Factor Investing ist keine eigenständige Assetklasse

Post with image

„Factor Investing und Smart Beta“ ist seit ein paar Jahren das Top-Thema in der Finanzpresse. Von akademischen Performanceanalysen der einzelnen Faktoren bis hin zu den längerfristigen Auswirkungen auf die Vermögensverwaltungsbranche – nahezu jeder Aspekt wurde genau unter die Lupe genommen. Im Mittelpunkt allerdings stand die breite Palette der Strategien einzelner Anbieter.

Die intensive Berichterstattung hat zum einen das Interesse der Anleger an diesen Strategien geweckt. So haben selbst eher traditionell aufgestellte Manager das Thema inzwischen für sich entdeckt. Außerdem hat die Medienpräsenz eine gewisse Standardisierung des verwendeten Vokabulars zur Folge gehabt. So sind mittlerweile die Bezeichnungen für die vier wichtigsten Faktoren Value, Momentum, Low Volatility und Quality in der Finanzsprache recht verbreitet.

Aus der Kognitionswissenschaft wissen wir allerdings, dass große Medienaufmerksamkeit auch ihre Schattenseiten hat. Das ist auch hier der Fall. Denn wenn beispielsweise alle Anbieter die gleichen Begriffsbezeichnungen für die Faktoren verwenden, könnte man denken, es sei auch immer dasselbe damit gemeint. Dann aber wäre Factor Investing tatsächlich eine eigenständige Assetklasse, und die einzelnen Faktoren wären eine Unterkategorie davon – so wie europäische Aktien eine Unterkategorie der Assetklasse „Aktien“ sind.

Aber das ist nicht der Fall. Denn je nach Ausgestaltung können die verschiedenen Methoden zu gänzlich anderen Risiken und Ergebnissen führen. Wenn man unbeabsichtigte Risiken vermeiden will, sollte man die Strategie daher zunächst eingehend prüfen.

Entscheidend bei Einzelfaktor-Strategien ist die Neutralisierung

Der einfachste Ansatz einer Einzelfaktor-Strategie besteht darin, die Aktien mit den gewünschten Merkmalen auszuwählen und sie nach einer Methode zu gewichten, die in punkto Liquidität und Diversifizierung relativ unkompliziert funktioniert – also in gewissem Maße mit der anfänglichen Marktkapitalisierung zusammenhängt. So erhält man zwar eine Smart-Beta-Strategie, die die angestrebte Positionierung in einem Faktor teilweise erfüllt. Gleichzeitig geht man aber auch je nach Art des Faktors oder der für den Faktor gewählten Messgröße unerwünschte Risiken ein.

Ein reines Kursmomentum ist beispielsweise automatisch mit einer hohen Variabilität des Betafaktors verbunden. So entwickeln sich beispielsweise Bankaktien in steigenden Märkten in der Regel überdurchschnittlich – und zwar nicht, weil sie selbst ein stärkeres Momentum haben, sondern weil der Banksektor insgesamt ein hohes Beta aufweist.

Auf der anderen Seite schneiden defensive Sektoren in fallenden Märkten überdurchschnittlich ab, sodass das Beta bei einer reinen Momentum-Strategie starken Schwankungen unterliegt. Es wäre daher besser, mit Alpha- statt mit Kursmomentum zu arbeiten.

Auch bei einem naiven Low-Volatility-Faktor wird es starke Abweichungen zwischen den Sektoren geben, die auf Zinssensitivität hinauslaufen. Denn die Aktien mit der geringsten Volatilität sind auch diejenigen, die am stärksten Anleihen ähneln.

Ein reiner Value-Faktor wiederum, der sich über fundamental gewichtete Indizes realisieren lässt, kann beispielsweise mit einem hohen CO2-Ausstoß verbunden sein, weil niedrigere Kurse auch bedeuten können, dass man Werte der „realen“ Wirtschaft kauft, die mehr Verschmutzung erzeugen. So sind Konsumgüterproduzenten, die bekanntermaßen relativ hohe CO2-Emissionen verursachen, vom Stil her meist eher dem Value-Faktor zuzuordnen als FinTech-Unternehmen.

Die Diskussionen um das Timing von Faktoren beschäftigen sich vor allem um eine grundlegende Frage: Ist darunter das Timing von unerwünschten Risiken reiner Faktorstrategien (Beta-, Sektor- oder Länderabweichungen) zu verstehen oder vielmehr das Timing des tatsächlichen Alphas des Faktors? Um bei den genannten anderen Themen aktive Positionen einzugehen, benötigt man keine Faktorstrategien.

Unsere Analysen deuten darauf hin, dass es möglich ist, diese Verzerrungen zu beseitigen und dass die Intensität der Faktorpositionierung dadurch sogar zunimmt (siehe dazu unsere aktuelle Studie „Diversify and Purify Factor Premiums in Equity Markets“).

Unserer Meinung nach sind Faktorstrategien am effektivsten, wenn sie folgende Bedingungen erfüllen:

a) Sie setzen eine breite Palette von diversifizierenden Indikatoren ein;

b) sie sind auf ein im Zeitverlauf konstantes Risiko ausgerichtet;

c) sie sind in Bezug auf Beta, Makrosektoren und Regionen neutral; und

d) sie sind in Bezug auf die Marktkapitalisierung unabhängig (also größenneutral).

Der letzte Faktor Größe, der stark an die Liquiditätsprämie gekoppelt ist, sollte unserer Auffassung nach aufgrund von Kapazitätseinschränkungen besser nach einem separaten Ansatz verwaltet werden. Wenn all diese Kriterien erfüllt sind, kann das durch Faktoren generierte Alpha gesteigert und stabilisiert werden. Leider erhält man dadurch dennoch nicht direkt ein investierbares Produkt – und auch kein einheitliches Vokabular.

Abbildung 1: Reines Alpha im Vergleich zu rohem Alpha (erste Abbildung: Faktorindizes MSCI World)

(Zweite Abbildung: THEAM Beta-One Factor Portfolios)

Blau: Wert, Rot: Qualität, Grün: MomentumLila: Min Volatility

Quelle: THEAM, globales Universum, monatliche Simulationen in USD, Stand Dezember 2016

Um aus solchen reinen Faktoren konkret investierbare Produkte zu konzipieren, haben wir regional ausgerichtete, „hoch dynamische“ Einzelfaktor-Strategien entwickelt. Dazu maximieren wir die Positionierung in dem betreffenden Faktor bei einem vorgegebenen Niveau an Alpha-Volatilität. Dies kann zwar eine stärkere Abweichung von der Benchmark als bei einem naiven Ansatz zur Folge haben. Jedoch entspricht eine solche Strategie in stärkerem Maße dem, worauf faktorbasierte Ansätze eigentlich abzielen, nämlich der richtigen Auswahl der Risiken.

Entscheidend bei Multi-Faktor-Strategien sind die Einschränkungen

Bei Multifaktor-Strategien ist die Gefahr, dass sie als einheitliche Assetklasse missverstanden werden, sogar noch größer. Denn sie ziehen üblicherweise Aktien-Assetklassen als Benchmark heran und scheinen deshalb damit vergleichbar. Die wichtigsten Treiber für eine effiziente Faktorstrategie sind letztlich das damit angestrebte Ziel und die mit dem Portfolio verbundenen Einschränkungen.

Beispiel: Wenn eine Multifaktor-Strategie vor allem auf eine Steigerung der Sharpe Ratio abzielt, ist es legitim, das Beta zu reduzieren. Das lässt sich entweder durch eine Übergewichtung des Faktors Low Volatility gegenüber den Faktoren Value, Momentum und Quality oder schlicht durch Futures-Leerverkäufe im Portfolio erreichen.

Wenn dagegen die Priorität auf der Information Ratio liegt, ist es effizienter, das relative Risikobudget auf eine ausgewogene Allokation ergänzender Faktoren zu konzentrieren, die so bereinigt sind, dass ihr Beta eins beträgt; alternativ könnte man auch mit Beta-Verzerrungen arbeiten, die jedoch zu einem Tracking Error führen.

Bei Portfolios mit einer Long-only-Benchmark hängt die mit einer Multifaktor-Strategie erreichbare Information Ratio stark von der Höhe des Tracking Error ab. Faktorstrategien erfordern in einem Portfolio mit Long-only-Benchmark eine aktive Positionierung, das heißt eine Über- oder Untergewichtung bestimmter Aktien. Der zunehmende Tracking Error wird den Umfang dieser aktiven Gewichtungen jedoch an die Grenzen der Möglichkeiten einer Long-only-Ausrichtung bringen. Es gibt also eine Grenze dafür, wie viel Tracking Error sich effizient erreichen lässt.

Auf der anderen Seite sind die aktiven Gewichtungen bei geringem Tracking Error eher klein und damit leicht umzusetzen. Aber wie interessant ist eine höhere Information Ratio bei einem beispielsweise um zehn Basispunkte erhöhten Tracking Error?

Die Aufteilung des Universums ist eine weitere renditesenkende Einschränkung, die deutlich macht, dass sich Faktorstrategien nicht wie eine eigene Assetklasse verhalten. An der Marktkapitalisierung orientierte Benchmarks können sich zwar auszahlen, jedoch sind Faktorstrategien effizienter, wenn die Bandbreite der Möglichkeiten größer und stärker dem Gesetz der großen Zahlen unterworfen ist.

Die folgende Abbildung zeigt als Beispiel unsere Strategie „Diversified Equity Factor Investing“ (DEFI). DEFI ist eine Multifaktor-Aktienstrategie, die Portfolios aus Aktien mit den Merkmalen Value, Quality, Momentum und Low Volatility zusammenstellt. Die folgende Abbildung veranschaulicht die Information Ratio, die sich ergibt, wenn man ein und dieselbe Strategie auf unterschiedliche Aktienuniversen anwendet.

Transaktionskosten, darunter Brokergebühren, Marktwirkungen und Steuern, können ebenfalls erhebliche Auswirkungen auf die Effizienz von Faktorstrategien haben. Wenn als zusätzliche Einschränkung die ESG-Kriterien Umwelt, Gesellschaft und Unternehmensführung oder auch nur der CO2-Ausstoß zu berücksichtigen sind, wirft das die Frage auf, ob am Ende überhaupt noch eine Faktorpositionierung besteht.

Unsere 2014 im „Journal of Asset Management“ veröffentlichte Analyse („An integrated risk-budgeting approach for multi-strategy equity portfolios“) erläutert einen effizienten Ausweg aus dem Dilemma der Einschränkungen. Wir zeigen darin, dass sich Faktorprämien auch mit einem eingeschränkten Faktorportfolio effizient vereinnahmen lassen, solange die Einschränkungen angemessen sind und der Tracking Error unter einem vertretbaren Niveau bleibt. Das in der Studie erläuterte Modell basiert auf einer Trennung zwischen der Suche nach Faktorprämien und der Frage, wie sich Portfolioeinschränkungen in der Praxis effizient handhaben lassen. Eine solche Trennung ist ein hervorragendes Mittel, mit dem Anleger ihre verschiedenen (und oftmals widersprüchlichen) Zielsetzungen erfüllen können.

Insgesamt sind Faktorstrategien – egal ob sie auf Einzel- oder Multifaktoren beruhen – KEINE eigenständige Anlageklasse, sondern eine Grundlage für Diskussionen und eine Möglichkeit für die Anleger, akademische Erkenntnisse in konkreten Anlagelösungen umzusetzen. Solche Lösungen basieren in gewisser Weise immer auf einem Kompromiss. Um Lösungen zu finden, die wirklich effizient sind, geht es letztlich darum, genau zu verstehen, welche Entscheidungen man mit welcher Zielsetzung trifft.


Verfasst am 21.03.2017

Etienne Vincent

Global Head of Quantitative Management

Schreiben Sie einen Kommentar

Your email adress will not be published. Required fields are marked*