Handelsempfehlungen von Aktienanalysten

INHALTSVERZEICHNIS

Einleitung

1 Rationale Anforderungen an Prognosen
1.1 Rationale Erwartungen
1.2 Erwartungsnutzentheorie
1.3 Behavioral Finance
1.3.1 Repräsentativheuristik
1.3.2 Ankerheuristik
1.3.3 Overconfidence Bias

2 Finanzanalysten und ihr institutionelles Umfeld
2.1 Aufgaben der Finanzanalysten unter der Annahme einer halbstrengen Informationseffizienz
2.2 Klassifizierung der Analysten
2.3 Methoden der Aktienanalyse
2.3.1 Technische Analyse
2.3.2 Fundamentalanalyse
2.4 Empfehlungssysteme
2.5 Beobachtbare Empfehlungspraxis
2.6 Analysten Coverage
2.7 Vergütung der Analystentätigkeiten
2.8 Interessenkonflikte von Analysten
2.8.1 Generierung von Provision
2.8.2 Abhängigkeit vom Management
2.8.3 Aufbau von Reputation

3 Informationsaufnahme
3.1 Bisherige Forschungsmethodik
3.1.1 Fragebogen
3.1.2 Beobachtungen (Verbalprotokolle)
3.1.3 Vorgenommene Abgrenzungen früherer Untersuchungen
3.2 Informationsquellen der Analysten und deren Relevanz für die Bewertung...
3.2.1 Geschäftsbericht
3.2.2 Investor Relations
3.2.3 Nicht-finanzielle Kennzahlen (operative)
3.2.4 Börsenmarktlage
3.2.5 Volkswirtschaftliche Größen und Brancheninformationen

4 Informationsverarbeitung
4.1 Inhaltsanalyse von Analystenreports
4.2 Ergebnisse der Inhaltsanalysen von Analystenreports
4.3 Verwendete Modelle und deren Inputgrößen
4.4 Rationalität der Gewinnprognosen
4.4.1 Prüfung auf Unverzerrtheit
4.4.2 Prüfung der Effizienz von Gewinnprognosen
4.4.3 Ergebnisse ausgewählter Studien
4.4.4 Kritik an den Studienergebnissen
4.5 Erklärungen für das Abweichen von rationalen Prognosen
4.5.1 Interessenkonflikte
4.5.2 Kommunikationsstörung
4.6 Behavioristische Erklärungsansätze
4.6.1 Repräsentativitätsheuristik
4.6.2 Ankerheuristik
4.6.3 Overconfidence Bias

5 Abgabe der Handelsempfehlung
5.1 Welches Modell erklärt die Empfehlung?
5.2 Prognosequalität der Empfehlung
5.3 Welches Modell erklärt die Aktienkursziele?
5.4 Informationsgehalt von Aktienkurszielen
5.5 Qualität der Kursziele

6 Fazit

Anhang

Literaturverzeichnis

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Einleitung

Finanzanalysten versorgen die Investoren am Kapitalmarkt mit Informationen in Form von Research Reports, in denen sie ihre gesammelten Informationen über ein Unternehmen veröffentlichen und Handelsempfehlungen und Gewinnprognosen für die betreffenden Aktien abgeben.

Die Tätigkeit von Finanzanalysten ist in Verruf geraten, seit dem Börsenabsturz im Jahre 2001 und der Aufdeckung der Investmentbankskandale in den USA, die zu einer Strafzahlung von zehn renommierten Wall-Street Investmentbanken im Rahmen des Global Settlement führten.¹

Insbesondere wird den Analysten vorgeworfen, aufgrund von Interessenkonflikten zu optimistische (geschönte) Empfehlungen und Gewinnprognosen, die sich nicht mit den fundamentalen Informationen vereinbaren lassen, abgegeben zu haben. Im Kapitel 1 dieser Arbeit werden allgemein die Anforderungen an rationale Prognosen vorgestellt. Gleichzeitig wird, konträr zur neoklassischen Kapitalmarkttheorie, die Behavioral Finance Theorie skizziert.

Kapitel 2 dieser Arbeit untersucht das institutionelle Umfeld der Analysten und die daraus entstehenden Interessenkonflikte.

Der Prozess, wie Analysten zu ihren Prognosen und Empfehlungen kommen, kann in drei Prozessschritte eingeteilt werden: Informationssuche, Informationsverarbeitung, Informationsweitergabe (Abgabe der Handelsempfehlung)². In dieser Arbeit schließt sich die Reihenfolge der weiteren Kapitel (Kapitel 3,4, und 5) diesem Prozess an. Aufgrund der exponierten Stellung der Gewinnprognosen für die Bewertung von Unternehmen und bei Investoren, werden die Ergebnisse empirischer Studien über die Rationalität der Gewinnprognosen aufgeführt und anschließend mögliche Gründe für das Abweichen der Gewinnprognosen von der Rationalität in Kapitel 4 aufgeführt. Es erfolgt keine Betrachtung der Vor- und Nachteile der verwendeten Bewertungsmodelle der Analysten sondern nur eine deskriptive Aufzählung.

In Kapitel 5 wird die Abgabe der Handelsempfehlung analysiert. Für Empfehlungen und Aktienkursziele erfolgt der Versuch, bestimmte Modelle zu identifizieren, die diese erklären, und festzustellen, inwieweit Analysten ihre Gewinnprognosen zur Bewertung verwenden. Im Rahmen der Diplomarbeit wird nicht darauf eingegangen, ob mit den Empfehlungen oder Aktienkurszielen eine Überrendite erwirtschaftet werden kann, sondern es wird der Informationsgehalt dieser überprüft.

1 Rationale Anforderungen an Prognosen

In diesem Kapitel wird nur die zugrundeliegende Theorie skizziert, die zur Überprüfung der Gewinnprognosen auf Rationalität dient. Mit der Behavioral Finance Theorie wird auf eine konträre Forschungsrichtung eingegangen, die aufgrund verhaltenspsychologi- scher Phänomene das Postulat des rationalen Entscheiders der klassischen Theorie anzweifelt.

1.1 Rationale Erwartungen

Es existiert kein natürliches Prüfkriterium für die Gewinnprognosen, weil anhand des Ausmaßes des Prognosefehlers keine Schlussfolgerung auf die Rationalität möglich ist. In den empirischen Arbeiten wird auf das Konzept der rationalen Erwartungen von MUTH³ zurückgegriffen, um die Güte von Gewinnprognosen zu bestimmen. Das Konzept wurde anhand von Preiserwartungen vorgestellt, erhielt aber nach der Veröf- fentlichung wenig Aufmerksamkeit.⁴ Erst als 1970 LUCAS⁵ das Konzept auf die Makroökonomie ausweitete und damit die neoklassische Makroökonomie mitbegründe- te, wurde das Konzept zum Standardparadigma, aus dem viele andere Theorien hervorgehen.

Die zentrale Aussage des Konzeptes ist, dass Erwartungen, die fundierte Prognosen darstellen, im Prinzip den Aussagen von ökonomischen Theorien gleichen. Diese Hypothese präzisiert MUTH noch, indem er anführt, dass die subjektive Wahrschein- lichkeitsverteilung für die Realisation der Variablen gleich der aus den verfügbaren Informationen bedingten tatsächlichen Verteilung dieser Variablen ist.⁶ Der Hypothese unterliegt die Annahme, dass ökonomische Variablen durch einen systematischen Prozess gebildet werden. Die Wirtschaftssubjekte erlernen die objektive Wahrscheinlichkeitsverteilung der möglichen Realisationen der ökonomischen Variab- len. Unter Beachtung der relevanten wirtschaftlichen Strukturbeziehungen und der objektiven Wahrscheinlichkeitsverteilung bilden sie ihre Prognosen. Werden die gesamten verfügbaren Informationen zum Zeitpunkt (I) der Prognoseerstel- lung effizient genutzt, so wird die aggregierte Prognose (F) für die nächste Periode

t + 1

gleich dem Erwartungswert der zu prognostizierenden Variablen (~ A) sein. Formal ausgedrückt ergibt sich daraus der untenstehende Zusammenhang⁷

Abbildung in dieser Leseprobe nicht enthalten

Unter der Vorhersage der ökonomischen Theorie, die die Ökonomie richtig abbildet (true model), versteht MUTH den Erwartungswert der ökonomischen Variablen p.⁸ E (p)= p e + E (µ) Wenn alle verfügbaren Informationen und auch die zugrundeliegende Theorie für die Prognose verwendet werden, dann ist der Unterschied zwischen der Vorhersage des Modells und der Prognose rein zufällig und hat einen Erwartungswert von Null.

Daher ergibt sich: E (

Abbildung in dieser Leseprobe nicht enthalten

Dieses Resultat heißt nicht, dass jede Prognose mit den tatsächlichen Realisationen eintritt. Genauso wie die Vorhersagen, die auf einer fundierten Theorie basieren, von den tatsächlichen Realisationen abweichen können, so ist auch der Prognosefehler rein zufällig um die tatsächliche Realisation verstreut und beträgt im Erwartungswert (Durchschnitt) null. Negative und positive Prognosefehler gleichen sich aus, es besteht kein systematischer Fehler, so dass Prognosen immer zu hoch oder zu niedrig ausfallen. Prognosen, die die Eigenschaft erfüllen, im Erwartungswert einen Prognosefehler von Null zu haben, gelten als unverzerrt.

MUTH argumentiert, dass Prognosen, die systematisch verzerrt ausfallen, keinen Bestand haben können, weil dann Wirtschaftssubjekte, die bessere Kenntnisse der zugrundeliegenden Theorie aufweisen, ihr Wissen verkaufen können und somit die Prognosen die obengenannte Eigenschaft erfüllen werden.⁹ Weiterhin hätten die Wirtschaftssubjekte die Möglichkeit, ihr eigenes Prognosemodell anzupassen, so dass in

Zukunft vermeidbare Prognosefehler verhindert werden¹⁰ und ihre Prognosen im Erwartungswert mit den realisierten Ausprägungen übereinstimmen. Auf die Gewinnprognosen von Analysten übertragen ergibt sich, dass die Prognosen anhand aller verfügbaren Informationen vorgenommen werden und die zugrundeliegen- de ökonomische Theorie berücksichtigt wird. Daher gleichen sich Gewinnprognosefehler über die Jahre aus und betragen im Durchschnitt null und sind also unverzerrt.

Aus der Bedingung, dass alle verfügbaren Informationen für die Prognoseerstellung verwendet werden, resultiert die zweite Eigenschaft von rationalen Prognosen, nämlich ihre Effizienz. Wenn alle verfügbaren Informationen zum Zeitpunkt der Prognoseerstellung genutzt werden, darf der Prognosefehler nicht mit den verfügbaren Informationen korreliert sein. Sonst könnte das zugrundeliegende eigene Modell und ggf. die ökonomische Theorie durch eine (andere) Berücksichtigung dieser Informationen verbessert werden und zu rationaleren Prognosen führen.

Auf die Gewinnprognosen der Analysten übertragen bedeutet dieses, dass die Analysten alle verfügbaren Informationen für die Generierung von Prognosen verwenden und deshalb der Prognosefehler nicht mit den verfügbaren Informationen korrelieren darf.¹¹ Die Eigenschaften der Gewinnprognosen werden durch statistische Verfahren überprüft, die im Kapitel 4.4.1 und 4.4.2 näher beschrieben werden.

Die rationalen Erwartungen sind, im Gegensatz zu den adaptiven Erwartungen, in die Zukunft gerichtet. Der adaptive Erwartungsansatz geht davon aus, dass Wirtschaftssub- jekte ihre Erwartungen mit Hilfe von Vergangenheitswerten einfach mechanisch anpassen. Das rationale Erwartungskonzept geht darüber hinaus. Zwar werden die Vergangenheitsdaten benutzt, um den systematischen Prozess zu erlernen, aber es werden darüber hinaus noch die Entwicklungen der Zukunft antizipiert¹², z.B., dass die Erhöhung der Staatsausgaben zu einer Erhöhung der Produktion führen wird und damit die Zinsen ansteigen werden. Diesen erwarteten Anstieg antizipieren die Wirtschafts- subjekte sofort nach der Ankündigung der Staatsausgabenerhöhung, während bei den adaptiven Erwartungen die Wirtschaftssubjekte diese Einsicht erst langsamer gewinnen und mit ihren Prognosen den steigenden Zinsen hinterherhinken würden.

Das strenge rationale Erwartungskonzept wurde aufgrund seiner strikten Annahmen und daraus resultierenden Schlüsse kritisiert. Ein wichtiger Kritikpunkt, der den Kontext dieser Arbeit betrifft, lautet, dass die Wirtschaftssubjekte hohe statistische und wirt- schaftstheoretische Kenntnisse haben müssen, um rationale Erwartungen bilden zu können.¹³ Dieser Kritikpunkt kann entkräftet werden, indem angenommen wird, dass nicht jedes Wirtschaftssubjekt selbst Prognosen über die einzelnen Einflussgrößen auf die ökonomische Variable trifft, sondern diese Aufgabe entweder vollständig oder nur zum Teil delegiert. Ein Beispiel sind Schätzungen des zukünftigen Wirtschaftswachs- tums, die der Sachverständigenrat vornimmt, oder die Schätzung von Gewinnprognosen für die Investoren, die Finanzanalysten vornehmen. Diese Fachleute kennen die zugrundeliegende Theorie und sind in der Lage, Vergangenheitswerte für die Zukunft zu interpretieren.

Auch müssen Wirtschaftssubjekte nicht das wahre Modell der Wirtschaft kennen, sondern in der aggregierten Form müssen die Erwartungen so gebildet werden, als ob sie es kennen würden. Dieses kann wieder mit Hilfe von Fachleuten geschehen. Auch die vollständige Informationsnutzung wird als unrealistische Annahme kritisiert, weil in der Realität das Zusammentragen von Informationen mit Kosten verbunden ist. Daher erscheint es realistischer, wenn die Wirtschaftssubjekte zwischen den entstehen- den Kosten für den Informationserwerb und dem daraus resultierenden Nutzen abwägen.¹⁴ Diese Argumentation berücksichtigt eine schwächere Form der rationalen Erwartungen, welche auch den empirischen Untersuchungen zugrunde liegt. An den Eigenschaften ändert sich nichts, aber die Effizienz kann nur an einer bestimmten Informationsmenge (Informationsset) überprüft werden. Der Erwerb der Informations- menge kann mit der Erwartungsnutzentheorie für einzelne Analysten beschrieben werden.

1.2 Erwartungsnutzentheorie

In der ökonomischen Theorie gelten Entscheidungen bei Sicherheit nur als rational, wenn sie den höchstmöglichen Nutzen für die Wirtschaftssubjekte generieren, daher müssen die Erträge aus der Informationssuche die Kosten für diese übersteigen, anderenfalls wäre es rational, die Informationssuche einzustellen.

Prognosen stellen Entscheidungen dar, die bei Unsicherheit getroffen werden und somit ist die Nutzentheorie allein nicht anwendbar. Der Erwartungsnutzen, der auf den Axiomen von NEUMANN/MORGENSTERN basiert¹⁵, berücksichtigt die Unsicher- heit, indem die Wahrscheinlichkeiten (p), und die Nutzenfunktion der Wirtschaftssubjekte (u()) in das Erwartungsnutzenmodell mit einbezogen werden. Daraus ergibt sich folgende Formel für den Erwartungsnutzen (EU)

Abbildung in dieser Leseprobe nicht enthalten

Die Werte aus der Nutzenfunktion für jede einzelne Ergebnisrealisation (ai) werden mit den jeweiligen Wahrscheinlichkeiten gewichtet und aufaddiert. Dieses ergibt den Erwartungsnutzen der Handlung. Der Erwartungsnutzen ist genauso wie der Nutzwert ordinal skaliert, daher ist nur eine Bestimmung der Rangfolge von Handlungen möglich. Der genaue Verlauf der Nutzenfunktion ist für Wirtschaftssubjekte unbekannt, kann aber durch Befragungsmethoden (Fraktilmethode, Basis Referenz Lotterie) bestimmt werden. In der Theorie (z.B. Portfoliotheorie, CAPM) wird von einem risikoaversen Wirtschaftssubjekt ausgegangen. Risikoavers bedeutet, dass das Wirtschaftssubjekt einem Betrag, den es mit Sicherheit erhalten kann, einen höheren Nutzen zuweist als dem höheren Erwartungswert z.B. aus einer unsicheren Geldanlage.

Die Verarbeitung und Suche von Informationen ist mit Kosten (Nutzeneinbußen) verbunden. Daher muss zwischen den Kosten und Nutzen des Informationserwerbs abgewogen werden. Diese Entscheidung ist unsicher.

Auf den Analystenkontext bezogen könnte man sich vorstellen, dass Analysten bevorzugt Informationen in ihr Informationsset aufnehmen, die in der Vergangenheit hohen Einfluss auf eine akkurate Gewinnprognose hatten. Voraussetzung ist natürlich, dass die akkurate Gewinnprognose den Nutzen der Analysten erhöht. Weiterhin beeinflussen verschiedene Anreize, die zu Interessenkonflikten führen (siehe. Kap. 2.8.1), die Nutzenfunktion der Analysten. Inwiefern das aufgrund der Interessen- konflikte induzierte Verhalten der Analysten zu positivem Nutzen führt, ist auch unsicher.

NEUMANN/MORGENSTERN befassen sich nicht mit der Ermittlung der Wahrschein- lichkeiten, die zur Gewichtung benötigt werden. In der subjektiven Erwartungsnutzentheorie von SAVAGE werden subjektive Wahrscheinlichkeiten des Entscheiders berücksichtigt. Die Berechnung ändert sich nicht und auch die Axiome unterscheiden sich nur marginal¹⁶, die Unterschiede sind für diese Arbeit nicht relevant.

Abbildung in dieser Leseprobe nicht enthalten

Die Bildung von Wahrscheinlichkeiten ist sowohl für die rationalen Erwartungen wie auch für die Erwartungsnutzentheorie notwendig.

Das Theorem von BAYES ist eine statistische Methode (siehe Anhang A. 2), die der Entscheider anwenden sollte, um die a priori-Wahrscheinlichkeiten aufgrund neuer Informationen anzupassen und so zu a posteriori-Wahrscheinlichkeiten zu gelangen.

1.3 Behavioral Finance

SIMON¹⁷, der Begründer der „Theory of Bounded Rationality“, zweifelt die Annahmen in MUTHS Konzept und den Erwartungsnutzen an, insbesondere die der vollständigen Information aufgrund von begrenzten Informationskapazitäten der Individuen.¹⁸ SIMON geht davon aus, dass Individuen mit selektiver Informationssuche und mit Hilfe von Heuristiken zu zufriedenstellenden Entscheidungen gelangen.¹⁹ Auf der obengenannten Theorie baut die Behavioral Finance Theorie (BFT) auf und geht von einem eingeschränkt rationalen Individuum aus, dessen Entscheidungen sich von dem eines rationalen unterscheiden. Systematische Abweichungen auf der Indivi- dualebene können sich in der Aggregation aufgrund der Heterogenität der Individuen ausgleichen und das Marktverhalten würde mit MUTHS Rationalitätsannahme im Einklang stehen.

Dieser Sichtweise widerspricht die BFT und lehnt die Theorie rationaler Erwartungen ab.²⁰ Vielmehr sollen die bereits bestehenden ökonomischen Konzepte um soziologische und psychologische erweitert werden.²¹

TVERSKY/KAHNEMAN zeigen, dass mit der Anwendung von bestimmten Heuristi- ken es zur systematischen Verzerrung kommt und somit die Rationalitätsannahme auf Individualebene verletzt wird.²² Heuristiken stellen Daumenregeln dar. Dem Entschei- der erlauben diese bei Unsicherheit und unvollständigen Informationen, einigermaßen schnell Urteile und Entscheidungen hinreichend treffsicher zu fällen.²³ Die Heuristiken beschreiben, wie Individuen das Risiko einschätzen. Im BFT sind die Heuristiken die psychologische Grundlage, auf der Bewertungen von Vermögensgegenständen beruhen. Die Prospect Theorie beschreibt, wie Individuen sich bei Unsicherheit entscheiden, und sie dient in der BFT als psychologische Grundlage für die Beschreibung der Portfolio- bildung.²⁴ Die Prospect Theorie zeigt, dass Individuen sich konträr zu den Vorhersagen der Erwartungsnutzentheorie verhalten, und zerrt somit an der Grundannahme vieler ökonomischer Modelle. Auch die drei Axiome von MORGENSTERN/NEUMANN wurden durch experimentelle Ergebnisse in Zweifel gezogen.²⁵ In der Arbeit wird nicht weiter auf die Prospect Theorie eingegangen, weil der Schwerpunkt dieser Arbeit auf der Bewertung von Aktien durch Finanzanalysten liegt und daher die Heuristiken relevant sind.

1.3.1 Repräsentativheuristik

Diese Heuristik tritt bei Wahrscheinlichkeitsaussagen und Häufigkeitsschätzungen auf. Ein Individuum überschätzt die Wahrscheinlichkeit eines Urteilsgegenstandes, wenn dieser typische Merkmale, die auch für andere Mitglieder oder Elemente einer Urteilskategorie zutreffen, aufweist oder wenn ein Ereignis saliente²⁶ Eigenschaften des Prozesses widerspiegelt, der es hervorgebracht hat.

Aus der Repräsentativheuristik können sich mehrere Fehler ergeben, die am besten durch Beispiele erläutert werden (siehe Anhang A. 3).

1.3.2 Ankerheuristik

Bei einer Schätzung über eine quantitative Größe wird von einem Startwert (Anker) ausgegangen, der ohne Bezug zur Schätzvariablen stehen kann oder sich aufgrund des Entscheidungsproblems implizit ergibt.²⁷ Bei neuen Informationen erfolgt die Anpassung der Prognose in Richtung des Ankerwerts, weil die Plausibilitätsprüfung neuer Schätzungen am Ankerwert erfolgt. Daher fällt die Anpassung zu gering aus. STEPHAN²⁸ zeigt, dass Versuchspersonen die Schätzungen über den Dollarkurs abgeben, die Schätzung Richtung Ankerwert verzerrten, der durch eine Grobschätzung (Dollarkurs unter oder über 1,50) gebildet wird.

1.3.3 Overconfidence Bias

Individuen überschätzen die Genauigkeit ihres Urteils. Bei Wissensabfragen fragen LICHTENSTEIN/FISCHHOFF die Versuchspersonen, wie sicher sie sind, dass ihre Antwort richtig sei.²⁹ Die meisten überschätzen ihre Genauigkeit. Im Durchschnitt geben die Probanden eine Sicherheit von 74% an, die Antworten sind aber nur zu 62% korrekt.

Der Overconfidence Bias tritt auch bei Prognosen auf.³⁰ Weiterhin stört er den Lernprozess der Individuen.³¹

Die Ergebnisse von KAHNEMAN/TVERSKY zeigen die Abweichung vom normativen Urteilsverhalten, allerdings sind sie in keine Theoriekonzeption der Psychologie integriert.³² Auch die BFT steht erst in ihren Anfängen und kann bisher bei aller Kritik an den klassischen Finanzmarkttheorien keine eigene geschlossene Theorie hervorbringen, sondern beschreibt nur das Verhalten von Finanzmarktakteuren.³³ Daher sollten die klassischen Theorien nicht vorschnell aufgegeben werden.³⁴

2 Finanzanalysten und ihr institutionelles Umfeld

Bevor wir zu den Handlungen von Analysten kommen, wird in diesem Kapitel auf das institutionelle Umfeld und die bestehenden Anreizstrukturen der Analysten eingegan- gen, weil diese die Informationsverarbeitung und das Urteil der Analysten beeinflussen.³⁵ In dem Kapitel wird nur eine deskriptive Beschreibung vorgenommen, auf die in den folgenden Kapiteln zurückgegriffen wird, um die Verhaltensweisen der Analysten zu erklären.

2.1 Aufgaben der Finanzanalysten unter der Annahme einer halbstrengen Informationseffizienz

Nach der Definition von EBERTS ist der Finanzanalyst eine Person, „die in Hinblick auf eine Wertpapieranlage, vornehmlich mit Hilfe externer Informationen, wissenschaft- lich fundierte (objektive) Analysen und Prognosen über Kapitalmärkte (Aktien- und Rentenmarkt), Branchen und Einzelunternehmen erstellt“.³⁶ Diese werden im sich anschließenden Entscheidungsprozess für mögliche Investments von ihm oder anderen Personen verwendet. Die Analysen werden meist in schriftlicher Form vorgenommen³⁷

und enthalten als abschließendes Urteil eine Handelsempfehlung für den Investor.³⁸ Die Zielgruppe der Analystenreports sind hauptsächlich die institutionellen Anleger.³⁹

Aus der Definition geht hervor, dass Analysten den Markt mit aggregierten Informatio- nen und Interpretationen aus ihrer Informationssuche und -verarbeitung versorgen. Insbesondere bei Neuemissionen (Initial Public Offer (IPO)) versorgen die Analysten die Anleger mit Informationen über die Unternehmen, weil sie noch keine Historie am Markt besitzen.

FAMA hat aufbauend auf den rationalen Erwartungen nach MUTHS Hypothesen über die Kapitalmarkteffizienz aufgestellt. Kapitalmarkteffizienz bezieht sich auf die Informationsverarbeitung auf Kapitalmärkten.⁴⁰ FAMA nimmt drei Abstufungen vor, die sich nach dem Umfang der reflektierten Informationen in den Marktgleichgewichts- preisen unterscheiden, wobei die stärkere Hypothese jeweils die schwächere subsumiert. Die schwache Informationseffizienz (IE) besagt, dass alle aktuellen Marktpreise zu jedem Zeitpunkt die Informationen aus der historischen Wertpapierkursentwicklung widerspiegeln. In dem Grad der IE kann mit Hilfe der technischen Analyse keine Überrendite erzielt werden. Die Hypothese ist einfach zu überprüfen, indem die vergangenen Kurse auf eine serielle Korrelation überprüft werden. Die empirischen Tests bestätigen größtenteils die Hypothese der schwachen IE.⁴¹

Bei der strengen IE würden alle Informationen, auch Insiderinformationen, in den Marktpreisen berücksichtigt sein. Die Hypothese wird aufgrund empirischer Tests verworfen und auch FAMA sieht in ihr nur einen hypothetischen Vergleichsmaßstab⁴², der in der Realität nicht erreicht wird. Sonst wären auch Gesetze über Insiderhandel unnötig. Bei der höchsten Kapitalmarkteffizienz würden keine Informationen von Finanzanalysten mehr benötigt werden.

Eine halbstrenge IE liegt vor, wenn alle öffentlich zugänglichen Informationen unmit- telbar Eingang in die Marktpreise finden. Aufgrund einer Auswertung von öffentlichen Informationen und dem Einsatz der Fundamentalanalyse können keine Überrenditen erzielt werden. Auf die obige Definition für Analysten zurückgegriffen, wären bei Vorliegen dieser Kapitalmarkteffizienz die Analystenreports wertlos, denn der Markt würde bereits alle Informationen kennen bis auf Insiderinformationen, die wiederum der Analyst auch nicht kennt. GROSSMANN/STIGLITZ zeigen, dass, wenn die Annahme der kostenlos verfügbaren Informationen, die den Hypothesen über die Kapitalmarktef- fizienz zugrunde liegen⁴³, beibehalten wird, sich ein Paradoxon (Grossmann-Stiglitz- Paradoxon) ergibt. Im Gleichgewicht reflektieren die Preise die Informationen vollstän- dig, daher lohnt es sich nicht, sich um Informationen zu bemühen. Sind alle uninformiert, dann lohnt es sich wieder, Informationen zu sammeln.⁴⁴ Der theoretisch überzeugende Ausweg besteht darin, dass zwar alle privaten Informationen⁴⁵ sich in den Preisen widerspiegeln, aber es z.B. aufgrund von uninformierten Investoren zu zufälli- gen fundamental nicht erklärbaren Schwankungen kommt.⁴⁶ Daher können uninformierte Investoren nicht mehr anhand von Preisen auf die Informationen der Informierten schließen. Informierte Investoren erkennen die Fehlbewertung am Markt, die sich aufgrund der uninformierten Händler eingestellt hat, und können diese gewinn- bringend ausnutzen. Wenn die Zahl der informierten Investoren ansteigt und die Fehlbewertung ausgenutzt wird, nähert sich der Preis wieder dem Fundamentalwert. Im Gleichgewicht decken sich die Kosten der Informationssuche mit den erwarteten Gewinnen.⁴⁷ Anders gesagt, Investoren, die Informationen suchen und verarbeiten, können die privaten Informationen nutzen, aber nach der Veröffentlichung an eine breite Investorenschicht passt sich der Marktpreis schnell an. Daher besteht keine Möglichkeit mehr, eine Überrendite aufgrund von veröffentlichten Informationen zu erzielen.

Wie schnell die Anpassung erfolgt, beschreibt die Markteffizienz.⁴⁸ Dieser Aspekt liegt nicht im Fokus dieser Diplomarbeit, sondern es wird explizit davon ausgegangen, dass die halbstrenge Informationseffizienz vorliegt. Viel interessanter ist es, ob die Informationen der Analysten einen Informationsgehalt aufweisen, also zu einer Veränderung der Renditeerwartungen führen und somit zu Kursschwankungen.⁴⁹ Demnach könnten Analysten erheblich zur Informationseffizienz beitragen. Dieser Sachverhalt wird im Kapitel 5 anhand empirischer Studien untersucht.

Es soll nicht ignoriert werden, dass die halbstrenge IE die umstrittenste Hypothese ist.⁵⁰ Eine Vielzahl von empirischen Studien haben Effekte aufgedeckt, die nicht mit der Hypothese halbstrenger IE vereinbar sind.⁵¹ Auf den Analystenkontext bezogen sind die Ergebnisse nicht stringent⁵², aber die Mehrheit der Studien bestätigt die halbstrenge Markteffizienz.⁵³ Die Schwierigkeit aller Studien über die halbstrenge IE besteht im Test von zwei verbundenen Hypothesen. Um eine Überrendite festzustellen, muss erst eine Marktrendite durch ein Modell oder durch die Rendite eines maßgeblichen Index approximiert werden. Daher kann die Ablehnung der Hypothese auch aufgrund einer fehlerhaften Approximierung der Marktrendite erfolgen. Letztendlich kann die Hypo- these von halbstrenger IE nicht falsifiziert werden⁵⁴ und erfüllt somit nicht Poppers maßgebliches Kriterium zum Testen von Hypothesen. Zur Rechtfertigung für die Annahme der halbstrengen Markteffizienz in dieser Arbeit sei auf das Phänomen hingewiesen, dass selbst professionelle Anleger (Fondsmanager) im Durchschnitt keine Überperformance erzielen.⁵⁵

2.2 Klassifizierung der Analysten

Aufgrund des weitläufigen Aufgabenspektrums werden die verschiedenen Analysten nach der institutionellen Zugehörigkeit und funktionalen Einordnung unterschieden. Die Organisationsform der Research Abteilung ist je nach Größe und Geschäftsfeldern in folgende Funktionsbereiche, deren Abgrenzungskriterium das Untersuchungsobjekt ist, untergliedert: Strategie, volkswirtschaftliche Research Abteilung, Aktien Research, Anleihen und ggf. noch quantitative Methoden.⁵⁶ Es erfolgt also eine Spezialisierung der Analysten, die unabhängig von der institutionellen Zuordnung erfolgt. Die Diplomarbeit setzt den Fokus auf Aktienanalysten, die bei ihrer Informationsaufnahme auf die Informationen der einzelnen Funktionsbereiche zurückgreifen.⁵⁷

Das Kriterium institutioneller Zughörigkeit unterscheidet zwischen Analysten, die für die Käuferseite von institutionellen Investoren tätig sind, sogenannter Buy-Side Analysten und den Analysten, die bei Universalbanken, Investmentbanken und Brokerhäusern tätig sind, sogenannte Sell-Side Analysten.

Sell-Side Analysten stehen im ständigen Kontakt mit institutionellen Anlegern und bieten ihre Expertise an. Sie werden dabei von einer Verkaufsabteilung (Sales Force)

unterstützt. Die Analysten beobachten (covern) im Mittel zwischen 15 und 20⁵⁸ verschiedene Unternehmen aus bestimmten Industriesektoren. In der Regel wird aber von Vorgesetzten entschieden, welche Aktien der Analyst covert. Analysten können auch ein Coverage aus dem Industriesektor vorschlagen. Ein Investmentkomitee entscheidet über die Aufnahme des Coverage. Im Jahr werden ca. zwei längere Research Reports und mehrere kürzere (Follow ups) zu bestimmten Gegebenheiten erstellt.⁵⁹ Die Reports kommen zuerst einem ausgewählten Investorenkreis zu⁶⁰, später einer wesentlich breiteren Investorenschicht, insbesondere indirekt durch Datenbankan- bieter von Finanzinformationen wie IBES, First Call, Bloomberg etc., hier wird dann nur eine Kurzform des Reports veröffentlicht.

Genauso wie in den empirischen Untersuchungen der Sell-Side Analyst aufgrund der veröffentlichten Arbeitsergebnisse im Mittelpunkt steht, so auch in dieser Diplomarbeit. Für das Research erheben die Banken keine direkten Gebühren beim Empfänger, sondern vertrauen darauf, dass der Empfänger die arbeitgebende Bank des Analysten mit dem empfohlenen Investment beauftragt und mit den anfallenden Orderprovisionen den Research Report indirekt vergütet.

Buy-Side Analysten erstellen Berichte und Empfehlungen für institutionelle Anleger vor dem Hintergrund einer optimalen Portfoliobildung und Einhaltung der Anlagevorschriften, diese geben oft die Auswahl bestimmter Aktientitel vor (Branchenfonds). Insgesamt sind sie freier in der Auswahl der zu covernden Aktien und beobachten ca. 40-60 Unternehmen⁶¹, weit mehr als Sell-Side Analysten. Daher greifen sie auch auf die Berichte der Sell-Side Analysten für ihre eigenen Analysen zurück, insbesondere auf die Gewinnprognosen. Dabei ist anzunehmen, dass sie die Reports nicht kritiklos übernehmen⁶², sondern Buy-Side Analysten eher die Position des advocatus diaboli einnehmen, damit der Fondsmanager zwei Meinungen erhält. Die Research Reports sind eher knapp und werden nicht an die Öffentlichkeit weitergereicht.

2.3 Methoden der Aktienanalyse

Um zu einer Bewertung der Aktie zu gelangen, stehen den Analysten die technische Analyse und das fundamentale Bewertungsverfahren zur Verfügung.

2.3.1 Technische Analyse

Der Chartanalyst (Chartist) versucht anhand historischer Kursbewegungen, Muster im Kursverlauf festzustellen in der Annahme, dass sich diese in der Zukunft wiederholen.⁶³ Fundamentale Informationen wie Gewinnentwicklung, Zukunftsaussichten etc. werden bei der technischen Analyse ignoriert, weil die Chartisten davon ausgehen, dass sich Aktienkurse aufgrund fundamentaler Daten nur langsam anpassen und durch das Studium der Charts der Trend entdeckt wird.⁶⁴ Diese Annahme ist konträr zur halb- strengen IE und daher wird die technische Analyse in der Praxis von Analysten nur zur Bestimmung eines günstigen Kaufzeitpunktes verwendet.⁶⁵ In dieser Arbeit werden die technische Analyse und ihre verschiedenen Chartanalysen nicht weiter betrachtet.

2.3.2 Fundamentalanalyse

Die Fundamentalanalyse für Unternehmenswerte kann in die Ermittlung absoluter, z.B. mittels dynamischer Discounted Cash Flow (DCF) Modelle, und relativer Unterneh- menswerte, z.B. mittels statischer Multiplikatoren (Multiples), unterteilt werden.

Für die Ermittlung von absoluten Unternehmenswerten erfolgt eine Unterteilung des Prognosezeitraums in eine meist fünfjährige Detailplanungsphase, daher dynamisches Modell, und in eine ewige Rentenphase. Die letzte wird als Terminal Value bezeichnet und für den Term ist die Annahme über das Wachstum entscheidend. Der Terminal Value macht meist einen Grossteil des Unternehmenswertes aus.⁶⁶

Je nachdem, wie die Fremdfinanzierung abgebildet wird, ergeben sich folgende drei DCF Modelle: Weighted Average Cost of Capital, Adjusted Present Value und Flow to Equity. Die ersten beiden werden auch unter Entity Verfahren subsumiert und das letztere unter Equity. Alle Modelle sollten bei konstanter Handhabung zu den gleichen Unternehmenswerten führen,⁶⁷ aber in der Praxis kristallisiert sich meist ein Modell als anwenderfreundlicher heraus.

Für die Feststellung des Unternehmenswerts bedarf es einer Schätzung der zukünftigen Free Cash Flows (entziehbare Mittel = freie Cash Flows), die mit dem risikoadjustierten Zins abgezinst werden. Dafür muss ein hohes Verständnis für das Unternehmen und für die Erfolgsaussichten auf Seiten der Analysten vorhanden sein. Die Feststellung der risikoadjustierten Eigenkapitalkosten basiert auf dem CAPM, somit auf dem histori- schen Risiko.

Als Alternative zu den DCF Verfahren könnten Residualgewinnverfahren (Überge- winnverfahren) angewendet werden. Ein Residualgewinn wird erzielt, wenn die Kapitalkosten des Unternehmens kleiner sind als die Gesamtkapitalrendite.⁶⁸ Der Informationsbedarf für den Residualgewinn ist vergleichbar mit der Prognose des Free Cash Flows.⁶⁹

Relative Bewertungsansätze benötigen weniger Inputfaktoren und wirken so weniger aufwändig.⁷⁰ Es wird eine Bezugsgröße des zu bewertenden Unternehmens, z.B. Gewinn je Aktie (EPS), für ein bestimmtes Geschäftsjahr, daher statisches Modell, mit dem Multiplikator (Kurs/Gewinn-Verhältnis (KGV)), der sich aus dem Quotienten (Kurs/Gewinn je Aktie) des vergleichbaren Unternehmens bildet, multipliziert. Die Vergleichbarkeit wird in der Praxis oft durch die gleiche Branchenzugehörigkeit approximiert⁷¹, anstatt sie auf die wertbestimmenden Unternehmenscharakteristika Risiko, Wachstum und Renditeerwartungen abzustellen.⁷² Daher wird oft mit Abschlä- gen gearbeitet, die nicht theoretisch fundiert sind.⁷³ Anstatt subjektive Abschläge vorzunehmen, schlägt Damodaran vor, den Einfluss der wertbestimmenden Unterneh- mensvariablen auf den Multiplikator mittels einer Regressionsanalyse zu erfassen und mit der Regressionsgleichung die Anpassung vorzunehmen. Allerdings verlieren dann die Multiples ihre Eigenschaft der schnellen und einfachen Anwendbarkeit.⁷⁴

Es gibt eine Vielzahl von Multiplikatoren (Multiples), die auf den verschiedensten Bezugsgrößen basieren. In Kapitel 4.2 wird auf die von Analysten verwendeten eingegangen.

Die absoluten und relativen Unternehmenswerte werden im Allgemeinen zu unter- schiedlichen Unternehmenswerten gelangen. Die Methoden unterliegen zwei verschiedenen Sichtweisen. Bei Verwendung des DCF Verfahren wird davon ausge- gangen, dass der Markt mit seiner Bewertung nicht richtig liegen muss, aber langfristig zum inneren Wert tendieren wird. Diese Sichtweise widerspricht nicht dem effizienten Markt, wenn neue Informationen in das Modell aufgenommen werden, die der Markt- preis noch nicht reflektiert. Bei der relativen Bewertung wird davon ausgegangen, dass der Markt im Durchschnitt die Unternehmen richtig bewertet.⁷⁵ Viele Theoretiker propagieren die Verwendung der DCF Methoden⁷⁶, aber letztendlich existiert kein einziger richtiger Unternehmenswert.⁷⁷ So können die relativen Verfahren zur Überprüfung der absoluten Unternehmenswerte dienen.⁷⁸

2.4 Empfehlungssysteme

Die Empfehlung des Analysten erfolgt anhand des Vergleichs des ermittelten inneren Wertes und der aktuellen Börsenkurse.

Wie im vorherigen Kapitel anhand der DCF Verfahren deutlich gemacht, benötigt der Analyst mehr Informationen als die kurzfristigen Gewinnprognosen. Daher umfasst die Empfehlung eine größere Informationsmenge insbesondere qualitativer in die Zukunft weisende Faktoren.

Die Empfehlungssysteme sind ordinal geordnet. Entweder sind sie dreistufig unterteilt in Kaufen (Buy), Halten (Hold) oder Verkaufen (Sell) oder es erfolgt eine fünfstufige Unterteilung, die zwei extreme Kategorien beinhaltet, wie Strong Buy und Strong Sell. Die Empfehlungen unterschiedlicher Analysten sind schwer vergleichbar, weil die Banken, für die sie tätig sind, unterschiedliche Empfehlungssysteme (relativ vs. absolut) etabliert haben.

Beim relativen Bewertungssystem wird die Empfehlung unter Vergleich der zukünfti- gen Markt- und Aktienkursentwicklung ausgesprochen. Wobei auch hier das Ausmaß der zukünftigen Performance, die eine Empfehlung rechtfertigt, unterschiedlich ist. (Siehe Anhang A.4)

Beim absoluten Bewertungssystem wird ein Aktienkursziel (Target Price (TP)) ausgesprochen.

Gängig sind die relativen Empfehlungssysteme, weil meist die Adressaten auf einer relativen Basis entlohnt werden.⁷⁹

Der Prognosehorizont ist uneinheitlich und reicht von 3 - 18 Monaten. Empfehlungen werden seltener als Gewinnprognosen angepasst.⁸⁰

Diese Faktoren erschweren neben der Ordinalität eine Qualitätsmessung der Empfeh- lungen, wie sie für die Gewinnprognosen existiert.⁸¹

Auch anhand von Performancemessungen selbst innerhalb der gleichen Branchen kann ein Analyst mit seiner Empfehlung einfach nur Glück gehabt haben.

Neuerdings werden zu den Empfehlungen und Gewinnprognosen auch Aktienkursziele veröffentlicht. Da diese Punktschätzungen darstellen und der Prognosehorizont fast einheitlich 12 Monate beträgt⁸², kann die Erreichbarkeit gemessen werden. Allerdings beeinflussen sehr viele Faktoren die Börsenkurse, so dass sich eine Rationalitätsprüfung schwierig gestaltet.

2.5 Beobachtbare Empfehlungspraxis

In allen empirischen Studien sind die Buy Empfehlungen weit häufiger vertreten als die Hold Empfehlungen. Sell Empfehlungen sind so gut wie nicht existent.⁸³ Die Verzerrung zu positiven Empfehlungen lässt auf einen gewissen Überoptimismus schließen. Andererseits argumentieren MCNICHOLS/O’BRIEN, dass Analysten nur Unternehmen covern wollen, für deren Zukunft sie optimistisch sind⁸⁴, weil mit Kaufempfehlungen mehr Orderprovision erzielt werden kann.⁸⁵ Bei Verkaufsempfeh- lungen ist der Adressatenkreis kleiner, weil der Investor die Aktien in seinem Portfolio haben muss oder er sie leerverkaufen müsste. Die Anlagevorschriften von institutionel- len Investoren untersagen oft Leerverkäufe. Daher herrscht in der Populärliteratur für Anleger⁸⁶ und auch bei Praktikern⁸⁷ die Auffassung vor, dass Hold Empfehlungen versteckte Verkaufsempfehlungen darstellen.

Während eine Empfehlung in allen Research Reports ausgesprochen wird, werden nicht immer (abhängig von der Empfehlungskategorie) Aktienkursziele gleichzeitig veröffentlicht.⁸⁸ Auch hier deutet sich eine optimistische Verzerrung an. Es gibt fast keine Kursziele, die unter dem aktuellen Marktpreis liegen.⁸⁹

2.6 Analysten Coverage

Die Coverage Entscheidung hängt nicht nur von den Zukunftsaussichten des Unternehmens ab, sondern auch von der antizipierten Nachfrage der Hauptadressaten der Research Berichte, der institutionellen Anleger.⁹⁰ Diese orientiert sich an bestimmten Charakteristika von Unternehmen und der Analyst wägt seine Kosten für die Erstellung und den voraussichtlichen Nutzen des Research Berichts ab.⁹¹

Viele Analysten covern Unternehmen, die eine hohe Marktkapitalisierung und somit meist ein einhergehendes hohes Handelsvolumen aufweisen, weil institutionelle Anleger aufgrund ihrer Handelsvolumina nicht in illiquide Aktien investieren wollen und sich der Informationsvorsprung bei einem hohen Handelsvolumen besser ausnutzen lässt.⁹² Somit ist es auch leichter für den Analysten, eine hohe Orderprovision zu generieren. Mit den Charakteristika geht im allgemeinen eine Indexzugehörigkeit einher⁹³, die für viele institutionelle Investoren aufgrund ihrer Anlagevorschriften Bedingung für einen Kauf ist.

Negativ wirkt sich eine hohe Beteiligung von Managern (Insidern) aus, weil dadurch eine höhere Intransparenz droht und die Informationskosten des Analysten steigen. Ein Unternehmen mit vielen Produktsegmenten erhöht die Überwachungskosten des Unternehmens einerseits, fördert aber gleichzeitig die Nachfrage, daher ist der Einfluss nicht eindeutig.⁹⁴

2.7 Vergütung der Analystentätigkeiten

Die Vergütung von Staranalysten kann zweistellige Millionenbeträge im Jahr errei- chen.⁹⁵ Generell ist die Vergütung in hohem Maße erfolgsabhängig und kann ein Vielfaches des Grundgehaltes betragen. Die variable Vergütung hängt größtenteils (ca. 50%) von dem generierten Ordervolumen der gecoverten Aktien ab.⁹⁶ Vor dem Global Settlement wurden Analysten auch an den Erträgen des Investment Banking beteiligt⁹⁷, wenn die gecoverten Unternehmen die Bank mit einem Konsortialmandat bedachten. Die Genauigkeit von Gewinnprognosen und Performance der empfohlenen Aktien spielt bei der Vergütung keine herausragende Rolle. Die Banken argumentieren, dass die zwei Kriterien implizit über das Provisionsaufkommen berücksichtigt sind, weil schlechte

Prognosen und Empfehlungen sich in der Zukunft negativ auf das Provisionsaufkom- men auswirken werden.

2.8 Interessenkonflikte von Analysten

Gegenstand der Agency Theorie sind Informationsasymmetrien zwischen dem Auftraggeber (Prinzipal) und der beauftragten Person (Agent).

Die Informationsasymmetrien entstehen bei einer unsicheren Umwelt durch den Informationsvorsprung des Agenten. Der Prinzipal kann die Leistung des Agenten nicht an dem durch Zufallseinflüsse beeinflussten Endergebnis festmachen und andererseits sind die Leistungsbemühungen aufgrund der Delegation für den Prinzipal nicht beobachtbar.⁹⁸ Der Agent wird bei Interessenkonflikten die Informationsasymmetrien ausnutzen und seinen Nutzen zu Lasten des Prinzipals erhöhen.

Ein Interessenkonflikt besteht, wenn der Agent ein starkes eigenes Interesse besitzt, das die korrekte Interessenvertretung des Prinzipals beeinträchtigt.⁹⁹

Die Informationsasymmetrien entstehen vor einem Vertragsabschluss (Hidden Information) und nach dem Vertragsabschluss (Hidden Action). Das typische Beispiel für den Finanzmarkt sind die Informationsasymmetrien zwischen Schuldner (Agent) und Gläubiger (Prinzipal) oder zwischen Eigenkapitalgebern und Management.¹⁰⁰ Auf den Kontext dieser Arbeit bezogen sind die Interessenkonflikte zwischen Investoren (Prinzipal) und Analyst (Agent) von Interesse.

Eine Überwachung des Managements durch jeden einzelnen Investor wäre mit hohen Agency Kosten und der Free-Rider-Problematik verbunden. Daher lohnt es sich für die Investoren, diese Aufgabe, ebenso wie die erstmalige Bewertung eines Unternehmens, an einen Analysten zu delegieren.¹⁰¹

Unter der Annahme der halbstrengen Informationseffizienz auf dem Kapitalmarkt ist die Qualität der Analysten für die aggregierte Marktbetrachtung nicht von Bedeutung, weil nach Veröffentlichung der Informationen die Preise diese richtig reflektieren. Für den individuellen Investor, der den Analysten beauftragt, ist die Qualität entscheidend. Der Investor handelt aufgrund der Information vor der Marktreaktion und fällt diese nun sehr gering oder gar entgegengesetzt aus, ist die Transaktion für den Investor nicht gewinnbringend.

Das Hidden Information-Problem kann zur Adverse Selection führen. Wenn die Analysten keine Möglichkeit haben, ihre wahren Fähigkeiten durch Charakteristika (Signalling) zu offenbaren. Wenn Investoren nur bereit sind, für die durchschnittliche Qualität der Analystenprognosen zu bezahlen, werden Analysten mit besseren Informationen sich vom Markt zurückziehen und am Markt verbleiben nur Analysten mit wenig brauchbaren Informationen.

Das Hidden Action-Problem führt zum sogenannten Moral Hazard-Problem. wenn die Investoren darauf vertrauen, dass Analysten nach Aufnahme der Beobachtung einer Aktie das Unternehmen überwachen (Monitoring), können sie dennoch nicht den Arbeitseinsatz kontrollieren, z.B., ob alle relevanten Informationen schnell an sie fließen.

Aufgrund der Annahme eines eigennutzmaximierenden Individuums¹⁰² und des hohen variablen Gehaltsbestandteils wird von einer Interessenkongruenz zwischen Analyst und Bank ausgegangen¹⁰³ und der Vermeidung des Moral Hazard-Problems.

2.8.1 Generierung von Provision

Die Aktien Research Abteilung generiert keine direkten eigenen Erträge, sondern wird indirekt über die Orderprovisionen vergütet. Daher besagt die „Umsatzgenerierende Hypothese“ (UGH)¹⁰⁴, dass Analysten ihre Analysen an der Maximierung der Wertpapierumsätze orientieren.¹⁰⁵

Die Interessenkongruenz zwischen Analyst und Bank führt insbesondere bei Investment Bankbeziehungen der arbeitgebenden Bank zu den Unternehmen, die der Analyst covert („abhängige“ Analysten), zu starken Interessenkonflikten. Zwar existiert in vielen Ländern eine gesetzliche Regelung über die Trennung zwischen der Investmentbank und der Research Abteilung, sogenannte Chinese Walls, doch diese haben sich als sehr durchgängig erwiesen.¹⁰⁶ Natürlich wünscht die Investmentbank-Abteilung keine negativen Reports der Analysten über Unternehmen, von denen sie Konsortialaufträge erhalten. Das wird durch die Beteiligung der Analysten an den Erträgen der Investment- bank-Abteilung erreicht. Teilweise wirken Analysten bei der Erstellung der Equity Story bei Aktienemissionen mit und verpflichten sich bei Neuemissionen, das Coverage für das Unternehmen eine bestimmte Zeit nach der Emission wahrzunehmen.

2.8.2 Abhängigkeit vom Management

Eine wichtige Informationsquelle für die Analysten ist das zu analysierende Unterneh- men selbst, sie bestimmt die Genauigkeit ihrer Arbeit.¹⁰⁷ Daher versuchen sie, eine gute Beziehung zum Unternehmensmanagement aufzubauen und zu erhalten, nicht nur, um neue Aufträge für die Investmentbankabteilung zu generieren, sondern auch, um in persönlichen Gesprächen mit den Managern¹⁰⁸ ggf. neue Aspekte subjektiver Relevanz zu erhalten und sich einen Überblick über weiche Faktoren wie Managementqualität und technologische Entwicklungen der Produkte zu verschaffen. Analysten, die negative Prognosen oder Empfehlungen über das Unternehmen abgeben, müssen befürchten, den Zugang zum Management zu verlieren, wie einige Praxisbeispiele zeigen. Dann verlieren sie die Möglichkeit, den Markt mit neuen Informationen zu versorgen, insbesondere wenn viele Analysten das Unternehmen covern. So haben sie keine Möglichkeit, hohe Orderprovisionen zu erzielen. Daher haben Analysten einen Anreiz, negative Kommentare zu einem Unternehmen zurückzuhalten oder im Extrem- fall wider besseres Wissens positiv über ein Unternehmen zu berichten, um den Zugang zum Management nicht zu gefährden.

2.8.3 Aufbau von Reputation

Die obengenannten Interessenkonflikte gehen zu Lasten der Investoren, gleichzeitig gefährden sie die Reputation der Analysten. Investoren halten den Analysten für alleinverantwortlich. Daher ist auch bei den Research Berichten der Verfasser mit aufgeführt.¹⁰⁹ Die Reputation ist das Kapital eines Analysten, das auch noch Bestand bei einem Arbeitgeberwechsel hat. Sie ist entscheidend für die Glaubwürdigkeit der Analysten und stellt eine Möglichkeit dar, die Informationsasymmetrien vor Vertragsabschluss („Hidden Information“) durch das Signal Reputation zu überwinden.¹¹⁰ Investoren, die keinen Nutzen aus den Empfehlungen erzielen konnten, werden den Analysten nicht mehr vertrauen und andere beauftragen.

In der Praxis dienen Ranking Listen von Anlegermagazinen als Reputationsmaßstab.

[...]

---

¹ Vgl. SEC (2003a), Fact Sheet on Global Analyst Research Settlements.

² Vgl. Achleitner et al. (2001), S. 57.

³ Muth (1961), S. 315ff.

⁴ Als Grund wird vermutet, dass der Aufsatz seiner Zeit voraus und unverständlich geschrieben war. Vgl. McCloskey (1985), S. 88.

⁵ Erhielt den Nobelpreis im Jahre 1995 für diese Leistung.

⁶ Vgl. Muth (1961), S. 316.

⁷ Vgl. Muth (1961), S. 317.

⁸ Vgl. Heinemann (1995), S. 13.

⁹ Vgl. Muth (1961), S. 318.

¹⁰ Vgl. Sargent: Rational Expectations, (Abrufdatum: 09.06.2006).

¹¹ Vgl. Henze (2004), S. 49.

¹² Vgl. Caspers (1978), S. 515.

¹³ Vgl. Arrow (1978), S.160.

¹⁴ Vgl. Caspers (1978), S. 514.

¹⁵ Vgl. Eisenführ/Weber (2003), S.211.

¹⁶ Vgl. Bamberg/Coenenberg (2002), S. 99.

¹⁷ Erhielt 1975 dafür den Nobelpreis.

¹⁸ Vgl. Simon (1979), S. 496.

¹⁹ Vgl. Simon (1979), S. 507.

²⁰ Vgl. Roßbach (2001), S. 12.

²¹ Vgl. Roßbach (2001), S. 10.

²² Vgl. Tversky/Kahneman (1974), S. 1130.

²³ Vgl. Stephan (1999), S. 103.

²⁴ Vgl. Shefrin/Stratman (2003), S. 54.

²⁵ Vgl. Wiswede (2000), S. 76.

²⁶ Hervorgehobenheit, aufmerksamkeitslenkende Präsenz, so dass der betreffende Sachverhalt besonders augenfällig ist.

²⁷ Vgl. Oehler (1992), S. 102.

²⁸ Vgl. Stephan (1999), S. 110.

²⁹ Vgl. Lichtenstein/Fischhoff. (1977), S. 168.

³⁰ Vgl. Lichtenstein et al. (2001), S. 323.

³¹ Vgl. Oehler (1992), S. 108.

³² Vgl. Fischer/Wiswede (2002), S. 216.

³³ Vgl. Piwinger (2005), S. 15.

³⁴ Vgl. Roßbach (2001), S. 21.

³⁵ Vgl. Schipper (1991), S. 112.

³⁶ Eberts (1986), S. 255.

³⁷ Vgl. Achleitner (2002), S. 775; DVFA (2000), S. 48 Standesrichtlinie 1a. 9

³⁸ Vgl. Schipper (1991), S. 112.

³⁹ Vgl. Pietzsch (2004), S. 46; Schipper (1991), S. 113.

⁴⁰ Vgl. May (1991), S. 313.

⁴¹ Vgl. Fama (1991), S. 1578; Steiner/Bruns (2000), S. 44.

⁴² Vgl. Fama (1991), S. 1575.

⁴³ Vgl. Fama (1970), S. 387.

⁴⁴ Vgl. Grossmann/Stiglitz (1980), S. 395.

⁴⁵ Damit sind keine Insiderinformationen gemeint, sondern Informationen, die nur durch aufwändige Recherche verfügbar werden.

⁴⁶ Vgl. Hax (1998), S. 73; Löffler (1998), S. 121.

⁴⁷ Vgl. Grossmann/Stiglitz (1980), S. 399.

⁴⁸ Vgl. May (1991), S. 314

⁴⁹ Vgl. May (1991), S. 313.

⁵⁰ Vgl. Steiner/Bruns (2000), S. 545.

⁵¹ Vgl. Brown (1993), S. 306.

⁵² Vgl. Bradshaw (2004), S.44; Womack (1996), S. 153.

⁵³ Vgl. Wichels (2002), S. 57.

⁵⁴ Vgl. Fama (1991), S. 1575.

⁵⁵ Vgl. Sharpe (1992), S. 18; Lerbinger (1984), S. 67.

⁵⁶ Vgl. Achleitner (2002), S. 762 Abb. 2.

⁵⁷ Vgl. Hooke (1999), S. 75.

⁵⁸ Vgl. Regan (1993), S. 10.

⁵⁹ Vgl. Pietzsch (2004), S. 68.

⁶⁰ Vgl. Regan (1993), S. 12; Womack (1996), S. 140.

⁶¹ Vgl. Ellis (1985), S. 39.

⁶² Vgl. Groysberg et al. (2005), S. 6; Frank (2004), S. 306. 13

⁶³ Vgl. Steiner/Bruns (2000), S. 248.

⁶⁴ Vgl. Bodie et al. (2002), S. 343.

⁶⁵ Vgl. Eberts (1986), S. 103; Kames (2000), S. 53.

⁶⁶ Vgl. Henselmann (2000), S. 151; Heidorn/Weier (2001), S. 22.

⁶⁷ Vgl. Drukarczyk (2003), S. 199-200.

⁶⁸ Vgl. Rappaport (1995), S. 55.

⁶⁹ Vgl. Achleitner et al. (2001), S. 77.

⁷⁰ Vgl. Creutzmann/Deser (2005), S. 2.

⁷¹ Vgl. Goedhart et al. (2005), The right role for multiples in valuation, S.7.

⁷² Vgl. Wagner (2005), S. 11.

⁷³ Vgl. Heidorn/Weier (2001), S. 2.

⁷⁴ Vgl. Wagner (2005), S. 12.

⁷⁵ Vgl. Damodaran (2001), S. 272.

⁷⁶ Vgl. Hooke (1999), S. 255; Asquith et al. (2005), S. 278 FN. 6.

⁷⁷ Vgl. Damodaran (15.08.2006).

⁷⁸ Vgl. Heidorn/Weier (2001), S. 1.

⁷⁹ Vgl. Achleitner (2002), S. 774.

⁸⁰ Vgl. Chen/Matsumoto (2006), S. 674.

⁸¹ Vgl. McNichols/O’Brien (1997), S. 173.

⁸² Vgl. Asquith et al. (2005), S. 276.

⁸³ Vgl. Asquith et al. (2005), S. 225, Bruce (2002), S. 198.

⁸⁴ Vgl. McNichols/O’Brien (1997), S. 169.

⁸⁵ Vgl. Dugar/Nathan (1995), S. 135.

⁸⁶ Vgl. Fugger (2000), S. 298.

⁸⁷ Vgl. Wiebe (2002), S. i02.

⁸⁸ Vgl. Brav/Lehavy (2003), S. 1938.

⁸⁹ Vgl. Asquith et al. (2005), S. 256.

⁹⁰ Vgl. Bushan (1989), S. 256; Pietzsch (2004), S. 145.

⁹¹ Vgl. McNichols/O’Brien (1997), S. 174; Achleitner et al. (2005), S. 262.

⁹² Vgl. Achleitner et al. (2005), S. 270; Bushan (1989), S. 261.

⁹³ Ausnahmen sind Indices für junge Unternehmen, z.B. TecDAX ehemals Neuer Markt.

⁹⁴ Vgl. Bushan (1989), S. 270; Achleitner et al. (2005), S. 270.

⁹⁵ Vgl. Elstrom (2002), S. 44.

⁹⁶ Vgl. Dorfman (1991), S. C1; Dreman (2002), S. 139.

⁹⁷ Vgl. Mehta (2003), S. 34; Michaely/Womack (1999), S. 660. 18

⁹⁸ Vgl. Ewert/Wagenhofer (2003), S. 423.

⁹⁹ Vgl. Kuhner (2005), Interessenkonflikte aus der Sicht der Betriebswirtschaftslehre, S. 1.

¹⁰⁰ Vgl. Schmidt/Terberger (1999), S. 70.

¹⁰¹ Vgl. Henze (2004), S. 13.

¹⁰² Vgl. Hax (1998), S. 130.

¹⁰³ Vgl. Löffler (1998), S. 39.

¹⁰⁴ Vgl. Eames et al. (2002), S. 85.

¹⁰⁵ Vgl. Wichels (2002), S. 33.

¹⁰⁶ Vgl. Thornton (2001), S. 56.

¹⁰⁷ Vgl. Frank (2004), S. 319.

¹⁰⁸ Hier dürfen keine Insiderinformationen bekannt gegeben werden gemäß WpHG §13.

¹⁰⁹ Vgl. Löffler (1998), S. 18.

¹¹⁰ Vgl. Hax (1998), S. 130.