Die Performance von Fondsmanagern im Zeitablauf

Eine empirische Analyse für US-amerikanische Aktienfonds


Masterarbeit, 2016

63 Seiten, Note: 1,0


Leseprobe


Inhaltsverzeichnis

TABELLENVERZEICHNIS

ABKÜRZUNGSVERZEICHNIS

SYMBOLVERZEICHNIS

1 EINLEITUNG

2 GRUNDLAGEN DER PERFORMANCEMESSUNG
2.1 Ziele der Performancemessung
2.2 Performancemessung mit dem Einfaktormodell
2.2.1 Capital Asset Pricing Model
2.2.2 Bewertung der Performance von Fondsmanagern
2.2.3 Anomalien des Capital Asset Pricing Model
2.3 Performancemessung mit Multifaktormodellen
2.3.1 Fama-French-Dreifaktormodell
2.3.2 Carhart-Vierfaktormodell
2.4 Probleme der Performancemessung
2.5 Weitere Einflussfaktoren und Modelle der Performancemessung

3 ÜBERSICHT DER WISSENSCHAFTLICHEN LITERATUR ZUR PERFORMANCE-PERSISTENZ
3.1 Definition von Performance-Persistenz
3.2 Statistische Testmethoden für Performance-Persistenz
3.2.1 Regressionsmethode gemäß Grinblatt und Titman
3.2.2 Portfolioansatz gemäß Hendricks, Patel und Zeckhauser
3.2.3 Kontingenztabellenansatz gemäß Brown und Goetzmann
3.3 Weitere empirische Evidenz
3.3.1 Tabellarische Übersicht der wissenschaftlichen Literatur
3.3.2 Weitere ausgewählte Studien
3.3.3 Zusammenfassende Bewertung der Performance-Persistenz

4 EMPIRISCHE ANALYSE DER PERFORMANCE-PERSISTENZ
4.1 Datenbasis
4.1.1 Stichprobe A
4.1.2 Stichprobe B und Untergruppen gemäß Anlegergruppe und Kapitalallokation
4.2 Methodik
4.3 Ergebnisse
4.3.1 Ergebnisse für Stichproben A und B
4.3.2 Ergebnisse der Untergruppen, getrennt nach Anlegergruppe
4.3.3 Ergebnisse der Untergruppen, getrennt nach Kapitalallokation . .
4.4 Diskussion und Interpretation

5 ZUSAMMENFASSUNG UND BEWERTUNG

ANHANG

LITERATURVERZEICHNIS52

Tabellenverzeichnis

Tabelle1: Übersicht von Studien zur Performance-Persistenz mit Performancemaß, statistischer Testmethode und dem erzielten Ergebnis.

Tabelle 2: Übersicht der Aufteilung der Gesamtstichprobe in Untergruppen gemäß Kapitalallokation und Anlegergruppe

Tabelle 3: Ergebnisse der Kontingenztabellen für CPR, Χ² und ϕ, getrennt nach Stichprobe und verwendetem Performancemaß

Tabelle 4: Ergebnis des Spearman-Rangkorrelationstests, getrennt nach Stichprobe und verwendetem Performancemaß

Tabelle 5: Ergebnisse der linearen Regression mit Steigungsparameter,Standardfehler und adjustiertem R², getrennt nach Stichprobe und verwendetem Performancemaß

Tabelle6:Ergebnissefürden Korrelationskoeffizientenvon Bravais- Pearson, getrennt nach Stichprobe und verwendetem Performancemaß. 39Tabelle 7: Ergebnisse der Kontingenztabellen für CPR, Χ² und ϕ, getrennt nach Anlegergruppe und verwendetem Performancemaß

Tabelle 8: Ergebnis des Spearman-Rangkorrelationstests, getrennt nach Anlegergruppe und verwendetem Performancemaß

Tabelle 9: Ergebnisse der linearen Regression mit Steigungsparameter,Standardfehler und adjustiertem R², getrennt nach Anlegergruppe und verwendetem Performancemaß

Tabelle 10: Ergebnisse der Kontingenztabellen für CPR, Χ² und ϕ, getrennt nach Kapitalallokation und verwendetem Performancemaß

Tabelle 11: Ergebnis des Spearman-Rangkorrelationstests, getrennt nach Kapitalallokation und verwendetem Performancemaß

Tabelle 12: Ergebnisse der linearen Regression mit Steigungsparameter,Standardfehler und adjustiertem R², getrennt nach Kapitalallokation und verwendetem Performancemaß

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Investmentfonds spielen bei der Allokation von Kapital in der Weltwirtschafteine wichtige Rolle. So waren im Jahr 2014 weltweit über 33 Billionen US- Dollar in Investmentfonds investiert.1 Bei diesen Fonds entscheidet der Anleger nicht selbst darüber, in welche Wertpapiere investiert werden soll.Diese Entscheidung wird von einem professionellen Fondsmanagervorgenommen, der den Fonds verwaltet. Investoren haben dabei eine hohe Auswahl an Anlageoptionen. In der Thomson Reuters Eikon Datenbankwaren im April 2016 über 630.000 Fonds aufgeführt. Ein interessierter Investor muss daher überlegen, auf welcher Grundlage er seine Entscheidung für oder gegen einen Fonds basieren möchte. Ein mögliches Kriterium ist hierbei die historische Performance eines Fonds.

„Die Wertentwicklung der Vergangenheit ist kein verlässlicher Indikator fürdie Zukunft.“2 Solche Hinweisefindensichinvielen Prospektenvon Investmentfonds. Trotzdem spielt die Auswertung der historischen Performance von Fonds eine zentrale Rolle in der Anlageentscheidung dermeisten Investoren. Fonds mit überdurchschnittlichen Ergebnissenverzeichnen deutlich höhere Mittelzuflüsse als weniger erfolgreiche Fonds.3 Aber nicht nur Anleger verbringen viel Zeit mit der Analyse vergangener Performance, auch für Berater spielen diese Kennzahlen eine zentrale Rolle. Morningstar, ein bekannter Finanzdienstleister, basiert seine Bewertungen, die in Sternen ausgedrückt werden, allein auf derhistorischen Performance.4

Die implizite Annahme scheint zu sein, dass Fonds, die in der Vergangenheit besonders erfolgreich waren, dies auch in der Zukunft seinwerden. Studien zur Performance-Persistenz gehen der Frage auf den Grund, ob diese Annahme korrekt ist oder nicht. Generell sind dabei drei Ergebnisse denkbar. Falls positive Persistenz gefunden wird, so sollten Anleger der bisherigen Performance Aufmerksamkeit widmen und in die Gewinner der letzten Perioden investieren. Möglich ist auch, dass negative Persistenz nachgewiesen wird, der Trend sich also umkehrt. In diesem Fallsind Anleger besser damit beraten, die Verlierer der letzten Periode zukaufen. Drittens kann keinerlei Persistenz vorliegen. Anleger sollten ihre Zeitsomitnichtmitder Analysehistorischer Performanceverlieren,sondern ihre Anlageentscheidung auf anderen Kriterien beruhen lassen.

Die Frage der Performance-Persistenz wurde in den letzten Jahrzehntenaus unterschiedlichen Perspektiven diskutiert. Die zentrale Frage dieser Arbeit lautet: Kann man aus der bisherigen Performance von Aktienfonds Aussagen über die zukünftige Performance treffen? Um diese Frage zubeantworten,werden 321US-amerikanische Aktienfondsim Zeitraum 01.01.1996 bis 31.12.2015 untersucht. Die Performance wird dabei durch Nutzung des Fama-French-Dreifaktormodells sowie alternativ durch das Carhart-Vierfaktormodell risikoadjustiert ermittelt und mittels Kreuztabellen,linearen Regressionen und Korrelationsanalysen auf Persistenz hinuntersucht.

Diese Arbeitwillnichtdie Fragebeantworten,obaktivgemanagte Aktienfonds generell Wert schaffen oder ob Anleger mit passiven Indexfonds besser bedient wären. Weiterhin kann man die Fragestellungauch mit der Person des Managers verknüpfen. So beschäftigen sich Bessleretal. (2011)und Barelkowska (2010)mitdem Einflussvon Managementwechseln auf die Fondsperformance.5 Da es bislang keinegesetzliche Publikationspflicht für solche Wechsel gibt und mittlerweile eine Vielzahl von Fonds durch Teams anstatt durch einzelne Manager verwaltetwird, ist dies ebenfalls nicht der Fokus dieser Arbeit.6

Die Arbeitistwiefolgtorganisiert:Imzweiten Kapitelwerdendie Grundlagen der Performancemessung mitsamt den Zielen und generellen Problemen besprochen. Die zur Messung genutzten Werkzeuge werden durch die historische Entwicklung des Einfaktormodells hin zu Multifaktormodellen dargestellt. Zudem werden weitere, in der Literatur diskutierte Einflussfaktoren auf die Performance behandelt.

In Kapitel 3 folgt eine Übersicht der bisherigen wissenschaftlichen Literaturzum Thema Performance-Persistenz. Anhand prägender Studien werdenweiterhin oft genutzte Testmethoden zur Persistenzmessung erläutert.

Kapitel 4 befasst sich mit der Vorgehensweise dieser Arbeit bezüglich der Datenauswahl. Es wird dabei auf eventuelle Unzulänglichkeiten bisheriger Klassifizierungsschemata eingegangen und - neben der Gesamtstichprobe - auch spezielle Untergruppen auf Performance-Persistenz hin geprüft. Im ersten Schritt werden die Untergruppen gemäß der Anlegergruppe unterschieden.Ineinemzweiten Schrittwirddie Kapitalallokationals Kriterium genutzt, die gesamte Stichprobe in zwei Untergruppen aufzuteilen. Die Ergebnisse werden in Abschnitt 4.3 dargestellt und in 4.4 diskutiert. Das fünfte Kapitel fasst zusammen.

2 Grundlagen der Performancemessung

2.1 Ziele der Performancemessung

In der Finanzwirtschaft versteht man unter Performance eine „Maßgrößezur Erfolgsbeurteilung von Kapitalanlagen“.7 Ziel der Performancemessungbei Aktienfonds ist es, Aussagen über die Leistung eines Fonds treffen zukönnen, um somit Investoren eine Entscheidungsunterstützung bezüglichder Kapitalanlage zu geben. Für Investoren sind drei Faktoren wichtig,welchedie Performanceeiner Geldanlageausmachen:Jehöherdie Rendite, je niedriger das Risiko und umso höher die Liquidität8 einer Kapitalanlage ist, desto mehr Nutzen zieht ein Investor aus ihr.9 Historischgesehenwardie Renditederersteundvorersteinzige Faktorder Performance.10 In den sechziger Jahren entwickelte sich mit den Arbeitenvon Sharpe (1964) und Lintner (1965) zum Capital Asset Pricing Model (im Folgenden CAPM) das Verständnis von Performance weiter und Risikoetablierte sich als zweiter Faktor.11 Liquidität wird von den gängigen und indieser Arbeit vorgestellten Performancemaßen nicht explizit erfasst. In dervorliegenden Arbeit werden US-amerikanische, öffentlich gehandelte Aktienfonds mit einem Mindestvolumen von zehn Mio. US-Dollarausgewertet. Da für alle betrachteten Fonds die gleichen gesetzlichen Regeln gelten, wird hier davon ausgegangen, dass diese bezüglich der Liquiditätvergleichbar sind.Ausdiesem Grundempfindenwir für dievorliegende Arbeit die Beschränkung der Performancemessung auf Rendite und Risiko als nicht kritisch.

Rendite bezeichnet generell den Gewinn einer Geldanlage in Relation zumbenötigten Kapital und ist das Hauptziel von Investoren.12 „Risiko“ imengeren Sinne beschreibt die quantifizierbare Unsicherheit hinsichtlich deszukünftigen Auftretensunterschiedlicher Ausprägungeneiner Situation.

Fallskeine Eintrittswahrscheinlichkeitenermitteltwerdenkönnen,liegthingegen „Unsicherheit“ vor. Gemeinsam werden beide Begriffe als Risikoim weiteren Sinne zusammengefasst.13 Das Gesamtrisiko von Geldanlagenkannindassystematischeunddasunsystematische Risikounterteiltwerden.14 Dasunsystematische,dem titelspezifische Risikenzugrundeliegen, kann durch Diversifikation innerhalb eines Portfolios vermiedenwerden. Systematische Risiken beruhen auf Änderungen des gesamten Markts und können nicht durch Portfolios eliminiert werden.15 Generellagieren Investoren risikoavers.16 Daher muss ein Performancemaß auf das Risiko adjustiert werden.

Performancemaßeals Kennzahlen zur Beurteilungder Performancebeinhalten Methoden, nach denen diese berechnet werden kann. Generellwird diese stets mit der Entwicklung einer vergleichbaren Benchmark - inden meisten Fällen ein breit aufgestellter Index - verglichen. Positive Performance liegt vor, wenn die Rendite einer Anlage die Benchmark beigleichem Risiko übertrifft oder die gleiche Rendite bei geringerem Risikoerwirtschaftet.

Bei der Performancemessung kann man zwischen der externen und der internen Perspektive unterscheiden. Während die externe Perspektive auf alle öffentlich zugänglichen Informationen beschränkt ist, können interne Performancemaße auch private Informationen nutzen.17 Bezüglich Aktienfonds liegen bei der internen Sicht somit z. B. Informationen über die genauen Kauf- und Verkaufspreise der Anlagen sowie Transaktionskosten vor, die der breiten Öffentlichkeit nicht zugänglich sind. In der vorliegenden Arbeit beschränken wir uns auf die externe Sicht.

2.2 Performancemessung mit dem Einfaktormodell

2.2.1 Capital Asset Pricing Model

Das Capital Asset Pricing Model (CAPM) erweiterte das Verständnis von Risiko und Rendite. In den sechziger Jahren von Sharpe (1964) und Lintner(1965) unabhängig voneinander entwickelt sagt es aus, dass je höher dassystematische, nicht diversifizierbare Risiko βi einer Anlage i ist, desto höher muss die erwartete Rendite E[ܴ෨i] sein.18 Das Risiko wird dabei überdie Volatilität gemessen. Ist eine Anlage weniger volatil als der Gesamtmarkt, so weist sie ein βi geringer als eins auf. Im Gegenzug ist dieerwartete Rendite geringer als die Marktrendite. Eine risikoreichere, alsovolatilere, Anlage als der Gesamtmarkt hat ein βi höher als eins und mussden Investoren entsprechend höhere Renditen bieten. Insgesamt ergibtsichdieerwartete Rendite E[ܴ෨i]ausder Summedes Ertragseinerrisikolosen Anlage Rf sowie einer Risikoprämie, die sich aus dem Produktdes wertpapierspezifischen Risikomerkmals βi und der Differenz zwischenerwarteter Marktrendite E[ܴ෨m] sowie dem Ertrag der risikolosen Anlage Rfergibt.19

Abbildung in dieser Leseprobe nicht enthalten

Die Tilden zeigen hierbei Zufallsvariablen an. Der Zusammenhang zwischen erwarteter Rendite und systematischem Risiko ist somit linear. Alle Wertpapiere liegen auf der Wertpapierkennlinie. In der Performancemessung wird das mit dem CAPM kompatible Modell auch Einfaktormodell genannt, da βi der einzige Risikofaktor ist.

2.2.2 Bewertung der Performance von Fondsmanagern

Währenddas CAPManfangsals Erklärungsmodellfür Aktienrenditengenutztwurde,modifizierte Jensendieses,umdie Performancevon Fondsmanagern zu bewerten.20 Er schlägt vor, die Leistung eines aktivverwalteten Portfolios p durch den Abstand der Rendite des Portfolios Rp,tzur Wertpapierkennlinie zu messen. Diesen Achsenabschnitt bezeichnet erals Alpha, in der Finanzwissenschaft als Jensen-Alpha bekannt.21

Abbildung in dieser Leseprobe nicht enthalten

Der Term εp,tstellt dabei eine Störvariable mit Erwartungswert null dar.Wenn ein Fondsmanager Wert geschaffen hat, so ist αp positiv und die Rendite liegt höher als bei einem passiven Marktportfolio mitvergleichbarem systematischen Risiko. Je höher das Jensen-Alpha dabeiist, umso besser ist die Leistung des Fondsmanagements zu bewerten.Dasunsystematische Risikowirdsowohlbeim CAPMalsauchbeim Jensen-Alpha nicht betrachtet. Dieses kann durch entsprechende Portfolio-

Abbildung in dieser Leseprobe nicht enthalten

gestaltung eliminiertwerden. Insofern sollten durch dieses Modell nur Fonds mit ausreichend diversifiziertem Portfolio bewertet werden.22 Man muss beachten, dass das Jensen-Alpha nur einen Vergleich mit der Benchmark und anderen Portfolios erlaubt, die ein vergleichbaressystematisches Risiko aufweisen. Für Fonds mit unterschiedlichen Beta- faktoren ist ein Ranking mittels Jensen-Alpha problematisch.23

2.2.3 Anomalien des Capital Asset Pricing Model

Seit Anfang der achtziger Jahre gibt es Stimmen, die weitere Faktoren alsrelevant für die Erklärung der erwarteten Rendite betrachten.24 Da diese Faktoren im CAPM nicht beachtet werden, werden sie oft als Anomalienbezeichnet. Banz (1981) zeigte auf, dass die realisierten Renditen von Unternehmen mit kleiner Marktkapitalisierung ungleich höher waren, alsvom CAPM prognostiziert, und jene Renditen von Unternehmen mit hoher Marktkapitalisierungschlagen.25 Diesefürdie USAmehrfachnach- gewiesene Anomalie wurde als Size-Effekt bekannt.26 Die wissenschaft- liche Diskussion, ob diese höhere Rendite einen bisher nicht beachteten Risikofaktor reflektiert oder nicht, ist nicht abgeschlossen. Unterschiedliche Erklärungsansätze argumentieren, dass kleinere Firmen höhere Liquiditäts- risiken aufweisen oder im Aktienhandel höhere Transaktionskostenverursachen, die nicht vom CAPM dargestellt werden. Van Dijk (2011) gibthierzu eine Übersicht.27

Stattman(1980)sowie Rosenbergetal.(1985)weisennach,dass Unternehmen mit hohem Buch-Marktwert-Verhältnis ebenfalls Überrenditenaufweisen, die vom CAPM nicht erfasst werden.28 Diese Anomalie wurdeals Value-Effekt29 bekannt.30 Hanauer et al. (2010) sowie weitere Studiendokumentieren den Effekt ebenfalls für andere Länder als die USA.31 Auchfür diesen Effekt finden sich in der Literatur unterschiedliche Interpretationen. Lakonishok, Shleifer und Vishny (1994) argumentieren beispielsweise, dass der Value-Effekt aufgrund von suboptimalen Anlegerverhalten zustande kommt, und nicht fundamental risikobehaftet ist.32

Eine Übersicht weiterer dokumentierter Anomalien wie z. B. dem Januar Effekt gibt Schwert (2001).33 Da diese - mit Einschränkung des unter Kapitel 2.3.2 diskutierten Momentum-Effekts - unseres Wissens bisher in keinem Modell zur Performancemessung integriert worden sind, wird in der vorliegenden Arbeit nicht weiter darauf eingegangen.

2.3 Performancemessung mit Multifaktormodellen

2.3.1 Fama-French-Dreifaktormodell

Fama und French (1992) weisen den Size- sowie den Value-Effekt nachund integrierten diese beiden Phänomene in Fama und French (1993) alseigenständige Risikofaktoren in ihre Erweiterung des CAPM.34 Dieses als Dreifaktormodellbekannte Konzepterklärtdieerwartete Renditeeiner Wertanlage i neben dem risikolosen Zins Rf und dem systematischen Risikoβidurcheinen Größenfaktor SMBsowiedas Buch-Marktwert- Verhältnis HML. Ähnlich zum Vorgehen von Jensen lässt sich auch hiermitein Performancemaß bilden, das sogenannte Fama-French-Alpha.

Abbildung in dieser Leseprobe nicht enthalten

SMB steht für „Small Minus Big“ und bildet den durch die Größe einer Aktie erklärbaren Renditeanteil ab. Dafür bilden Fama und French Portfolios aus Unternehmen mit geringer Marktkapitalisierung, ermitteln deren Rendite und subtrahieren die beobachtete Rendite eines Portfolios von Unternehmen mit hoher Marktkapitalisierung.

HML steht für „High Minus Low“ und wird analog aus der Rendite eines Portfolios von Unternehmen mit hohem Buch-Marktwert-Verhältnisabzüglich der Rendite eines Portfolios von Unternehmen mit niedriger Buch-Marktwert-Verhältnisermittelt.Beide Faktorensollennichtdiver- sifizierbare Risiken widerspiegeln, die vom CAPM nicht erfasst werden.

Die Koeffizienten si und hi sind für jedes Wertpapier spezifisch. Sie werdenper linearer Regression geschätzt und können sowohl positive als auchnegative Werte annehmen. Je höher si ist, umso eher wird es sich beimbetrachteten Wertpapier um Unternehmen mit geringer Marktkapitalisierung

Abbildung in dieser Leseprobe nicht enthalten

handeln.Analogstehteinhöhererhi-Koeffizient für Unternehmenmithohem Buch-Marktwert-Verhältnis.Abwelchem Wertz. B.beieinem Aktienfonds von einer Value-Orientierung gesprochen wird, ist unseres Wissens nicht einheitlich festgelegt. In einem Blogeintrag schreibt der Finanztheoretiker William J. Bernstein, dass es sich bei Fonds mit einem sigrößerals 0,5umsogenannte Nebenwertfonds35 -also Aktienmitgeringem Börsenwert - handle, bei Werten von hi größer 0,3 um einen Valuefonds.36

Fama und French (1993) und weitere dokumentieren die Vorzüge dieses Modells gegenüber dem CAPM. Für das Einfaktormodell ermitteln Hanaueret al. (2010) bei ihrer Untersuchung des Zustandekommens von Aktienrenditeneinkorrigiertes Bestimmtheitsmaßvon 0,485.Mitdem Dreifaktormodell steigt dieser Wert auf 0,725.37 Auch Ziegler et al. (2007)bescheinigen dem Dreifaktormodell eine deutlich höhere Erklärungskraftgegenüberdem CAPM.38 Weiterebeobachtete Anomalienwie Kurs- Gewinn-Verhältnis oder Umsatzwachstum können zudem mit dem Dreifaktormodell erklärt werden.39

Das Fama-French-Alpha gibt genau wie das Jensen-Alpha an, wie die Leistung eines Fonds zu bewerten ist. Es kann positiv beiÜberperformance, negativ bei unterdurchschnittlicher Performance odergleichnullsein.Gegenüberdem Jensen-Alphawirdjener Anteilder Rendite, der durch Ausnutzung bekannter Marktanomalien erreicht wird,nicht den Fähigkeiten des Fondsmanagers zugerechnet. Allein die Rendite,dieüberdiesen Anteilhinausgeht,wirdalsoriginäre Leistungdes Fondsmanagements angesehen.40 Betker und Sheehan (2013) merken an,dass Wissenschaftler generell Multifaktormodelle zur Bewertung von Fondsnutzen, während viele Anlageberater hingegen das Einfaktormodellverwenden.41

Griffin (2002) zeigt, dass die Risikofaktoren des Modells länderspezifischsind.42 Die vorliegende Arbeit beschränkt sich daher auf US-amerikanische Aktienfonds.

2.3.2 Carhart-Vierfaktormodell

Jegadeeshund Titman(1993)weisennach,dasskurzfristiggesehenerfolgreiche Aktien auch weiterhin erfolgreich sind, sowie dass schwache Aktien sich weiterhin unterdurchschnittlich entwickeln.43 Diese Anomaliewird weder vom CAPM noch vom Dreifaktormodell erfasst und wurde als Momentum-Effektbekannt.Carhart (1997)erweitertdasbestehende Modell von Fama und French um einen sogenannten Momentumfaktor WML.44

෨i,t - Rf,t = αi + βi (ܴ෨m,t - Rf,t) + si SMB + hi HML + wi WML + εi,t(4)WML steht für „Winners Minus Losers“.45 Dieser Risikofaktor berechnet sichaus der Rendite eines Portfolios jener Aktien mit der stärksten Vorjahres- rendite abzüglich der Rendite eines Portfolios von Aktien mit der geringsten Vorjahresrendite.Weitere Studienhabendie Signifikanzdes Faktorsbestätigt und eine positive Risikoprämie nachgewiesen.46 Artmann et al.bestätigen dem Carhart-Vierfaktormodell eine höhere Erklärungskraft alsdem Fama-French-Dreifaktormodell.47

Das sogenannte Carhart-Alpha ist analog zum Fama-French-Alpha zu interpretieren, bereinigt aber noch zusätzlich die Ausnutzung der Momentum-Anomalie. In der vorliegenden Arbeit nutzen wir das Fama French-Alpha sowie das Carhart-Alpha für risikoadjustierte Performancemessung von Aktienfonds.

Kritisiert an den Multifaktormodellen wird die fehlende theoretische Fundiertheit.48 Das CAPM basiert auf gewissen Annahmen und stellt ein Gleichgewichtsmodell dar. Das Fama-French-Dreifaktormodell sowie das Carhart-Vierfaktormodellsindhiernichtweiterspezifiziert.Anstattdie Ursache der Risikoprämien zu erörtern, wird lediglich versucht Faktoren zufinden, die das systematische Risiko erklären. Die Modelle treffen keine Aussage dazu, ob die Risikoprämien mit einem ökonomischen Modellkonsistent sind.

Wenn im Folgenden vom Vierfaktormodell gesprochen wird ist das Carhart Vierfaktormodellgemeint.Analogsteht Dreifaktormodellstetsfürdas Fama-French-Dreifaktormodell.

Abbildung in dieser Leseprobe nicht enthalten

2.4 Probleme der Performancemessung

Brownetal.(1992)zeigen,dass Studien,dielediglichaktive Fondsanalysieren, eine systematische Verzerrung aufweisen.49 Da Fondsregelmäßigbeischlechter Performanceentwedermitanderen Fondsfusioniertoderkomplettgeschlossenwerden,würdendieseausden Studienherausfallenundsomitdie Gesamtheitaller Fondsalszuerfolgreich darstellen. Diese Verzerrung ist als Survivorship Bias bekannt.Die Ergebnissevieler Studienvor 1992sindvondieser Verzerrungbetroffen. Malkiel (1995) schätzt den Renditeunterschied zwischenüberlebenden Fonds und der Gesamtanzahl an Fonds auf 1,40 % jährlich.50 In der vorliegenden Arbeit werden per Versuchsaufbau ebenfalls nur aktive Fonds ausgewertet. Da Ziel der Untersuchung nicht eine Aussage über diedurchschnittliche Performanceder untersuchten Fondsist,wird dieser Punkt als störend aber nicht als kritisch betrachtet.

Ein weiteres Problem bezieht sich auf die Datenlage. Der Großteil der Studien zur Performancemessung von Aktienfonds basiert auf USamerikanischen Daten. Die Anzahl an börsennotierten Firmen und Aktienfonds ist in diesem Markt sehr hoch, zudem sind die Daten generell leicht verfügbar. Lo und Mackinlay (1990) machen darauf aufmerksam, dass eine Regularität in diesen Daten die Ergebnisse aller Studien prägen kann.51 Dieser als Data Mining oder Data Snooping bezeichnete Effekt motivierte weitere Studien in anderen Ländern.52

Schließlich ist auch die Wahl der Benchmark nicht frei von Kritik geblieben.Roll (1977)weistnach,dassdiegemessene Performancevonder Benchmark abhängt.53 Stephan (2015) bestätigt, dass Carhart-Alphas beiunterschiedlichen Benchmarks deutlich divergieren.54 Fama und French(1993) ziehen bei ihrer Studie alle Unternehmen heran, die an den US- Börsen NYSE, AMEX und NASDAQ notiert sind.55 Da wir aus Gründen der Vergleichbarkeitbezweifeln,dassdieseinesinnvolle Benchmarkfür Sektorenfonds ist, schließen wir in der vorliegenden Untersuchung Sektorenfonds aus der Datenbasis aus.

2.5 Weitere Einflussfaktoren und Modelle der Performancemessung

Währenddievon Carhartsowie Famaund Frenchaufgenommenen Faktorenempirischmehrfachüberprüftwurden,argumentierenviele Autoren bereits die Relevanz weiterer Faktoren, die teilweise diebestehenden Modelle erweitern. Fung und Hsieh (1997a) argumentierenbeispielsweise, dass die Performancemessung von Hedgefonds weitere Faktorenbenötigtundführen Asset-Based-Style-Faktorenein.56 Auch Fama und French (2015) entwickeln ihr Dreifaktormodell weiter zu einem Fünffaktormodell.57 Sie nehmen dabei keinen Momentumfaktor auf,sondern fügen ihrem Dreifaktormodell einen Profitabilitäts- sowie einen Investmentfaktor hinzu.

Bessler et al.(2011) dokumentieren, dass Mittelzu- und-abflüsse bei Investmentfonds sowie ein Wechsel des Fondsmanagements Einfluss aufdie Performancehabenund Persistenzverhindern.58 Berkund Green(2004)59 stellen die Hypothese auf, dass Mittelflüsse die Rückkehr dererfolgreichsten und erfolglosesten Fonds zum Mittelmaß - die sogenannte Mean Reversion - erklären. Bessler et al. (2011) stützen diese Hypothesemitempirischen Daten.Die Studiezeigt,dassinder Vergangenheiterfolgreiche Fonds hohe Mittelzuflüsse erfahren haben, welche die Performancebelasteten.Vergleichbare Fonds,diekeine Mittelzuflüsseverzeichnen, schneiden im Folgejahr durchschnittlich 0,21 % pro Monatbesser ab als solche mit hohen Zuflüssen. Die Studie verwendet das Carhart-Vierfaktormodell zur Performancemessung.

Aus wenig erfolgreichen Fonds ziehen Investoren Gelder hingegen ab,wodurch die Performance gegenüber der Vergleichsgruppe um 0,09 % pro Monat steigt. Bessler et al. argumentieren, dass Mittelzuflüsse bei guten Fonds liquiditätsmotivierten anstatt wertmotivierten Handel verursachen.Schlechte Fonds sollen sich durch das geringere Geldvolumen auf dieprofitabelsten Investitionen fokussieren können.60 Der Finanzdienstleister Sauren berichtet in einer Studie ebenfalls von einem negativen Zusammenhang zwischen Fondsgröße sowie Performance und nennt als Gründe abnehmende Flexibilität des Managers sowie steigende Transaktions- und Opportunitätskosten.61

Alsweiteren Einflussfaktoridentifiziertdie Studieeinen Wechseldes Fondsmanagements,welchedie Mean Reversionverursachen.Erfolg- reiche Fonds mit Managerwechsel erzielen im Durchschnitt eine um 0,1 %pro Monat schwächere Performance im Folgejahr als erfolgreiche Fondsohne Wechsel. Erfolglose Fonds profitieren durch einen Managerwechselvon einer Verbesserung der Performance um 0,09 % pro Monat gegenübererfolglosen Fonds ohne einen solchen Wechsel. Problematisch an der Empfehlung, Investitionsentscheidungen bei Fonds von Mittelzuflüssen und Managerwechseln abhängig zu machen, ist die oft unzureichende Verfügbarkeit dieser Daten. So gibt es in Deutschland bei Wechseln des Fondsmanagements derzeit keine gesetzliche Publikationspflicht. Zudemwerden Fonds nicht nur von einzelnen Personen, sondern zunehmendauch von Teams verwaltet.62 Hier stellt sich die Frage, wann der Wechseleinzelner Teammitglieder einen messbaren Einfluss auf die Performancehat. Bessler et al. geben an, dass die Fondsgesellschaften bei Teams nursignifikante Wechsel melden. Massa et al. (2010) weisen allerdings nach,dass Fondsgesellschaften unter Umständen Anreize haben, diese Zuständigkeiten nicht offenzulegen.63 Insofern darf man bezweifeln, dassdie freiwillige Selbstauskunft der Fondsgesellschaften für einewissenschaftliche Studieausreicht.Unterschiedezwischenden Fondsgesellschaften bezüglich der Kommunikationspolitik derartiger Managementwechsel könnten die Daten verzerren.

Barelkowska (2010) untersucht mit einer selbst erstellten Datenbank fürdendeutschen Markt124Aktienfondsauf Managementwechsel.64 Siebestätigt das Ergebnis von Bessler et al. (2011), demzufolge ein Wechseldes Fondsmanagements signifikanten Einfluss auf die Performance hat, diebei ihrer Studie mit dem Jensen-Alpha und der Sharpe-Ratio gemessenwird.Soführen Wechselvonerfolgreichen Fondsmanagernzueiner Verschlechterung und der Austausch wenig erfolgreicher Manager zu einer Verbesserungder Fondsperformance.Bezüglichder Problematikbei Wechseln von Teammitgliedern trifft sie die Annahme, dass diese keinen Einfluss auf die Performance haben. Wechsel werden in dieser Studie nur registriert, wenn das komplette Team ausgetauscht wird.65 Dies reduziertgegenüber der Studie von Bessler et al. die Gefahr, dass die Kommunikationspolitik der unterschiedlichen Fondsgesellschaften Einflussauf das Ergebnis nimmt. Wechsel, die ein Team zwar weitreichend abernicht vollständig ändern, werden dadurch jedoch nicht betrachtet. Es lässtsichfesthalten,dassdiefehlendegesetzliche Publikationspflichtbei Managementwechseln ein Problem darstellen kann. Die Datenqualität von Studien, welche die Person des Fondsmanagers betrachten, kann von Verzerrungen geprägt sein. Barelkowska (2010) plädiert daher für die Einführung einer solchen Mitteilungspflicht.

Kreuzberg(2006) legt den Fokus auf die Nutzung aller öffentlichzugänglichen Informationen, um die Performance eines Fonds zubewerten.66 Er kritisiert, dass Performancenachdem Vierfaktormodellallein auf Renditeinformationen basiert. Die große Mehrheit der öffentlichgehandelten Aktienfonds veröffentliche jedoch alle drei bis sechs Monate Informationen bezüglich der Fondsinvestitionen.67 Diese öffentlichzugänglichen Portfolioinformationen werden vom Carhart-Vierfaktormodellundanderenexternen Performancemaßenignoriert.Daherwerdedas Fondsrisikonachdiesen Bewertungsmodellenzuhochausgewiesen,wodurch die Performance verzerrt werde.

Es gibt auch Bewertungsmodelle, die auf Portfolioinformationen basieren.Daniel et al. (1997) entwickeln z. B. ein Modell, in dem die von einem Portfolio gehaltenen Aktien als Benchmark dienen.68 Chen, Jegadeesh und Wermers (2000) bewerten in ihrer Studie die Performance von Fondsebenfalls anhand gehaltener Wertpapierpositionen.69 Diese Modellebeachten allerdings die Renditeinformationen nicht ausreichend und sinddaher laut Kreuzberg ebenfalls fehlspezifiziert. Kreuzberg entwickelt dassogenannte gewichtsbasierte Vier-Faktor-Alpha,dassowohldieklassi- schen Renditeinformationen des Carhart-Vierfaktormodells enthält als auchveröffentlichte Portfolioinformationen berücksichtigt. Zur Bestimmung des Fondsrisikos werden die Fondsgewichte zu den Offenlegungszeitpunktengenutzt. Kreuzberg wertet anschließend alle offenen, US-amerikanischen Aktienfonds im Zeitraum 1983 bis 2003 aus und vergleicht die Ergebnisse zwischen dem traditionellen und dem gewichtsbasierten Vierfaktormodell. Beim gewichtsbasierten Alpha werden Fonds, die Portfolioinformationen veröffentlichen, deutlich positiver bewertet.70

Generell ist die Fragestellung Kreuzbergs, welches Risiko ein Investordadurchaufnimmt,dassernichtvollständige Informationenüberdie Entscheidungendes Fondsmanagementsbesitzt, fürdie Performance- messung relevant. Da eine transparente Offenlegungspolitik dieses Risikoreduziert, hat diese somit Einfluss auf die Performance. Kreuzberg selbstschränkt die Aussagekraft seiner Ergebnisse dahingehend ein, dass für dasgewichtsbasierte Vier-Faktor-Alpha zum Zeitpunkt der Studie noch kein Signifikanztest existiere. Dadurch kann keine Aussage getroffen werden,ob die Ergebnisse statistisch signifikant sind. Dies ist unseres Wissensweiterhin der Fall. Daher wird in dieser Arbeit das Modell von Kreuzberg(2006) nicht verwendet. Der zentrale Gedanke, veröffentlichte Portfolio- informationen ebenfalls zu berücksichtigen, wird jedoch in Kapitel 4.1.2aufgenommen und Untergruppen, getrennt nach Kapitalallokation, gebildet.

Der Vollständigkeit halber sei noch das bekannte, risikoadjustierte Performancemaß Sharpe-Ratio genannt.71 Gegenüber dem Jensen-Alpha, das lediglich das systematische Risiko betrachtet, misst die Sharpe-Ratio dieÜberrenditeeines Fondsgegenüberderrisikolosen Renditein Abhängigkeit des Gesamtrisikos einer Kapitalanlage. Bei Geldanlagen, die das unsystematische Risiko nicht durch Diversifizierung eliminieren, ist die Sharpe-Ratio daher besser geeignet.72

3 Übersichtderwissenschaftlichen Literaturzur Performance- Persistenz

3.1 Definition von Performance-Persistenz

Wie eingangs erläutert lautet die zentrale Frage dieser Arbeit: Kann manausderbisherigen Performancevon Aktienfonds Aussagenüberdiezukünftige Performance treffen? Um Performance-Persistenz (im Folgenden: Persistenz) zu testen, wird zumeist der Untersuchungszeitraumin zwei Perioden geteilt.73 Die erste Periode wird in dieser Arbeit Vorperiodegenannt, die zweite als Folgeperiode bezeichnet. Persistenz bedeutet, dass Fonds, die in der Vorperiode ein positives oder negatives Alpha erwirtschaftethaben,diesinder Folgeperiodeerneuttun.Persistenz behandelt somit die Frage, wie viele Informationen ein Anleger aus der historischen Performance eines Fonds gewinnen kann.74

Bei vorliegender Persistenz kann somit die historische Performance für die Prognose der zukünftigen Fondserträge genutzt werden. Kontrec- Goedecke(2010)formulierthierzufolgendenautoregressiven Prozesserster Ordnung:75

Abbildung in dieser Leseprobe nicht enthalten

ρ bildet hierbei den Persistenzparameter, εi ist ein Störterm mit Erwartungswertnull. Wennρpositive Werteannimmt,soistpositive Persistenz vorhanden. In diesem Fall bleiben die Vorjahresgewinner auchweiterhin die Gewinner, in die ein Anleger investieren sollte. Falls ρ nichtsignifikant von null verschieden ist, hat die Vorjahresperformance keinen Einfluss auf die zukünftige Performance. Dies wird generell als Mean Reversion bezeichnet.

Bei negativen Werten für ρ liegt negative Persistenz vor. Die Gewinner der Vorperiode sind somit in der Folgeperiode die Verlierer, der Trend kehrtsich um. In diesem Fall sollten Anleger die Vorjahresverlierer kaufen, wasgenerell als Contrarian-Strategie bezeichnet wird. Diese Art von Persistenzwirdinder Literaturnurseltenvorgefunden.Daherwirdder Begriff„negative Persistenz“ineinigen Studiengebraucht,umdiepositive Persistenz der erfolglosen Fonds zu benennen, also den Zustand, dass Verlierer weiterhin Verlierer bleiben. Diese Bezeichnung verwendet dievorliegende Arbeit nicht. Wenn im Folgenden nur von Persistenz die Redeist, bezeichnet dies die positive Persistenz. Mit negativer Persistenz wirddie Trendumkehr benannt. Eine Abgrenzung, ob die Persistenz sich primärauf Gewinner oder Verlierer bezieht, nehmen diese Begriffe nicht vor.

Weiterhin kann zwischen relativer und absoluter Persistenz unterschiedenwerden. Relative Persistenz zeigt sich, wenn ein Fonds im Vergleich zuden anderen Fonds der Untersuchung in Vor- und Folgeperiode stets unterden Besten landet. Absolute Persistenz hingegen wird z. B. an einemdurchgängig positiven Carhart- oder Jensen-Alpha festgemacht. Falls ein Fondsbeispielsweisezwarinbeiden Periodenderbeste Fondsder Untersuchung ist, aber in der Vorperiode ein deutlich positives Carhart- Alphaundinder Folgeperiodeeindeutlichnegatives Carhart-Alpha aufweist, so ist zwar relative Persistenz, aber keine absolute Persistenz für diesen Fonds vorhanden.

Beider Messungvon Persistenzkannmandie Studienanhanddesverwendeten Performancemaßessowiederstatistischen Testmethodeunterscheiden.Dieüblichen Performancemaßewurdenin Kapitel 2besprochen. Im folgenden Abschnitt werden die drei geläufigsten Test- methoden vorgestellt. Die vergleichsweise selten gebrauchte Methode des Spearman-Rangkorrelationstests wird in Kapitel 4.2 erläutert.

3.2 Statistische Testmethoden für Performance-Persistenz

3.2.1 Regressionsmethode gemäß Grinblatt und Titman

Grinblatt und Titman (1992) entwickelten diesen Ansatz und prüfen miteiner linearen Regression, welcher Anteil der Alphas der Folgeperiodedurch die Alphas der Vorperiode erklärt werden kann.76 Ihr Datensatzumfasst 279 Investmentfonds über einen Zeitraum von zehn Jahren, vom

31.12.1974 bis 31.12.1984. Anschließend berechnen sie das Jensen-Alpha jedes Fonds für die ersten fünf Jahre der Vorperiode sowie für die zweiten fünf Jahreder Folgeperiode.Als Benchmarkfürdie Berechnungdes Jensen-Alphas nutzen sie eine sogenannte P8-Benchmark, welche aus acht passiven Portfolios besteht. Damit kontrollieren sie Effekte, die aus der Größe oder der Dividendenrendite resultieren können.

Auskunftüberden Einflussder Vorperiodenalphasalsunabhängige Variable auf die Alphas der Folgeperiode als abhängige Variable gibt der Steigungsparameter der Regressionslinie. Falls dieser positiv ist, weist esauf positive Persistenz hin. Um die statistische Signifikanz zu testen,entwickeln Grinblattund Titman (1992)einenalternativent-Test.Ihre Ergebnissesagenaus,dassfürjeden Prozentpunktder Alphasder Vorperiode der Erwartungswert der Alphas der Folgeperiode um 0,28 %pro Jahr steigt. Der Steigungsparameter ist also positiv, zudem sind die Ergebnisse statistisch signifikant. Die Ergebnisse des Regressionsansatzesgeben somit Einblick über das Vorliegen und Ausmaß von Persistenz.

Umzuprüfen,obdiegefundene Persistenzdurch Gebührenund Transaktionskosten begründet ist, werden die Renditen des erfolgreichsten Dezils - also die 10 % der Fonds mit den höchsten Renditen - jenen Renditen des erfolglosesten Dezils gegenübergestellt. Falls Gebühren und Transaktionskosten die Persistenz verursachen, so müsste die Rendite deserfolgreichsten Dezils in der Folgeperiode ein negatives Ergebnis in Höheder Transaktionskosten ausweisen.77 Da dies nicht der Fall ist, folgern Grinblatt und Titman (1992), dass Gebühren und Transaktionskosten nureinen Teilderpositiven Persistenzerklärenkönnen.Aufgrunddieser Ergebnisseempfehlensie Anlegern,diehistorische Performancevon Fonds zu analysieren.78

3.2.2 Portfolioansatz gemäß Hendricks, Patel und Zeckhauser

Hendricks, Patel und Zeckhauser(1993) nutzen erstmals den Portfolioansatz zur Messung von Persistenz.79 Sie untersuchen die Erträgevon 165 wachstumsorientierten Aktienfonds für die Periode von 1974 bis1988 auf vierteljährlicher Basis. Sie beschränken sich auf Fonds ohne Ausgabeaufschlag,umdie Transaktionskostenfür Umschichtungenzureduzieren. Durch Fondssterben reduziert sich die Anzahl der Aktienfondszwischen 1974 bis 1988 auf 94 Fonds.80 Als Performancemaß nutzen siedas Jensen-Alpha sowie die Sharpe-Ratio. Damit die Ergebnisse nichtdurch Anomalienwieden Size-Effektverzerrtwerden,verwendensiegenau wie Grinblatt und Titman (1992) die P8-Benchmark sowie mehrere Marktbenchmarks.

Kern des Ansatzes ist es, die Fonds gemäß der Vorperiodenperformance in Oktileoder Rangportfolioszusortieren.Jedes Oktilenthältzwölfbisfünfzehn Aktienfonds. Anschließend wird die Performance der Oktile in der Folgeperiode gemessen. Die Renditedifferenz zwischen den unterschied- lichen Rangportfolios - besonders zwischen dem erfolgreichsten und demerfolglosesten Portfolio - gibt Rückschlüsse über vorliegende Persistenz.Falls diese Renditedifferenz positiv ist, ist dies ein Hinweis auf positive Persistenz, bei negativer Rendite kann auf negative Persistenzgeschlossen werden. Diese Renditedifferenz wird durch eine kostenlose Handelsstrategie gebildet. Der Kauf des besten Oktils wird durch einen Leerverkauf des schlechtesten Oktils finanziert. Da Privatanleger nicht überdie Möglichkeitverfügen,einen Fondsleerzuverkaufen,istdiese Handelsstrategie nicht umsetzbar.81 Aus wissenschaftlicher Sicht hat siedafür Vorteile. Die Höhe der Rendite ist ein Gradmesser für die Stärke der Persistenz, zudem kann man die Ursachen für die Persistenz untersuchen.

Hendricks, Patel und Zeckhauser(1993) variieren die Dauer der Vorperiodezwischeneinemundacht Quartalen.Beieinerzukurzen Vorperiode vermuten sie, dass der Einfluss des Zufalls zu hoch ist. Bei einer zu langen Vorperiode erwarten sie eine Abnahme der Persistenz. Den stärksten Nachweis von Persistenz findet sich für eine Vorperiode von vier Quartalen.Inder Folgeperiodehatdasschlechteste Oktilein signifikant negatives Jensen-Alpha. Das Jensen-Alpha des besten Oktils ist positiv, jedoch nicht statistisch signifikant.82

Sie weisen nach, dass Jensen-Alphas und Sharpe-Ratios mit den Oktilenmonoton ansteigen, und das unabhängig von der genutzten Benchmark.Für 1 % Rendite der Vorperiode steigt der Erwartungswert für die folgendenvier Quartale um 30 Basispunkte und nimmt anschließend ab.83 Als Gründefür diese positive, jedoch abnehmende Persistenz diskutieren die Autorenu.a. Managementwechsel, hohe Mittelzuflüsse, sowie steigende Kostendurch Erfolgsprämien.

Die Renditedifferenz zwischen dem bestenund dem schlechtesten Rangportfolio liegt je nach Performancemaß zwischen sechs und acht Prozentim Jahr.Dabesondersschlechte Fondsdiesignifikanteste Persistenz aufweisen, können Privatanleger Rückschlüsse daraus ziehen,welche Fonds vermieden werden sollten. Durch Vermeidung der persistentschlechten Fonds lasse sich ebenfalls eine Performance erreichen, diebesseralsder Durchschnittaller Fondssei.Hendricks,Patelund Zeckhauser (1993) empfehlen abschließend, in jedem Quartal jene Fondszu kaufen, die in den letzten vier Quartalen die beste Performance gezeigthaben. Somit lasse sich eine signifikante Überperformance realisieren.

3.2.3 Kontingenztabellenansatz gemäß Brown und Goetzmann

Dieser Ansatz wurde erstmals von Goetzmann und Ibbotson (1994) sowie Brown und Goetzmann (1995) zur Messung von Persistenz genutzt.84 Im Folgenden wird der Beitrag von Brown und Goetzmann (1995) besprochen, die Ergebnisse von Goetzmann und Ibbotson (1994) sind im nächsten Kapitel enthalten.

Als Datenbasis betrachtet die Studie eine variierende Anzahl von Aktienfonds zwischen den Jahren 1976 (372 Fonds) bis 1988 (829 Fonds).Kontingenztabellen zählen zu den nicht-parametrischen Verfahren. Gemäßeiner Entscheidungsregel werden die Fonds entweder als Gewinner oder Verlierer klassifiziert. Bei Brown und Goetzmann (1995) ist ein Fonds als Gewinner eingestuft, wenn sein Ertrag über dem Median aller betrachteten Fonds liegt, ansonsten ist er ein Verlierer.85 Vorerst ist dieser Ertrag nichtrisiko-adjustiert. Alle Fonds werden in Vor- und Folgeperiode entsprechenddieser Regel bewertet. Fonds, die im Untersuchungszeitraum geschlossenwurden, werden entsprechend markiert. Die entstehende 2x3 Kontingenz- tabelle zeigt die Häufigkeit der einzelnen Gruppen. Als WW wird die Anzahljener Fonds bezeichnet, die in zwei aufeinanderfolgenden Perioden als Gewinner gezählt wurden, unter LL wird entsprechend die Anzahl derdurchgehenden Verliererverstanden.86 Analogist WLdie Anzahlder Fonds, die in der Vorperiode Gewinner und in der Folgeperiode Verliererwaren, der umgekehrte Fall wird mit LW gekennzeichnet. Die Persistenzwird nun mit dem Kreuzproduktverhältnis (im Folgenden CPR für „cross- product ratio“)87 bewertet, welches folgendermaßen berechnet wird:

Abbildung in dieser Leseprobe nicht enthalten

Ein CPR-Wert von eins signalisiert, dass ein Gewinner der Vorperiode mitgleicher Wahrscheinlichkeit in der Folgeperiode als Gewinner oder Verliererklassifiziert wird. Es liegt in diesem Fall keine Persistenz vor. Signifikante Werte größer eins deuten auf positive Persistenz, Werte kleiner eins aufnegative Persistenz hin. Zum Testen der statistischen Signifikanz nutzen Brown und Goetzmann (1995) den Standardfehler des natürlichen Logarithmus des CPR. Im Untersuchungszeitraum findet sich in sieben voninsgesamt zwölf Jahren signifikant positive Persistenz, in zwei Jahrensignifikant negative Persistenz, bei dem die vorherigen Gewinner in der Folgeperiode mehrheitlich die Verlierer darstellen. Auch wenn das Jensen- Alpha als risiko-adjustiertes Performancemaß genutzt wird, tritt Persistenzweiterhin auf. Aus der negativen Persistenz folgern die Autoren, dass Persistenz generellnichtanden Fähigkeiteneinzelner Managerliegt, sondern ein Gruppenphänomen darstellt.88 Zudem hänge das Auftreten von Persistenz augenscheinlich vom Untersuchungszeitraum ab.

Im zweiten Schritt wird die Entscheidungsregel zur Klassifizierung der Fonds dahingehend geändert, dass die Fonds den S&P 500 Index alsabsolute Benchmark anstatt einer relativen Benchmark schlagen müssen,um als Gewinner zu zählen. Es wird also absolute statt relative Persistenzgemessen.Hierbeidominierendiepersistenten Verlierer,diefürdaserneute Auftreten von positiver Persistenz verantwortlich sind. Im dritten Schritt werden alle Fonds mit einem positiven Jensen-Alpha als Gewinnerbewertet. Für diesen Fall weisen fünf Jahre positive Persistenz vor, zwei Jahre sind von negativer Persistenz gekennzeichnet, bei denverbleibenden fünf Jahren ist das Ergebnis nicht statistisch signifikant.

Analog zu Hendricks, Patel und Zeckhauser (1993) wird die ökonomische Bedeutungmiteinersimulierten,sichselbstfinanzierenden Handels- strategiegeprüft,inderdaserfolgreichste Oktilgekauftunddiepersistenten Verlierer im erfolglosesten Oktil leer verkauft werden. Die soberechnete Rendite ist zwar signifikant, beruht jedoch maßgeblich auf denschlechtesten Fonds. Wenn diese aus der Untersuchung ausgeschlossenwerden, ist das Ergebnis insignifikant. Eine Zugehörigkeit zum schlech- testen Oktil in der Vorperiode sei hingegen ein ausgezeichneter Schätzerfüreineebenfallsunterdurchschnittliche Leistunginder Folgeperiode.Brown und Goetzmann (1995) empfehlen daher, aus der Analysehistorischer Performance insbesondere Informationen darüber zugewinnen, welche Fonds man vermeiden sollte.

Abschließend lässt sich festhalten, dass mit Kontingenztabellen verhältnismäßig einfach und schnell das Vorhandensein von Persistenz überprüft werden kann. Um die Ursachen von Persistenz zu erklären, liefert dieser Ansatz allerdings nur wenige Hinweise.89

3.3 Weitere empirische Evidenz

3.3.1 Tabellarische Übersicht der wissenschaftlichen Literatur

Zuerst folgt in Tabelle1 eine Übersicht relevanter Studien zur Performance-Persistenz. Anschließend werden ausgesuchte Studienbesprochen. Die zentralen Ergebnisse von Kreuzberg (2006), Barelkowska (2010) sowie Bessler et al. (2011) wurden bereits in Kapitel 2.5 vorgestellt,dadiesedrei Studien Faktorendiskutieren,welcheaufdiegenerelle Performance Einfluss nehmen. Grinblatt und Titman (1992), Hendricks,Patel und Zeckhauser (1993) sowie Brown und Goetzmann (1995) wurdengemeinsam mit den statistischen Testmethoden, die diese Studien prägten,in Kapitel 3.2 besprochen.

Neben dem verwendeten Performancemaß sowie der statistischen Testmethode sind weitere Charakteristika der Studien die Anzahl und Artder untersuchten Fonds, der Untersuchungszeitraum und der Zeithorizont.Generell hat die Anzahl der untersuchten Fonds pro Studie mit der Zeitdeutlich zugenommen. Grinblatt und Titman (1992) schreiben, die vonihnen betrachteten 279 Fonds stellen die bislang größte Untersuchung von Investmentfonds dar. Fortin und Michelson (2010) stellen mit 44.560 Fondseine vielfach größere Stichprobe dar.90 Auch bezüglich des Untersuchungs- zeitraumssowieder Längevon Vor-und Folgeperiodeergebensich Unterschiede. Brown und Goetzmann (1995) sowie Malkiel (1995)berichten, dass sich die vorgefundene Persistenz zwischen unterschied- lichen Dekaden deutlich unterscheidet.91

Für eine weitere Übersicht zu Studien über Performance-Persistenz bei Aktienfonds sei auf Droms (2006) verwiesen.92 Unseres Wissens ist diese Arbeit die bislang vollständigste Übersicht bezüglich Persistenzstudien von Investmentfonds.93 Die Konzentration liegt in dieser Arbeit auf Aktienfonds,Studien zu Hedgefonds sind in Tabelle 1 daher nicht berücksichtigt worden.Für eine Übersicht zu Persistenzstudien im Hedgefondsbereich siehe Eling(2009).94 Zur Übersichtlichkeit wird das Fama-French-Alpha in den Tabellenmit FF-Alpha abgekürzt.

Fama und French (2010) kritisieren, dass die Dauer der Vorperiode, in derdie Fonds erstmalig bewertet werden, bei vielen Studien zu kurz ist. Somitsei der Einfluss des Zufalls zu hoch und verhindere eine unverzerrte Bewertung der Fonds.95 Eling (2009) argumentiert hingegen, die Untersuchungszeiträume dürften nicht zu lang sein, denn mit der Zeitsteige die Wahrscheinlichkeit für einen Managementwechsel. Er empfiehltdaherbei Hedgefondsden Untersuchungszeitraumauf 10Jahrezubegrenzen.96 Da eine pauschale Zeitbegrenzung jedoch nur rein zufällig mitder Beschäftigungsdauereines Fondsmanagerskorrespondiert,mussdiese Empfehlung kritisch gesehen werden. Barelkowska (2010) berichtetfür deutsche Fondsmanager eine mittlere Beschäftigungsdauer von ca. 65Monaten.97

3.3.2 Weitere ausgewählte Studien

Da eine detaillierte Besprechung aller 23 Persistenzstudien den Rahmendieser Arbeit sprengen würde, werden im Folgenden drei spezielle Arbeitenvorgestellt und in Kapitel 3.3.3 eine zusammenfassende Bewertung erstellt.Carhart (1997)entwickelt -wiein Kapitel 2.3.2besprochen -das Dreifaktormodell von Fama und French (1993) weiter und nutzt es, um die Persistenzvon Fondszuerklären.98 Als Datenbasiswählter 1.892Aktienfonds im Zeitraum Januar 1962 bis Dezember 1993. Analog zu Hendricks, Patel und Zeckhauser (1993) werden zum ersten Januar jeden Jahres die Fonds entsprechend ihrer Vorjahresrendite in Dezile sortiert und Persistenz anhand einer sich selbst finanzierenden Strategie geprüft. Daserfolgreichste Dezil der Vorjahresgewinner wird gekauft, die Vorjahres- verlierer werden leer verkauft. In der Folgeperiode besteht zwischen dem Rang der Dezilportfolios und der Portfoliorendite ein annähernd monotoner Zusammenhang.99 Die Renditedifferenz zwischen den beiden Portfoliosliegt in der Folgeperiode bei 8 %. Wie auch bei Hendricks, Patel und Zeckhauser (1993)weisenbesondersdieschlechtesten Fondseineweiterhin enttäuschende Performance auf. Das CAPM kann diese Entwicklung nicht erklären, da die Betafaktoren der Fonds im besten undschlechtesten Dezil nahezu gleich sind. Das Vierfaktormodell zeigthingegen deutliche Unterschiede und führt fast die Hälfte der Renditedifferenz auf den Momentum-Effekt zurück. Zudem ist das erfolg- loseste Dezil von hohen Gebühren geprägt, wodurch die Rendite sinkt undebenfalls die persistent unterdurchschnittlichen Ergebnisse erklärt werden.

Carhart (1997) führt weiterhin einen Spearman-Rangkorrelationstest durch,mit dem die Hypothese einer zufälligen Verteilung der Fonds auf die Dezilenicht abgelehnt werden kann. Für die Hypothese, dass sich Persistenz inden besten und schlechtesten Performern konzentriert, kann der Test nichtangewendet werden.

Zudem wird die Persistenz mittels einer Kontingenztabelle ausgewertet.100 Carhart (1997) arbeitet nicht wie Brown und Goetzmann (1995) mit einer Aufteilung in 50 % Gewinner und 50 % Verlierer, sondern nutzt Dezile auf Basisder Bruttorendite.Ein CPR-Wertwirdsomitnichtberechnet,stattdessenwerdendie Renditender Dezileindenfünf Folgejahrenbetrachtet. Nur im ersten Folgejahr lässt sich bei den Gewinnern Persistenzbeobachten. Für das schlechteste Dezil hingegen ist die Persistenz längerbeobachtbar, während für die mittleren acht Dezile kein Trend erkennbarist. Abschließend empfiehlt Carhart (1997), die schlechtesten Fonds zuvermeiden, da diese nachhaltig schlechter abschneiden als andere Fonds.Die Arbeit von Carhart hat viele weitere Autoren maßgeblich beeinflusst,wodurch in späteren Studien oft das Carhart-Alpha als Performancemaßund der Portfolioansatz als statistische Testmethode genutzt wurde.

Die Arbeit von Fortin und Michelson (2010) sticht heraus, da diese mit 44.560untersuchten Investmentfondsdiemit Abstandgrößte Studie darstellt.101 Sie konzentrieren sich dabei nicht wie diese Arbeit auf einen bestimmten Fondstypen,sondernuntersucheninsgesamtneununterschiedliche Kategorien, die von internationalen Aktienfonds bis zu Anleihefonds reichen. Zur Auswertung werden Kontingenztabellen genutzt, in den Ergebnissen zeigen sich in sieben der neun Kategorien signifikante Hinweise auf positive Persistenz. Auf dieser Grundlage empfehlen die Autoren, in die Gewinner des Vorjahres zu investieren.

Kritisch an der Studie ist, dass keine adäquate Risikoadjustierung erfolgt,die Fonds werden mit der reinen Rendite bewertet. Die Autoren gebendabei nicht an, warum auf die Berechnung anderer Performancemaßeverzichtet wurde. Da es bei einer solch großen Stichprobe vermutlich deutliche Differenzen im Risiko auch innerhalb der neun Kategorien gibt, istdieses Vorgehen nicht nachvollziehbar. Weiterhin treffen die Autoren nurwenige Aussagen über die Relevanz ihrer Ergebnisse. Die hohe Signifikanzkann nicht bestritten werden, allerdings reicht bei einer derart großen Stichprobe bereits ein sehr schwacher Zusammenhang, um signifikante Ergebnisse zu erhalten. Die Kennzahl ϕ, die in dieser Arbeit zur Bewertungder Zusammenhangsstärke bei Kontingenztabellen in Kapitel 4 genutztwird, wird von Fortin und Michelson (2010) nicht dargestellt. Diese lässtsichaberausdenveröffentlichten Datennachträglichberechnen.Die Werte für ϕ liegen in allen neun Kategorien zwischen 0,00 und 0,24. Somitkann von einem sehr schwachen bis schwachen Zusammenhanggesprochen werden.

Abschließend sei noch die neueste Studie von Kaushik, Saubert und Saubert (2014) vorgestellt.102 Die Autoren betrachten 115 Fonds aus dem Healthcare-Bereich, die auf die USA fokussiert sind. Als Performancemaßewerden das Jensen- sowie das Carhart-Alpha genutzt. Die Autoren bildengemäß der Performance der Vorperiode Quintile und testen mittels der Portfoliomethode das Vorliegen von Persistenz. Das Ergebnis lautet, dasskeine Persistenz auftritt und Performance vom Zufall bestimmt sei. Dies giltsowohl für kürzere Zeiträume von einem Jahr als auch für den gesamten Untersuchungszeitraum von zehn Jahren.

3.3.3 Zusammenfassende Bewertung der Performance-Persistenz

Die Studien kommen zu deutlich divergierenden Ergebnissen, wobei inmanchen Bereichen starke Übereinstimmung herrscht. So wird in keinereinzigen Studieein Nachweisfürnegative Persistenzgefunden.Eine Handelsstrategie, die auf die Verlierer der Vorjahres setzt und hofft, dassdiese aufholen, scheint somit nicht erfolgsversprechend. Schlimmer noch,der stärkste Nachweis für positive Persistenz findet sich gerade bei den Vorjahresverlierern. Diese erbringen auch in der Folgeperiode lautmehrerer Studien sowohl relativ zu anderen Fonds als auch absolut eineunterdurchschnittliche Performance. Bei Gewinnern zeigen sich inmehreren Studien Anzeichen für relative Persistenz. Eine absolute Persistenz für die Vorjahresgewinner zeigen deutlich weniger Studien auf.Zudem konzentriertsichdievorgefundene Persistenzsowohlbeidenbesten als auch bei den schlechtesten Fonds auf kurzfristige Zeiträume bis zu einem Jahr. Privatanleger können Aktienfonds in der Regel nicht leerverkaufen,umausder Persistenzder Vorjahresverlierer Gewinnezuerwirtschaften. Somit hilft die Auswertung der historischen Performanceeher dabei, Fonds zu identifizieren, in die man nicht investieren sollte.

4 Empirische Analyse der Performance-Persistenz

4.1 Datenbasis

4.1.1 Stichprobe A

Für die Analyse betrachtet diese Arbeit US-amerikanische Aktienfonds. Der Untersuchungszeitraum umfasst den 01.01.1996 bis 31.12.2015, womit die Performance der Fonds von unterschiedlichen Marktphasen geprägt ist.Für die Identifizierung von Fonds wurde der „Thomson Reuters Eikon Fund Screener“ verwendet.

Der Vergleich von Aktienfonds ist nur sinnvoll, wenn die Fondsmanagerübervergleichbare Möglichkeitenverfügen,Erfolgezuerzielen.Die Manager sind dabei nicht immer frei in ihren Entscheidungen, sondern inmehreren Dimensionenbestimmten Restriktionenunterworfen.Häufigbetreffen diese Restriktionen beispielsweise den geographischen Fokus,die Anlageklasse,wie Aktienoder Bonds,sowiedie Anlagestrategie,beispielsweisedie Fokussierungauf Unternehmenmiteiner Markt- kapitalisierung von mehr als 5 Mrd. US-Dollar. Viele der besprochenen Studienzur Persistenzschließendaherbestimmte Fondswiez. B.Sektorenfonds,103 Mischfonds, die neben Aktien auch in Bondsinvestieren,104 oder internationale Fonds105 aus.

Es wurden in dieser Arbeit folgende Kriterien definiert: Die Fonds müssen in den USA gelistete Aktienfonds sein, die Währung muss auf US-Dollar lauten und die Fonds müssen während des gesamten Untersuchungszeitraums aktiv sein. Der geographische Fokus muss in den USA liegen, der Anlagefokus auf Aktien, und der Fonds muss mindestens 10 Mio. USDollar an Total Net Assets aufweisen.

Durch die Bedingung, dass ein Fonds über die gesamten zwanzig Jahreaktiv sein muss, tritt der im Kapitel 2.4 besprochene Survivorship Bias indieser Datenbank auf. Da Thomson Reuters Eikon zudemvon vielen geschlossenen Fonds keine historischen Renditedaten bereithält, kann der Verzerrung auch nicht durch Inklusion geschlossener Fonds begegnetwerden.Der Großteilan Persistenzstudienzwischen 1995und2009inkludiert auch bereits geschlossene Fonds in ihre Datenbasis, um diese Verzerrungzuverhindern.Mit Fortinund Michelson (2010),Fanund Addams (2012) sowie Betker und Sheehan (2013) sind drei Persistenzstudien neueren Datums ebenfalls von Survivorship Biasbetroffen. Betker und Sheehan (2013) argumentieren, dass die Daten fürdie Persistenzmessung ausreichen.106 Fortin und Michelson (2010)hingegen meinen, dass Survivorship Bias dazu führe, generell weniger Persistenz bei den schlechtesten Fonds aufzufinden.107

Zur Bestimmung des geographischen Fokus und der Anlageklasse wird indieser Arbeit die Lipper Global Klassifizierung genutzt. Nach dieser mussein Aktienfonds mindestens 50 % seines Kapitals in einem bestimmten Land investieren, um dieses Attribut zu erfüllen.108 Passive Indexfondswurden entfernt. Dies ergab eine Menge von 321 aktiv gemanagten, auf die USA fokussierte Aktienfonds. Diese werden im Folgenden als Stichprobe Abezeichnet.

An dieser Stelle sei auch nochmal auf die Problematik bei Studien mit Betrachtung der Fondsmanager eingegangen. Für eine Stichprobe von 32Fonds wurden die Einträge zum aktuellen Fondsmanager ausgewertet. Bei 11 Fonds - und somit mehr als einem Drittel - stand der Eintrag „Team Managed“. Ein hoher Anteil an Fonds wäre in dieser Datenbankentsprechend nicht sinnvoll auswertbar. Vier Fonds hatten einen einzelnen Manager, die restlichen 17 hatten zwei oder mehr Manager. In der weiteren Arbeit wird auf die Person des Managers nicht weiter eingegangen.

4.1.2 Stichprobe B und Untergruppen gemäß Anlegergruppe und Kapitalallokation

Die Vorgehensweise zur Ermittlung von Stichprobe A entspricht einemgroßen Teil der diskutierten Persistenzstudien. Es stellt sich die Frage, obdiese Kriterien ausreichen, um von gleichwertigen Möglichkeiten zwischenden Fonds auszugehen. Im Folgenden werden weitere mögliche Kriterien

besprochen und eine zweite Stichprobe gezogen, um den Einfluss dieser Kriterien zu prüfen.

Eine Möglichkeit zur Unterscheidung von Aktienfonds ist die Zielgruppe der Anleger. Dies können Privatanleger sein, einige Aktienfonds in Stichprobe A sind allerdings nur für institutionelle Investoren verfügbar. Man darfhinterfragen, ob zwei Fonds, die sich lediglich im Anlegertyp systematischunterscheiden, noch vergleichbar sind. Denkbar ist, dass institutionelle Investorennichtanonyme Anlegersindundmehr Einflussaufden Aktienfonds ausüben, als Privatanleger dies tun. Auch könnten Fonds mitverschiedenen Anlegertypensystematischunterschiedliche Mittelflüsseaufweisen, die gemäß Bessler et al. (2011) Einfluss auf die Performancenehmen.109 Hendricks, Patel und Zeckhauser (1993) nehmen in ihrer Studienur Aktienfonds auf, die für alle Investoren zugänglich sind.110 Auch Elton,Gruber und Blake (1996) nennen die Bedingung, dass alle Investorenbefähigt sein müssen, einen Fonds kaufen zu können.111 Fan und Addams(2012) eliminieren in ihrer Studie alle institutionellen Fonds.112 Busse,Goyal und Wahal (2007) betrachten hingegen nur institutionelle Portfolios.113

Neben formalen Bedingungen für Investoren kann eine solche Selektionauch durch geforderte Mindestinvestitionen errichtet werden. Im Folgendenwerden Fonds mit einer Mindestinvestition von 1 Mio. US-Dollar und mehrebenfalls als institutionelle Fonds klassifiziert. In Stichprobe A werden 46Fonds identifiziert, die entweder institutionellen Investoren vorbehalten sindoder eine entsprechende Mindestinvestition verlangen. Die Daten bezüglich Vorgaben einer Mindestinvestition wurden von Morningstar erhoben.

Mit einem Mittelwertvergleich wird geprüft, ob sich Differenzen in der Performancezwischeninstitutionellenundnichtinstitutionellen Fondszeigen. Für die 46 institutionellen sowie die verbleibenden 275 Fondswerden jeweils die Fama-French-Alphas der beiden Dekaden ermittelt.Anschließend wird der gleichgewichtete Mittelwert berechnet. Bei den 46institutionellen Fondsbeträgtdieserim Zeitraum 1996-2005-0,98 %jährlich. Bei den 275 verbliebenen Fonds ergibt sich ein Wert von -0,20 %jährlich. Ein Unterschied von 0,78 % ist somit vorhanden, statistisch ist

dieser nicht signifikant. In der zweiten Periode beträgt der Unterschied0,04 % jährlich. Es sei erwähnt, dass es bei einigen Fonds unterschiedliche Klassen von Fonds gibt. Der „Harbor Capital Appreciation Fund“ existiertbeispielsweise in vier Klassen, getrennt nach Anlegergruppe in „Institutional Class“, „Administrative Class“, „Investor Class“ und „Retirement Class“.Durch den Fund Screener ist bei Ermittlung von Stichprobe A nur der Fonds für institutionelle Investoren berücksichtigt worden. Die anderen drei Klassen - die formell eigene Fonds darstellen -sindindieser Untersuchung nicht enthalten. Einige Studien betrachten in solchen Fällenalle möglichen Klassen und berechnen eine Gesamtperformance für den Fonds anhand einer speziellen Gewichtung.114

Nach dem Unterschied zwischen institutionellen und nicht institutionellen Fonds soll die Frage nach der generellen Beschränkung von Investitionenbei Fonds diskutiert werden. Aktienfonds können Neuinvestitionen nur fürbereits bestehende Anleger zulassen oder komplett untersagen. In der Morningstar Datenbank wird ein solcher Fonds im ersten Fall als „Limited“,imzweitenals „Closed“markiert.Im Thomson Reuters Eikon Fund Screener werden solche Fonds als aktiv klassifiziert und sind nicht vonunbeschränkt zugänglichen Fonds unterscheidbar. Dieses Merkmal wirddurch den Ausschluss von neuen Investoren vermutlich Einfluss auf die Mittelflüssenehmen,wodurcheventuelldie Performancesichandersentwickelt als bei Fonds ohne Limitierung. Es stellt sich also auch hier die Frage,obzwei Fonds,diesichalleinbeider Beschränkungvon Neuinvestitionen unterscheiden, vergleichbar sind.

In Stichprobe Awerdenper Abgleichmitder Morningstar Datenbankinsgesamt 27 geschlossene oder begrenzt zugängliche Fonds gefunden.Es sei darauf hingewiesen, dass keine Informationen erhoben worden sind,abwelchem Datum Neuinvestitionenbegrenztwurden.Analogzumbeschriebenen Vorgehenbeideninstitutionellen Fonds werdendie Mittelwerte der Fama-French-Alphas für die 27 Fonds und die verblei- benden 294 Fonds gebildet. Im Zeitraum 1996-2005 weisen die 27 Fondsmit Beschränkungen durchschnittlich ein Fama-French-Alpha von 0,61 %jährlich auf. Bei der Vergleichsgruppe beträgt dieses -0,40 % pro Jahr. Der Unterschied liegt bei 1,01 % im Jahr, ein Test per Mittelwertvergleich zeigtkeine statistische Signifikanz. In der Folgeperiode sinkt die Differenz auf0,51 % pro Jahr.

Dakeinederin Kapitel3 vorgestellten Studieneine Übersichtderuntersuchten Fondsgibt,kannleidernichtgeprüftwerden,obhierinstitutionelle oder begrenzt zugängliche Fonds enthalten waren. Bis auf Hendricks, Patel und Zeckhauser (1993) sowie Elton, Gruber und Blake(1996) geht keine Studie explizit auf die Frage ein, ob die betrachteten Fonds auch allen Investoren zugänglich sein müssen. Kreuzberg (2006)beschränkt seine Datenbasis auf „offene“ Aktienfonds, definiert diesen Begriffjedochnichtweiter.115 Umzuprüfen,obessystematische Differenzengibt,werdendie 46institutionellenunddie 27limitiertzugänglichen Fonds als solche markiert und einer entsprechenden Untergruppe zugeordnet.

Mehrere Studien teilen die betrachteten Aktienfonds nicht anhand der Zugänglichkeit, sondern aufgrund der Anlagestrategie in Untergruppen wie z. B.„growth“ oder „smaller companies“ auf.116 Die Ergebnisse werden anschließend nur in den Untergruppen auf Persistenz untersucht. Da diese Arbeit Multifaktormodelle nutzt, welche die Anomalien von solchen Strategien bereinigen, wird diesem Ansatz nicht gefolgt.

Ebenfalls stellt sich die Frage, ob eine Klassifizierung gemäß den Lipper Global Kriterien ausreicht, um von gleichwertigen Möglichkeiten für diebetrachteten Fonds auszugehen. Griffin (2002) zeigt zudem, dass die Risikofaktoren des Fama-French-Dreifaktormodells regionenspezifisch undnicht global sind.117 Es müssen also zur Ermittlung des Fama-French- Alphas jene Risikofaktoren genutzt werden, die dem geographischen Fokusdes Fonds entsprechen. Dies ist teilweise mit Schwierigkeiten verbunden.Der in Stichprobe A enthaltene Fonds Westcore Blue Chip Dividend Fund(WTMVX)118 weist beispielsweise im Berichtszeitraum Februar 2016 einen Kapitalanteilvon 55 %bei US-amerikanischen Aktienaus, 45 %sindaußerhalb der USA investiert. Somit ist der Grenzwert von 50 % der Lipper Global Kriterien noch erfüllt. Der Verkaufsprospekt des Fonds gibt keinerlei Einschränkungen für Investments außerhalb der USA.119 Andere Fonds wie z. B. Allianz GI NFJ Mid-Cap Value Fund (PQNCX) hingegen beschränkenden Anteil des Kapitals, der außerhalb der USA investiert werden darf, auf

25 %.120 Zum einen darf hinterfragt werden, ob diese Fondsmanager über gleichwertige Anlageoptionen verfügen. Zum anderen verlieren die Risikofaktoren der Multifaktormodelle an Erklärungskraft, wenn ein Fonds wie der Westcore Blue Chip Dividend Fund fast zur Hälfte außerhalb der USA investiert ist. Auch der Fonds T Rowe Price Spectrum Growth (PRSGX) hat im letzten Berichtszeitraum nur 59 % in den USA investiert.

Doch nicht nur bei Investments in unterschiedliche Regionen zeigen sich Differenzen. Der Fonds Guggenheim Style Plus - Large Core (SECEX) darflaut Prospekt das gesamte Kapital in unsicheren Marktphasen auch in Bonds investieren.121 Zum letzten Berichtszeitraum weist Morningstar fürdiesen Fonds einen Bondsanteil von 30 % und einen Cash-Anteil von 14 %aus. Der in US-Aktien gehaltene Anteil lag bei 16 %. Beim Fonds American Funds Growth Fund of America (AGTHX) wiederum schreibt der Prospekteine Mindestgrenze von 65 % für Aktien vor und begrenzt Invesitionenaußerhalb der USA auf 25 %.122 Andere Fonds wie der Fidelity Contrafund(FCNTX) haben hingegen keinerlei quantitative Einschränkungen in der Kapitalallokation.123 Diese Beispiele sollen illustrieren, dass auch Fonds mitidentischer Lipper Global Klassifizierung deutliche Unterschiede in den Anlageklassenaufweisenkönnen,wodurchdie Vergleichbarkeitsinkt.Zudem sind die Fonds oft verschiedenen Restriktionen ausgesetzt.

Fama und French (2010) schließen in ihrer Untersuchung Fonds aus, dienicht hauptsächlich in US-Aktien investiert sind.124 Eine spezifische Grenzewird allerdings nicht genannt. Barelkowska (2010) betrachtet in ihrer Arbeitnur Fonds,dieinmindestens 70 %der Laufzeitindeutsche Aktieninvestiertwaren.125 Wie bereitsdargestellt,schließenviele Persistenz- studien z. B. Mischfonds aus der Betrachtung aus. Leider wird generellnicht diskutiert, nach welchen Kriterien Mischfonds als solche identifiziertwerden. Stattdessen wird zumeist die Datenbank genannt, welche diehistorischen Renditedaten zur Verfügung gestellt hat.

In dieser Arbeit wird daher ein weiteres Unterscheidungsmerkmaleingeführtundgeprüft,obsichdiehiernachklassifizierten Gruppensystematisch unterscheiden. Als Unterscheidungsmerkmal wird ein Mindestkapitalanteil an US-amerikanischen Aktien von90 % im zuletzt vorliegenden Portfoliobericht definiert.

In einer zweiten Stichprobe werden zur erhöhten Vergleichbarkeit der Fonds sowie zur besseren Anwendung der Multifaktormodelle nur solche Fondsberücksichtigt,diediesen Mindestwerterreichen.Institutionelle Fondsund Fondsmit Beschränkungenvon Neuinvestitionenwerdeneliminiert.Die Portfoliodatender Fondswurdenim März 2016von Morningstar 2016 erhoben. Insgesamt sind von den 321 in Stichprobe Aenthaltenen Fonds somit 158 identifiziert worden, die für alle Investorenzugänglich sind und im letzten Betrachtungszeitraum mehr als 90 % ihres Kapitals in US-Aktien halten. Diese werden im Folgenden als Stichprobe Bbezeichnet. Die folgende Tabelle 2 gibt eine Übersicht der unterschied- lichen Gruppen:

Abbildung in dieser Leseprobe nicht enthalten

Tabelle2:Übersichtder Aufteilungder Gesamtstichprobein Untergruppengemäß

Kapitalallokation und Anlegergruppe.

Mankannkritisieren,dassdie Portfoliozusammensetzunglediglichzueinem Zeitpunkt ermittelt wurde. Sinnvoller ist evtl., sich am Durchschnittmehrerer Quartale zu orientieren. Da im Folgenden alle Ergebnisse fürbeide Stichproben dargestellt werden, wird dies vorerst nicht als kritischangesehen. Zudem werden die Gruppen aller unbeschränkt zugänglichen Fonds, alle institutionellen Fonds sowie alle limitierten Fonds untersucht. Imdritten Schritt wird weiterhin die Gruppe aller 201 Fonds betrachtet, diemindestens 90 % Kapital in US-Aktien investiert haben. Diese wird als Größer90 bezeichnet. Die 120 Fonds, die den Grenzwert nicht erreichen,werden in der Gruppe Weniger90 zusammengefasst und ebenfallsuntersucht.

4.2 Methodik

Diese Arbeitwendetdie Regressionsmethode,die Spearman Rangkorrelation, den Kontingenztabellenansatz sowie den Korrelations- Koeffizienten von Bravais-Pearson zum Testen der Persistenz an. Durch den Gebrauch unterschiedlicher Testmethoden soll die Aussagekraft der Ergebnisse verbessert werden. Wenn die unterschiedlichen Methoden zuähnlichen Ergebnissen führen, wird dies als Bestätigung gewertet. Beiwidersprüchlichen Ergebnissen muss eine tiefergründige Analyse erfolgen.Imersten Schrittwirdder Untersuchungszeitrauminzwei Dekadeneingeteilt.Dieerste Dekadeals Vorperiodeumfasst Januar 1996 bis Dezember 2005, die Folgeperiode Januar 2006 bis Dezember 2015. Dabeide Periodensomitzehn Jahrebetragen,testetdiese Arbeitnur Langzeitpersistenz.

Um ein möglichst umfassendes Ergebnis zu erhalten, nutzt diese Arbeit mit dem Carhart-Alpha sowie dem Fama-French-Alpha zwei unterschiedliche Performancemaße. Für jeden Aktienfonds der Untersuchung werden für beide Perioden das Carhart-Alpha gemäß Gleichung (4) und das Fama French-Alpha nach Gleichung (3) berechnet, die da lauteten:

Abbildung in dieser Leseprobe nicht enthalten

Die benötigten Werte für den risikofreien Zinssatz Rf,t sowie die Faktorrenditen SMB, HML und WML sowie ෨m,t - Rf,t wurden von der Kenneth R. French Data Library für die Region USA zur Verfügung gestellt.Zur Regression wurde der Service von www.portfoliovisualizer.comgenutzt.126 Die hier ermittelten Ergebnisse wurden per Excelstichprobenartig geprüft und für korrekt befunden. Die Daten zurmonatlichen Performance wurden von Thomson Reuters Eikon bezogen.Diese basieren auf den Total Net Assets und wurden in der rollierenden Version genutzt. Die Werte der Faktorkoeffizienten si, hi, und wi werden permultipler Regression für jeweils die Vor- und die Folgeperiode ermittelt,genau wie βials Parameter des systematischen Risikos und das hierverwendete Performancemaß αi. Für jeden Fonds liegen somit jeweils zwei Carhart-Alphas und zwei Fama-French-Alphas vor. Da die Regression aufmonatlichen Daten beruht und somit auch die Ergebnisse auf monatlicher Basis zu interpretieren sind, wurden jeweils noch die jährlichen Werteberechnet.

Im nächsten Schritt werden diese Alphas auf Persistenz untersucht. Zuerstwird die Korrelation zwischen dem Alpha der Vorperiode sowie dem Alpha

Abbildung in dieser Leseprobe nicht enthalten

der Folgeperiode für jeden Fonds mittels linearer Regression geschätzt.Das Vorgehen gleicht der Studie von Grinblatt und Titman (1992) undwurdein Kapitel 3 besprochen. Die H0-Hypotheselautet,dassdiehistorische Performance keinen Einfluss auf die nachfolgende Performancehat. Mit der Regression wird eine unterstellte Kausalität gemessen.

Um Aussagen über die Stärke des Zusammenhangs treffen zu können,wird zudem der Korrelationskoeffizient von Bravais-Pearson, im Folgenden Pearsons r, bestimmt. Dieser kann Werte zwischen +1 und -1annehmen.127 Beipositiven Wertenliegtpositive Korrelationvor,beinegativen Werten entsprechend negative Korrelation. Je näher der Wert annull liegt, umso schwächer ist die Stärke des Zusammenhangs zwischenden Variablen und umso weniger Relevanz weisen die Ergebnisse auf. Fürdie Berechnung von Pearsons r wird auf die entsprechende Fachliteraturverwiesen, z. B. Brosius (1998). Unseres Wissens ist dies die erste Studie,die diesen Koeffizienten ebenfalls angibt.

Weiterhin wird mit einer Rangkorrelation nach Spearman untersucht, ob ein Zusammenhang zwischen dem Rang der Vorperiode und dem Rang der Folgeperiode besteht. Hierzu erhält jeder Fonds für Vor- und Folgeperiodeentsprechend dem Performancemaß einen Rang. Der in der Vorperiodeerfolgreichste Fonds erhält also Rang 1, der schlechteste Rang 321.128 Ebenso werden Ränge für die Folgeperiode vergeben. Die Berechnung des Steigungsparamaters erfolgt analog zur Regression der Alphas, beziehtsich nun aber auf ordinalskalierte Variablen, wodurch die Ränge gemessenwerden. Als Ergebnis erhält man den Spearman Rangkorrelations- Koeffizienten, auch Spearmans Rho genannt. Genau wie bei Pearsons rliegt der Wertbereich zwischen +1 und -1. Positive Werte sind ein Indiz fürpositive Persistenz, negative Werte entsprechend für negative Persistenz.Ein Wert nahe null deutet auf eine zufällige Verteilung ohne Persistenz hin.Auch diese Analyse wird für Carhart- und Fama-French-Alpha sowie fürunterschiedliche Stichproben getrennt durchgeführt.

Ebenfallswerden KontingenztabellenzurÜberprüfungvon Persistenzgenutzt, das Vorgehen orientiert sich an der besprochenen Studie von Brown und Goetzmann (1995). Die Fonds werden anhand ihrer Vorperiodenalphasindiebesten 50 %-die Gewinner -sowiedieschlechtesten 50 % eingeteilt. Da in Stichprobe A mit 321 Aktienfonds die Anzahl ungerade ist, werden in beiden Perioden die vorderen 161 Fondsals Gewinner bezeichnet. In Stichprobe B gibt es jeweils 79 Gewinner und Verlierer. Die Beurteilung erfolgt einmal per Carhart-Alpha und einmal per Fama-French-Alpha. In der Folgeperiode werden die Fonds erneutentsprechend der Performance klassifiziert, in die vier Gruppen WW, WL,LW und LL eingeteilt und anschließend das Kreuzproduktverhältnis CPRberechnet.

Die statistische Signifikanz wird mittels Χ²-Test geprüft. Die Formel hierfürist:

Abbildung in dieser Leseprobe nicht enthalten

Die Signifikanz steigt dabei mit steigenden Χ². Gemäß H0-Hypothese ist die Klassifizierung in der Folgeperiode unabhängig von der Klassifizierung der Vorperiode. Bei einem Χ²-Wert größer 3,84 kann diese Hypothese auf einem Signifikanzniveau von 5 % abgelehnt werden.

Die Stärke des Zusammenhangs bzw. die Relevanz des Ergebnisses wird mit dem Vierfelder-Korrelationskoeffizienten ϕ gemessen, der Werte zwischen null und eins annehmen kann. Die Formel lautet:

Abbildung in dieser Leseprobe nicht enthalten

Je höher der Wert liegt, umso stärker ist der gemessene Zusammenhang.Bei null liegt keinerlei Korrelation vor.129 Bei Werten von ϕ zwischen nullund 0,2 spricht man von sehr schwacher Korrelation, bei Werten zwischen0,2 und 0,4 von schwacher Korrelation. Bei einem Wert von eins istperfekte Korrelation gegeben. Die Ergebnisse wurden per Excel und SPSSermittelt.

4.3 Ergebnisse

4.3.1 Ergebnisse für Stichproben A und B

Als erstes werden die Ergebnisse der Kontingenztabellen dargestellt. Im Folgenden sind signifikante Werte auf dem 0,1 % Niveau mit ***gekennzeichnet, Signifikanz auf dem 1 % Niveau wird durch ** und auf dem 5 % Niveau durch * ausgedrückt. Zur Übersichtlichkeit werden das Fama- French-Alpha in den Tabellen mit FF-Alpha, und das Carhart-Alpha mit C- Alpha abgekürzt. Für den Fall, dass die Bezeichnung der Stichprobe nicht selbsterklärend sein sollte, ist die Stichprobengröße n ebenfalls angegeben. Mit dieser kann in Tabelle 2 ebenfalls die jeweilige Gruppe erkannt werden.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 3: Ergebnisse der Kontingenztabellen für CPR, Χ² und ϕ, getrennt nach Stichprobe und verwendetem Performancemaß.

Auffälligin Tabelle3istdiehohe Bandbreiteder Ergebnisse.Für Stichprobe A ergibt sich mit dem Carhart-Alpha ein hoher CPR-Wert, derein Anzeichen für positive Persistenz ist, der Χ²-Test bescheinigt diesem Wert hohe statistische Signifikanz, ϕ deutet auf einen schwachen Zusammenhang hin. Nutzt man für die gleiche Stichprobe hingegen das Fama-French-Alphaals Performancemaß,verschwindetdie Persistenz.Der CPR-Wert fällt auf fast eins, was für eine zufällige Verteilung undgegen Persistenz spricht, die Werte für Χ² und ϕ fallen ebenfalls deutlichab.

Bei der Stichprobe B weist der Test mit Carhart-Alpha mit 1,58 erneut einen CRP-Wert aus, der für positive Persistenz spricht. Der Χ²-Wert ist jedochnicht signifikant. Bei Verwendung des Fama-French-Alphas fällt der CPR- Wert dann sogar deutlich unter eins, ein Anzeichen für negative Persistenz.Auch hier ist der Χ²-Wert insignifikant. In vier Ergebnissen sind somit Anzeichen für positive Persistenz, keine Persistenz und negative Persistenz, aber nur einem Ergebnis kann statistische Signifikanzzugesprochen werden. Eindeutiger sind die Werte für ϕ, die in allen vier Fällen auf einen sehr schwachen Zusammenhang hinweisen. In Tabelle 4folgen die Ergebnisse der Spearman-Rangkorrelationstests.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 4: Ergebnis des Spearman-Rangkorrelationstests, getrennt nach Stichprobe und verwendetem Performancemaß.

Die Ergebnisse sind hier sehr ähnlich zu denen in Tabelle 3. Für Stichprobe A mit dem Carhart-Alpha als Performancemaß ist Spearmans Rho positivund statistisch signifikant. Genau wie in Tabelle 3 ist dies die einzige Zeile,in der statistische Signifikanz vorgefunden wird. Mit 0,165 ist der ermittelte Wert von Spearmans Rho allerdings nicht besonders hoch. Verwendet mandas Fama-French-Alpha anstatt des Carhart-Alphas bei Stichprobe A, dannfällt der Rho-Wert deutlich ab. Bei Stichprobe B und Verwendung des Carhart-Alphas ist der Wert von Rho nur gering von null verschieden. Die Ränge scheinen also zufällig verteilt zu sein. Bei Verwendung des Fama- French-Alphas für diese Stichprobe zeigt Spearmans Rho einen leichtnegativen Wert an, was sich ebenfalls mit dem Ergebnis von Tabelle 3deckt.

In Tabelle 5 sind die Ergebnisse der Regressionsanalyse dargestellt. Dadie Konstante für den Test auf Persistenz keine Rolle spielt, wird diesenicht angegeben. Ein positiver Steigungsparameter ist ein Hinweis aufpositive Persistenz. Um belastbare Aussagen zu machen, sollte dieser Wert statistisch signifikant und deutlich größer als der Standardfehler - im Folgenden SE für „standard error“ - sein. Das adjustierte Bestimmtheits- maß R² gibt an, welcher Anteil der Varianz der abhängigen Variablen durchdie ermittelte Regressionsgleichung erklärt werden kann.130

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 5: Ergebnisse der linearen Regression mit Steigungsparameter, Standardfehler und adjustiertem R², getrennt nach Stichprobe und verwendetem Performancemaß.

Wieindenvorherigen Testsweist Stichprobe Abei Benutzungdes Carhart-Alphasaufpositive Persistenzhin,der Wertistjedochnichtsignifikant. Das adjustierte Bestimmtheitsmaß ist zudem sehr gering. Auf Grundlagedieser Ergebnissekannnichtbehauptetwerden,dassdiehistorische Performance wichtige Hinweise für die zukünftige Performanceliefert. Die Ergebnisse für Stichprobe A mit Nutzung des Fama-French- Alphas sind sehr ähnlich. Hier ist zudem der Standardfehler des Steigungsparametersfastgenausogroßwieder Steigungsparameterselbst.

Bei Stichprobe B und Verwendung des Carhart-Alphas wird der Steigungsparameter negativ. Da der Wert nicht statistisch signifikant ist und das adjustierte R² fast bei null liegt, kann hierdurch jedoch nicht auf negative Persistenz geschlossen werden.

Bei Nutzung des Fama-French-Alphas für Stichprobe B liegt ein statistisch insignifikanter, kaum von null verschiedener Wert vor. Da die Werte des adjustierten R² allesamt gering ausfallen, muss von einem maximal sehr schwachen Zusammenhang zwischen den Alphas der Vorperiode und den Alphas der Folgeperiode gesprochen werden.

Abschließend soll auf die Ergebnisse von Pearsons r eingegangen werden,die in Tabelle 6 aufgeführt sind. Die P-Werte werden für diesen Testidentisch zu denen aus Tabelle 4 berechnet, womit sich kein statistischsignifikanter Wert in Stichprobe B findet. Den betragsmäßig höchsten Wertweist Stichprobe B mit Nutzung des Fama-French-Alphas auf. Mit -0,137wird hier auf einen sehr schwachen Zusammenhang hingewiesen; wie inden vorherigen Tests ist das Ergebnis also kaum relevant.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 6: Ergebnisse für den Korrelationskoeffizienten von Bravais-Pearson, getrennt nach Stichprobe und verwendetem Performancemaß.

Während in Tabelle 3 und 4 somit signifikante Werte für positive Persistenz der Carhart-Alphas bei Stichprobe A vorliegen, existieren in Tabelle 5 und 6 nur Hinweise, die gegen Persistenz sprechen.

4.3.2 Ergebnisse der Untergruppen, getrennt nach Anlegergruppe

Nach den Ergebnissen der Gesamtstichprobe sowie Stichprobe B werdennundie Resultatederdrei Untergruppeninstitutionell,limitiertundunbeschränkt dargestellt. Eine Unterscheidung nach Kapitalallokation wirdhier noch nicht vorgenommen, diese folgt in Kapitel 4.3.3. Als ersteswerden in Tabelle 7 die Ergebnisse der Kontingenztabellen besprochen.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle7:Ergebnisseder Kontingenztabellenfür CPR,Χ²undϕ,getrenntnach

Anlegergruppe und verwendetem Performancemaß.

Zwei Werte sind hierbei statistisch signifikant und deuten auf positive Persistenz hin. Von diesen beiden sticht der Wert der limitierten Fonds bei Nutzung des Fama-French-Alphas ins Auge. Der CPR-Wert fällt mit 5,63hoch aus, auch ϕ ist mit 0,41 deutlich höher als bislang. Während bei allenanderen Messungen bislang das Carhart-Alpha höhere CPR-Werte als das Fama-French-Alpha produziert hat, ist es hier zudem nicht so. Der Χ²-Wertbei den limitierten Fonds und Verwendung des Carhart-Alphas ist hingegennicht statistisch signifikant. Dies ist zum Teil damit erklärbar, dass die Stichprobengrößemit 27vergleichsweisegeringist.Die Gruppederunbeschränkt zugänglichen Fonds zeigt bei Nutzung des Carhart-Alphaszwar einen geringeren CPR-Wert an, dieser ist jedoch statistisch signifikant. In Tabelle 8 folgen die Ergebnisse des Spearman- Rangkorrelationstests.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 8: Ergebnis des Spearman-Rangkorrelationstests, getrennt nach Anlegergruppe und verwendetem Performancemaß.

Erneut fallen hier besonders die Ergebnisse der limitierten Fonds auf, diediesmalfürbeide Performancemaßestatistische Signifikanzerreichen.Zudem ist Spearmans Rho mit 0,424 bzw. 0,554 deutlich höher als fürandere Untergruppen und weist auf einen mittelstarken Zusammenhanghin. Die Ergebnisse der unbeschränkt zugänglichen Fonds sind für diesen

Test kaum von null verschieden. Die Gruppe der institutionellen Fonds bei Gebrauch des Carhart-Alphas zeigt ebenfalls Persistenz, die statistischsignifikant ist. In Tabelle 9 sind die Ergebnisse der Regressionsanalyseaufgeführt.

Abbildung in dieser Leseprobe nicht enthalten131

Tabelle 9: Ergebnisse der linearen Regression mit Steigungsparameter, Standardfehler und adjustiertem R², getrennt nach Anlegergruppe und verwendetem Performancemaß.

Wie in Tabelle 7 und 8 zeigt erneut die Gruppe der limitierten Fonds diestärksten Anzeichen für positive Persistenz. Für beide Performancemaßesinddie Ergebnissestatistischsignifikant.Ein Wertvon 0,206im Steigungsparameterbei Nutzungdes Fama-French-Alphaslässtsichdahingehendinterpretieren,dass jeder Prozentpunktim Fama-French- Alpha der Vorperiode den Erwartungswert für die Folgeperiode um 0,206 %erhöht. Die Werte vom adjustierten Bestimmtheitsmaß liegen mit 0,163bzw. 0,231 ebenfalls deutlich höher als bei allen anderen Gruppen.

Ähnlich wie in Tabelle 8 zeigt auch hier das Ergebnis der institutionellen Fonds bei Verwendung des Carhart-Alphas statistische Signifikanz. Nutzt man stattdessen das Fama-French-Alpha, verschwindet diese. Die unbeschränkt zugänglichen Fonds zeigen bei beiden Performancemaßen keine signifikanten Ergebnisse, der Steigungsparamater sowie das adjustierte Bestimmtheitsmaß sind jeweils sehr nahe null.

Da die P-Werte vom Pearsons R identisch zu denen aus Tabelle 9 sind,werden lediglich die drei statistisch signifikanten Ergebnisse besprochen.Die komplette Tabelle findet sich im Anhang. Für die institutionellen Fondsmit Carhart-Alpha ergibt sich ein Pearsons r von 0,348. Für die limitiertzugänglichen Fonds steigt der Wert bei Gebrauch des Carhart-Alphas auf0,441, bzw. auf 0,511 mit Fama-French-Alpha. Genau wie bei Spearmans Rho lässt sich also für diese Gruppe ein mittelstarker Zusammenhang ableiten. Für die Gruppe der institutionellen Fonds ergibt sich hingegen ein schwacher Zusammenhang, und bei der Gruppe der unbeschränkt zugänglichen ein sehr schwacher Zusammenhang.

Insgesamt finden sich in allen Tests bei der Gruppe der limitierten Fonds Hinweise auf positive Persistenz. Damit unterscheidet sich diese Gruppedeutlich von den anderen Gruppen sowie den Ergebnissen von Stichprobe A und B. Die institutionellen Fonds zeigen bei Nutzung des Carhart-Alphasebenfalls mehrheitlich signifikante Ergebnisse, für das alternative Perfor- mancemaß ist dies jedoch nicht der Fall. Die schwächsten Hinweise für Persistenz liefert die Gruppe der unbeschränkt zugänglichen Fonds, dieallein in den Kontingenztabellen unter Verwendung des Carhart-Alphasstatistische Signifikanz aufweisen. Betrachtet man alle Ergebnisse dieser Untergruppe, kann daher nicht auf Persistenz geschlossen werden. Somitzeigen die drei Untergruppen deutliche Differenzen in den Ergebnissen.

4.3.3 Ergebnisse der Untergruppen, getrennt nach Kapitalallokation

Abschließendsolldasindieser Arbeiteingeführte Unterscheidungs- merkmal von 90 % Kapitalanteil in US-amerikanischen Aktien untersuchtwerden. Dafür betrachten wir die 201 Fonds aus der Menge aller Fonds,die dieses Kriterium erfüllen, genannt Größer90. Die Gegengruppe 120Fonds, die den Grenzwert nicht erreichen, lautet Weniger90. Wie gewohnt,werden zuerst die Ergebnisse der Kontingenztabelle dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 10: Ergebnisse der Kontingenztabellen für CPR, Χ² und ϕ, getrennt nach Kapitalallokation und verwendetem Performancemaß.

Wie in Tabelle10 zu sehen ist, weisen beide Performancemaße für Größer90 keine statistische Signifikanz und für Weniger90 jeweilssignifikante Ergebnisse auf. Die signifikanten Werte sprechen dabei fürpositive Persistenz. In Tabelle 11 folgen die Ergebnisse von Spearmans- Rangkorrelationstest.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 11: Ergebnis des Spearman-Rangkorrelationstests, getrennt nach Kapitalallokation und verwendetem Performancemaß.

Die Ergebnissevon Tabelle10werdenhierbestätigt,die Werte von Weniger90 sind für beide Performancemaße signifikant, bei der Gegengruppe jeweils nicht. Für Weniger90 und Verwendung des Fama French-Alphas ist das Ergebnis sogar auf dem 0,1 %-Level signifikant. In Tabelle 12 sind die Ergebnisse der Regression aufgeführt.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 12: Ergebnisse der linearen Regression mit Steigungsparameter, Standardfehler und adjustiertem R², getrennt nach Kapitalallokation undverwendetem Performancemaß.

Erneut fällt der Unterschied zwischen den beiden Untergruppen beachtlichaus. Auch mit der dritten Testmethode erreicht die Gruppe Größer90 erneutkein signifikantes Ergebnis, während die Gruppe der Fonds, die weniger als 90 % ihres Kapitals in US-amerikanische Aktien investieren für beide Maße Anzeichenpositiver Persistenzliefert.Dierechtniedrigen Wertedesadjustieren Bestimmtheitsmaßessprechenhierbeigegeneinestarke Relevanz.

Die Werte für Pearsons r betragen bei Weniger90 0,210 bei Verwendungdes Carhart-Alphas. Bei Nutzung des Fama-French-Alphas steigt der Wertauf 0,279. Der Zusammenhang ist signifikant, aber schwach. Für Größer90sind die Ergebnisse von Pearsons r insignifikant und weisen auf einenmaximalsehrschwachen Zusammenhanghin.Diekomplette Tabellebefindet sich im Anhang.

Die Ergebnisse der beiden Gruppen, die sich allein gemäß dem Unterscheidungsmerkmalinnerhalbder Kapitalallokationunterscheiden,zeigen insgesamt deutliche Unterschiede auf. Für Größer90 findet sich nichteinstatistischsignifikanter Wert,währendalle Ergebnissevon Weniger90 signifikant sind und stets auf positive Persistenz hinweisen.

4.4 Diskussion und Interpretation

Zuerst wird das generelle Ergebnis besprochen, bevor auf den Einfluss der Performancemaße, der statistischen Testmethoden und der verschiedenen Untergruppen eingegangen wird. Insgesamt gibt es nur schwache Hinweisefür das Vorliegen von positiver Langzeitpersistenz. Ein großer Teil der Ergebnisse ist statistisch nicht signifikant. Die unterschiedlichen Maße, mitdenen die Stärke des Zusammenhangs gemessen wurde, deuten zumeistaufeinenschwachen Zusammenhanghin.Dieadjustieren Bestimmt- heitsmaße fielen zudem insgesamt sehr gering aus. Für lange Zeiträumebesitzt die historische Performance also nur wenig Erklärungskraft in Bezugauf die zukünftige Performance. Diese Ergebnisse decken sich mit dem Großteil bisheriger Persistenzstudien, in denen für Zeiträume über drei Jahrengenerellkeine Hinweiseaufpositiveodernegative Persistenzgefunden wurden.

Wenn in dieser Arbeit überhaupt statistische Signifikanz vorlag, dann stetsin Verbindung mit positiver Persistenz. Es traten auch mehrfach Hinweiseauf negative Persistenz auf, die statistisch gesehen aber nicht signifikantvon null verschieden waren. Insofern kann man mit diesen Ergebnissenvon Strategien, die auf eine Trendumkehr setzen, generell abraten. Es istunwahrscheinlich, dass die Verlierer von gestern regelmäßig die Gewinnervon morgen sind. Auch dieses Ergebnis deckt sich mit der bestehenden Literatur, in der nahezu keine Beweise für negative Persistenz existieren.

Die beiden genutzten Performancemaße kommen generell, jedoch nichtimmer, zu ähnlichen Ergebnissen. In Stichprobe A weist der CPR-Wertunter Verwendung des Carhart-Alphas auf einen hochsignifikanten Zusammenhang hin. Gebraucht man hingehen das Fama-French-Alpha,spricht der CPR-Wert gegen Persistenz. An einigen Stellen weisen die Tests bei Nutzung des Fama-French-Alphas sogar auf negative Persistenzhin, während das Carhart-Alpha eher auf positive Persistenz hindeutet. Dadiese Ergebnisseallenichtstatistischsignifikantsind,sollendiese Unterschiede nicht detailliert besprochen werden. Jedoch ist deutlich, dassdie Wahl des Performancemaßes Einfluss auf die Ergebnisse nimmt.

Ein Investor muss also überlegen, welche Fragen er mit einer Untersuchung beantworten möchte, und muss anschließend ein hierfür sinnvolles Performancemaßwählen.Dadas Carhart-Alphamitdem Momentum-Effekt eine bekannte Anomalie bereinigt, wird diesem Maß inder vorliegenden Arbeit eine höhere Relevanz als dem Fama-French-Alphazugesprochen.

Die unterschiedlichen Testmethodenkommen nicht zu stark wider- sprüchlichen Ergebnissen.Dieselägenbeispielsweisevor,wenndas Ergebnis einer Testmethode auf signifikante negative Persistenz hindeutet,während ein alternativer Test hingegen auf signifikante positive Persistenzschließen lässt. Die Vorzeichen und die Stärke des Zusammenhangs falleninsgesamtsehrähnlichaus.Alleinbeider Signifikanzergebensichteilweise markante Unterschiede. So führt der Kontingenztabellentest in Stichprobe Abei Gebrauchdes Carhart-Alphaszuhochsignifikanten Ergebnissen, die Regressionsmethode hingegen ist statistisch insignifikant.

Inder Stichgruppederunbeschränktzugänglichen Fondsfindensichnahezu keine Anzeichen für Persistenz, im Unterschied zu den Untergruppen der institutionellen sowie limitiert zugänglichen Aktienfonds.Dies kann als Anzeichen dafür gewertet werden, dass jene Restriktionen,die institutionelle und limitiert zugängliche Fonds gegenüber den Anlegerneinführen, zu systematischen Unterschieden im Vergleich zu freizugänglichen Fonds führen. Falls sich die Untergruppen nicht generellvoneinander unterscheiden, sollten auch die Tests auf Persistenz ähnliche Ergebnissehervorbringen.Insbesonderedie Untergruppederlimitiertzugänglichen Fonds zeigt aber in fast allen Ergebnissen Anzeichen fürpositive Persistenz, und obwohl die Stichprobengröße mit 27 Aktienfondsvergleichsweisegeringist,sinddie Ergebnissesignifikant.Auchdie Kennzahlen, welche die Relevanz messen, sind hier deutlich höher als inder Vergleichsgruppe.

Die Frage ist, warum die Ergebnisse sich so stark unterscheiden. GemäßBessler et al. (2011) führen hohe Mittelzuflüsse zu Mean Reversion.132 Dalimitiertzugängliche Aktienfondsvermutlichdeutlichgeringere Mittel- zuflüsse als offene Fonds aufweisen, sind sie weniger von diesem Effektbetroffen.

Da diese Fonds für Neuanleger gerade nicht zugänglich sind, hat dieses Ergebnis für den Großteil der Investoren keine Relevanz. Es stellt sich aberdie Frage, wie Persistenzstudien generell mit limitiert zugänglichen Aktienfondsumgehen.Einige Studieneliminierenalle Fondsausder Datenbasis, die nicht für jeden Investor zugänglich sind. Das ist einesinnvolle Möglichkeit.Diemeisten Studienbesprechendiesen Punktallerdings nicht. Daher ist zu vermuten, dass diese Studien auch die Performance von limitiert zugänglichen Fonds auswerten. Zudembetrachten viele Studien besonders das beste und das schlechteste Dezil.Esistdenkbar,dasssichindiesenextremen Dezilen Fondsmitsystematischen Unterschiedensammeln.Falls Persistenzvorgefundenwird, kann diese auf systematischen Unterschieden innerhalb der Anlegergruppe basieren. Die Schlussfolgerung, dass die Fähigkeiten eines Managers dauerhaft gute Ergebnisse kreieren würden, wäre in diesem Fallfalsch.

Eine weitere Frage lautet: Wenn es systematische Unterschiede zwischenden Gruppen gibt, warum zeigen die Tests für Stichprobe A in der Mehrheitkeine Persistenz an? Warum werden nur innerhalb der limitiertzugänglichen Gruppe deutliche Hinweise auf Persistenz nachgewiesen?Eine mögliche Erklärung liegt in der relativ geringen Größe der Untergruppen. Von 321 Fonds sind 46 als institutionell und 27 als limitiertklassifiziert. Es ist denkbar, dass die Inklusion dieser Untergruppen in Stichprobe A die beiden Testergebnisse begründet, die für signifikante Persistenz sprechen. Innerhalb der von diesen Untergruppen bereinigten Stichprobe B finden sich somit keinerlei Anzeichen auf Persistenz.

Neben systematischen Unterschieden in der Anlegergruppe können auchsystematische Unterschiede im Anlagestil bestehen. Gerade damit solche Unterschiede nicht bestehen, schließen viele Persistenzstudien z.B.Sektorenfonds aus der Datenbasis aus und wählen stattdessen solche Fonds, die als inländische Aktienfonds klassifiziert sind und daher alsvergleichbar gelten. Wenn die Kriterien zur Klassifizierung nicht strenggenugsind, kanndieses Vorgehen jedochebenfallszu Verzerrungenführen. Dies ist die erste Arbeit, die ein explizites Mindestlevel für die Kapitalallokation definiert und anhand des letzten Portfolioberichtsabgleicht, ob dieses erreicht wurde. Betrachtet man die 201 Aktienfonds,die alle über 90 % des Kapitals in US-amerikanische Aktien investierthatten, findet man in dieser Gruppe keine Persistenz. In der Gruppe der120 Aktienfonds, die diesen Grenzwert nicht erreicht haben, sind alle Testergebnisse hingegen statistisch signifikant.

Jedoch lässt sich aus diesem Ergebnis nicht direkt schlussfolgern, dass Anleger in dieser Untergruppe wichtige Informationen aus der historischen Performance gewinnen. Stattdessen muss hinterfragt werden, ob die Fondsuntereinandervergleichbarsind. Wiein Kapitel 4.1dargestellt,habeneinige Fonds über 40 % ihres Kapitals außerhalb der Vereinigten Staateninvestiert. Die Adjustierung des Risikos basiert auf US-amerikanischen Risikofaktoren.Fallsein Fondsbeispielsweiseeinengroßen Teildes Kapitals in einem Markt investiert, der deutlich risikoreicher als der US- amerikanische ist, so wird das Risiko in diesem Fall zu gering ausgewiesenunddasberechnete Alphadaherhöher,als esbei Verwendungvonkorrekten Risikofaktoren wäre. Das Gegenteil, dass ein Fonds inrisikoarmen Märkteninvestiertunddasermittelte Alphadieses Fondsvergleichsweise zu gering dargestellt wird, ist ebenfalls möglich.

Die in dieser Arbeit verwendete Methode der einmaligen Betrachtung der Portfolios ist dabei anfällig für Extremergebnisse in der Kapitalallokation.Eine Betrachtung über mehrere Perioden wäre vermutlich vorteilhaft. Der Unterschied zwischen den beiden Gruppen ist jedoch deutlich ausgeprägt,wodurch dem Unterscheidungsmerkmal Relevanz zugesprochen werdenkann. Dieses Ergebnis verdeutlicht, dass gefundene Persistenz nicht stetsauf überlegene Fähigkeiten von Managern zurückzuführen ist, sonderneventuell auch ein Ausdruck von Ungleichheit innerhalb der Stichprobe seinkann. Investoren und Persistenzstudien sollten diesen Punkt nicht vernach- lässigen. Es muss hinterfragt werden, nach welchen Kriterien die Fondsklassifiziert werden.

5 Zusammenfassung und Bewertung

Kann man aus der bisherigen Performance von Aktienfonds Aussagen überdie zukünftige Performance treffen? Mit dieser Fragestellung begann dievorliegende Arbeit. Hierzu wurden 321 US-amerikanischen Aktienfondsüber einen Zeitraum von 20 Jahren untersucht. Zur Risikoadjustierungwurdenmitdem Fama-French-Alphasowiedem Carhart-Alphazweibekannte Performancemaße genutzt, die ausführlich in Kapitel 2 vorgestelltwurden. Zudem bereinigen diese Performancemaße bekannte Anomaliendes CAPM.Weiterhinwurdenvierunterschiedlichestatistische Test- methoden verwendet, um ein möglichst vollständiges Bild zu erhalten.Gemeinsammitderbestehenden Literaturwurdendiesein Kapitel 3

besprochen. Die hier enthaltene Tabelle ist die bislang größte Übersicht zu Persistenzstudien.

In Kapitel 4 folgte die empirische Analyse samt Vorstellung der Ergebnisse.Für die Gesamtstichprobe kann das Vorliegen von Performance-Persistenzgenerellnichtbestätigtwerden.Zwei Testergebnisse,dieaufpositive Persistenz schließen lassen, sind statistisch signifikant. Die Anzahl von Hinweisen, die gegen Persistenz und für eine zufällige Verteilung sprechen,ist deutlich höher. Neben der statistischen Signifikanz spielt die Relevanzeine wichtige Rolle. Die unterschiedlichen Kennzahlen für die Relevanzzeigen dabei fast einstimmig einen maximal sehr schwachen Zusammen- hang an. Somit scheint die historische Performance ein wenig geeignetes Kriterium bei der Anlageentscheidung zu sein. Damit bestätigt diese Arbeitden generellen Trend früherer Persistenzstudien, die für Zeiträume vonmehralsdrei Jahreninder Regelkeine Anzeichenfür Persistenzvorfanden.

Dievorliegende Arbeitstelltjedochzwei Punkteindergenerellen Vorgehensweise von Persistenzstudien in Frage. Erstens gibt es Zweifel ander Vorgehensweise,die Zielgruppederuntersuchten Fondsnichtzubetrachten. In der vorliegenden Arbeit sind 46 Fonds nur für institutionelle Investoren zugänglich, weitere 27 sind zudem generell für Neuinvestorengeschlossen. Um zu klären, ob diese Restriktionen einen Einfluss auf das Auftreten von Performance-Persistenz nehmen, wurde die Gesamt- stichprobeindrei Untergruppenaufgeteilt.Die Ergebnisseder Unter- gruppen unterschieden sich hierbei deutlich. Die Gruppe der Fonds ohne Beschränkungen zeigte weiterhin nur ein statistisch signifikantes Testergebnis. Die Untergruppe der institutionellen Fonds zeigte bereitsmehr; bei den limitiert zugänglichen Fonds war sogar die Mehrheit der Testergebnisse signifikant. Auch die Kennzahlen für Relevanz lieferten beiden limitierten Fonds sichtbar höhere Werte und lassen den Schluss aufeinen mittelstarken Zusammenhang zu.

Zweitens bestehen begründete Zweifel daran, ob die generellen Klassi- fizierungsschemata - z.B. gemäß den Lipper Global Kriterien - einen ziel- führenden Vergleichzwischen Fondsfür Anlegerund Wissenschaftlerzulassen. Falls diese Kriterien nicht streng genug sind, leidet zum einen die Vergleichbarkeit, zum anderen verlieren die Multifaktormodelle, die zur Berechnung der Alphas herangezogen werden, an Aussagekraft. Diese Arbeit ist die erste Persistenzstudie, die eine Mindestgrenze von 90 %

Kapitalanteil in US-amerikanischen Aktien definiert. Anschließend wird die Gruppe, die dieses Kriterium erfüllt, mit jener verglichen, die den Grenzwertnicht erreicht. Erneut zeigen sich markante Unterschiede. Die Gruppeoberhalb des Grenzwerts produziert kein signifikantes Testergebnis, bei der Gegengruppe sind hingegen alle Testergebnisse statistisch signifikant.

Inder Gesamtstichprobelässtsichalsonahezukeine Persistenznachweisen; in einzelnen Untergruppen aber bleiben Gewinner weiterhin Gewinner.Umdie Vergleichbarkeitzuerhöhenundeineunverzerrte Nutzung der Multifaktormodelle zu ermöglichen, wurden in dersogenannten Stichprobe B jene Fonds betrachtet, die allen Investorenzugänglich sind und den Grenzwert von 90 % in US-Aktien erreichen. Fürdiese in sich vergleichbare Gruppe gibt es keine Ergebnisse, die auf Persistenz hinweisen.

Die Interpretation dieser Resultate gestaltet sich folgendermaßen: Stelltman - wie in Stichprobe B geschehen - eine hohe Vergleichbarkeit der Fonds sicher, dann tritt Performance-Persistenz generell nicht auf und Investorengewinnennichtviele Informationenausder Analysederhistorischen Performance. Die Merkmale der Restriktionen innerhalb der Anlegergruppe und der Kapitalallokation wurden in vielen Studienvermutlich nur unzureichend betrachtet. Da sich hierdurch systematische Unterschiedeinnerhalbder Gesamtstichprobeergebenkönnen,begünstigen diese das Vorfinden von Persistenz. Ein Rückschluss auf Fondsmanager mit überlegenen Fähigkeiten wäre in diesem Fall jedochinkorrekt. In der vorliegenden Arbeit stellen die Gruppen der institutionellenoderlimitierten Fondszusammenwenigerals 23 %der Stichprobe.Insofern scheinen die Unterschiede innerhalb dieser Gruppen zu gering zusein, um das Ergebnis der Gesamtstichprobe stärker zu beeinflussen.

Generell kann man Anlegern nicht eine Contrarian-Strategie empfehlen. Es findet sich kein signifikantes Ergebnis für negative Persistenz. Auch wenn es nicht abschließend geklärt ist, ob der Kauf der Vorperiodengewinner eine gute Strategie ist, stellt der Kauf der Vorperiodenverlierer generell keine überlegene Strategie dar.

Es gibt mehrere berechtigte Kritikpunkte an dieser Arbeit. Zum einen sinddie Daten von dem Survivorship Bias betroffen. Da diese Studie einen Zeitraum von 20 Jahren abdeckt, ist die hierdurch entstandene Verzerrunggrößeralsinvergleichbaren Studien,dieeinenkürzeren Zeitraumbetrachten. Zudem erfolgt die Betrachtung der Portfolios zum Prüfen der Kapitalallokation nur zu einem Zeitpunkt. Sinnvoller wäre hier ein Ansatz,der ähnlich wie die Lipper Global Kriterien mehrere Perioden beinhaltet.

Trotzdemzeigendie Ergebnisseeinenklaren Trend.Anlegerund Wissenschaftlermüssenbeim Beurteilenvon Aktienfondsdie Vergleichbarkeit der Ergebnisse sicherstellen. Ist diese gegeben, ist das Auftreten von Performance-Persistenz unwahrscheinlich.

Anhang

Anhang 1: Ausdruck des zitierten Internetblogs von William J. Bernstein

Anhang2:Ergebnissefürden Korrelationskoeffizientenvon Bravais- Pearson, getrennt nach Anlegergruppe und verwendetem Performance- maß.

Abbildung in dieser Leseprobe nicht enthalten

Anhang3:Ergebnissefürden Korrelationskoeffizientenvon Bravais- Pearson, getrennt nach Kapitalallokation und verwendetem Performance- maß.

Abbildung in dieser Leseprobe nicht enthalten

Literaturverzeichnis

Allianz Global Investors Fund Management LLC (2015): Allianz Funds Prospectus. New York.

Allianz Global Investors Gmb H (2016): Allianz Nebenwerte Deutschland Anteilklasse A - Wesentliche Anlegerinformationen. Frankfurt am Main.

Artmann, Sabine; Finter, Phillip; Kempf, Alexander (2012): Determinants of expected stock returns: large sample evidence from the German market. Journal of Business Finance & Accounting 39, S. 758-784.

Banz, Rolf W. (2010): The relationship between return and market value of common stocks. Journal of Financial Economics 9, S. 3-18.

Bams, Dennis; Otten, Roger (2002): European mutual fund performance. European Financial Management 8 (1), S. 75-101.

Barelkowska, Maria (2010): Wechsel des Fondsmanagements und die Performance deutscher Aktienfonds. Working Paper, Humboldt-Universität zu Berlin, Berlin, November 2010.

Berk, Jonathan; Green, Richard (2004): Mutual Fund Flows and Performance in Rational Markets. Journal of Political Economy 112, S. 1269-1295.

Bernstein, William J. (2001): Rolling your own: three factor analysis,http://www.efficientfrontier.com/ef/101/roll101.htm, abgerufen am 20.03.2016.

Bessler, Wolfang; Blake, David; Lückoff, Peter; Tonks, Ian (2011): Whydoes mutual fund performance not persist? The impact and interaction offund flows and manager changes. Working Paper, Pensions Institute,Februar 2011.

Betker, Brian; Sheehan, Joseph (2013): A comparison of single factor and multiple factor alphas used in measuring mutual fund performance.Financial Services Review 22, S. 349-365.

Blake, David; Timmermann, Allan (1998): Mutual fund performance: evidence from the UK. Europen Finance Review 2, S. 57-77.

Bollen, Nicolas P.; Busse, Jeffrey A. (2004): Short-term persistence in mutual fund performance. The Review of Financial Studies 18 (2), S. 569- 597.

Brosius, Felix (1998): SPSS 8.0: professionelle Statistik unter Windows.Bonn.

Brown, Stephen J.; Goetzmann, William; Ibbotson, Roger G.; Ross, Stephen A. (1992): Survivorship bias in performance studies. The Review of Financial Studies 5 (4), S. 553-580.

Brown, Stephen J.; Goetzmann, William N. (1995): Performance Persistence. The Journal of Finance 50 (2), S. 679-698.

Busrsistence in institutional investment management. The Journal of Finance 65 (2se, Jeffrey A.; Goyal, Amit; Wahal, Sunil (2010): Performance and pe), S. 765-790.

Capital Group (2015): The Growth Fund of America Summary prospectus. Los Angeles.

Carhart, Mark M. (1997): On persistence in mutual fund performance. Journal of Finance 52 (1), S. 57-82.

Chen, Hsiu-Lang; Jegadeesh, Narasimhan; Wermers, Russ (2000): The Value of Active Mutual Fund Management: An Examination of the Stockholdings and Trades of Fund Managers. Journal of Financial and Quantitative Analysis 35, S. 242-368.

Daniel, Kent; Grinblatt, Mark; Titman, Sheridan; Wermers, Russ (1997): Measuring Mutual Fund Performance with Characteristic Based Benchmarks. Journal of Finance 52, S. 1035-1058.

Decker, Stefan (2005): Investorenspezifische Performancemessung für die Auswahl von Investmentfonds. Wiesbaden.

Denver Investments (2015): Prospectus equity & bond funds. Denver.

Droms, William G.; Walker, David A. (2001a): Persistence of mutual fund operating characteristics: returns, turnover rates and expense ratios. Applied Financial Economics 11, S. 457-466.

Droms, William G.; Walker, David A. (2001b): Performance persistence of international mutual funds. Global Finance Journal 12, S. 237-248.

Droms, William G. (2006): Hot hands, cold hands: does past performancepredict future returns? Journal of Financial Planning 19 (5), S. 60-69.

Eling, Martin (2009): Does hedge fund performance persist? Overview andnew empirical evidence. European Financial Management 15 (2), S. 362- 401.

Elton, Edwin J.; Gruber, Martin J.; Blake, Christopher R. (1996): The persistence of risk-adjusted mutual fund performance. Journal of Business 69, S. 133-157.

Eser, Zekeriya (2008): Persistence in mutual fund performance: 2.0. Working Paper, Eastern Kentucky University, März 2008.

Fan, Yuhong; Addams, H. Lon (2012): United States-based international mutual funds: Performance and persistence. Financial Services Review 21, S. 51-61.

Fama, Eugene F.; French, Kenneth R. (1992): The cross-section of expected returns, Journal of Finance 47, S. 427-465.

Fama, Eugene F.; French, Kenneth R. (1993): Common risk factors in thereturns on stocks and bonds. Journal of Financial Economics 33 (1), S. 3- 56.

Fama, Eugene F.; French, Kenneth R. (1996): Multifactor explanations of asset pricing anomalies. Journal of Finance 51 (1), S. 55-84.

Fama, Eugene F.; French, Kenneth R. (2010): Luck versus skill in thecross-section of mutual fund returns. The Journal of Finance 65 (5), S.1915-1947.

Fama, Eugene F.; French, Kenneth R. (2015): A five-factor asset pricing model. Journal of Financial Economics 116 (1), S. 1-22.

FMR LLC (2016): Fidelity Contrafund Prospectus. Boston.

Fortin, Rich; Michelson, Stuart (2010): Mutual fund performance

persistence: still true? Academy of Accounting and Financial Studies Journal 14 (4), S. 29-41.

Fung, William; Hsieh, David A. (1997a): Empirical characteristics of dynamic trading strategies: the case of hedge funds. The Review of Financial Studies 10, S. 275-302.

Goetzmann, William N.; Ibbotson, Roger G. (1994): Do winners repeat?

Patterns in mutual fund performance. Journal of Portfolio Management 20, S. 9-18.

Griffin, John M. (2002): Are the Fama and French factors global or country specific? Review of Financial Studies 15 (3), S. 783-803.

Grinblatt, Mark; Titman, Sheridan (1992): The Persistence of Mutual Fund Performance. Journal of Finance 47 (5), S. 1977-1984.

Guggenheim Partners, LLC (2016): Guggenheim Funds Prospectus Class A, Class C, Institutional and Class P. Rockville.

Guseck, Ansgar (2007): Marktgleichgewicht bei offenen Investmentfonds. Sauren Finanzdienstleistungen Gmb H & Co. KG (Hrsg.), Köln.

Hanauer, Matthias; Kaserer, Christoph; Rapp, Marc S. (2010):

Risikofaktoren und Multifaktormodelle für den deutschen Aktienmarkt.

Working Paper, Center for Entrepreneurial and Financial Studies, Juli 2010. Hartung, Joachim; Elpelt, Bärbel (1984): Multivariate Statistik: Lehr- und Handbuch der angewandten Statistik. München u. a.

Hendricks, Darryll; Patel, Jayendu; Zeckhauser, Richard (1993): Hot hands in mutual funds: short-run persistence of relative performance, 1974-1988. The Journal of Finance 48 (1), S. 93-130.

Investment Company Institute (2015): 2015 Investment Company Fact Book. A Review of Trends and Activities in the U.S. Investment Company Industry. 55. Aufl., Washington.

Jan, Yin-Ching; Hung, Mao-Wei (2004): Short-run and long-run persistence in mutual funds. The Journal of Investing 13, S. 67-71.

Jegadeesh, Narasimhan; Titman, Sheridan (1993): Returns to buying winners and selling losers: implications for stock market efficiency. Journal of Finance 48 (1), S. 65-91.

Jensen, Michael C. (1969): The performance of mutual funds in the period 1945-1964. Journal of Finance 23 (2), S. 389-416.

Kaushik, Abhay; Saubert, Lynn K.; Saubert, R. Wayne (2014): Performance and persistence of performance of healthcare mutual funds. Financial Services Review 23, S. 77-91.

Kontrec-Goedecke, Matija (2010): Erklärungsansätze für Performance Persistenz bei Investmentfonds: Ein Überblick. Hamburg.

Kreuzberg, Klaus (2006): Offenlegungspolitik von Investmentfonds. Köln. Krimm, Sebastian (2012): Die risikoadjustierte Performance offener Aktienfonds: eine theoretische und empirische Untersuchung ausgewählter Probleme in der Performancemessung. Dissertation, Katholische Universität Eichstätt-Ingolstadt, Eichstätt.

Lakonishok, Josef; Shleifer, Andrei; Vishny, Robert W. (1994): Contrarian Investment, Extrapolation, and Risk. The Journal of Finance 49 (5), S.1541-1578.

Liew, Jimmy; Vassalou, Maria (2010): Can book-to-market, size and momentum be risk factors that predict economic growth? Journal of Financial Economics 57, S. 221-245.

Lintner, John (1965): The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets. Review of Economics and Statistics 47, S. 13-37.

Lo, Andew W.; Mackinlay, Craig (1990): Data-Snooping Biases in Tests of Financial Asset Pricing Models. The Review of Financial Studies 3 (3), S.431-467.

Malkiel, Burton G. (1995): Returns from investing in equity mutual funds 1971 to 1991. The Journal of Finance 50 (2), S. 549-572.

Massa, Massimo; Reuter, Jonathan; Zitzewitz, Eric (2010): When should firms share credit with employees? Evidence from anonymously managed mutual funds. Journal of Financial Economics 95, S. 400-424.

Piaz, J.-M. (2002): Operational Risk Management bei Banken. Zürich.

Roll, Richard (1977): A critique of the asset pricing theory’s tests part I: onpast and potential testability of the theory. Journal of Financial Economics4, S. 129-176.

Rottmann, Horst; Franz, Thomas (2008): Die Performance deutscher Aktienfonds. Working Paper, Fachhochschule Amberg-Weiden, Weiden, März 2008.

Rosenberg, Barr; Kenneth, Reid; Lanstein, Ronald (1985): Persuasive evidence of market inefficiency. Journal of Portfolio Management 11 (3), S.9-16.

Scholz, Hendrik (2002): Performanceanalyse von Aktieninvestmentfonds:Eine theoretische Untersuchung externer Performancemaße. Berlin.

Schwert, G. William (2001): Anomalies and Market Efficiency. In G. Constantinides et al., Handbook of the Economics of Finance, North Holland, Amsterdam, S. 939-968.

Seitz, Johann (2010): Nachhaltige Investments - Eine empirischvergleichende Analyse der Performance ethisch-nachhaltiger Investmentfonds in Europa. Hamburg.

Sharpe, William F. (1964): Capital asset prices: A theory of market equilibrium under conditions of risk. Journal of Finance 19, S. 425-442. Sharpe, William F. (1966): Mutual Fund Performance. The Journal of Business 39 (1), S. 119-138.

Sirri, Erik R.; Tufano, Peter (1998): Costly search and mutual fund flows. The Journal of Finance 53 (5), S. 1589-1622.

Stattman, Dennis (1980): Book values and stock returns. The Chicago MBA: A journal of selected papers 4 (1), S. 25-45.

Steiner, Manfred; Bruns, Christoph (2007): Wertpapiermanagement. 9. Aufl., Stuttgart.

Stephan, Alexander (2015): Zum Einfluss der Benchmark auf die Performance aktiv gemanagter US-Aktienfonds - Eine empirische Untersuchung. Fern Universität in Hagen, Hagen.

Thomson Reuters (2014): Lipper Global Classification Definitions Document. New York City.

Van Dijk, Mathijs A. (2011): Is size dead? A review of the size effect inequity returns. Journal of Banking and Finance 35, S. 3263-3274.

Vogler, Oliver (2009): Das Fama-French-Modell: Eine Alternative zum CAPM - auch in Deutschland. Finanz Betrieb 7-8, S. 382-388.

Wilmanns, Jan (2001): Anlagestile und Performance von Investmentfonds. Dissertation, Universität Dortmund, Dortmund.

Ziegler, Andreas; Schröder, Michael; Schulz, Anja; Stehle, Richard (2007):Multifaktormodelle zur Erklärung deutscher Aktienrenditen: Eine empirische Analyse. Zeitschrift für betriebswirtschaftliche Forschung 59, S. 355-389.

1 Investment Company Institute (2015), S. 8.

2 Allianz Global Investors (2016), S. 2.

3 Vgl. Sirri/Tufano (1998), S. 1619 f.

4 Vgl. Droms (2006), S. 68.

5 Vgl. Bessler et al. (2011), S. 1-50, sowie Barelkowska (2010), S. 1-26.

6 Vgl. Massa/Reuter/Zitzewitz (2010), S. 400-424.

7 Steiner/Bruns (2007), S. 48.

8 Liquidität bezeichnet die Möglichkeit, eine Geldanlage schnell gegen Geld einzutauschen.

9 Vgl. Seitz (2010): S. 37.

10 Vgl. Steiner/Bruns (2007), S. 48.

11 Vgl. Sharpe (1964), S. 425-442 sowie Lintner (1965), S. 13-37.

12 Vgl. Steiner/Bruns (2007), S. 49.

13 Vgl. Piaz (2002), S. 10 f.

14 Vgl. Scholz (2002), S. 42.

15 Vgl. Steiner/Bruns (2007), S. 53 f.

16 Vgl. Scholz (2002), S. 37.

17 Vgl. Decker (2005) S. 9.

18 Vgl. Sharpe (1964), S. 425-442 sowie Lintner (1965), S. 13-37.

19 Vgl. Hanauer/Kaserer/Rapp (2010), S. 3.

20 Vgl. Jensen (1969), S. 389-416.

21 Vgl. Seitz (2010), S. 44.

22 Vgl. hier und im folgenden Abschnitt Seitz (2010), S. 46.

23 Vgl. Wilmanns (2001), S. 38.

24 Vgl. Hanauer/Kaserer/Rapp (2010), S. 3 f.

25 Vgl. Banz (1981), S. 3-18.

26 Vgl. Van Dijk (2011), S. 3264.

27 Vgl. Van Dijk (2011), S. 3267 f.

28 Vgl. Stattman (1980), S. 25-45 sowie Rosenberg et al. (1985), S. 9-16.

29 Generellwerdenunter Value-Aktiensolchemithohem Buch-Marktwert-Verhältnisverstanden.

30 Vgl. Hanauer/Kaserer/Rapp (2010), S. 4.

31 Vgl. Hanauer/Kaserer/Rapp (2010), S. 5.

32 Vgl. Lakonishok/Shleifer/Vishny (1994), S. 1564 f.

33 Vgl. Schwert (2001), S. 939-968.

34 Vgl. Fama/French (1992), S. 427-465 sowie hier und im Folgenden Fama/French (1993), S. 3-56.

35 Im Englischen wird von „small-capitalization” oder „small cap” gesprochen, vgl. Schwert (2001) S. 942.

36 Vgl. Bernstein (2001), der Ausdruck befindet sich im Anhang.

37 Vgl. Hanauer/Kaserer/Rapp (2010), S. 27.

38 Vgl. Ziegler et al. (2007), S. 386.

39 Vgl. Fama/French (1996), S. 55-84.

40 Vgl. Krimm (2012), S. 17.

41 Vgl. Betker/Sheehan (2013), S. 350.

42 Vgl. Griffin (2002), S. 783-803.

43 Vgl. Jegadeesh/Titman (1993), S. 65-91.

44 Vgl. hier und im folgenden Abschnitt Carhart (1997), S. 57-82.

45 Auch als UMD für „Up Minus Down“ oder MOM für „Momemtum“ bekannt.

46 Vgl. Liew/Vassalou (2000), S. 221-245.

47 Vgl. Artmann/Finter/Kempf (2012), S. 758-784.

48 Vgl. hier und im Folgenden Vogler (2009), S. 384 f.

49 Vgl. hier und im Folgenden Brown/Goetzmann/Ibbotson/Ross (1992): S. 553-580.

50 Vgl. Malkiel (1995), S. 553.

51 Vgl. Lo/Mackinlay (1990), S. 431-467.

52 Vgl. Artmann/Finter/Kempf (2012), S. 759 f.

53 Vgl. Roll (1977), S. 129-176.

54 Vgl. Stephan (2015), S. 1-44.

55 Vgl. Fama/French (1993), S. 8.

56 Vgl. Fung/Hsieh (1997a), S. 275-302.

57 Vgl. Fama/French (2015), S. 1-22.

58 Vgl. Hier und im Folgenden Bessler et al. (2011), S. 1-50.

59 Vgl. Berk/Green (2004), S. 1269-1295.

60 Vgl. Bessler et al. (2011), S. 22.

61 Vgl. Guseck (2007), S. 1-19.

62 Vgl. Bessler et al. (2011), S. 13.

63 Vgl. Massa/Reuter/Zitzewitz (2010), S. 400 f.

64 Vgl. hier und im Folgenden Barelkowska (2010), S. 2.

65 Vgl. Barelkowska (2010), S. 8.

66 Vgl. hier und im Folgenden Kreuzberg (2006), S. 56.

67 Vgl. Kreuzberg (2006), S. 121.

68 Vgl. Daniel/Grinblatt/Titman/Wermers (1997), S. 1035.

69 Vgl. Chen/Jegadeesh/Wermers (2000), S. 348.

70 Vgl. Kreuzberg (2006), S. 145.

71 Vgl. Sharpe (1966), S. 119-138.

72 Vgl. Seitz (2010): S. 45.

73 Vgl. Grinblatt/Titman (1992), S. 1979.

74 Vgl. Grinblatt/Titman (1992), S. 1978.

75 Vgl. hier und im Folgenden Kontrec-Goedecke (2010), S. 3.

76 Vgl. hier und im Folgenden Grinblatt/Titman (1992), S. 1977-1984.

77 Vgl. Grinblatt/Titman (1992), S. 1982.

78 Vgl. Grinblatt/Titman (1992), S. 1983.

79 Vgl. hier und im Folgenden Hendricks/Patel/Zeckhauser (1993), S. 93-130.

80 Vgl. Hendricks/Patel/Zeckhauser (1993), S. 97.

81 Vgl. hier und im Folgenden Kontrec-Goedecke (2010), S. 9 f.

82 Vgl. Hendricks/Patel/Zeckhauser (1993), S. 106.

83 Vgl. Hendricks/Patel/Zeckhauser (1993), S. 102.

84 Vgl. Goetzmann/Ibbotson (1994), S. 9-18 sowie hier und im Folgenden Brown/Goetzmann (1995), S. 679-698.

85 Vgl. Brown/Goetzmann (1995), S. 686.

86 WW bezeichnet im Original „Winner-Winner“, LL steht für „Loser-Loser“.

87 Alternativ wird das Kreuzproduktverhältnis auch als „odds ratio“ bezeichnet, vgl. Brown/Goetzmann (1995), S. 686.

88 Vgl. Brown/Goetzmann (1995), S. 689.

89 Vgl. Kontrec-Goedecke (2010), S. 13.

90 Vgl. hier und im Folgenden Fortin/Michelson (2010), S. 31.

91 Vgl. Brown/Goetzmann (1995), S. 689 sowie Malkiel (1995), S. 549.

92 Vgl. Droms (2006), S. 60-69.

93 Zu Tabelle 1 vgl. Grinblatt/Titman (1992), S. 1977-1984; Hendricks/Patel/Zeckhauser(1993), S. 93-130; Goetzmann/Ibbotson (1994), S. 9-18; Brown/Goetzmann (1995), S.679-698; Malkiel (1995), S. 549-572; Elton/Gruber/Blake (1996), S. 133-157; Carhart(1997), S. 57-82; Blake/Timmermann (1998), S. 57-77; Droms/Walker (2001a), S. 457- 466; Droms/Walker (2001b), S. 237-248; Bams/Otten (2002), S. 75-101; Jan/Hung (2004), S. 67-71; Bollen/Busse (2004), S. 569-597; Kreuzberg (2006), S. 1-184; Rottmann/Franz (2006),S. 1-31;Eser (2008), S. 1-57; Busse/Goyal/Wahal (2010), S. 765-790; Barelkowska (2010), S. 1-26; Fortin/Michelson (2010), S. 29-41; Bessler et al. (2011), S. 1- 48; Fan/Addams (2012), S. 51-61; Betker/Sheehan (2013), S. 349-365 sowie Kaushik/Saubert/Saubert (2014), S. 77-91.

94 Vgl. Eling (2009), S. 362-401.

95 Vgl. Fama/French (2010), S. 1916.

96 Vgl. Eling (2009), S. 368.

97 Vgl. Barelkowska (2010), S. 11.

98 Vgl. hier und im Folgenden Carhart (1997), S. 78-82.

99 Vgl. Carhart (1997), S. 63.

100 Vgl. Carhart (1997), S. 71 f.

101 Vgl. hier und im Folgenden Fortin/Michelson (2010), S. 29-41.

102 Vgl. hier und im Folgenden Kaushik/Saubert/Saubert (2014), S. 77-91.

103 Vgl. Malkiel (1995), S. 552.

104 Vgl. Bollen/Busse (2004), S. 575.

105 Vgl. Eser (2008), S. 8.

106 Vgl. Betker/Sheehan (2013), S. 352.

107 Vgl. Fortin/Michelson (2010), S. 39.

108 Vgl. Thomson Reuters (2014), S. 6.

109 Vgl. Bessler et al. (2011), S. 1-50.

110 Vgl. Hendricks/Patel/Zeckhauser (1993), S. 96.

111 Vgl. Elton/Gruber/Blake (1996): S. 136 f.

112 Vgl. Fan/Addams (2012), S. 53.

113 Vgl. Busse/Goyal/Wahal (2007), S. 770 f.

114 Vgl. Eser (2008), S. 8.

115 Vgl. Kreuzberg (2006), S. 106.

116 Vgl. Blake/Timmermann (1998), S. 60.

117 Vgl. Griffin (2002), S. 783-803.

118 Um eine eindeutige Identifizierung von genannten Fonds zu ermöglichen, werden im Folgenden die Ticker Symbole verwendet.

119 Vgl. Denver Investments (2015), S. 19.

120 Vgl. Allianz Global Investors Fund Management LLC (2015), S. 52.

121 Vgl. Guggenheim Partners, LLC (2016): S. 34 f.

122 Vgl. Capital Group (2015), S. 3.

123 Vgl. FMR LLC (2016): S. 1-32.

124 Vgl. Fama/French (2010), S. 1917.

125 Vgl. Barelkowska (2010), S. 7.

126 Unter dem Punkt „Factor Regression“ ermöglicht die Webseite Regressionen gemäß dem Fama-Frech-Dreifaktormodell und dem Carhart-Vierfaktormodell.

127 Vgl. hier und im Folgenden Brosius (1998), S. 497 f.

128 Vgl. hier und im Folgenden Hartung/Elpelt (1984), S. 191.

129 Vgl. hier und im Folgenden Brosius (1998), S. 503.

130 Vgl. Hartung/Elpelt (1984), S. 83 f.

131 Es kann hier und im Folgenden als rechnerischer Effekt betrachtet werden, dass Adj. R²einen negativen Wert annimmt. Diese Ergebnisse können als 0,000 interpretiert werden.

132 Vgl. Bessler et al. (2011), S. 1-50.

Ende der Leseprobe aus 63 Seiten

Details

Titel
Die Performance von Fondsmanagern im Zeitablauf
Untertitel
Eine empirische Analyse für US-amerikanische Aktienfonds
Hochschule
FernUniversität Hagen  (Fakultät für Wirtschaftswissenschaft)
Note
1,0
Autor
Jahr
2016
Seiten
63
Katalognummer
V379177
ISBN (eBook)
9783668560659
ISBN (Buch)
9783668560666
Dateigröße
1083 KB
Sprache
Deutsch
Schlagworte
Performance, Fonds, Managern, Zeitablauf, Wirtschaft, Geld, Geldanlage, Kapital, Markt, Aktien, Wert, Indexfonds
Arbeit zitieren
Julian Mahale (Autor:in), 2016, Die Performance von Fondsmanagern im Zeitablauf, München, GRIN Verlag, https://www.grin.com/document/379177

Kommentare

  • Noch keine Kommentare.
Blick ins Buch
Titel: Die Performance von Fondsmanagern im Zeitablauf



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