Ereignisstudien - Verfahren zur Messung von Überrenditen

Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

Symbolverzeichnis

1 Einleitung
1.1 Problemstellung
1.2 Gang der Untersuchung

2 Kapitalmarkttheoretische und statistische Grundlagen
2.1 Market Efficiency Hypothesis MEH
2.2 Statistische Voraussetzungen

3 Determinanten zur Bestimmung abnormaler Renditen via Ereignisstudien
3.1 Verfahren zur Durchführung von Ereignisstudien
3.1.1 Auswahl des Ereignisses
3.1.2 Allgemeine Schätzung der abnormalen Rendite
3.1.3 Analyse der Ergebnisse
3.2 Modelle zur Schätzung normaler Renditen
3.2.1 Mittelwert
3.2.2 Marktwert
3.2.3 Marktmodell
3.2.4 Alternativen

4 Anwendungsbeispiel

5 Zusammenfassung und Ausblick

Abbildungsverzeichnis

Abb. 1: Zeitlinie einer Ereignisstudie

Abb. 2: Kursverlauf im Gegensatz zu Indexverläufen

Abb. 3: Verlauf der KAREM-TV

Abb. 4: KAREM-TV im Vgl. zum NEMAX

Abb. 5: KAREM-TV im Vgl. zum DAX

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

1.1 Problemstellung

„Wenn ich die gegenwärtige Lage der theoretischen Physik überschaue, so scheint mir ein Punkt von größter Wichtigkeit nicht hinreichend beachtet zu werden: Ein theoretisches System kann erst dann Vollständigkeit beanspruchen, wenn die Beziehungen der Begriffe zu den erlebbaren Tatsachen eindeutig festgelegt sind.“^[1]

Dass die gerade aufgeführte Aussage von Albert Einstein dabei nicht nur für die Physik Gültigkeit besitzt, sondern auch für die Kapitalmarktforschung, kann angenommen werden. Diese Aussage wird durch den Hinweis von Simon verstärkt, dass ökonomische Modelle weniger nach ihren Annahmen als vielmehr nach der empirischen Validität ihrer Schlussfolgerung beurteilt werden sollten.^[2]

Ereignisstudien stellen dabei ein wichtiges Bindeglied zwischen Theorie und Praxis dar. Indem Ereignisstudien die Reaktion von Wertpapieren auf wohldefinierte Ereignisse und deren Auswirkung messen, – die abnormale Rendite^[3] –, können sie den Vorhersagewert einer Theorie am Kapitalmarkt testen. Es stellte sich heraus, dass dies besonders nützlich bei der Überprüfung von Modellen in der Corporate Finance ist.

Über die empirischen Analysen von Finanzierungsentscheidungen in der Corporate Finance hinaus, genießen Ereignisstudien ein weites Anwendungsfeld. Dieses reicht von der empirischen Analyse von Wertpapierkursen und Rechnungslegungsinformationen bis hin zu ökonomischen Analysen des Rechts.^[4]

1.2 Gang der Untersuchung

Das Ziel der Darstellung ist es, einen ersten Überblick über das Vorgehen zur Messung von abnormalen Renditen via Ereignisstudien zu geben. Probleme werden dabei nur punktuell angesprochen, um auf mögliche Komplikationen und Voraussetzungen bei Ereignisstudien hinzuweisen. Bevor in Kapitel 3 das allgemeine Verfahren bei Ereignisstudien vorgestellt wird, werden in Kapitel 2 grundsätzliche kapitalmarkttheoretische und statistische Grundlagen behandelt. Darauf aufbauend wird in Kapitel 3.1 das Verfahren und in Kapitel 3.2, Modelle zur Schätzung von normalen Renditen vorgestellt. In Kapitel 4 wird anhand eines Beispiels aus der ökonomischen Analyse des Rechts das Vorgehen bei Ereignisstudien verdeutlicht. Schlussendlich werden in Kapitel 5 die Ergebnisse der Darstellung zusammengefasst und ein Ausblick gewagt.

2 Kapitalmarkttheoretische und statistische Grundlagen

2.1 Market Efficiency Hypothesis MEH

Die MEH besagt, in ihrer allgemeinen Form, dass wenn Preise von Wertpapieren zu jedem Zeitpunkt alle relevanten Informationen korrekt wider-spiegeln, der Kapitalmarkt als effizient bezeichnet werden kann. Auf einem effizienten Kapitalmarkt passen^[5] sich Preise unverzüglich neuen Informationen an.^[6] Da aber das Auftreten neuer Informationen nicht prognostiziert werden kann, wirkt der Kursverlauf wie ein Zufallsprozess.

Bezüglich „aller“ Information kann weiter abgestuft werden zwischen:

1. Schwache Informationseffizienz: In den aktuellen Kursen sind alle Informationen über vergangene Kurse berücksichtigt.
2. Semistarke Informationseffizienz: Zusätzlich zu den Informationen über vergangene Kurse sind auch alle öffentlich verfügbaren Informationen in den aktuellen Kursen enthalten.
3. Starke Informationseffizienz: Alle verfügbaren Informationen, auch private Informationen (sog. Insiderinformationen), sind im aktuellen Kurs enthalten.

Die Unterscheidung zwischen schwacher, semistarker und starker Informationseffizienz führte zu einer Vielzahl von Untersuchungen.^[7]

Bei der Untersuchung abnormaler Renditen mit Hilfe von Ereignisstudien wird dabei von einer semistarken Informationseffizienz ausgegangen.^[8] Ereignisstudien können einerseits zur Überprüfung der semistarken Informationseffizienz eingesetzt werden, d. h. ob öffentlich neu auftretende Informationen im Sinne der semistarken Informationseffizienz richtig verarbeitet werden. Andererseits kann unter der Annahme, dass der Markt semistark informationseffizient ist, mit Hilfe von Ereignisstudien untersuchte werden, welche Auswirkung neue Information auf den Wohlstand der Wertpapierbesitzer resp. auf die Kurse von Wertpapieren hat.^[9]

Zur Messung von abnormalen Renditen muss spezifiziert werden, wie der Verlauf der Rendite unter normalen Bedingungen, d.h. ohne Auftreten neuer Informationen, gewesen wäre. Hierzu bedient man sich kapitalmarkttheoretischer Modelle wie z. B. dem CAPM, welche die Preisbildung auf Kapitalmärkten unter normalen Bedingungen erklären sollen.^[10]

Dabei kommt es bei der Messung von abnormalen Renditen via Ereignisstudien zu folgendem Aussagedilemma, welches als das Problem des Tests verbundener Hypothesen bezeichnet wird (Joint-Hypotheses):

Wird mit Hilfe eines Modells eine Überrendite gemessen, welche nicht durch das Auftreten einer neuen Information entstanden ist, könnte dies als Marktineffizienz gedeutet werden. Andererseits könnte die gemessen Überrendite auch durch ein fehlerhaftes Modell bedingt sein, so dass der Markt, trotz gemessener abnormaler Rendite, effizient wäre. Schlussendlich könnten aber auch sowohl die zugrunde gelegte Markteffizienz, als auch das zugrunde gelegte Modell falsch sein. Dieses Problem ist nicht auflösbar.^[11]

2.2 Statistische Voraussetzungen

Neben der gerade angestellten Betrachtung über die Bedeutung der Markeffizienz für das Untersuchungsgebiet spielen des Weiteren statistische Grundvoraussetzungen eine wichtige Rolle.

Für die Berechnung einer normalen Rendite mit Hilfe eines Modells, werden grundsätzlich Informationen über die Häufigkeitsverteilung zur Schätzung von Parametern solcher Renditen benötigt. Da sich die tatsächlichen Wahrschein-lichkeitsverteilungen aber nicht beobachten lassen, werden Verteilungstypen mit vergangenheitsbezogenen Renditerealisationen geschätzt.^[12]

Die vergangenen Renditerealisationen werden als Stichprobe zur Schätzung von Verteilungsparametern der Grundgesamtheit gesehen.^[13] Dabei wird davon ausgegangen, dass sich sowohl die Vergangenheit, als auch die Gegenwart durch den selben Verteilungstyp beschreiben lassen d. h. sich von der Vergangenheit auf die Zukunft schließen lässt.

Es wird in der folgenden Betrachtung davon ausgegangen, dass Rendite-realisationen einer Normalverteilung gehorchen. Unter dieser Voraussetzung lässt sich eine Renditeverteilung hinreichend mit den Erwartungswert µ und der Standardabweichung σ beschreiben. Der wirkliche Erwartungswert, als auch die wirkliche Standardabweichung, werden daraufhin durch vergangenen Renditerealisationen geschätzt.

Für die Annahme einer Normalverteilung bei Renditerealisationen spricht des Weiteren ein wichtiger theoretischer Sachverhalt: der zentrale Grenzwertsatz. Dieser besagt, dass wenn sich sehr viele unabhängige und zufällige Einflüsse addieren, von denen kein einzelner Einfluss die anderen dominiert, die Ergebnisse annährend normal verteilt sind.^[14]

Empirische Untersuchungen ergaben aber, dass Verteilungen von Renditen nur annähernd normal verteilt sind.^[15] Wie Renditen berechnet werden und auf welches Zeitintervall sich die Rendite bezieht hat besonderen Einfluss auf die Verteilungseigenschaft. Es können darüber hinaus weitere wichtige statistische Eigenschaften verletzt sein, die für eine unverzehrte Schätzung der Überrendite wichtig sind, wie beispielsweise die Homoskedastizität.^[16]

Die oben aufgeführten Abweichungen führen zum Teil nur zu marginalen Verzehrungen der Ergebnisse bei der Messung von abnormalen Renditen, oder können mit Hilfe von statistischen Modifikationen bei erheblicheren Abweichungen bedingt korrigiert werden.^[17]

In der nun folgenden Darstellung liegt das Hauptaugenmerk auf der Vorstellung des Verfahrens zur Messung von Überrenditen. Es wird dabei nur vereinzelt auf mögliche statistische Komplikationen und statistische Modifikationen eingegangen. Außerdem wird, wie auch in amerikanischen Beiträgen üblich, nur von Rendite (Return) gesprochen, ohne diese genauer zu definieren.

[...]

^[1] Vgl. Einstein, 1921, S. 3.

^[2] Vgl. Simon, 1957, zitiert in Kleeberg / Rehkugler, 1998, S. 393.

^[3] Abnormale Renditen werden in der weiteren Darstellung synonym zu Überrenditen gebraucht.

^[4] Vgl. Nowak / Rott / Mahr, 2004, S. 2004.

^[5] Folgende Ausführungen zu MEH orientieren sich an Spremann, 2003, S. 120 – 127.

^[6] Vgl. Fama, 1970, S. 383.

^[7] Vgl. hierzu Fama, 1991, S. 1575 – 1617.

^[8] Vgl. Cable / Holland, 1999, S. 331.

^[9] Vgl. Binder, 1998, S. 111.

^[10] Vgl. Beiker, 1993, S. 10.

^[11] Vgl. hierzu Fama, 1991, S. 1575f.

^[12] Vgl. Beiker, 1993, S. 57f.

^[13] Vgl. Spremann, 2003, 127f.

^[14] Vgl. Fahrmeir u. a., 2001, S. 312 – 314 und Spremann, 2003, S. 129 – 132.

^[15] Vgl. Poddig / Dichtl / Petersmeier, 2003, S. 105.

^[16] Vgl. hierzu den Artikel von Brown / Warner, 1984, S. 3 – 31.

^[17] Vgl. Brown / Warner, 1984, S. 3 und S. 25.