Analyse eines Trends: Auch Smart Beta will gekonnt sein

DAS INVESTMENT · 29.09.2014, 16:05 Uhr (aktualisiert: 29.09.2014, 16:08 Uhr)

Smart Beta liegt seit der Finanzkrise im Trend. Das zeigen die Mittelzuflüsse bei Smart-Beta-ETFs. Geht es nach Markus Schuller, Geschäftsführer von Panthera Solutions, und Gökhan Kula, Investmentchef von Myra Capital, es bei weitem nicht alles Gold was glänzt. Wie soll man Smart Beta eigentlich sinnvoll einsetzen?

Smart Beta entwickelte sich in den Jahren nach Lehman Brothers zunehmend zum Lieblingswort der Produktmanagement- und Marketingabteilungen innerhalb der Investment-Management-Industrie und wird selbst von großen institutionellen Investoren in Betracht gezogen. Die Mittelzuflüsse in Smart-Beta-ETFs zeigen die erfolgreiche Arbeit jener Abteilungen. Insbesondere in den vergangenen Jahren hat sie zu einer deutlichen Steigerung der Assets under Management geführt (siehe nachstehende Grafik).

>>Vergrößern

Auch wenn die grundsätzliche Idee einer Abkehr von marktkapitalisierungsgewichteten Indizes aufgrund bekannter Schwächen überlegenswert ist, so zeigt die mit großem Aufwand positionierte Alternative weder Neues, noch ist sie in der präsentierten Undifferenziertheit smarter Strategien zu empfehlen. Unsere Analyse setzt sich zum Ziel, eine akkurate Differenzierung zur sinnvollen Verwendung von Smart Beta darzustellen.

1. Smart Beta - Historie

Die Definition von Smart Beta ist nicht eindeutig festgelegt. In der Literatur finden sich Begriffe wie Smart Beta, Strategic Beta, Intelligent Beta, Alternative Beta, und Scientific Beta. Sehen wir uns die beiden Worte des Smart Beta Begriffs im Detail an.

1.1 Beta

Beta ist ein Begriff des Capital Asset Pricing Models CAPM. Es beschreibt einen Koeffizienten, der die Sensitivität eines Wertpapiers des Marktportfolios zum Marktportfolio selbst misst. Das Marktportfolio hat zu sich selbst ein Beta von 1. Ein Wertpapier des Marktportfolios mit Beta 1.5 reagiert auf eine Schwankung des Marktportfolios mit dem Faktor 1,5. Somit weist ein Beta > 1 auf ein höheres Marktrisiko als Einflussfaktor auf das Wertpaper hin. Der Beta-Koeffizient ist Teil der Ein-Faktoren, Ein-Perioden-Methodenfamilie. Der Terminus Faktor ist hier entscheidend. Man zieht einen Faktor als Optimierungsgröße heran.

William Sharpe prägte mit der Einführung des Beta-Begriffs auch jenen des Alphas. Ist Beta noch kategorisiert als nicht-diversifizierbares, gegen ein kapitalisierungsgewichtetes Marktportfolio gemessenes Risiko, ist Alpha als jener Residual Return definiert, der nicht dem Beta zuordenbar ist. Es ändert sich die Definition von Beta, sobald man von einem kapitalisierungsgewichteten Marktportfolio abgeht, weil sich die Definition des Marktes als Bezugspunkt ändert. Die Idee von Alpha als Beta-Residual bleibt bestehen, ändert sich lediglich abhängig der Beta-Definition.

Wenn man von einer kapitalisierungsgewichteten Messung des Marktportfolios abgeht, bleibt die Notwendigkeit, eine Neudefinition daran zu bewerten, in welcher Umfänglichkeit und plausiblen Logik der Markt als Referenzpunkt mittels eines Marktportfolios abgebildet wird. Daraus folgt die Unzulänglichkeit von Smart-Beta-Indizes in ihrem Vergleich zu marktkapitalisierten Indizes (Äpfel-Birnen-Vergleich) und der Bedarf nach neuen Referenzindizes.

Das renommierte Edhec Institut erkannte frühzeitig den Bedarf nach neuen Referenzindizes und forscht in seinen Smart Beta 2.0 genannten Arbeiten exakt an diesem Thema. So schuf es in seinem Forschungsbereich Scientific Beta Indizes eine flexible Indexplattform, auf der zur Zeit 2916 Indizes nach unterschiedlichen Gewichtungsmethoden berechnet werden.

1.2 Multi-Faktoren-Welt

Dank dynamisch steigender Rechenleistung wurde eine quantitative Analyse der Finanzmärkte schneller und billiger. Dadurch konnten in den CAPM-Folgejahren weitere Faktoren isoliert und empirisch bestätigt werden. In ihrem 3-Faktoren-Modell ergänzten Eugene Fama und Kenneth French 1992 die Faktoren Small Cap (SMB) und Value (HML) zum Beta-Koeffizienten.

Value wurde wissenschaftlich Ende der 70er Jahre dokumentiert, obwohl bereits Marktteilnehmer wie Benjamin Graham oder Warren Buffett in den Jahrzehnten davor diesen Faktor ins Zentrum ihrer Veranlagungsstrategie setzten. Small Cap wurde Anfang der 80er Jahre wissenschaftlich validiert. Fama und French führten die geleistete Vorarbeit in ihrem Modell zusammen. 1997 ergänzte Mark Carhart in seinem 4-Faktoren-Modell noch den Momentum-Faktor (MOM). Allen 4 Faktoren ist gemein, dass sie durch die Analyse von Aktienmärkten gefunden, isoliert und empirisch validiert wurden.

Worum handelt es sich bei Faktoren? Sie sind temporäre, quantifizierbare Marktmuster, die auf das Marktportfolio einwirken. Als solche stellen sie Risikofaktoren dar, durch deren Halten sich der Marktteilnehmer eine Risikoprämie erwartet. Das Marktportfolio repräsentiert die Summe aller Risikofaktoren.

Wie gezeigt ist historisch die Usance gewachsen, den Markt über kapitalisierungsgewichtete Marktportfolio-Indizes abzubilden. Dank der genannten Multi-Faktoren Modelle wurde es möglich, die Risikoprämien der temporären, quantifizierbaren Marktmuster innerhalb des Marktportfolios systematisch segregiert und somit kontrolliert in Investmentprodukten abzubilden. Multi-Factor-Investing war geboren.

In den 1990ern war Dimensional Fund Advisors (DFA) einer der ersten Anbieter, der Multi-Faktoren-Publikumsfonds, basierend auf dem Fama-French-Modell, lancierte. Mit betriebswirtschaftlichem Erfolg. DFA verwaltet heute mehr als 250 Milliarden US-Dollar für vorwiegend institutionelle Investoren, die auf Multi-Faktoren Strategien setzen. Eugene Fama ist heute noch als Direktor beratend involviert.

Der Rest der Investment Industrie benötigte 20 Jahre um einen Weg zu finden, wie Multi-Factor-Investing einer weniger sophistizierten Zielgruppe an Retail- und semi-institutionellen Investoren angeboten werden kann.

Sie gaben Multi-Factor-Investing einen neuen, trendigen und intelligent klingenden Namen, das Smart Beta.

1.3 "Smart" Beta

Eine Ende 2013 lancierte Werbekampagne von Research Affiliates zeigt, wie das Smart-Beta-Thema in die Breite getragen wird. Darin positioniert man es als

1) investierbare Indizes mit Outperformance als Ziel,

2) eine regel-basierte, transparente Allokation in ein breites Marktportfolio und

3) eine kostengünstige Kombination des Besten aus der Aktiv und Passiv-Welt.

Klingt auf den ersten Blick attraktiv. Ein günstiger, transparenter, regel-basierter aktiv/passiv-Hybride mit Chance auf Outperformance. Was will man mehr.

Nun ist gegen ein Isolieren von Risikofaktoren nichts einzuwenden. Sofern sich die Muster ausreichend stabil und signifikant zeigen, lässt sich das Marktportfolio zur Gänze oder in Teilen bewusster und der Portfoliostrategie hin passgenauer darstellen. Doch was kann sich ein Investor von Multi-Factor-Investing versprechen und was wird ihm versprochen?

1.4 Magic Money Tree der Investment-Industrie

Die vielversprechende, undifferenzierte Positionierung des Smart-Beta-Labels ist das Resultat einer langjährigen Debatte über die Vor- und Nachteile von aktivem und passivem Portfoliomanagement.

Wie gezeigt war es über Jahrzehnte üblich, die Performance von Portfolios anhand von Referenzindizes auf Basis von kapitalgewichteten Marktportfolios zu messen. Da nur wenige Portfoliomanager diese Benchmark selbst über kurze Zeiträume zu schlagen im Stande waren, sahen sich die Befürworter der passiven Replikation von Indizes als Default Setting in der Produktauswahl bestätigt. Zu Recht.

Als nach 2008 die Nachteile der kapitalisierungsgewichteten Referenzindizes in der Literatur vermehrt diskutiert wurden, begann die traditionelle Fondsindustrie ihre existierenden Strategien als Abbildungen von investierbaren Risikoprämien zu positionieren. So werden nun selbst konstruierte Faktoren als Smart Beta verkauft und bestehende Indexhugger als Innovation angepriesen.

Das Smart-Beta-Label dient den traditionellen Fondsanbietern als Rettungsanker für ein ansonsten auslaufendes Geschäftsmodell. Diese Intention muss in der Bewertung von Faktoren seitens der Investoren berücksichtigt werden.

1.5 Nachteile kapitalisierungsgewichteter Indizes

Die Nachteile marktkapitalisierungsgewichteter Indizes sind wie oben dargelegt in der Wissenschaft umfangreich dargelegt. Als wesentlicher Nachteil wiegt, dass das Gewicht eines Titels in einem kapitalisierungsgewichteten Index höher wird je teurer der Titel wird - somit klassisches prozyklisches Verhalten.

Investoren setzen damit implizit auf einen Momentum-Ansatz und überproportional stark auf relativ teure Werte. Des Weiteren werden gängige Indizes oftmals von wenigen Schwergewichten dominiert, sodass Klumpenrisiken vorhanden sind und nur ein geringer Diversifikationsgrad im Index umgesetzt ist - oftmals erkennbar auch an sektoralen Ungleichgewichten.

Diese Erkenntnis war die Geburtsstunde der Umsetzungsidee, dass durch eine alternative Gewichtungsmethodik die schwächen traditioneller Indizes gelindert werden können. Waren am Anfang noch einfache Gewichtungsmethoden wie die naive 1/N-Gleichgewichtung untersucht und umgesetzt, so hat sich im Zeitablauf eine Vielzahl von Gewichtungsmethoden wie zum Beispiel das Fundamental Indexing (Gewichtung der Titel nach unterschiedlichen fundamentalen Kennzahlen) oder das Low-Volatility-Indexing (Titel mit niedriger Volatilität werden höher gewichtet) entwickelt. Mittlerweile gibt es eine Vielzahl von Smart-Beta-Indizes, das auch dazu geführt hat, dass immer mehr Smart-Beta-Strategien auch investierbar gemacht wurden.

Trotzdem dominiert weiterhin in der Asset-Management-Industrie die Umsetzung der Portfolios beziehungsweise die Zuweisung von Vergleichsbenchmarks mittels kapitalisierungsgewichteter Indizes, auch wenn die Basisannahmen der Effizienzmarkthypothese (Fama,1970) und des CAPM (Sharpe, 1974) in der Zwischenzeit als falsifiziert gelten.

Die schlichte Eleganz der CAPM-Idee, dass es ein einziges optimales Marktportfolio gibt, gekoppelt mit der Schwierigkeit für einen durchschnittlichen aktiven Portfoliomanager Alpha/Outperformance zu generieren, trug zum Siegeszug des passiven Investierens (ETFs) bei.

1.6 Aktiv versus Passiv bei Smart Beta

Wie gezeigt, wird in der Kapitalmarkttheorie mit dem Beta das allgemeine Marktrisiko bezeichnet, mit dessen Inkaufnahme der Investor die Marktrendite erzielen sollte. Dazu investiert er in ein Portfolio von Vermögenswerten, wobei die Gewichtung der einzelnen Titel von ihrem Anteil an der Kapitalisierung des Gesamtmarktes abhängt - der sogenannte kapitalisierungsgewichtete Index.

Alles, was von dieser Art der Gewichtung abweicht, ist im Grunde genommen bereits kein passives Investment mehr, im aktuellen Terminus Smart Beta. Typischerweise nehmen Smart-Beta-Indizes und -Strategien eine Mittelposition zwischen klassischen passiven Anlagevehikeln auf marktkapitalisierungsgewichtete Indizes (ETFs) und aktiv verwalteten Fonds ein, da diese die Abweichung von der Marktkapitalisierung regelbasiert und transparent umsetzen - und nicht abhängig von diskretionären Entscheidungen des Fondsmanagers sind.

1.7 Chance auf Outperformance? Nein.

Der Begriff Outperformance ist klar mit der Bedeutung Alpha belegt. Wie einleitend gezeigt, versuchen Smart-Beta-Produkte über eine andere Zusammensetzung des Marktportfolios temporäre, quantifizierbare Marktmuster, die auf das Marktportfolio wirken, investierbar abzubilden.

Ein Index kann nicht smart sein - höchstens anders. Bereits Rob Arnott´s RAFI Fundamental Indices gelten als Versuch, breites Markt-Exposure über eine alternative Indexzusammensetzung zu ermöglichen. In seinem Fall über Gewichtungsfaktoren aus der Fundamentalanalyse.

Somit ist eine Unterteilung in Smart oder Dumb Beta ohne Relevanz, weil es lediglich unterschiedliche Versuche gibt, den Markt über repräsentative Marktportfolios und/oder deren temporären, quantifizierbaren Marktmuster investierbar zu machen, wir also über unterschiedliche Betas sprechen.

Ausgehend von einem definierten, repräsentativen Marktportfolio kann nun ein damit im Zusammenhang stehendes Marktmuster an seiner Outperformance gemessen werden. Diese Gruppierung wäre mit der ursprünglichen Definition von Alpha/Beta kongruent.

Smart Beta bietet also keine Chance auf Alpha gegenüber etablierten Referenzindizes, sondern kann eine alternative Form des Betas zum Marktportfolio ermöglichen. Außer man wählt den einfachen Weg wie Towers Watson und definiert Alpha wie folgt: "Monitoring and selection of betas is very importanta form of alpha in itself," - Ironie aus. Abseits dieser semantischen Dehnung von Realität ist das Produktversprechen auf Outperformance irreführend und falsch.

Die Differenz zwischen einem marktkapitalisierten Index und einem einen einzigen Faktor isolierenden Index erklärt sich in adaptiv effizienten, also ineffizienten, aber nach Effizienz strebenden Märkten durch ein symmetrisch oder asymmetrisch geformtes, höheres Risiko, dem der Investor ausgesetzt ist. Klassisch über den Beta-Faktor erklärt. Die einzig kongruente Form von Alpha in seiner durch Sharpe etablierten Definition wäre die Outperformance eines Smart Beta Produktes zu seinem alternativen Referenzindex.

Semantische Haarspalterei? Keineswegs. Diese Klarheit trägt signifikant zur Selektion bei, welche Faktoren nun mehr sind als kreative, intellektuelle Turnübungen von Financial Engineers bei Produktanbietern.

2. Smart Beta - Dekonstruktion

A propos kreative, intellektuelle Turnübungen: "We are concerned with the relentless onslaught of shiny, exciting, and sexy new factors introduced by bright-eyed, bushy-tailed young financial engineers, sagen Jason Hsu und Vitali Kalesnik.

Mit steigender Popularität des Multi-Factor-Investings in Form von Smart Beta erscheinen zunehmend Meta-Analysen, die versuchen, dem "Faktorenzoo" (Zitat John Cochrane, University of Chicago) eine neue Grundordnung zu geben.

Levi und Welch (2014) sammelten in der breiter gefassten, populärwissenschaftlichen Literatur ganze 600 (!) Faktoren. Sie fanden heraus, dass 49 Prozent der Faktoren bei out-of-sample Tests keine oder sogar negative Premia aufweisen. Sie konkludieren für die 600 Faktoren, dass die Chance einen Faktor mit positiver Prämie zu wählen leicht höher liegt als bei einem Münzwurf. Transaktions- und Managementkosten wurden in deren Beweisführung noch nichtmals berücksichtigt.

McLean und Pontiff (2013) analysierten 82 in der Literatur gefundene Faktoren aus renommierten wissenschaftlichen Publikationen. Von diesen 82 konnten sie die Ergebnisse von 72 Faktoren replizieren. 10 von 82 waren Missinterpretationen der Publizierenden aufgrund von fälschlich gepflegten Datenbanken. Das heißt nur bei den verbleibenden 72 wäre ein wissenschaftlicher Falsifikationsversuch sinnvoll.

Cam Harvey und Yan Liu (2014) publizierten diesen Sommer eine lesenswerte Meta-Studie zu 315 Faktoren, gesammelt in 312 Publikationen von renommierten Zeitschriften. Alleine im Zeitraum 2010 bis 2012 finden sich in der Literatur 59 (!) neue Faktoren ausgewiesen. Harvey und Liu weisen nach, dass nur eine kleine Zahl an Faktoren statistisch signifikant ist. Der große Rest leidet am klassischen Data Snooping, also dem beliebigen Fischen nach temporären Marktmustern ohne deren Kausalität zu berücksichtigen. Sie bestätigen damit das Phänomen der Data-Snooping-Bias in finanzwissenschaftlichen Publikationen auf das Andrew Lo bereits 1990 hinwies. Des weiteren fordern sie höhere statistische Nachweisstandards wie zum Beispiel t-ratio >3, um relevante Faktoren zu filtern.

Welche Faktoren können derzeit als relevant eingestuft werden?

2.1 Beispiel relevanter Faktoren

Eine Herleitung. Die empirische Motivation für diese Faktoren lieferten Studien aus den 80er Jahren, in denen Forscher von einem Size -Effekt und Value-Effekt am US-amerikanischen Aktienmarkt berichten: Small Caps weisen langfristig eine systematisch höhere Rendite auf als Large Caps (Banz, 1981) und Unternehmen mit einem hohen Buchwert-zu-Marktwert-Verhältnis.

Diese beiden Effekte erwiesen sich auch in Folgeuntersuchungen als erstaunlich robust. Nach Fama und French stellen die mit den Faktoren verbundenen positiven Renditeprämien eine Kompensation für ein höheres Risiko dar, das mit der Investition in Small Caps und Value-Aktien verbunden ist: Small Caps und Value-Aktien seien in besonderem Maße einem systematischen Insolvenzrisiko ausgesetzt. Anleger würden daher für das Halten derartiger Aktien einen Risikoaufschlag in Form einer höheren Rendite fordern. Diese Erkenntnisse konnten somit eindeutig die Markteffizienz-Hypothese widerlegen und sind als belastbare und auch im realen Marktgeschehen belegte zu beobachtende Marktanomalien bestätigt worden (Schuller/Kula 2013).

2.2 Beispiel eines Mode-Faktors: ESG

Gerne wird in Investment-Kommittees darauf verwiesen, zunehmend ESG-Aspekte (Environmental, Social and Governance) im Investmentprozess zu berücksichtigen. Nun greifen auch Smart-Beta-Produktanbieter diesen Trend auf. Wie in einem White Paper von AXA IM Anfang des Jahres gezeigt, entwickelt sich ESG-Smart-Beta natürlich besser als der MSCI World Index. ESG-Faktor-Tilt bestätigt.

>>Vergrößern

Good job. Not so fast.

Gerne wird in der Begründung des ESG-Faktors auf eine Meta-Studie der Deutsche Bank Climate Change Advisers aus dem Jahr 2012 verwiesen, in der folgendes gefunden wurde:

"an overwhelming academic evidence: within all (100 per cent) of the studies that we have found showing that firms with high ratings for CSR and ESG factors have a lower (ex ante) cost of capital in terms of debt (loans and bonds) and equity."

Soweit, so nachvollziehbar. In der gleichen Studie wird aber auch folgendes ausgeführt:

"Studies of actual fund returns show (...) that fund managers have struggled to capture the outperformance with some exceptions at smaller more specialized fund. However, they have not generally underperformed - in fact, we found no academic studies that found underperformance at either the security or fund level. (...) 88 per cents of studies that we have found showing neutral or mixed results."

Es handelt sich um Data Snooping.

2.3 Kriterien zur Faktoren-Selektion

Nachstehend ein Versuch, der Selektion von Faktoren mit "true return premia" eine Ordnung zu geben.

Welche Parameter sind in der Einschätzung eines Faktors zu beachten?

2.3.1 False Alpha

Wie gezeigt ist Alpha in adaptiven Märkten eine temporäre Erscheinung, die ein nach Effizienz strebender Markt im Zeitverlauf in multiple Betas umwandelt. Um es mit den Worten von William Sharpe zu formulieren: "Smart Beta strategies are either factor bets (betting on cheap stocks to outperform expensive ones) or an active attempt to beat the market, which would class them as alpha and not beta. If smart beta is really only exploiting others' stupidity, the anomalies it exploits will be eliminated over time. So smart beta is merely an effective strategy for the moment, whose performance will dwindle over time; not a true beta-like exposure to the market."

Investoren sollten folgende "False Alpha"-Fragen stellen:

Von welcher Ineffizienz (Alpha Opportunität), von welchem Marktmuster (Beta Opportunität) versucht der Faktor zu profitieren?Wie wird die Ineffizienz/das Marktmuster begründet (theoretisch vs empirisch; Korrelation vs Kausalität, realwirtschaftlich vs finanzwirtschaftlich)Als wie dauerhaft existiert die Ineffizienz und wie sauber kann sie in einem Produkt abgebildet werden?Existiert sie global oder regional?Ist sie vermutlich wiederkehrend oder einmalig?Welche Treiber zeichnen sich für die Stabilität des Faktors verantwortlich? Verspricht das Produkt Alpha/Outperformance gegenüber einem fairen Referenzindex?Wird ein alternatives Marktportfolio als Referenzindex herangezogen? Wie umfassend bildet der Faktor das alternative Marktportfolio ab?

Smart-Beta-Kritiker wie James Montier von GMO weisen darauf hin, dass um Small Cap und Value Premia bereinigte Smart-Beta-Strategien keine signifikante Outperformance zu kapitalgewichteten Referenzindizes aufweisen. Wie gezeigt.

2.3.2 Crowding

Investierbare Ineffizienzen und Marktmuster ziehen Investoren an. Mit zunehmendem Ausbeuten der Ineffizienz reduziert sich eben jene. Gleiches gilt für Marktmuster. So gesehen beim Low-Volatility-Faktor-Hype in den Jahren 2012 und 2013. Low-Volatility-ETFs rangierten nahezu durchgehend als am schnellsten wachsende ETF-Gruppe. Obwohl ein irrelevanter Mode-Faktor, zog das Marktmuster ausreichend Investoren an, um die Anomalie binnen zwei Jahren wieder verschwinden zu lassen (siehe Chart).

>>Vergrößern

Investoren sollten folgende Crowding-Fragen stellen:

Lässt sich analysieren, welche Marktteilnehmer von der Ineffizienz, dem Marktmuster zu profitieren versuchen?Ab wann ist die maximale Tragfähigkeit der Ineffizienz, des Marktmusters erreicht und beginnt sich zu neutralisieren?

2.3.3 Tracking & Trading

Eine der Stärken von kapitalgewichteten Indizes ist deren relativ einfache Umsetzung in ein investierbares Produkt. Einmal an der Gewichtung Maß genommen und das Produkt läuft auf Autopilot. Das Reinvestieren von Dividenden, Corporate Actions und Indexumstellungen fallen unter die Kategorie: ohne großen Aufwand machbar.

Smart-Beta-Produkte sind komplexer zu managen. Regelgebundenes Umschichten, regelmäßiges Rebalancing und Liquiditätsaspekte erschweren das Management. Höhere Produktkosten und größere Tracking Errors sind die Folge. So gesehen bei einer noch relativ simplen 1/n-Strategie wie beim Guggenheim's S&P 500 Equal Weight ETF mit einem durchschnittlichen Tracking Error von 57 Basispunkten und einem Expense Ratio von 40 Basispunkten.

Investoren sollten folgende Tracking-Fragen stellen:

Wie liquide ist der dem Produkt zu Grunde liegende Index?Wie viele Market Maker handeln den ETF?Wie verhält sich der ETF bid/ask Spread im Zeitverlauf?Wie verhält sich der ETF Tracking Error im Zeitverlauf?Welche Derivate verwendet der Market Maker des ETFs zur Absicherung seines Buches, um Liquidität bereitstellen zu können?

2.3.4 Rebalancing Premium

Research von Intech - Teil von Janus Capital - zeigt, dass die Größe des gegenwärtigen Faktorenzoos mit dem Effekt des "Rebalancing Premiums" zu erklären ist. Viele Faktoren sehen im Backtesting durch regelmäßiges Rebalancing gut aus, obwohl der eigentlich abzubildende Faktor ohne Signifikanz ist. Rob Arnott von Research Affiliates stimmt zu:

"The value tilt of our company's products accounts for about a third of the added value we claims for us, with the rest coming from the rebalancing."

Investoren sollten folgende "Rebalancing"-Fragen stellen:

Wieviel Data Snooping steckt in einem Faktor?Lässt sich das Rebalancing Premium eines Faktors bestimmen?Ist der Produktanbieter bereit, Backtesting Details zu zeigen?

3. Fazit

So weit so gut. Investoren sollten den vertriebsbedingt aufgebauten Faktorenzoo der Produktanbieter mit Hilfe der vier oben genannten Kriterien zur Faktorenselektion entsprechend einordnen. Darüber hinaus erlaubt die vorgenommene kritische Smart-Beta-Würdigung bereits konkrete Handlungsempfehlungen für die Asset Allocation in einer gegenwärtig anspruchsvollen Kapitalmarkt- und Investmentlandschaft.

Selektion und Fokussierung auf empirisch, wie akademisch validierte, wiederkehrende FaktorenAls faire Benchmarks zur Messung von Fondsmanagern nicht nur kapitalisierungsgewichtete Indizes nutzenRegelbasiertes Rebalancing als einfaches Quasi-Alpha-Tool in den Investmentprozess mit aufnehmen

Entscheidend für den langfristigen Anlageerfolg ist aus unserer Sicht die Dynamisierung der jeweiligen Beta-Komponenten und die Einbettung in eine aktivere Steuerung der strategischen Asset Allocation. Unabhängig davon, wie die Gewichtung der Marktportfolios gewählt wird, das Marktrisiko mit entsprechendem Downside-Risiko ist inhärent gegeben.

Die nächste Generation der Indexierung beziehungsweise ihrer passiven Umsetzung via ETFs wird sich dadurch auszeichnen, dass durch eine aktivere Beta-Steuerung eine weitere Dynamisierung der strategischen Asset Allocation ermöglicht. Dadurch werden sich sich passgenauere Portfolios für Anlegern definieren lassen, die nur über geringe Risikobudgets beziehungsweise eine eingeschränkte mentale Risikotragfähigkeit aufweisen.

Als Spezialisten für die strategische Steuerung der Asset Allocation und Risikofaktoren-basiertes Asset Management steht Ihnen Panthera Solutions und Myra Capital zur Vertiefung und Fortführung der Diskussion gerne zur Verfügung - sprechen Sie uns an.

Über die Autoren

Gökhan Kula ist Managing Partner und Investmentchef von Myra Capital. Kula ist seit Mai 2012 Gründungsmitglied und Geschäftsführer der Advisory-Boutique Myra Capital. Er ist Kapitalmarktexperte mit mehr als zehn Jahren Erfahrung in der Investmentbranche. Nach unterschiedlichen leitenden Positionen im Bereich Asset Management der Walser Privatbank AG wurde er mit Gründung der Walser Privatbank Invest S.A. im Januar 2011 zum Geschäftsführer der Gesellschaft bestellt. Des Weiteren war er Verwaltungsratsmitglied verschiedener Luxemburger Investmentgesellschaften.

Markus Schuller ist Gründer und Managing Director von Panthera Solutions, eine Beratungsfirma für strategische Asset Allocation. Zuvor war er über zehn Jahre lang als Asset-Manager und Produktentwickler bei Banken und Asset-Managern tätig. Er kommentiert für diverse Qualitätsmedien den Markt und referiert regelmäßig auf Konferenzen zum Thema Asset Allocation.