Lade Inhalt...

Research in Banking and Finance: Survivorship Bias

Seminararbeit 2011 22 Seiten

BWL - Bank, Börse, Versicherung

Leseprobe

Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungs- und Symbolverzeichnis

1 Einleitung

2 Begriffsdefinition und wissenschaftliche Rahmenbedingungen
2.1 Begriffliche Definition des Survivorship Bias
2.2 Datengrundlage und Methodik

3 Einflussparameter und ökonomische Wirkungszusammenhänge im Rahmen des Survivorship Bias
3.1 Einflussparameter des Survivorship Bias
3.1.1 Survivor-Definitionen
3.1.2 Gewichtungsmethoden
3.1.3 Performancemodelle
3.2 Ökonomische Wirkungszusammenhänge und deren Implikationen
3.2.1 Fondsgröße - Fondsfortbestand - Fondsperformance
3.2.2 Bedeutung von Non-Survivors und neuen Fonds

4 Methodische Handlungsempfehlungen zur Reduzierung und Vermeidung des Survivorship Bias
4.1 Datengrundlage und Survivor-Definitionen
4.2 Gewichtungsmethoden und Performancemodelle

5 Fazit

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Übersicht zur verwendeten Datengrundlage

Abbildung 2: Determinanten und gegenseitige Abhängigkeit von Fondsgröße, - Fondsfortbestand und Fondsperformance

Abkürzungs- und Symbolverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Aufgrund der mangelnden begrifflichen sowie methodischen Konsistenz bisheri- ger (meist empirischer) Untersuchungen zum Phänomen des Survivorship Bias, weisen deren Ergebnisse eine erhebliche Spannbreite möglicher Performanceab- weichungen von 1 bis 271 Basispunkten p. a. auf und sind daher kaum vergleich- bar.1 Zwar bietet das amerikanische Center for Research in Security Prices (CRSP) mittlerweile eine von den Einflüssen des Survivorship Bias bereinigte Datenbank an, jedoch findet diese, gerade in älteren wissenschaftlichen Studien, nur selten Verwendung. Ferner arbeiten auch neuere Erhebungen teils immer noch mit entsprechend verzerrten Datensätzen. Rohleder/Scholz/Wilkens (2011) attes- tieren dem Phänomen des Survivorship Bias daher weiterhin eine kaum zu ver- nachlässigende Aktualität und Brisanz.2

Aus diesem Grund soll im Rahmen der vorliegenden Arbeit die Frage beantwortet werden, welche statistischen sowie ökonomischen Determinanten das Ausmaß des Survivorship Bias in welcher Art und Weise beeinflussen und inwiefern diese, durch zielgerichtete Maßnahmen, zu einer Verringerung bzw. Vermeidung eben solcher Verzerrungen beitragen können.

Dazu werden, nach einer fundierten Begriffsklärung sowie -abgrenzung in Kapitel 2, vor allem die Einflussparameter samt ihrer spezifischen Auswirkungen sowie ökonomische Wirkungszusammenhänge im Kontext des Survivorship Bias syste- matisch analysiert und erläutert. Im Anschluss hieran zeigt Kapitel 4 mögliche Maßnahmen zur Reduzierung und Vermeidung des Survivorship Bias auf. Kapitel 5 fasst schließlich die wichtigsten Untersuchungsergebnisse zusammen.

Zentraler Untersuchungsgegenstand ist hierbei der Artikel „Survivorship Bias and Mutual Fund Performance: Relevance, Significance, and Methodical Differences“, welcher in der zweiten Ausgabe des Jahres 2011 im Fachjournal „Review of Finance“ von Martin Rohleder, Hendrik Scholz sowie Marco Wilkens veröffentlicht wurde. Anhand der o. g. inhaltlichen Eckpunkte der Arbeit soll die- ser Artikel systematisch analysiert und in seiner Methodik sowie den zentralen Ergebnissen vorgestellt werden. Dabei erfolgt stets ein Abgleich mit inhaltlich verwandten Analysen sowie Ergebnissen anderer Autoren.

2 Begriffsdefinition und wissenschaftliche Rahmenbedingungen

2.1 Begriffliche Definition des Survivorship Bias

Rohleder/Scholz/Wilkens (2011) definieren den Survivorship Bias, welcher seit Grinblatt/Titman (1989) in der wissenschaftlichen Literatur diskutiert wird, als den Performanceunterschied zwischen einem verzerrten (engl.: biased) und einem nicht verzerrten (engl.: unbiased) Fondsportfolio. Als verzerrt gilt ein Fondsport- folio hierbei, wenn es nur solche Fonds enthält, die entweder während der kom- pletten Betrachtungsperiode oder an deren Ende am Markt vertreten sind, also überlebt haben (sog. Survivors). Ein nicht verzerrtes Fondsportfolio berücksich- tigt hingegen zusätzlich all jene Fonds, die mittlerweile nicht mehr am Markt ver- treten sind, welche also nicht überlebt haben (sog. Non-Survivors).3 Werden Non-Survivors bei der Performancemessung ignoriert, führt dies in der Regel da- zu, dass den am Markt übrig gebliebenen Fonds eine höhere durchschnittliche Performance zugesprochen wird, als dies bei der Einbeziehung der Non- Survivors der Fall gewesen wäre.4 So zeigen die empirischen Untersuchungen von Rohleder/Scholz/Wilkens (2011) im Zeitraum von 1993 bis 2006 eine mögli- che Performanceverzerrung bzw. einen Survivorship Bias von bis zu 157 Basis- punkten p. a. und verdeutlichen damit das quantitative Ausmaß möglicher, methodisch bedingter Unterschiede bei der Performancemessung.5

2.2 Datengrundlage und Methodik

Als Datengrundlage ihrer Untersuchungen diente Rohleder/Scholz/Wilkens (2011) eine explizit von den Einflüssen des Survivorship Bias bereinigte Daten- bank US-amerikanischer offener Aktienfonds, aus welcher die jeweils benötigten Fondsdaten während des Beobachtungszeitraums von Januar 1993 bis Dezember 2006 extrahiert wurden.6

Unvollständige Daten bezüglich des monatlichen Nettovermögens (engl.: Total Net Assets; TNA) einzelner Fonds wurden dabei durch Extrapolation geschätzt, nicht plausibel erscheinende Datensprünge wiederum ignoriert.7 Die finale Datenauswahl bestand am Ende des Jahres 2006 somit aus 4.964 US- amerikanischen Aktienfonds. Angefangen hatte die Untersuchung mit 1.054 Initi- alfonds, von denen jedoch lediglich 597 als sog. Full-Data-Survivors bis zum Untersuchungsende fortbestanden. 457 Initialfonds konnten sich dabei nicht am Markt halten. Nach Beginn der Beobachtungsperiode wurden 3.910 neue Fonds in die Datenauswahl aufgenommen, von denen 2.044 als sog. Non-Full-Data- Survivors fortbestanden und 1.866 wieder vom Fondsmarkt verschwanden. In Summe aus Full-Data- und Non-Full-Data-Survivors ergaben sich über die kom- plette Beobachtungsperiode somit 2.641 sog. End-Of-Sample-Survivors sowie 2.323 Non-Survivors.8 Abbildung 1 fasst die wichtigsten Eckdaten zusammen und setzt diese ferner grafisch in Relation.9

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung in inhaltlicher Anlehnung an Rohleder/Scholz/Wilkens (2011), S. 449.

Abbildung 1: Übersicht zur verwendeten Datengrundlage.

Während der Untersuchung werden sechs verschiedene (Teil-) Portfolios betrach- tet. Diese bestehen aus einem Gesamtportfolio aller Aktienfonds (Survivors und Non-Survivors), welches keinerlei Verzerrungen durch den Survivorship Bias aufweist, dem Portfolio der End-of-Sample-Survivors sowie einem solchen mit allen Full-Data-Survivors. Für das Gesamtportfolio sowie die letzten beiden ver- zerrten Teilportfolios werden jeweils eine gleichgewichtete sowie eine wertge- wichtete Version gebildet.

Die Performancemessung basiert hierbei auf der aggregierten Monatsrendite der jeweiligen Fondsgruppe und ist somit unabhängig von der Länge der jeweils verfügbaren Renditehistorie. Zudem haben alle verwendeten Datenreihen die gleiche Länge und decken stets den gleichen Zeitraum ab.10

3 Einflussparameter und ökonomische Wirkungszusammenhänge im Rahmen des Survivorship Bias

3.1 Einflussparameter des Survivorship Bias

3.1.1 Survivor-Definitionen

Einschlägige empirische Erhebungen zur Untersuchung des Survivorship Bias bedienen sich bisher meist unterschiedlicher Survivor-Definitionen. Da je nach Begriffsauffassung auch die Anzahl der Fonds variiert, welche als Survivors be- zeichnet werden können, ergibt sich hieraus ein wichtiger Einflussparameter des Survivorship Bias.

Grundsätzlich gibt es zwei Methoden, um Survivors von Non-Survivors zu unter- scheiden. Beim sog. End-of-Sample Conditioning werden all jene Fonds als Survivors angesehen, die am Schluss der Beobachtungsperiode noch am jeweils betrachteten Fondsmarkt vertreten sind, sodass man von End-of-Sample-Survivors spricht. Hierzu zählen sowohl Initialfonds, also solche Fonds, die bereits zu Be- ginn der Beobachtungsperiode am Markt präsent waren, als auch neue Fonds, die erst während der laufenden Beobachtungsperiode in den Fondsmarkt eingetreten sind und für die somit keine vollständigen Performancedaten von Beginn bis zum Ende der Beobachtungsperiode vorliegen (sog. Non-Full-Data-Survivors).11

Beim sog. Full-Data Conditioning hingegen gelten nur solche Fonds als Survivors, die während der kompletten Beobachtungsperiode am Markt vertreten waren und deren Fondsdaten daher auch entsprechend vollständig sind, sodass man in diesem Fall von der Fondsgruppe der Full-Data-Survivors spricht.12 Unabhängig von der Kombination mit verschiedenen Gewichtungsmethoden oder Performancemaßen treffen Rohleder/Scholz/Wilkens (2011) keinerlei explizite Aussage darüber, welche der beiden Survivor-Definitionen größere Verzerrungen bei der Performancemessung verursacht. Zwar vernachlässigt die Fondsgruppe der Full-Data-Survivors durch die systematische Exklusion neuer Fonds einen erheb- lichen Teil des gesamten Fondsmarkts, sorgt jedoch, vor allem im Rahmen einer Gleichgewichtung der individuellen Fondsrenditen, für moderatere und damit für repräsentativere Performancedaten des Gesamtmarkts, als dies bei den End-of- Sample-Survivors der Fall ist.13

Da Fonds oftmals schon Monate vor ihrem eigentlichen Marktaustritt keine Per- formancedaten mehr veröffentlichen, kann es ferner zu einem versteckten Survivorship Bias kommen, welchen Rohleder/Scholz/Wilkens (2011) in dieser Form nicht betrachten. Xu/Liu/Loviscek (2010) hingegen bilden diesen durch die Differenz zwischen der Durchschnittsperformance des kompletten offiziellen Le- benszyklus eines Fonds sowie der letzten zwölf Monate der Fondsexistenz ab und sensibilisieren damit gezielt für etwaige Unterschiede zwischen veröffentlichter sowie realer Fondsperformance.14

3.1.2 Gewichtungsmethoden

Da sich die Rendite eines Fondsportfolios aus den individuellen Einzelrenditen der darin enthaltenen Fonds zusammensetzt, bedarf es zunächst deren systematischer Aggregation. Hierbei lässt die einschlägige Literatur unterschiedliche Methoden zur Gewichtung einzelner Fondsrenditen erkennen.15

Während beim sog. Equal-Weighting jeder Fonds mit gleichem Anteil gewichtet wird, gehen einzelne Fonds beim sog. Value-Weighting, entsprechend ihrer mo- natlichen TNA, in Relation zum aggregierten Nettovermögen des Fondsportfolios, anteilig in die Berechnung der Gesamtrendite ein. Es ergibt sich also neben der Gleichgewichtung auch die Möglichkeit zur Wertgewichtung der einzelnen Fondsrenditen, was jeweils zu unterschiedlichen Ergebnissen bei der Aggregation der Performancedaten einzelner Fonds führt.16

[...]


1 Vgl. Rohleder/Scholz/Wilkens (2011), S. 442 f.

2 Vgl. Rohleder/Scholz/Wilkens (2011), S. 442.

3 Vgl. Rohleder/Scholz/Wilkens (2011), S. 443 f.

4 Vgl. Rohleder/Scholz/Wilkens (2011), S. 441.

5 Vgl. Rohleder/Scholz/Wilkens (2011), S. 441 f.

6 Vgl. Rohleder/Scholz/Wilkens (2011), S. 448.

7 Vgl. Rohleder/Scholz/Wilkens (2011), S. 448. Derartige Annahmen sowie Vorgehensweisen werden von den Autoren stets durch sog. robustness checks validiert.

8 Vgl. Rohleder/Scholz/Wilkens (2011), S. 449. Siehe zudem Abschnitt 3.1.1 für eine genauere Erläuterung der hier lediglich zur Einführung verwendeten Survivor-Definitionen.

9 Die in der Abbildung gezeigten Säulen dienen primär der groben Veranschaulichung der Grö- ßenverhältnisse und sind daher nicht im Sinne eines genauen Maßstabs zu interpretieren.

10 Vgl. Rohleder/Scholz/Wilkens (2011), S. 444.

11 Vgl. Rohleder/Scholz/Wilkens (2011), S. 444.

12 Vgl. Rohleder/Scholz/Wilkens (2011), S. 444.

13 Vgl. Rohleder/Scholz/Wilkens (2011), S. 453 f.

14 Vgl. Xu/Liu/Loviscek (2010), S. 8.

15 Vgl. Rohleder/Scholz/Wilkens (2011), S. 444.

16 Vgl. Rohleder/Scholz/Wilkens (2011), S. 444.

Details

Seiten
22
Jahr
2011
ISBN (eBook)
9783656148517
ISBN (Buch)
9783656148555
Dateigröße
524 KB
Sprache
Deutsch
Katalognummer
v190449
Institution / Hochschule
Universität Bayreuth – Rechts- und Wirtschaftswissenschaftliche Fakultät
Note
1,7
Schlagworte
research banking finance survivorship bias

Autor

Zurück

Titel: Research in Banking and Finance: Survivorship Bias