Kapitalmarktanomalien in der Behavioral Finance. Die Persistenz von Kalenderanomalien in europäischen Aktienindizes


Akademische Arbeit, 2020

50 Seiten, Note: 1,0


Leseprobe

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1 Einleitu
1.1 Problemstellung und Zielsetzung
1.2 Vorgehensweise

2 Kalenderanomalien in der Behavioral Finance
2.1 Turn-of the-week-effect
2.2 Januar-Effekt
2.3 Halloween-Effekt

3 Stand der Forschung
3.1 Tum-of-the-week-effect
3.2 Januar-Effekt
3.3 Halloween-Effekt

4 Empirische Untersuchu
4.1 Daten und Methodik
4.2 Regressionsdiagnostik
4.3 Zeitliche Persistenz der Effekte
4.3.1 Turn-of-the-week-effect
4.3.2 Januar-Effekt
4.3.3 Halloween-Effekt

5 Schlussbetracht

Anhang

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Anomalien im Behavioral Finance

Abbildung 2: Kalenderanomalien

Abbildung 3: T-Werte Turn-of-the-week-effect

Abbildung 4: T-Werte Januar-Effekt

Abbildung 5: T-Werte Halloween-Effekt

Tabellenverzeichnis

Tabelle 1: t-Quantile Turn-of-the-week-effect

Tabelle 2: t-Quantile Januar-Effekt und Halloween-Effekt

1 Einleitung

1.1 Problemstellung und Zielsetzung

Nicht nur das Kalenderjahr verfügt über unterschiedliche Jahreszeiten, oder die Volks­wirtschaft über alternierende Konjunkturzyklen, sondern auch die Aktienmärkte weisen wiederkehrende Verhaltensmuster auf. Diese Verhaltensmuster werden in der Behavio­ral Finance Theorie (BFT) häufig als Kapitalmarktanomalien bezeichnet. Eine besonde­re Form dieser Anomalien stellen dabei Kalenderanomalien dar, welche induzieren, dass erwartete Renditen nicht zeitkonsistent sind, sondern von saisonalen Effekten abhängig sind.1

Seit Ende der 1970er Jahre kristallisiert sich anhand einer Großzahl von empirischen Untersuchungen heraus, dass Aktienrenditen während des Kalenderzyklus nicht zufällig schwanken sondern systematisch vom Mittelwert abweichen. Ob diese Kalendereffekte jedoch auch im Markt flächendeckend über die Zeit persistent sind, ist umstritten.

Die vorhandene empirische Literatur zu saisonalen Effekten untersucht überwiegend den US-amerikanischen Aktienmarkt. Zudem ist ersichtlich, dass diese Untersuchungen häufig auf Daten vor der Jahrtausendwende beruhen. So wird die Existenz von Kalen­dereffekten für europäische Märkte eher selten untersucht und auf die Überprüfung der Persistenz der Effekte über den Zeitverlauf verzichtet. Häufig wird ein starrer Untersu­chungszeitraum gewählt ohne die Veränderung dieser Effekte aufgrund der erlangten Kenntnisse und der gewonnenen Aufmerksamkeit dieser Phänomene zu berücksichti­gen.

Ziel der vorliegenden Arbeit ist es, ausgewählte europäische Aktienindizes auf die be­kanntesten Kalenderanomalien hin zu untersuchen, wobei der Fokus auf der Persistenz der einzelnen Effekte über den Zeitverlaufliegt.

1.2 Vorgehensweise

Im zweiten Kapitel werden zunächst Kalenderanomalien in die BFT eingebettet und ein umfassender Überblick über die theoretischen Grundlagen der Kalenderanomalien und der zugrunde liegenden wissenschaftliche Literatur gegeben. Im dritten Kapitel wird der aktuelle Forschungsstand für die ausgewählten Kalenderanomalien dargestellt. Das vier­te Kapitel beinhaltet die empirische Untersuchung der ausgewählten Indizes auf die Persistenz der vorgestellten Kalenderanomalien. Eingangs wird die Datenbasis erläutert und das verwendete Regressionsmodell vorgestellt. Folglich wird die angewandte Me­thode auf dessen Anwendungsvoraussetzungen geprüft. Im Nachgang werden die aus­gewählten Kalenderanomalien empirisch auf Signifikanz untersucht. Die empirische Untersuchung besteht aus einer einfachen linearen Regression, bei welcher die betrach­teten Zeitfenster rollierend fortgeschrieben werden, um eine Veränderung der Effekte über den Zeitverlauf erkennbar zu machen.

2 Kalenderanomalien in der Behavioral Finance

Durch die Berücksichtigung menschlicher Verhaltensweisen entstand in den 1980er Jahren eine neue Disziplin, welche im Bereich der Kapitalmarktforschung als Behavio­ral Finance bezeichnet wird und sich zu einer regelrechten Modeerscheinung in der Fi­nanzwirtschaft entwickelt hat.2 Die BFT erweitert die neoklassische Kapitalmarkttheo­rie um psychologische bzw. verhaltenswissenschaftliche Erkenntnisse, um das Anleger­verhalten und diverse Ausprägungen an den Kapitalmärkten besser erklären zu können.3 Die BFT argumentiert, dass einige Phänomene auf dem Finanzmarkt besser mit Model­len verstanden werden können, in denen einige Agenten nicht vollständig rational sind.4 Sie zeigt Anomalien5 im Kapitalmarkt sowie im menschlichen Verhalten auf, welche zu systematisch signifikanten Abweichungen in Wertpapierkursen führen.6

In der Literatur werden Finanzmarktanomalien häufig wie in nachstehender Abbildung dargestellt aufgegliedert.

Abbildung 1: Anomalien im Behavioral Finance

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

Kapitalmarktanomalien sind auf Marktebene beobachtbar und bezeichnen einen Zu­stand, bei dem die Beobachtungen am Kapitalmarkt nicht mit den neoklassischen Kapi­talmarkttheorien übereinstimmen. Sie weisen darauf hin, dass sich Marktpreise von ih­rem fundamentalen Wert entfernen.7 Verhaltensanomalien befassen sich dagegen mit dem individuellen Verhalten von Finanzanlegern. Ihr Ursprung darin liegt, dass Markt­teilnehmer nicht isoliert und unabhängig voneinander entscheiden.8 Im Allgemeinen beschreiben Verhaltensanomalien systematische Verhaltensmuster, welche von den in der Kapitalmarkttheorie postulierten Verhaltensannahmen abweichen.9

In der Literatur werden sie häufig in die drei dargestellten Kategorien unterteilt. Ano­malien bezüglich der Effizienzthese sind Phänomene, welche die Aussage widerlegen, dass Märkte vollständig informationseffizient sind. Zu diesen Anomalien gehört unter anderem der Index-Effekt oder auch Spekulationsblasen.10 Kennzahlenanomalien wei­sen hingegen auf abnormale Abweichungen eines Wertpapierkurses vom fundamentalen Wert eines Wertpapieres hin und werden durch Fehlbewertungen am Kapitalmarkt ver­ursacht.11

Der Fokus im weiteren Verlauf dieser Arbeit liegt auf den Kalenderanomalien. Kalen­deranomalien sind saisonale Effekte, welche zeitliche Renditemuster aufweisen.12 Sie stehen im Widerspruch zur Random-Walk-Hypothese, welche besagt, dass alle Aktien zu keinem Zeitpunkt über- oder unterbewertet sind und der künftige Kursverlauf aus­schließlich vom Auftreten neuer bewertungsrelevanter Tatsachen abhängig ist.13 Alle bewertungsrelevanten Sachverhalte sind allen Marktteilnehmern im Augenblick ihres Entstehens bekannt und unmittelbar vollständig im Wertpapierkurs eskomptiert.14 Ent­gegen der Random-Walk-Hypothese deuten Kalenderanomalien auf Informationsineffi­zienzen in den Kapitalmärkten hin. Sie induzieren, dass erwartete Renditen nicht zeit­konsistent sind, sondern von saisonalen Effekten abhängig sind.15 Kalenderanomalien postulieren innerhalb bestimmter Kalenderperioden höhere Renditen als in anderen ver­gleichbaren Perioden.16 In nachstehender Abbildung sind die in der empirischen For­schung bekanntesten und am häufigsten untersuchten Kalenderanomalien dargestellt.

Quelle: Eigene Darstellung

Im weiteren Verlauf dieser Arbeit werden der Turn-of-the-week-effect, der Januar­Effekt und der Halloween-Effekt in verschiedenen europäischen Aktienindizes unter­sucht. Im Folgenden werden diese Effekte näher erläutert.

2.1 Turn-of the-week-effect

Anfang der Jahrtausendwende wurde der Fokus vermehrt auf den Turn-of-the-week- Effekt (TOW) und den Wochenend-Effekt speziell in den Aktienmärkten der USA und der Entwicklungsländer gelegt.17 Dieser Effekt besagt, dass die Renditen am Montag signifikant niedriger sind als die Renditen an den anderen Wochentagen.18 Weitere Stu­dien verstärken diese Vermutung mit der Feststellung des Wochenendeffektes, bei dem die Aktien zwischen Handelsschluss am Freitag und Montag eine geringere Rendite aufweisen.19

Differenziert wird häufig zwischen der Betrachtung der Aktienmärkte und der Märkte für Unternehmensanleihen. Aktienmarktstudien erbrachten überwiegend das Ergebnis hoher Freitagserträge und niedriger Renditen am Montag.20 Der Markt für Unterneh­mensanleihen zeigt hingegen abweichende Kursverläufe. Adrangi und Ghazanfari (1996) untersuchten den Wochenend-Effekt am Markt für Unternehmensanleihen mit dem Ergebnis, dass die Märkte für Unternehmensanleihen im Gegensatz zu den Ak­tienmärkten einen umgekehrten Wochenendeffekt aufweisen, da die Renditen am Mon­tag im Durchschnitt positiv statistisch signifikant sind.21 Eine mögliche Erklärung für den TOW-Effekt in Aktienmärkten liefern Chen und Singal (2003). Sie erklären diesen Effekt dadurch, dass „Short-seller“ ihre Positionen am Freitag schließen, was zu stei­genden Kursen führt. Mit der Börsenöffnung am Montag verkürzen Sie ihre Positionen wieder, wodurch fallenden Kursen bewirkt werden.22

2.2 Januar-Effekt

Eine weitere Form der Kalenderanomalien ist der Januar-Effekt23. Das Phänomen ist auch als Jahreswechseleffekt bekannt. Der Januar-Effekt bezeichnet eine systematische und signifikante Überrendite im Januar im Vergleich zu den übrigen Monaten eines Kalenderjahres.24 Speziell der Jahreswechseleffekt betrachtet dabei nicht den gesamten Monat sondern nur gezielt die ersten Handelstage des Kalenderjahres.25 Im Zusammen­hang mit signifikanten Überrenditen im Januar wird gleichzeitig häufig noch von dem Firm-Size-Effekt gesprochen. Er beschreibt eine negative Beziehung zwischen der Aus­prägung des Januar-Effekts und der Größe des jeweiligen Unternehmens.26 Er vertritt die These, dass Unternehmen mit geringer Marktkapitalisierung im Januar höhere Über­renditen ausweisen als Unternehmen mit hoher Marktkapitalisierung, vor allem wenn sie zum Jahresende stark gefallen sind.27

Im Zusammenhang mit dem Januar-Effekt wird häufig auch die Börsenweisheit „As goes January, so goes the year“ aufgeführt. Demnach ist der Monat Januar, speziell die ersten Handelstage, ein Indikator für die Performance des gesamten Kalenderjahres.28 In der Literatur lassen sich unterschiedliche Erklärungsansätze für die Existenz des Ja­nuar-Effekts finden. Die in der Literatur verbreitetste Hypothese stellt die Tax-Loss- Selling-Hypothese dar. Sie deutet daraufhin, dass der Januar-Effekt von der Wende des Steuerkalenders verursacht wird.29 Institutionelle, sowie private Anleger liquidieren einen Teil der verlustbringenden Aktien zum Jahresende, damit Wertpapiere welche im abgelaufen Kalenderjahr Preisrückgänge zu verzeichnen hatten mit den Gewinnen des Jahres verrechnet werden können, damit der Kapitalverlust mit dem steuerpflichtigen Einkommen verrechnet werden kann.30 Zum Jahresbeginn werden die liquiden Mittel in neue Wertpapiere reinvestiert, wodurch überdurchschnittliche Renditen im Januar be­gründet werden könnten.31

Die risk-shifting window dressing-Hypothese erklärt den Januar-Effekt mit dem Verhal­ten institutioneller Investoren.32 Sie besagt, dass vor allem Portfoliomanager versuchen ihre Bilanz vor den Offenlegungsterminen um riskante Wertpapiere zu bereinigen um diese nicht offenlegen zu müssen.33 Vor dem Jahresabschluss, welcher sich in der Regel am Kalenderjahr orientiert, würden sie diese riskanten Wertpapiere entsprechend aus ihrem Portfolio nehmen.34 Zum Jahresbeginn werden diese risikobehafteten Wertpapie­re erneut erworben um das Portfolio wieder herzustellen.35

Die Bargeld-Hypothese findet in der empirischen Forschung weniger Beachtung. Sie beschreibt eine außerordentlich hohe Nachfrage nach liquiden Mitteln im letzten Kalen­dermonat, insbesondere an den Tagen vor Weihnachten. Durch die erhöhte Liquiditäts­nachfrage werden Wertpapiere am Jahresende veräußert um kurzfristig die Verfügbar­keit liquider Mittel zu gewährleisten. Zum Jahresbeginn wird der Wertpapierbestand mit neuen Finanzmitteln wieder hergestellt.36

Die Erklärung des „sich selbst verstärkender Effektes“ liegt darin, dass der Effekt all­mählich so am Markt eingearbeitet worden ist, dass die Gegenwart dieses Effekts psy­chologisch bedingt oder gar sich selbst erfüllend ist.37

2.3 Halloween-Effekt

Eine systematische Abweichung der Renditen in den Wintermonaten November bis April wird als Halloween-Effekt bezeichnet. Eine der bekanntesten Untersuchungen liefern Bouman und Jacobson (2002). Sie zeigen eine Überrendite der Monate Mai bis Oktober gegenüber den Monaten November bis April.38 39

“Sell in may, but don't forget to come back in november". Eine der bekanntesten Bör­senweisheiten, welche besagt, dass der Markt über die Sommermonate hinweg eine Flaute durchleben wird. Aufgrund dessen solle man Ende Mai seine Wertpapiere ver­kaufen und im November wieder in den Markt investieren. Als Stichtag gilt der 31. Ok­tober, weshalb diese Anomalie auch Halloween-Effekt genannt wird. Erstmals lässt sich diese These in einer Financial Times Ausgabe des Jahres 1935 auffinden und dennoch scheint die Anomalie, zumindest in einigen Märkten, bis zum heutigen Tage präsent zu - 39 sein.

Eine mögliche Erklärung für den Halloween-Effekt verweist auf den nahenden Herbst und begründet primär niedrige Renditen im September. Unter anderem fallende Tempe­raturen und kürzere Tage schlagen auf das Gemüt der Menschen und beeinflussen wo­möglich deren Anlageverhalten. Aufgrund der steigenden Kenntnis über den rendite­schwachen September verkürzen viele Anleger ihre Aktienpositionen bereits im August, wodurch schon fallende Renditen im August begründet werden können.40

3 Stand der Forschung

Die empirische Literatur ist reich an Studien, die Kalenderanomalien in entwickelten Aktienmärkten sowie in Schwellenländern in Asien oder Lateinamerika untersuchen.41 Für europäische Aktienmärkte gibt esjedoch verhältnismäßig wenige publizierte Unter­suchungen. Darüber hinaus werden häufig nur kurze Zeiträume betrachtet, nur einzelne Kalendereffekte untersucht oder die Veränderung der Effekte im Zeitablauf vernachläs­sigt.42 Im Folgenden wird der Forschungsstand der im weiteren Verlauf der Arbeit be­trachteten Kalenderanomalien dargestellt. Der Fokus liegt dabei auf Untersuchungen des europäischen Aktienmarktes.

3.1 Turn-of-the-week-effect

Einer der ersten publizierten Untersuchungen der durchschnittlichen täglichen Aktien­renditen stammt von French (1980). Er fand heraus, dass die durchschnittliche Rendite des zusammengesetzten Portfolios von Standard and Poor's für Montage im untersuch­ten Zeitraum von 1953 bis 1977 signifikant negativ war, die durchschnittliche Rendite für die anderen vier Wochentagejedoch positiv war.43

Borges (2009) untersuchte die Auswirkungen von Wochentagseffekten in siebzehn eu­ropäischen Aktienindizes im Zeitraum von 1994 bis 2007. Sie stellte fest, dass die stär­keren länderspezifischen Wochentagseffekte nicht über den gesamten Stichprobenzeit­raum stabil sind.44 Rossi und Gunardi (2018) führten Untersuchungen von Wochentags­effekten an europäischen Börsenindizes für das erste Jahrzehnt des zweiten Jahrtausends (2001 - 2010) durch. Für den Untersuchungszeitraum konnten sie in keinem Börsenin­dex signifikant niedrigere Renditen am Montag zeigen.45 Högholm fand anhand acht­zehn europäischer Aktienindizes heraus, dass der Wochentagseffekt eher ein lokales als ein globales Phänomen darstellt.46 Behr (2017) untersuchte ebenso ausgewählte europä­ische Leitindizes und stellte signifikant höhere Renditen an Montagen zwischen 2000 und 2016 vor allem im spanischen Leitindex fest.47 Salm und Siemkes (2009) prüften den TOW-Effekt in deutschen Aktienindizes und fanden signifikant niedrigere Renditen am Wochenanfang bis in die 1990er Jahre. In den folgenden Jahren stellten sie eine Ab­nahme des Effektes über den Zeitverlauf fest und kamen zu dem Schluss, dass der TOW-Effekt am deutschen Aktienmarkt in seiner ursprünglichen Ausführung komplett verschwunden sei.48

3.2 Januar-Effekt

Frühste Anzeichen für abnormale Aktienrenditen zum Jahresanfang an den US- Aktienmärkten lieferte Wachtel (1942).49 In weitreichender Literatur waren es jedoch häufig Rozeff und Kinney (1976), welche offiziell als Erstes über diesen Effekt am US- Aktienmarkt berichteten. Sie untersuchten die monatlichen Renditen an der New Yorker Börse für den Zeitraum von 1904 bis 1974. Mit Ausnahme des Zeitraums 1929 bis 1940 fanden sie statistisch signifikante Unterschiede bei den Durchschnittsrenditen, welche hauptsächlich auf Überrenditen im Monat Januar zurückzuführen sind.50 Zu ähnlichen Untersuchungsergebnissen gelangten Agrawal und Tondon (1994) in 18 anderen Län­dern als den USA. Die durchschnittlichen Renditen im Januar sind in den meisten Län­dern hoch und in zehn Ländern konnte ein signifikanter Januar-Effekt belegt werden.51

Barone (1990) führte eine Studie auf der Grundlage des MIB-Index (Index der Mailän­der Börse) mit Bezug auf den Zeitraum von 1975 bis 1989 durch. Die Untersuchungser­gebnisse zeigen, dass der italienische Aktienmarkt auf Basis täglicher Renditen im Ja­nuar stark signifikante Überrenditen aufweist.52 Der deutsche Aktienmarkt wurde unter anderem von Salm und Siemkes (2009) untersucht. Sie fanden vor allem bis in die 1980er Jahre eine statistisch signifikante Überrendite des Januars im DAX Performance Index.53 Moller und Zilca (2008) zeigten darüber hinaus, dass eine besondere Ausprä­gung des Effektes in den ersten Handelstagen des Kalenderjahres zu beobachten ist. Sie beobachteten am Aktienmarkt signifikante Überrenditen in den ersten Handelstagen eines Jahre.54 Untersuchungen, welche sich auf jüngere Untersuchungszeiträume bezie- hen weisen häufig geringere Januar-Effekte auf. Etwa untersuchten Rossi und Gunardi (2018) unter anderem den Januar-Effekt in europäischen Börsenindizes55 im ersten Jahrzehnt des neuen Jahrtausends (2001 - 2010). Signifikante Überrenditen im Januar konnten sie dabei nur im spanischen Aktienindex nachweisen.56

3.3 Halloween-Effekt

Einer der populärsten Untersuchungen des Halloween-Effekts wurden von Bouman und Jacobson (2002) für den weltweiten Aktienindexmarkt durchgeführt. Sie stellten fest, dass die Renditen für den Untersuchungszeitraum von 1970 bis 1998 im Winter (No­vember bis April) in 36 der 37 untersuchten Länder signifikant höher sind als die Rendi­ten im Sommer (April bis Oktober).57 Zhang und Jacobsen aktualisierten und bestätig­ten den ursprünglichen Forschungsstand von Bouman und Jacobsen im Jahre 2018.58

Parplies (2017) untersuchte die durchschnittlichen Renditen der einzelnen Monate im DAX. Die Monate August und September sind demnach statistisch gesehen die rendite­schwächsten Monate. Die Monate Mai und Juni weisen ebenso negative Renditen auf. Ausschließlich der Monat Juli fällt aus dem Muster der Sommermonate und zählt zu den statistisch gesehen renditestärksten Monaten.59 Borowski (2015) führte eine Analy­se des Halloween-Effekts für insgesamt 122 Aktienindizes durch. Darunter auch eine Vielzahl europäischer Aktienindizes, wobei er unter anderem einen positiven Hallo­ween-Effekt im DAX zwischen den Jahren 1959 und 2015 feststellen konnte.60 Stein (2017) fand einen positiven Halloween-Effekt in sechs von fünfzehn untersuchten euro­päischen Aktienindizes zwischen den Jahre 2000 und 2016 und zeigten darüber hinaus einen hohen Einfluss des Monats Januar auf den Halloween-Effekt.61 Salm und Siemkes (2009) spezialisierten sich auf den deutschen Aktienmarkt und fanden einen signifikan­ten Halloween-Effekt vor allem um die Jahrtausendwende im DAX und MDAX.62

4 Empirische Untersuchung

4.1 Daten und Methodik

Die Datenbasis in dieser Arbeit bilden die Tagesschlusskurse der Leitindizes DAX 30, IBEX 35 und CAC 40 seit Indexeinführung. Der DAX 30 Performanceindex misst die Wertentwicklung der 30 größten und umsatzstärksten Unternehmen an der Frankfurter Wertpapierbörse.63 Der IBEX 35 ist der spanische Leitindex, der die 35 größten spani­schen Unternehmen umfasst.64 Der CAC 40 ist ein französischer Leitindex, welcher die 40 führenden französischen Aktiengesellschaften enthält.65 Im Gegensatz zum DAX 30 Performanceindex handeln es sich bei den Indizes IBEX 35 und CAC 40 um Kursindi­zes, welche ausschließlich auf Basis der aktuellen Börsenkurse berechnet werden.66 Bei Performanceindizes werden für die Berechnung Dividenden in den Index reinvestiert.67

Die Untersuchungen wurden mit R Version 3.5.1 unter Verwendung der in Anhang I dargestellten Pakete durchgeführt.68 Die Tagesschlusskurse für den Untersuchungszeit­raum der jeweiligen Indexeinführung bis zum 31.01.2020 wurden der Datenbank Thomson Reuters entnommen.69 Die empirische Untersuchung der Kalenderanomalien basiert auf einer rollierenden Regressionsrechnung, welche mit der Methode der kleins­ten Quadrate (OLS-Regression) durchgeführt wird. Die der OLS-Regression zugrunde­liegende Modellgleichung ist nachfolgend dargestellt:70

Abbildung in dieser Leseprobe nicht enthalten

[...]


1 Vgl. Dumitriu, R., Stefanescu, R., Tum-of-the-Year Effect, 2011, S. 199 f.

2 Vgl. FamaE., Ineffiziente Märkte, 1998, S. 283 f.; Fama, E., Effiziente Kapitalmärkte, 1970, S. 383 ff.

3 Vgl. Weher, M., Entstehung Behavioral Finance, 1999, S. 6.

4 Vgl. Barberis, N., Thaler, R., Grundlagen Behavioral Finance, 2002, S. 2.: Vgl. Oehler, A., Verhaltens­wissenschaftliche Finanzmarktforschung, 2002, S. 848.

5 Unter Anomalien sollen hier signifikante Abweichungen (Unregelmäßigkeiten) von einem durch eine Theorie postulierten Verhalten verstanden werden.

6 Vgl. Shiller, R., Behavioral Finance Theorie, 2003, S. 90 f.

7 Vgl. DeBondt, W., Thaler, R., Finanzmarktanomalien, 1995, S. 386.

8 Vgl. Röckemann, C., Anlegerverhalten, 1995, S. 33.

9 Vgl. Erlei, M. et al., Institutionenökonomik, 2013, S. 12 f.

10 Vgl. Deininger, C. et al., Indexeffekt, 2002, S. 262 f.

11 Vgl. De Bondt, W. et al., Behavioral Finance, 2008, S. 9 f.

12 Vgl. Dumitriu, R., Stefanescu, R., Tum-of-the-Year Effect, 2011, S. 199 f.

13 Vgl. Black, F., Random-Walk, 1971

14 Vgl. Shiller, R. J., Perron, P., Random-Walk-hypothesis, 1985, S. 381 f.

15 Vgl. Dumitriu, R., Stefanescu, R., Tum-of-the-YearEffect, 2011, S. 199f.

16 Vgl. Haugen, R. A, Jorion, P., Persistenz der Effekte, 1996, S. 27 f.; Vgl. Nasir, M. A.et al., Kalender­anomalien Aktienmärkte, 2017, S. 54 f.

17 u.a. Jaffe, J., Westerfield, R., Wochenendeffekt, 1985, S. 433 ff.; Solnik, B., Bousquet, L., Day-of-the- week-effect, 1990, S. 461 ff.; Dubois, M., Louvet, P., Day-of-the-week effect, 1996, S. 1463 ff.

18 Vgl. Thaler, R., Saisonale Bewegungen, 1987, S. 170.

19 Vgl. Sharma, S.S., Narayan, P. K., Firm heterogeneity, 2012, S. 1931 ff.

20 u.a. Cross, F, Wochentageffekte, 1973, S. 67 ff.; Gibbons, M. R., Hess, P., Day-of-the-Week-Effects, 1981, S. 579 ff..; Rogalski, R. J., Day-of-the-Week-Retums, 1984, S. 1603 ff.

21 Vgl. Adrangi, B., Ghazanfari, F., Weekday Seasonality, 2011,S. 14f.

22 Vgl. Chen, H., Singal, V., Short Sales, 2003, S. 685 ff.

23 In englischsprachiger Literatur häufig auch als Tum-of-the-year-effect (TOY) vorzufinden.

24 Vgl. Rozeff M. S., Kinney, W. R., Kapitalmarktsaisonalitäten, 1976, S. 379 ff.

25 Vgl. Moller, N„ Zilca, S., Januar-Effekt, 2008, S. 447 ff.

26 Vgl. Züst, T., Winner-Loser-Effekt, 2009, S. 30.

27 u.a. Keim, D., Saisonalität Aktienmarkt, 1983, S. 13 ff.; Roll, R., Small-firm-effect, 1983, S. 18 ff.; Reinganum, M. R., Anomales Aktienmarktverhalten, 1983, S. 89 ff.

28 Vgl. Flierl, R., Januar-Effekt, 2014, S. 48 f.

29 Vgl. Brown, P. et al., Tax-Loss-Selling-Hypothese, 1983, S. 105 ff.; Vgl. Heckmann, T., Kursanoma­lien, S. 155 ff.; Rozeff, M. S., Kinney, W. R., Kapitalmarktsaisonalitäten, 1976, S. 379 ff.

30 Vgl. Smitt, H., Hypothesen Januar-Effekt, 2006, S. 20 f.

31 Vgl. Niefünd, S., Januar-Effekt, 2016, o. S.

32 Vgl. Pamess, M., Risk-shifting window dressing-Hypothese, 2006, S. 188.

33 Vgl. Lhabitant, F.S., Gregoriou, G. N., Börsenliquidität, 2008, S. 49 f.

34 Vgl. Griffiths, M., Winters, D., Risk-Shifting Window Dressing, 2005, S. 1337 f; Vgl. Musto, D. K, Portfolioverschiebung, 1997, S. 1563 ff.

35 Vgl. Lhabitant, F.S., Gregoriou, G. N., Börsenliquidität, 2008, S. 49 f.

36 Vgl. Wachtel, S. B., Saisonalitäten im Aktienkurs, 1942, S. 186.

37 Vgl. Smitt, H., Hypothesen Januar-Effekt, 2006, S. 20 f.

38 Vgl. Bouman, S., Jacobsen, B., Halloween-Indikator, 2002, S. 1618 ff.

39 Vgl. Jacobsen, B., Zhang, C., Halloween-Effect, 2012, S. 14 ff.; Vgl. Ziemba, W. T., Kalenderanoma­lien, 2012, S. 25.

40 Vgl. Parplies, S., Septembereffekt, 2016, S. 17.

41 Vgl. Rossi, M., Effizienzmarkthypothese, 2015, S. 287.

42 Vgl. Stavärek, D., Heryän, T., Zentraleuropäische Anomalien, 2012, S. 135.

43 Vgl. French, K. R., Wochenendeffekt, 1980, S. 55 ff.

44 Vgl. Borges, M., Europäischer Aktienmarkt, 2009, S. 31 ff.

45 Vgl. Rossi, M., Gunardi, A., Europäischer Aktienmarkt, 2018, S. 183 ff.

46 Vgl. Högholm, K. et al., Europäischer Wochentagseffekt, 2011, S. 219ff.

47 Vgl. Behr, ^„Montags-Effekt Europa, 2017, S. 22 ff.

48 Vgl. Salm, C., Siemkes, J., Persistenz Kalenderanomalien, 2009, S. 414 ff.

49 Vgl. Wachtel, S. B., Saisonalitäten im Aktienkurs, 1942, S. 186.

50 Vgl. Rozeff, M. S., Kinney, W. R., Kapitalmarktsaisonalitäten, 1976, S. 379 ff.

51 Vgl. Agrawal, Anup, Tandon, Kishore, Anomalie oder Illusion, 1994, S. 83 ff.

52 Vgl. Barone, E., Januar-Effekt in Italien, 1990, S. 495 ff.

53 Vgl. Salm, C., Siemkes, J., Persistenz Kalenderanomalien, 2009, S. 414 ff.

54 Vgl. Moller, N„ Zilca, S., Januar-Effekt, 2008, S. 447 ff.

55 Die Untersuchung umfasst die Börsenindizes der Länder Frankreich, Deutschland, Italien und Spanien.

56 Vgl. Rossi, M., Gunardi, A., Europäischer Aktienmarkt, 2018, S. 183 ff.

57 Vgl. Bouman, S., Jacobsen, B., Halloween-Indikator, 2002, S. 1618 ff.

58 Vgl. Jacobsen, B., Zhang, C., Halloween-Effekt, 2018, S. 14 ff.

59 Vgl. Parplies, S., Monatseffekte, 2017, S. 13.

60 Vgl. Borowski, K., Sell in may and go away, 2015,S. 122 ff.

61 Vgl. Stein, F., Halloween-Effekt Europa, 2017, S. 27 ff.

62 Vgl. Salm, C., Siemkes, J., Persistenz Kalenderanomalien, 2009, S. 414 ff.

63 Vgl. Deutsche Börse, DAX Performance Index, 2017, S. 17.

64 Vgl. Dahja, J., Garcia, L., IBEX 35 Index, 2009, S. 2 f.

65 Vgl. Vigeo eiris (Hrsg.), CAC 40 Governance Index, 2017, S. 3.

66 Vgl. Härtel, H.-H, Kursindizes, 2000, S. 686.

67 Vgl. Peterreins, H, Performanceindex, 2010, S. 56.

68 RCore Team (R, 2018), o.S.

69 Abrufdatum war der 01.02.2018.

70 Vgl. Gehrke, M., Angewandte empirische Methoden, 2019, S. 36.

Ende der Leseprobe aus 50 Seiten

Details

Titel
Kapitalmarktanomalien in der Behavioral Finance. Die Persistenz von Kalenderanomalien in europäischen Aktienindizes
Hochschule
FOM Hochschule für Oekonomie & Management gemeinnützige GmbH, Frankfurt früher Fachhochschule
Note
1,0
Autor
Jahr
2020
Seiten
50
Katalognummer
V933810
ISBN (eBook)
9783346293343
ISBN (Buch)
9783346293350
Sprache
Deutsch
Schlagworte
Kalenderanomalien, Kalendereffekte, Behavioral Finance, R, Statistik, Januar-Effekt, Halloween-Effekt
Arbeit zitieren
Jan Schlauer (Autor), 2020, Kapitalmarktanomalien in der Behavioral Finance. Die Persistenz von Kalenderanomalien in europäischen Aktienindizes, München, GRIN Verlag, https://www.grin.com/document/933810

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Kapitalmarktanomalien in der Behavioral Finance. Die Persistenz von Kalenderanomalien in europäischen Aktienindizes



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