Schwarmintelligenz nutzen

Prognosegetriebenes Portfoliomanagement bedeutet, dass Manager versuchen, die wahrscheinlichste Marktentwicklung zu antizipieren und den Aufbau des Portfolios daran auszurichten. Diese Manager agieren nach eigenem Ermessen.

Sie müssen einschätzen, wie Märkte auf bestimmte Ereignisse in Wirtschaft und Gesellschaft reagieren. Dabei machen ihnen die häufigen Richtungswechsel der Märkte zu schaffen: Befindet sich ein Markt im Abwärtstrend, kann das Portfolio mit entsprechenden Absicherungen stabilisiert werden. Dreht der Markt, kosten dieselben Absicherungen aber Performancepunkte.

Und auch wenn sich die Risiken in der Regel robust schätzen lassen, gibt es ein weiteres Problem: Bereits kleine Fehler bei der Schätzung der Renditen können sich stark auf das Portfolio auswirken. Bei Renditeschätzern sind langfristige Trefferraten im Bereich von 51 bis 60 Prozent sehr gut.

Anleger wollen mehr Transparenz

So ist es nicht verwunderlich, dass sich neben dem prognosebasierten Portfoliomanagementansatz eine weitere Philosophie herausgebildet hat, die, vereinfacht ausgedrückt, Prognosen für grundsätzlich fehlerbehaftet hält und sie deshalb als Grundlage für Allokationsentscheidungen möglichst vermeidet.

Der Verzicht auf Prognosen ist dabei nicht nur von der Prognosequalität motiviert, sondern auch von dem Anlegerbedürfnis nach mehr Transparenz.

Werden Prognosen aus einer „Black Box“ mithilfe einer Portfoliooptimierung nach Markowitz genutzt, um die „optimale“ Zusammensetzung eines Portfolios zu bestimmen, können die Ergebnisse vom Anleger oftmals nicht nachvollzogen werden.

Handlungsimpulse aus Marktbewegungen

In Schwächephasen verlieren Anleger ihr Vertrauen, weil sie die Gründe für die Schwäche nicht kennen. Ist die Underperformance nur vorübergehend und damit tolerierbar, oder zeichnet sich ab, dass das System künftig nicht mehr funktioniert? Viele Anleger wünschen sich einen leicht nachvollziehbaren, prognosefreien Ansatz.

Eine Alternative sind regelbasierte, antizyklisch agierende Investmentansätze, bei denen Prognosen, Marktanalysen und Brancheneinschätzungen keine oder nur eine untergeordnete Rolle spielen.

Diese Strategien erhalten aus den Bewegungen eines Marktes und einer Anlageklasse ihre Handlungsimpulse, die gegenläufig zur Marktbewegung sind. Sinken die Aktienkurse, werden nach definierten Regeln Aktienpositionen aufgebaut.

Mean-Reversion-Effekt

Steigen die Anleiherenditen, wird die Duration verlängert. Dass ein solcher Ansatz, konsequent durchgeführt, erfolgreich sein kann, zeigt das Beispiel der früheren Deutschen Bundesbank, die vor Einführung des Euro Jahr für Jahr einen Gewinn an den Bund überwiesen hat.

Die Erklärung dafür ist einfach: Zu den Aufgaben der Bundesbank gehörte die Marktstützung. Sie kaufte Assets, die gefallen waren. In einer Erholung wurden die preiswert gekauften Assets wieder veräußert und ein entsprechender Gewinn realisiert.

Dabei wurde der Mean-Reversion-Effekt genutzt: Märkte schwanken um ihren Mittelwert, der Dax fällt weder auf null noch steigt er ins Unermessliche, ohne zwischendurch ständig zu korrigieren.

Seite drei: Schwarmintelligenz des Marktes

1 2 3Startseite
Weitere Artikel
Abonnieren
Benachrichtige mich bei
0 Comments
Inline Feedbacks
View all comments