beleuchten sollen.

3.2 Ausgewählte Effekte

Ein beobachteter Effekt in der Behavioral Finance, der sich mit der Gewinn- und Verlustwahrnehmung von Akteuren beschäftigt, ist die sogenannte Verlustaversion (Loss Aversion). Demnach werden Verluste stärker empfunden und bewertet als Gewinne mit gleichem Ausmaß. Dies lässt sich an der Wertefunktion der Prospect Theory verdeutlichen, da diese im Verlustbereich wesentlich steiler verläuft als im Gewinnbereich.[50] Aus psychologischer Sicht kann dies dadurch erklärt werden, dass Akteure Enttäuschungen über Fehlentscheidungen möglichst auch prospektiv vermeiden wollen, was als Regret Avoidance bezeichnet wird. Darüber hinaus werden potentielle Verluste nicht realisiert, um Enttäuschungen hinauszuzögern. Das Handeln der Akteure ist somit bei Verlusten risikofreudiger und bei Gewinnen risikoscheuer. Dabei werden Gewinne zu früh und Verluste zu spät realisiert. Diese Erscheinung wird auch Dispositions-Effekt genannt.[51]

Des Weiteren beschäftigt sich die Behavioral Finance mit dem sogenannten Sunk-cost-Effekt. Hier betrachtet ein Akteur die bereits angefallenen Kosten einer Entscheidung, anstatt die zukünftigen Möglichkeiten zu analysieren. Je mehr in eine Entscheidung investiert wurde, desto größer ist später die Bereitschaft, an dieser festzuhalten. Zudem erhöht sich der Sunk-cost-Effekt, wenn es sich um die Revidierung der eigenen Entscheidung handelt. Entscheidungen der eigenen Gruppen lassen sich dagegen leichter widerrufen. Allerdings halten Gruppen auch dann noch an früheren Entscheidungen fest, wenn die dafür verantwortlichen Personen die Gruppe schon verlassen haben. Eine psychologische Erklärung sieht vor allem in dem Streben nach Konsistenz einen Grund für den Sunk-cost-Effekt. Zudem werden auch gruppendynamische Gründe wie Verwund- barkeit und interpersoneller Wettbewerb als Gründe aufgeführt. Demnach halten Akteure an ihren Entscheidungen fest und rechtfertigen diese sogar, um vor der Gruppe als kompetent und rational vorgehend zu gelten.[52]

Darüber hinaus wird in der Behavioral Finance ein weiterer Aspekt menschlichen Verhaltens beobachtet, der als Overconfidence bezeichnet wird und die unrealistisch positive Bewertung der eigenen Eigenschaften zum Ausdruck bringt. Dabei ist aus psychologischen Experimenten die Erkenntnis gewonnen worden, dass Individuen ihr eigenes Wissen sowie ihre eigenen Fähigkeiten deutlich überschätzen. Ferner besitzt die Overconfidence eine starke Abhängigkeit von sozialen Faktoren. Ein Akteur trifft eine überlegtere Entscheidung, wenn ihm bewusst ist, dass er anschließend in einer Gruppen- diskussion mit der getroffenen Entscheidung konfrontiert wird. Zudem führen viele getroffene Entscheidungen mit positiven Ergebnissen zu einem gefestigten Selbst- bewusstsein des Akteurs, was allerdings langfristig eine überhöhte Selbstsicherheit zur Folge hat und das Urteilsvermögen beeinflusst.[53]

Anhand der erläuterten Effekte lässt sich erkennen, wie die Behavioral Finance generell vorgeht, um Anomalien des menschlichen Verhaltens aus einer psychologischen Perspektive zu erklären und eine dazugehörige Systematik zu begründen. Diese Forschungsrichtung wird jedoch auch kritisiert. Beispielsweise bezeichnet Fama die Behavioral Finance als „the anomalies literature“.[54] Willman et al. kritisieren zudem: „It simply adds sociologically unanchored heuristics to fit observed and anomalous aggregate trading patterns. Temporal and interpersonal sources of variation in the incidence of heuristic-based trading cannot be explained”.[55]

Nachfolgend soll der sogenannte Noise Trading-Ansatz näher beleuchtet werden, der sich um eine Erklärung nicht-fundamentaler Kursbildung bemüht und als ein geschlossener Gegenentwurf zur traditionellen Finanzmarkttheorie betrachtet werden kann.

4 Noise Trading

4.1 Definition und Charakteristik des Noise Trading

Der Noise Trading-Ansatz stellt eine Alternative zur traditionellen Finanzmarkttheorie dar und weicht die strenge Annahme des rationalen Verhaltens auf. Dieser Ansatz ist um eine Verarbeitung von Fakten bemüht, die als nicht-fundamental, also nicht der Theorie entsprechend, aufgefasst werden. Dabei ist die Presidential Address an die American Finance Association von Black im Jahre 1986 als grundlegend für diesen Ansatz zu betrachten, da er explizit Kursabweichungen vom fundamental gerechtfertigten Kurs in die Theorie einführt und den Begriff „Noise“ prägt, der sich an das weiße Rauschen eines zufälligen Störterms anlehnt.[56]

Folglich ist unter Noise das Grundrauschen des Marktes zu verstehen und bezeichnet dementsprechend das ohne Systematik auftretende Handeln, dem keine fundamentalen Auslöser zu Grunde liegen.[57] Black charakterisiert Noise als „what makes our observations imperfect“.[58] Zudem merkt er an, dass „noise makes financial markets possible, but also makes them imperfect“.[59] Darüber hinaus unterscheidet Black zwei Typen von Akteuren. Einerseits benennt er Akteure, welche aufgrund von fundamentalen Informationen handeln und andererseits solche, die sich nach dem Marktrauschen richten. „In my basic model of financial markets, noise is contrasted with information. People sometimes trade on information in the usual way. They are correct in expecting to make profits from these trades. On the other hand, people sometimes trade on noise as it were information”.[60] Infolgedessen sind Noise Trader als Anleger zu betrachten, die aufgrund von Noise handeln und zugleich auch Noise hervorrufen.[61] Die Gründe für dieses Handeln erklärt sich Black wie folgt: „One reason is that they like to do it. Another is that there is so much noise around that they don’t know they are trading on noise. They think they are trading on information”.[62]

Darüber hinaus existieren in der Literatur weitere Auffassungen von Noise: „Noise ist hier als eine preisliche Abweichung vom ‚fundamental gerechtfertigten’ Kursniveau einer

Aktie definiert, die aus ‚Noise Trading’ resultiert“.[63] Zudem bewertet von Heyl Noise wie folgt: „Es wird erkennbar werden, dass Noise, weil es sich nicht vollständig diversifizieren lässt, von den Marktteilnehmern als zusätzliche Risikokomponente empfunden wird […].“[64]

Infolgedessen können für den Begriff Noise mindestens drei verschiedene Bedeutungen bestimmt werden:

1. „‚Noise’ als Gegenstück zum Begriff ‚Information’,
2. ‚Noise’ als nicht diversifizierbare Risikokomponente und
3. ‚Noise’ als Abweichung zwischen dem tatsächlich realisierten Preis und dem

fundamental gerechtfertigten Kurswert eines Assets.“[65]

Ferner hat sich der Begriff des Noise Trading für Ansätze durchgesetzt, die eine nicht-fundamentale Kursbildung erklären sollen. Zum Teil wird jedoch nicht von Noise Trading, sondern von Bubbles, Fads und Fashions gesprochen.[66] Zudem existieren konkurrierende Begriffe, die möglicherweise besser geeignet wären, um der verhaltenswissenschaftlichen Grundlage dieses Forschungszweigs Ausdruck zu verleihen.[67] Dabei sind die Begriffe „Investor Sentiment“ und „Popular Models“ zu nennen.[68]

Der Ansatzpunkt aller Noise Trading-Ansätze ist darin zu sehen, dass das tatsächlich beobachtbare Verhalten eingebunden und nicht nur von rationalem Verhalten ausgegangen wird und sich somit ein positiveres Verständnis darlegt.[69] Dazu wird der Begriff „Quasi-Rationalität“ verwendet, der von Russel und Thaler vorgeschlagen wird: „We propose calling any such regular yet nonrational behavior quasi rational“.[70] Zudem fasst Thaler zusammen, was er unter Quasi-Rationalität versteht: „Quasi rational behavior exists, and it matters. In some well-defined situations, people make decisions that are systematically and substantively different from those predicted by the standard economic model. Quasi rational behavior can be observed under careful laboratory controls and in natural economic settings such as the stock market.”[71]

[...]


[1] Vgl. Hoffmann (2001), S. 5; Schmidt (2004), S. 7.

[2] Vgl. Franz (2004), S. 4; Unser (1999), S. 9f.

[3] Vgl. Schmidt (2004), S. 7; Unser (1999), S. 12f.

[4] Vgl. Schmidt (2004), S. 7.

[5] Vgl. Schmidt (2004), S. 7ff; Unser (1999), S. 15f.

[6] Vgl. Schmidt (2004), S. 8f; Unser (1999), S. 16ff.

[7] Vgl. Muth (1961), S. 315ff; Hoffmann (2001), S. 7; Klein (1999), S. 19f.

[8] Vgl. Hoffmann (2001), S. 8.

[9] Fama (1970), S. 383.

[10] Gonedes (1976), S. 612.

[11] Vgl. Hoffmann (2001), S. 8.

[12] Fama (1965), S. 56.

[13] Vgl. Fama (1970), S. 383; Fama (1991), S. 1576.

[14] Vgl. Schmidt (2004), S. 15; Wilhelm (2001), S. 106.

[15] Fama (1970), S. 387.

[16] Vgl. Fama (1970), S. 388.

[17] Vgl. Fama (1991), S. 1576.

[18] Vgl. Hoffmann (2001), S. 11; Schmidt (2004), S. 15.

[19] Vgl. Fama (1991), S. 1577.

[20] Vgl. Opfer (2004), S. 44; Ulschmidt (1994), S. 48; Fama/French (2004), S. 25f.

[21] Vgl. Opfer (2004), S. 45; Wilhelm (2001), S. 86.

[22] Vgl. Döhrmann (1990), S. 48f; Schmidt (2004), S. 20f; Steiner/Uhlir (2001), S. 187f.

[23] Vgl. Röckemann (1995), S. 16.

[24] Vgl. Opfer (2004), S. 92f.

[25] Vgl. Black (1972), S. 446.

[26] Vgl. Wilhelm (2001), S. 93.

[27] Vgl. Ross (1976), S. 341ff.

[28] Vgl. Bauer (1992), S. 28; Klein (1999), S. 105f.

[29] Vgl. Klein (1999), S. 106f; Schmidt (2004), S. 22.

[30] Vgl. Rothenstein (2004), S. 59ff.

[31] Vgl. Röckemann (1995), S. 27.

[32] Vgl. De Bondt/Thaler (1985), S. 793ff; De Bondt/Thaler (1989), S. 193ff.

[33] Vgl. De Bondt/Thaler (1985), S. 804; De Bondt/Thaler (1987), S. 557.

[34] Vgl. De Bondt/Thaler (1987), S. 579.

[35] Vgl. Arbel/Carvell/Strebel (1983), S. 57ff; Banz (1981), S. 16f; Reinganum (1981), S. 19f.

[36] Vgl. Basu (1977), S. 680f; De Bondt/Thaler (1985), S. 794.

[37] Vgl. Rozeff/Kinney (1976), S. 379ff.

[38] Vgl. Vgl. Lakonishok/Shapiro (1986), S. 115ff; Thaler (1987), S. 198ff; Tinic/West (1984), S. 561.

[39] Vgl. Thaler (1987), S. 200.

[40] Vgl. Thaler (1987a), S. 169ff.

[41] Vgl. Shiller (2003), S. 90f.

[42] Vgl. Shefrin (2000), S. 7f.

[43] Vgl. Tversky/Kahnemann (1979), S. 274.

[44] Vgl. Unser (1999), S. 35.

[45] Vgl. Tversky/Kahnemann (1986), S. 257.

[46] Vgl. Tversky/Kahnemann (1979), S. 274; Tversky/Kahnemann (1986), S. 257.

[47] Vgl. Tversky/Kahnemann (1986), S. 258; Unser (1999), S. 36f.

[48] Vgl. Goldberg/von Nitzsch (2000), S. 27.

[49] Vgl. Goldberg/von Nitzsch (2000), S. 25ff.

[50] Vgl. Tversky/Kahnemann (1991), S. 1039ff; Schmidt (2004), S. 40.

[51] Vgl. Goldberg/von Nitzsch (2000), S. 130ff ; Barberis/Thaler (2003), S. 53ff.

[52] Vgl. Kiehling (2001), S. 99f; Goldberg/von Nitzsch (2000), S. 94ff.

[53] Vgl. Barber/Odean (2004), S. 553ff; Kiehling (2001), S. 141f.

[54] Vgl. Fama (1998), S. 285.

[55] Vgl. Willman et al. (2006), S. 1364.

[56] Vgl. Menkhoff/Röckemann (1994), S. 278.

[57] Vgl. Röckemann (1995), S. 50.

[58] Black (1986), S. 529.

[59] Black (1986), S. 530.

[60] Black (1986), S. 529.

[61] Vgl. Röckemann (1995), S. 50.

[62] Black (1986), S. 534.

[63] von Heyl (1995), S. 19.

[64] von Heyl (1995), S. 136.

[65] Stadtmann (2002), S. 26.

[66] Vgl. Röckemann (1995), S. 50; Camerer (1989), S. 3.

[67] Vgl. Menkhoff/Röckemann (1994), S. 279.

[68] Vgl. Shleifer/Summers (1990), S. 23; Shiller (1990), S. 55.

[69] Vgl. Menkhoff/Röckemann (1994), S. 279.

[70] Russel/Thaler (1985), S. 1072.

[71] Thaler (1994), S. XXI.

Ende der Leseprobe aus 87 Seiten

Details

Titel
Reziprozität, Vertrauen und Moral - das Verhalten der Akteure des Finanzmarktes
Hochschule
Helmut-Schmidt-Universität - Universität der Bundeswehr Hamburg
Note
1,7
Autor
Jahr
2006
Seiten
87
Katalognummer
V77155
ISBN (eBook)
9783638741125
ISBN (Buch)
9783638742498
Dateigröße
803 KB
Sprache
Deutsch
Schlagworte
Reziprozität, Vertrauen, Moral, Verhalten, Akteure, Finanzmarkt, Handelsraum, Trader, Börse, Noise Trading, Behavioral Finance, Börsentipps, Börsentricks, Aktien, Trading, Gewinne, Verluste, Stop Loss, Loss Aversion, Markowitz, Börsenweisheiten
Arbeit zitieren
Dipl.-Kfm. Patrick Domagalski (Autor:in), 2006, Reziprozität, Vertrauen und Moral - das Verhalten der Akteure des Finanzmarktes, München, GRIN Verlag, https://www.grin.com/document/77155

Kommentare

  • Noch keine Kommentare.
Blick ins Buch
Titel: Reziprozität, Vertrauen und Moral - das Verhalten der Akteure des Finanzmarktes



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden