Kapitalmarktanomalien am Aktienmarkt. Erklärungsansätze und grundlegende Testmethoden

Inhaltsverzeichnis

Symbolverzeichnis

Abbildungs-/ Tabellenverzeichnis

Abkürzungsverzeichnis

1. Einleitung
1.1 Problemstellung und Zielsetzung
1.2 Aufbau der Seminararbeit

2. Neoklassische Kapitalmarkttheorie
2.1 Markteffizienzhypothese
2.2 Random-Walk Theorie
2.3 Kapitalmarktmodelle
2.3.1 Capital Asset Pricing Modell und Erweiterungen
2.3.2 Arbitrage Pricing Theorie

3. Behavioral Finance7
3.1 Theoretische Grundlagen
3.2 Arten von Heuristiken

4. Kapitalmarktanomalien
4.1 Definition
4.2 Kennzahlenanomalien
4.2.1 Size-Effekt
4.2.2 Value-Effekt
4.3 Effizienzanomalien
4.3.1 Momentum-Effekt
4.3.2 Winner-Loser-Effekt
4.4 Kalenderanomalien
4.4.1 Januar-Effekt
4.4.2 Monatswechsel-Effekt
4.4.3 Day-of-the-Week-Effekt

5. Empirische Untersuchungen
5.1 Testmethoden und Daten
5.2 Zeitliche Persistenz der Anomalien
5.3 Einflussfaktoren auf Überrenditen

6. Konsequenzen für das praktisches Asset Management

7. Fazit

Literaturverzeichnis

Symbolverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Abbildungs-/ Tabellenverzeichnis

Tabelle 1: Anomalien in verschiedenen Eventperioden

Tabelle 2: Zeitreihen Durchschnitte

Tabelle 3: Überrenditen von Unternehmensanleihen

Tabelle 4: Performance der Momentum-Strategie

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1. Einleitung

1.1 Problemstellung und Zielsetzung

”As goes January, so goes the year.” (o.V.)

So lautet eine der bekanntesten Börsenweisheiten an den internationalen Finanzmärkten. Dieser Spruch hängt mit dem Januar-Effekt zusammen und bedeutet, dass Investoren im Januar eine höhere durchschnittliche Rendite erzielen können als in den restlichen Monaten eines Handelsjahres (Rozeff und Kinney, 1976). Dem Januar wird aber auch noch eine zweite Bedeutung beigemessen. Kurz (2017) erklärt, dass der Januar eine Prognosefähigkeit für das restliche Börsenjahr hat. Somit deuten steigende (fallende) Aktienkurse im Januar daraufhin, dass die Aktienkurse in den übrigen Monaten ebenfalls steigen (fallen).

Neben diesem Januar-Effekt, welcher auch als Kalenderanomalie bezeichnet wird, existieren noch weitere Anomalien unterschiedlichster Art. Diese Anomalien widersprechen der neoklassischen Kapitalmarkttheorie, da man durch diese Überrenditen erzielen und Aktienkurse prognostizieren kann (Kurz, 2017). Sie treten auf, wenn sich viele Anleger am Markt gleichzeitig irrational verhalten.

In der jungen Vergangenheit haben Marktanomalien immer mehr an Bedeutung gewonnen und sind somit auch ein großes Thema für das praktische Asset Management, da sich Investoren fragen, wie sie diese Anomalien zu ihrem Profit ausnutzen können.

Das Ziel der vorliegenden Arbeit ist es einen Überblick über die Arten der Kapitalmarktanomalien zu verschaffen, wie sie zustande kommen, gemessen und erklärt werden können. Außerdem soll gezeigt werden, wie sich die Anomalien auf die Portfolioperformance auswirken, ob man aus ihnen profitable Anlagestrategien ziehen kann und welche Konsequenzen dies für das Asset Management mit sich bringt.

1.2 Aufbau der Seminararbeit

Zur Umsetzung des in Kapitel 1.1 gesetzten Zieles ist die vorliegende Arbeit wie folgt gegliedert. In Kapitel 2 wird zunächst ein Überblick über die neoklassische Kapitalmarkttheorie gegeben. Es werden theoretische Grundlagen und Modelle näher definiert und kritisiert. Im darauffolgenden Kapitel werden die relevanten Aspekte der Behavioral Finance Theorie vorgestellt, die zum späteren Verständnis der Anomalien beitragen sollen. In Kapitel 4 werden die Kapitalmarktanomalien im Allgemeinen erklärt und die wichtigsten näher erläutert. Außerdem werden auch mögliche Erklärungsansätze für diese genannt. Kapitel 5 beinhaltet empirische Untersuchungen zu einer möglichen Persistenz der Anomalien. Zu diesem Zweck werden die verwendeten Daten und Methoden zunächst vorgestellt, bevor die Ergebnisse präsentiert werden. In diesem Kapitel werden auch die Einflussfaktoren auf die Renditen von Aktien und Anleihen dargestellt. In Kapitel 6 werden Anlagestrategien vorgestellt und mögliche Konsequenzen für das praktische Asset Management gezogen. Im letzten Kapitel werden die Argumentationsstränge zusammengeführt und ein Ausblick gewährt.

2. Neoklassische Kapitalmarkttheorie

2.1 Markteffizienzhypothese

Die Markteffizienzhypothese (EMH) geht auf Fama (1970) zurück und besagt, dass ein Kapitalmarkt effizient ist, wenn er zu jeder Zeit alle verfügbaren Informationen in den Wertpapierkursen vollkommen widerspiegelt, d.h. es gibt keine Handelsstrategie, mit der man eine abnormale Rendite erzielen kann. In seinem Artikel (1970, S. 387) nennt er drei Bedingungen, die für einen effizienten Kapitalmarkt hinreichend sind. Erstens gibt es keine Transaktionskosten. Zweitens sind alle öffentlichen Informationen kostenlos für alle Kapitalmarktteilnehmer verfügbar. Und drittens haben alle Marktteilnehmer homogene Erwartungen bezüglich der Implikationen der aktuell verfügbaren Informationen auf die heutigen Preise und auf die Wahrscheinlichkeitsverteilung zukünftiger Preise.

Gemäß der Studie von Fama (1970, S. 383) gibt es drei Formen der Informationseffizienz: schwache, mittel-starke und starke Effizienz.

Bei der schwachen Form der EMH nimmt man an, dass nur historische Kurse als Information zur Verfügung stehen. Diese Form der Effizienz liegt vor, wenn man durch eine historische Analyse keine Überrenditen erzielen kann. Demgemäß sind alle historischen Kurse im aktuellen Kurs enthalten.

Bei der mittel-starken Form der EMH nimmt man an, dass nicht nur die historischen Kurse als Information zur Verfügung stehen, sondern auch alle weiteren veröffentlichten Informationen, wie z.B. Aktiensplits, Neuausgaben von Aktien, Ankündigungen von Finanzberichten usw.. Die mittel-starke Form impliziert, dass alle Vergangenheitsdaten und alle öffentlich verfügbaren Informationen in den aktuellen Kursen enthalten sind.

Die starke Form der Effizienz gilt als gegeben, wenn neben den öffentlich verfügbaren Informationen auch die Insiderinformationen in dem Kurs mit einbezogen werden und somit kein Investor durch einen monopolistischen Zugang zu Informationen Überrenditen generieren kann.

Wäre die starke Form existent, hätten Unternehmensinsider und Spezialisten keinen monopolistischen Zugang auf bestimmte Informationen und könnten diese nicht nutzen um Handelsgewinne zu erzielen. Es gibt jedoch einige Studien, die zeigen, dass dies nicht der Fall ist. Deswegen sollte nach Fama (1970) die starke Form der EMH als Benchmark dienen, an der sich die Realität orientieren kann. Allgemein wird angenommen, dass die schwache und die mittel-starke Form der Informationseffizienz existieren.

2.2 Random-Walk Theorie

Die Random-Walk Theorie steht in enger Verbindung mit der Markteffizienzhypothese. Nach Cheng und King Deets (1971) besteht diese Theorie aus einer ökonomischen und einer statistischen Hypothese. Die ökonomische Hypothese behauptet, dass Kapitalmärkte effizient sind, sodass kein Investor eine systematische Überrendite erzielen kann. Die statistische Hypothese sagt aus, dass die Kursänderungen für jedes Wertpapier unabhängige zufällige Variablen sind (1971, S. 11). Spremann und Scheurle (2010) beschreiben den aktuellen Kurs eines Wertpapiers als historischen Kurs zuzüglich einer zufälligen Veränderung. Ausgedrückt wird dies anhand der Formel von Daxhammer und Facsar (2017, S. 29):

Abbildung in dieser Leseprobe nicht enthalten

Pist der Preis des Wertpapiers zu den Zeitpunkten t und t + 1 und der Ausdruck et ist der Zufallsterm.

Empirische Ergebnisse unterstützen nicht die Vermutung, dass Wertpapierpreise wechselseitig stochastisch unabhängig sind (Cheng und Kind Deets, 1971, S. 26). Es wurde nachgewiesen, dass man durch die Strategie „fixed investment proportion maintenance“ eine höhere Rendite erzielen kann, als durch die Strategie „Buy-and-Hold“, auch wenn man Transaktionskosten berücksichtigt (Evans, 1968, S.337), dies bestätigen Cheng und King Deets (1971) ebenfalls in ihrer Studie.

2.3 Kapitalmarktmodelle

„Die wesentliche Zielsetzung eines Kapitalmarktmodells liegt in der Beschreibung des Renditegenerierungsprozesses auf dem Kapitalmarkt“ (Opfer, 2004, S.10). Kapitalmarktmodelle sind von großer Bedeutung, da man bspw. die Markteffizienzhypothese an diesen testen kann (Fama, 1970). Im Folgenden werden vier Marktmodelle näher erläutert.

2.3.1 Capital Asset Pricing Theorie und Erweiterungen

Dieses Einfaktor-Kapitalmarktmodell fußt auf der Portfolio Selection Theorie von Markowitz (1952) und wurde nahezu zeitgleich von Sharpe (1964), Lintner (1965) und Mossin (1966) entwickelt. Unter Verwendung dieses Modells ist man in der Lage das Risiko zu messen und Prognosen über den Zusammenhang zwischen der erwarteten Rendite und dem Risiko eines Wertpapiers zu machen. Wie in der Portfoliotheorie von Markowitz (1952) nimmt man im CAPM an, dass Investoren risikoavers sind und nur mean-variance effiziente Portfolios auswählen (Fama und French, 2004). Ein Portfolio ist effizient, wenn es keine Alternative gibt, die bei gleicher erwarteten Rendite ein geringeres Risiko oder bei einem gegebenen Risiko eine höhere Rendite hat (Sharpe, 1964). Außerdem geht man im CAPM von zwei Annahmen aus um ein Gleichgewicht herzustellen (Sharpe (1964); Lintner (1965)). Die erste Annahme ist, dass alle Marktteilnehmer homogene Erwartungen bezüglich der Rendite, Varianz und Kovarianz aller Wertpapiere haben. Und die Zweite, dass ein risikoloser Zinssatz rf existiert, bei dem die Marktteilnehmer die Möglichkeit zur Geldanlage und -aufnahme besitzen. Investoren können in ein Portfolio investieren, welches eine Kombination eines risikolosen Wertpapiers und eines risikobehafteten Portfolios ist. Da alle Marktteilnehmer homogene Erwartungen haben und nur mean-variance effiziente Portfolios aussuchen, wird von jedem das Marktportfolio als risikobehaftetes Portfolio gewählt, welches auf der Kapitalmarktlinie (CML) liegt. Die Aufteilung zwischen der risikolosen Anlage und des Marktportfolios erfolgt in Abhängigkeit von der individuellen Risikoneigung des Investors (Tobin, 1958). Falls der Investor x in das risikofreie Wertpapier Rf investiert und 1 - x in das Marktportfolio M, erhält er diese Rendite (Fama und French, 2004, S. 27):

Abbildung in dieser Leseprobe nicht enthalten

E(RP) ist die erwartete Rendite des Portfolios mit der Gewichtung x auf der risikolosem Anlage Rf und der Gewichtung (1-x) auf der erwartete Rendite E(RM) des Marktportfolios M.

Aufbauend auf der Kapitalmarktlinie (CML) wird die Wertpapierlinie (SML) abgeleitet, mit der man einzelne Wertpapiere im Portfoliokontext hinsichtlich ihres Risikos bewerten kann (Kurz, 2017, S. 20f.). Dabei unterscheidet man zwischen systematischem und unsystematischem Risiko. Durch Diversifikation kann ein Investor das unsystematische Risiko reduzieren und somit wird er nur für das systematische Risiko mit einer Marktrisikoprämie entschädigt. Als Risikomaß für das systematische Risiko relativ zum Markt wird das Marktbeta (b) benutzt.

Die Grundgleichung des CAPM lautet wie folgt (Fama und French, 2004):

Abbildung in dieser Leseprobe nicht enthalten

E(Ri) ist die erwartete Rendite des Wertpapiers i, die aus der Summe der risikofreien Rendite Rf und der Marktrisikoprämie [E(RM) – Rf] multipliziert mit dem Marktbeta ßiM des Wertpapiers i besteht. Die Marktrisikoprämie ist die Differenz zwischen der erwarteten Marktrendite E(RM) und der risikofreien Rendite Rf (erwartete Rendite auf Wertpapiere, die unkorreliert mit der Marktrendite sind, also ein b = 0 haben).

Das Marktbeta misst die Sensitivität der Wertpapierrendite gegenüber den Veränderungen der Marktrendite (Fama und French, 2004). Auf Basis des Beta-Faktors (b) lassen sich drei Gruppen von Wertpapieren bilden (Kurz, 2017, S.22). Wenn b = 1 ist, bedeutet das, dass die Wertpapierrendite der Marktrendite entsprechen sollte und somit das Risiko des Wertpapiers dem Risiko des Gesamtmarktes entspricht. Wenn b > 1 ist, deutet das darauf hin, dass das Wertpapier im Vergleich zum Gesamtmarkt stärker steigt oder fällt und somit das Risiko dieses Wertpapiers höher ist als das des Gesamtmarktes. Wenn b < 1 ist, weißt dies darauf hin, dass das Wertpapier im Vergleich zum Gesamtmarkt schwächer steigt oder fällt und demnach sein Risiko geringer ist, als das des Gesamtmarktes.

Das CAPM steht häufig in der Kritik, da es auf realitätsfernen Annahmen basiert, wie z.B., dass die Investoren homogene Erwartungen haben oder dass man einen Kredit zu einem risikolosen Zins aufnehmen oder vergeben kann (Fama und French, 2004). Außerdem treten am Kapitalmarkt immer wieder Marktanomalien auf, die nicht mit der Hauptaussage des CAPMs, nämlich, dass die Unterschiede zwischen den erwarteten Renditen von Wertpapieren und Portfolios gänzlich vom Marktbeta erklärt werden, vereinbar sind.

Angesichts der oben genannten Kritikpunkten gibt es viele Erweiterungen des CAPM. Eine davon ist das intertemporal capital asset pricing model (ICAPM) von Merton (1973), welches zeitvariable Faktoren berücksichtigt. Das ICAPM geht davon aus, dass Investoren versuchen ihre risikobehafteten Positionen auf Grundlage von mikro- und makroökonomischen Ereignissen abzusichern.

Ein weiteres Modell ist das von Fama und French (1993, 1996) aufgestellte 3-Faktor-Modell, in dem sie den Größeneffekt (size) und den Werteffekt (value) von Unternehmen berücksichtigen. Sie beobachteten, dass kleinere Aktien und Aktien mit einem höheren Buch-zu-Marktwert höhere Durchschnittsrenditen aufweisen, welche nicht durch das Marktbeta erklärt werden können (Fama und French, 2004). Die Gleichung des 3-Faktor-Modells lautet wie folgt (Fama und French, 1996, S. 56):

Abbildung in dieser Leseprobe nicht enthalten

Ri ist die Portfolio- oder Aktienrendite von i, Rf ist die risikolose Rendite und RM die Rendite des Marktes. Die Faktorsensitivitäten bi ,si und hi sind die Steigungen in der Zeitreihenregression. SMB (small minus big) ist die Differenz zwischen den Renditen von diversifizierten Portfolios von kleinen und großen Aktien und HML (high minus low) ist die Differenz zwischen den Renditen von diversifizierten Portfolios von Aktien mit hohen und niedrigen Buch-Marktwert-Verhältnis (Fama und French, 2004, S. 38). ei ist der Störterm für das Wertpapier i und ai ist der faktorunabhängige Renditebestandteil der Anlage i. Es gibt außer diesen zwei genannten Erweiterungen noch viele mehr, die in dieser Arbeit nicht näher erläutert werden.

2.3.1 Arbitrage Pricing Theory

Die Arbitrage Pricing Theory (APT) wurde 1976 von Ross als Alternative zum CAPM entwickelt und erklärt den Rendite-Risiko Trade-off im Gegensatz zum CAPM mit mehreren Einflussfaktoren. Weitere Unterschiede zum CAPM sind, dass das APT nicht auf eine Periode limitiert ist, sondern sowohl in einperiodigen als auch in mehrperiodigen Fällen anwendbar ist und dass ein Marktportfolio keine Rolle spielt (Roll und Ross, 1980, S. 1074). Für die APT nehmen Roll und Ross (1980) an, dass ein vollkommener Kapitalmarkt mit unbeschränkten Leerverkäufen existiert (S. 1076), dass ein risikoloser Zinssatz existiert, zu dem die Investoren Kapital anlegen und aufnehmen können (S. 1078), dass die Marktteilnehmer homogene Erwartungen über die Faktorkoeffizienten bi,t und die erwarteten Renditen E(Ri,t) haben (S. 1082) und dass diese Marktteilnehmer risikoavers sind (Ross, 1976, S. 351). Verbunden mit der Annahme vollkommener Märkte ist die Bedingung der Arbitragefreiheit. Falls ein Marktgleichgewicht existiert, muss gleichzeitig gelten, dass es keine Arbitragegewinne gibt, d.h. es kann keine positive Rendite generiert werden ohne zusätzliches Risiko einzugehen oder mehr Kapital einzusetzen (Roll und Ross,1980). Die erwartete Rendite eines Wertpapiers oder Portfolios wird von mehreren exogenen mikroökonomischen oder makroökonomischen Faktoren bestimmt (Roll und Ross, 1980; Kurz, 2017). Das Mehrfaktormodell kann in folgender Form dargestellt werden (Daxhammer und Facsar, 2017, S. 59; Kurz, 2017, S. 24; Roll und Ross, 1980, S. 1076):

Abbildung in dieser Leseprobe nicht enthalten

E(Ri,t) ist die erwartete Rendite des Wertpapiers i. FK,t sind Risikofaktoren k (k = 1,…n), die das systematische (d.h. nicht diversifizierbare) Risiko erfassen. bi,t sind Faktorladungen des Wertpapiers i, welche die Sensitivität der Wertpapierrenditen bei Bewegungen des Risikofaktors k quantifizieren. ai ist der faktorunabhängige Renditebestandteil der Anlage i und ei,t ist die Störvariable für das Wertpapier i, mit der das unsystematische Risiko gekennzeichnet wird.

Ein Nachteil von diesem Modell ist die Intransparenz über die Art der Risikofaktoren (Rau, 2004, S. 58f.). Die APT trifft keine Aussage darüber, welche Risikofaktoren für die Bewertung der Renditen berücksichtigt werden sollen. Demzufolge muss man die relevanten Risikofaktoren schätzen und dies führt zu einer Beschränkung der empirischen Anwendung.

3. Behavioral Finance

In diesem Kapitel soll die Theorie der Behavioral Finance dargestellt und einige Definitionen zu dieser präsentiert werden. Außerdem wird ein kurzer Einblick in die Verhaltensanomalien der Investoren gewährt.

3.1 Theoretische Grundlagen

Die Theorie der Behavioral Finance wurde auf Grund der starken Kritik an den Kapitalmarkttheorien, die im Kapitel 2 beschrieben wurden, entwickelt. Besonders das Menschenbild des Homo oeconomicus, die Markteffizienzhypothese und die daraus abgeleiteten Kapitalmarktmodelle wurden kritisiert, da sie nicht kongruent mit der Realität der Kapitalmärkte sind (Kurz, 2017, S. 27). Des Weiteren wurden viele Marktanomalien identifiziert, die nicht mit den Kapitalmarkttheorien kompossibel sind. Behavioral Finance lehnt die Annahme von rational handelnden Marktteilnehmern ab und nimmt an, dass es durch diese Irrationalität zu systematischen Preisverzerrungen kommt (Kurz, 2017). In diesem Zusammenhang spricht Simon (1957) vom Begriff der begrenzten Rationalität („bounded rationality“). Shefrin (2008) zufolge versucht man in der Behavioral Finance herauszufinden, wie Psychologie finanzielle Entscheidungsfindung und somit Finanzmärkte beeinflusst.

3.2 Arten von Heuristiken

Marktteilnehmer nutzen zur Beurteilung unsicherer Ereignisse Heuristiken, die zwar bei der Beschleunigung der Entscheidungsfindung helfen, aber zu systematischen Verzerrungen im Informations- und Entscheidungsprozess führen (Daxhammer und Fascar, 2017). Jeder Entscheidungsprozess wird in drei Schritte unterteilt, zuerst kommt die Informationswahrnehmung, dann die Informationsverarbeitung und zuletzt die Informationsbeurteilung. Jeder dieser drei Schritte enthält Heuristiken. Die wichtigsten werden im Folgenden kurz erläutert.

Auf der Ebene der Informationswahrnehmung führt die Verfügbarkeitsheuristik (Availability Bias) dazu, dass Marktteilnehmer Informationen, die sie leichter aus ihren Erinnerungen abrufen können, eine höhere Wahrscheinlichkeit zuordnen, als Informationen, die schwerer abgerufen werden können oder auch schwerer zu verstehen sind (Pompian, 2006). Die selektive Wahrnehmung (selective perception) beschreibt die bewusste oder unbewusste Vernachlässigung von Informationen vor oder nach einer Entscheidung von Marktteilnehmern (Daxhammer und Facsar, 2017). Hierbei beeinflussen die jeweiligen persönlichen Vorstellungen, Bedürfnisse und Erwartungen des Entscheidungsträgers die zu beachtenden Informationen (Tversky und Kahneman, 1973). Unter Herdenverhalten versteht man die Beobachtung des Verhaltens der Masse und der Nachahmung dieses (Daxhammer und Facsar, 2017). Die Ursache dafür ist die Angst, dass die eigene Einschätzung falsch ist und man somit auf der falschen Seite steht. Dieses Verhalten war weitgehend für die Entstehung der Dotcom-Spekulationsblase verantwortlich (Daxhammer und Facsar, 2017).

Auf der Ebene der Informationsverarbeitung führt die Verankerungs- und Anpassungsheuristik (Anchoring and Adjustment Bias) dazu, dass Marktteilnehmer neue Informationen an einem Richtwert (Ankerpunkt) bewerten und nach genauerer Überlegung ihre Anfangsschätzung an den wahren Wert anpassen (Adjustment) (Tversky und Kahneman, 1974). Das Problem hierbei liegt darin, dass der Anker nicht ausreichend angepasst wird, da ihm Investoren ein zu hohes Gewicht zuschreiben und somit die Erwartungsbildung verzerrt werden kann (von Nitzsch, 2014). Beim Mental Accounting neigen Marktteilnehmer dazu Entscheidungen in separate „mentale Konten“ zu verbuchen und beachten dabei nicht die Interdependenz zwischen den einzelnen Investitionen, Projekten, Renditen oder Ergebnissen (Thaler, 1980). Die Verlustaversion beschreibt das Phänomen, dass Investoren sensibler auf Verluste als auf Gewinne reagieren (Kahneman und Tversky, 1979). Verluste wiegen emotional schwerer als Gewinne derselben Größe.

Auf der Ebene der Informationsbeurteilung beschreibt der Overconfidence Bias den Sachverhalt, dass Investoren ihr eigenes Wissen und ihre eigenen Fähigkeiten systematisch überschätzen, was zu Verzerrungen in der Entscheidungsbildung führt (Fischhoff et al. 1977). So könnten Anleger bei Überschätzung eigener Analysefähigkeiten die Sicht für negative Informationen verlieren oder Verlustrisiken unterschätzen (Daxhammer und Facsar, 2017). Unter dem Dispositionseffekt versteht man die Neigung der Investoren Gewinneraktien eher zu verkaufen als Verliereraktien (Shefrin und Statman, 1995). Das führt zu einer Reduktion der erzielbaren Rendite, da Gewinnerpositionen zu früh verkauft werden und Verliererpositionen zu spät verkauft werden (Kurz, 2017).

4. Kapitalmarktanomalien

4.1 Definition

Als Kapitalmarktanomalien wird das Auftreten von Marktentwicklungen bezeichnet, welche von den im Kapitel 2 erläuterten Grundsätzen und Kapitalmarktmodellen der neoklassischen Kapitalmarkttheorie abweichen (Barberis und Thaler, 2002). Anhand dieser Marktanomalien ist es möglich Aktienkurse zu prognostizieren und Überrenditen zu erzielen, was ein Widerspruch zu der Markteffizienzhypothese ist (Kurz, 2017). Fama und French (2004) zeigen in ihrem Artikel, dass es zwei Grundpositionen gibt, die versuchen Marktanomalien zu erklären. Auf der einen Seite wird das Zustandekommen von Marktanomalien durch Fehlbewertungen der Investoren erklärt (behavioristische Sicht) und auf der anderen, dass es kein passendes Asset Pricing Modell für die Erfassung der Anomalien gibt. Roßbach (2001) teilt Marktanomalien in drei Gruppen auf: Kennzahlenanomalien, Effizienzanomalien und Kalenderanomalien. Jedoch existieren zahlreiche andere Anomalien, die in dieser Arbeit nicht erwähnt wurden.

4.2 Kennzahlenanomalien

Die Empirie zeigt, dass die Renditedifferenzen zwischen Wertpapieren nicht auf den unterschiedlichen Betafaktoren begründet sind, sondern das Ergebnis firmenspezifischer Finanz- und Aktienkennzahlen sind (Kurz, 2017). Somit dienen Kennzahlenanomalien als Prognosemittel für zukünftige Renditeentwicklungen der Wertpapiere (Kurz, 2017).

4.2.1 Size-Effekt

Unter dem Size-Effekt versteht man das Phänomen, dass kleinere Unternehmen durchschnittlich eine höhere Rendite aufweisen als größere Unternehmen (Banz, 1981). Dabei wird die Größe der Unternehmen durch ihre Marktkapitalisierung ausgedrückt, welche durch die Multiplikation vom Aktienpreis und den ausstehenden Aktien berechnet wird. Banz (1981) erklärt, dass der Size-Effekt nicht linear mit der Unternehmensgröße zusammenhängt. Somit ist die Renditedifferenz zwischen kleinen und mittleren Unternehmen viel größer als die zwischen mittleren und großen Unternehmen. Keim (1983) entdeckt einen Zusammenhang zwischen dem Value-Effekt und dem Januar-Effekt (wird im Kapitel 4.4.1 erklärt). Er zeigt, dass der Size-Effekt im Januar viel stärker ist als in den restlichen elf Monaten. Durch die Beobachtung von Klein und Bawa (1977), dass Investoren nicht in Wertpapiere anlegen, von denen sie nicht genug Informationen haben, was meistens auf kleine Unternehmen zutrifft, folgert Banz (1978), dass dieser Mangel an Informationen zu einer beschränkten Diversifikation führt und somit die Wertpapiere dieser kleinen Unternehmen eine höhere Rendite erzielen müssen, um von den Investoren gekauft zu werden. Es existieren weitere Erklärungsansätze für diesen Effekt, die in dieser Arbeit jedoch nicht besprochen werden.

4.2.2 Value-Effekt

Auf dem Kapitalmarkt unterscheidet man zwischen Value-Aktien und Growth-Aktien. Value-Aktien haben ein hohes Buch-Marktwert-Verhältnis, ein niedriges Kurs-GewinnVerhältnis und schütten hohe Dividenden aus (Daxhammer und Facsar, 2017). Growth-Aktien dagegen haben ein niedriges Buch-Marktwert-Verhältnis, zahlen keine Dividenden und haben ein hohes Kurs-Gewinn-Verhältnis (Daxhammer und Facsar, 2017). Bei dem Value-Effekt spielen diese drei Kriterien (Buch-Marktwert-Verhältnis, Kurs-Gewinn-Verhältnis, Dividendenrendite) eine Rolle (Daxhammer und Facsar, 2017).

Unter dem Buch-Marktwert-Effekt versteht man die Beobachtung, dass Unternehmen mit einem hohen Buch-Marktwert-Verhältnis durchschnittlich höhere Aktienrenditen aufweisen als Unternehmen mit niedrigem Buch-Marktwert-Verhältnis (Lakonishok et al., 1994; Fama und French, 1992).

Basu (1977) dokumentiert, dass Aktien mit einem niedrigen Kurs-Gewinn-Verhältnis (KGV) durchschnittlich höhere absolute und risikoadjustierte Renditen erwirtschaften, als Aktien mit einem hohen KGV. Jedoch hindern Transaktionskosten, Suchkosten und Steuereffekte Investoren daran eine abnormale Rendite zu erzielen (Basu, 1977, S. 680).

Litzenberger und Ramaswamy (1979, S.190) stellen einen positiven Effekt zwischen Dividendenzahlungen und erwarteter Rendite vor Steuern fest und Daxhammer und Facsar (2017) behaupten, dass man mit Aktien von Unternehmen, die eine hohe Dividendenrendite besitzen, Überrenditen erzielen kann (S. 121).

4.3 Effizienzanomalien

Kurz (2017) beschreibt Effizienzanomalien als zeitlich aufeinanderfolgende Wertpapierkurse, die voneinander abhängig sind. Das verstößt jedoch gegen die schwache Form der Effizienzmarkthypothese, die besagt, dass man durch die Analyse von historischen Kursen keine Überrenditen erzielen kann (Fama, 1970) und gegen die Random-Walk-Theorie.

4.3.1 Momentum-Effekt

Unter dem Momentum-Effekt versteht man eine positive Korrelation zwischen Aktienrenditen (Kurz, 2017). Jegadeesh und Titman (1993) beobachten, dass Aktien, die in der kurz- bis mittelfristigen Vergangenheit outperformt haben, dies auch in der näheren Zukunft (3-12 Monate) tun. Aktien, die in der kurz- bis mittelfristigen Vergangenheit schlecht performt haben, setzen diese Entwicklung in der näheren Zukunft weiter fort. Auf dem Momentum-Effekt basieren Relative-Strength-Strategien, die „Gewinneraktien“ kaufen und „Verliereraktien“ leerverkaufen (Jegadeesh und Titman, 1993). Jegadeesh und Titman (1993) zeigen, dass Relative-Strength-Strategien in jedem Monat, außer im Januar, eine positive abnormale Rendite generieren. Diese Relative-Strength-Strategien können als Unterreaktion der Investoren auf firmenspezifische Informationen erklärt werden. Demnach reagieren Aktienkurse zu schwach auf neue Nachrichten und es entsteht ein langsamer Anpassungsprozess (Kurz, 2017). Nach Kurz (2017) ist dieses Verhalten auf den Effekt des Konservatismus sowie auf den Verankerungseffekt zurückzuführen.

4.3.2 Winner-Loser-Effekt

Der Winner-Loser-Effekt ist das Gegenteil des Momentum-Effekts, denn hier besteht eine negative Korrelation zwischen den Aktienrenditen (Kurz, 2017). Aktien, die in den vergangenen 3-5 Jahren schlecht performt haben, erreichen im selben Zeitraum in der Zukunft eine höhere Rendite als Aktien, die in den vergangenen 3-5 Jahren outperformt haben (De Bondt und Thaler, 1985). Dieses Phänomen ist jedoch nur im Januar zu beobachten. Auf diesem Effekt bauen Contrarian-Strategien auf, die frühere Verlierer kaufen und frühere Gewinner leerverkaufen und somit abnormale Renditen generieren (De Bondt und Thaler, 1987). Diese Contrarian- Strategien werden von De Bondt und Thaler (1985) als Überreaktion der Investoren auf unerwartete und dramatische Neuigkeiten erklärt. Im Laufe der Zeit erfolgt eine Korrektur der Aktienpreise zu ihrer fundamental gerechtfertigten Bewertung (Garz et al., 2002).

4.4 Kalenderanomalien

Kalenderanomalien beschreiben den Effekt, dass man zu bestimmten Zeiten innerhalb eines Börsenjahres höhere Renditen erzielen kann als in anderen Zeiträumen (Kurz, 2017). Die wiederkehrenden saisonalen Renditemuster können an bestimmten Tagen, Wochen oder Monaten vorkommen (Paulus, 1997).

4.4.1 Januar-Effekt

Als Januar-Effekt wird die Beobachtung von höheren durchschnittlichen Januar-Renditen, im Vergleich zu den restlichen elf Monaten, bezeichnet (Rozeff unf Kinney, 1976). Rozeff und Kinney (1976) zufolge sind die durchschnittlichen Januarrenditen 8-mal höher als die typischen monatlichen Renditen. Keim (1983) stellt fest, dass die beobachtbaren Überrenditen für kleine Unternehmen in der ersten Januarwoche zu erkennen sind und anschließend abflachen. Ein Erklärungsansatz für diese Anomalie ist die Tax-Loss-Selling-Hypothese, die besagt, dass Investoren am Ende des Jahres Aktien verkaufen, die an Wert verloren haben, um diese Verluste mit den Kapitalgewinnen zu verrechnen, und somit ihre Steuerschulden zu reduzieren (D’Mello et al., 2003). Im Januar werden diese Aktien wieder erworben und somit steigen die Kurse.

4.4.2 Monatswechsel-Effekt

Bei diesem Effekt geht es um die Beobachtung, dass Aktien nur während der ersten Hälfte eines Handelsmonats positive durchschnittliche Renditen erwirtschaften und während der zweiten Hälfte Nullrenditen erzielen (Ariel, 1987; Lakonishok und Smidt, 1988). Dieser Effekt bleibt standhaft, auch wenn man den Januar aus der Studie rausnimmt.

Fosback (1976) erklärt, dass Aktienrenditen dazu tendieren während der ersten vier Tage und am letzten Tag eines Monats zu steigen. Laut Ogden (1990) ist dies der Fall , da Investoren zum Monatsende ihr Gehalt oder ihre Zins- und Dividendenzahlungen bekommen und diese auf dem Kapitalmarkt anlegen können. Dies führt dazu, dass die Aktienkurse zum Monatswechsel steigen.

4.4.3 Day-of-the-Week-Effekt

Bei dem Day-of-the-Week-Effekt geht es um den Vergleich von Durchschnittsrenditen an verschiedenen Wochentagen (Kurz, 2017). Cross (1973), French (1980) und Gibbons und Hess (1981) zeigen, dass Montagsrenditen signifikant niedriger und sogar negativ im Vergleich zu Renditen an anderen Handelstagen sind und das Freitagsrenditen hingegen überdurchschnittlich positiv sind. Cross (1973) stellt fest, dass die Wahrscheinlichkeit von einer negativen Montagsrendite steigt, wenn der Freitag zuvor eine negative Rendite vorgewiesen hat.

5. Empirische Untersuchungen

5.1 Testmethoden und Daten

Viele Studien über Kapitalmarktanomalien verwenden Regressionsanalysen, um herauszufinden, in welchem Maße die Überrenditen der Wertpapiere von bestimmten Variablen abhängen. Urban und Mayerl (2011) erklären, dass das Ziel einer Regressionsanalyse die Formulierung einer gültigen Aussage über die Richtung und die Stärke von Beziehungen zwischen Komponenten eines Theoriemodells ist. Im Folgenden wird eine Regressionsanalyse näher erklärt.

In dem Artikel von Jacobs und Müller (2020) werden sogenannte „post-publication“-Effekte von 241 Anomalien auf dem US-Aktienmarkt und auf 38 internationalen Märkten untersucht. Ihr Untersuchungszeitraum geht von Januar 1980 bis Dezember 2015 (35 Jahre). Es wird für jeden Monat ein long-short Portfolio aufgestellt und davon werden die Anomalierenditen berechnet. Sie unterscheiden zwischen „in-sample“-, „post-sample“- und „post-publication“-Renditen. Unter „in-sample“-Renditen versteht man die Renditen im Untersuchungszeitraum, als „post-sample“ gelten Renditen, nach dem letzten Monat des Untersuchungszeitraums und vor dem Monat der Veröffentlichung in einem begutachteten Journal und „post-publication“-Renditen starten im Monat der Veröffentlichung. Weiterhin unterscheiden Jacobs und Müller (2020) zwischen wertgewichteten und gleichgewichteten Portfoliorenditen. Der Vorteil der wertgewichteten Renditen ist, dass sie die ökonomische Wichtigkeit einer Anomalie zeigen, da Portfoliorenditen von großen Unternehmen dominiert werden. Gleichgewichtete Renditen zeigen die Verbreitung einer Anomalie. Es werden zwei Ansätze verwendet um die „post-publication“-Effekte auf den verschiedenen Aktienmärkten miteinander zu vergleichen. Sie konstruieren long-short Portfolien auf individueller Länderebene (pooled) und ein einziges globales long-short Portfolio (composite). Auf diesen zwei Ebenen wird eine zweifaktorielle Regressionsanalyse mit Dummy-Variablen durchgeführt, um die long-short Anomalierenditen „in-sample“, „post-sample“ und „post-publication“ zu ermitteln.

[...]