Persistenz von Kalenderanomalien. Eine empirische Untersuchung anhand ausgewählter Aktienmärkte

Masterarbeit , 2021 , 109 Seiten , Note: 1,3

BWL - Investition und Finanzierung

Ziel dieser Arbeit ist es, die gängigsten Kalenderanomalien, also den Wochenend-Effekt, den Januar-Effekt, den Sell-in-May-Effekt, den Monatswechsel-Effekt und den Feiertags-Effekt, in Hinblick auf ihre Existenz auf dem deutschen Aktienmarkt zu untersuchen. Die Analyse soll auf Basis der bekannten deutschen Indizes – etwa dem DAX, MDAX, SDAX, TecDAX, HDAX und CDAX – mit einem Untersuchungszeitraum von rund 60 Jahren erfolgen. Anschließend ist aus den empirischen Erkenntnissen eine profitable Handelsstrategie zu entwickeln, um zu zeigen, ob eine Überrendite erzielbar ist.

Wenn saisonale Effekte über den gesamten Untersuchungszeitraum erkannt werden, ist anschließend zu prüfen, ob die Effekte mit der Zeit schwächer werden oder sogar verschwinden. Die Persistenz eines Effekts ist maßgeblich für die Entwicklung einer saisonalen Handelsstrategie. In der Literatur ist häufig die Erwähnung zu finden, dass die öffentliche Bekanntmachung von Anomalien dazu führt, dass diese schnell verschwinden. Das Timing des Verschwindens fällt häufig mit dem Zeitpunkt wissenschaftlicher Veröffentlichungen zusammen. Werden Anomalien für kurze Perioden – etwa einige Tage – beobachtet, sind für die Handelsstrategie beispielsweise Hebelprodukte aus dem Derivatebereich zu nutzen.

Damit ist zu vermeiden, dass anfallende Transaktionskosten die Gewinne schmälern. Für längere Halteperioden, etwa mehrere Monate, sind auch günstigere Produkte wie Exchange Traded Funds (ETFs) oder Index-Zertifikate zu nutzen. Anlegende können mit diesen Produkten an der Wertentwicklung eines Basiswertes (etwa eines Index) 1:1 oder überproportional partizipieren. Die Funktionsweisen einzelner Produkte werden im Laufe der Arbeit beschrieben. Für den deutschen Aktienmarkt liegt eine umfangreiche Untersuchung der genannten Kalenderanomalien mit anschließender Induktion einer Handelsstrategie nach aktuellem Kenntnisstand nicht vor. Die vorliegende Arbeit soll diese Forschungslücke schließen.

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Formelverzeichnis

Abkürzungsverzeichnis

1 Einleitung
1.1 Problemstellung und Praxisrelevanz
1.2 Zielsetzung
1.3 Struktur und Methode

2 Theoretische Grundlagen
2.1 Kapitalmarkttheorie
2.1.1 Portfoliotheorie
2.1.2 Capital Asset Pricing Modell
2.1.3 Markteffizienzhypothese und Random-Walk-Theorie
2.1.4 Kritik an der Markteffizienzhypothese
2.2 Behavioral-Finance-Theorie
2.2.1 Erkenntnisse aus der Behavioral-Finance-Theorie
2.2.2 Prospect-Theorie und weitere Konzepte
2.2.3 Kapitalmarktanomalien
2.2.4 Grenzen der Behavioral-Finance-Forschung

3 Kalenderanomalien und Stand der bisherigen Forschung
3.1 Januar-Effekt
3.1.1 Forschungsstand zum Januar-Effekt
3.1.2 Erklärungsansätze für den Januar Effekt
3.2 Monatswechsel-Effekt
3.2.1 Forschungsstand zum Monatswechsel-Effekt
3.2.2 Erklärungsansätze für den Monatswechsel-Effekt
3.3 Wochentags-Effekt
3.3.1 Forschungsstand zum Wochentags-Effekt
3.3.2 Erklärungsansätze für den Wochentags-Effekt
3.4 Feiertags-Effekt
3.4.1 Forschungsstand zum Feiertags-Effekt
3.4.2 Erklärungsansätze für den Feiertags-Effekt
3.5 Sell-in-May-Effekt (Halloween-Effekt)
3.5.1 Forschungsstand zum Sell-in-May-Effekt
3.5.2 Erklärungsansätze für den Sell-in-May-Effekt

4 Zertifikate, Hebelprodukte und Arbitrage
4.1 Zertifikate
4.2 Contracts for Difference
4.3 Arbitrage

5 Empirische Untersuchung
5.1 Datenbasis
5.2 Methodisches Vorgehen
5.3 Voraussetzungen des ungepaarten t-Test
5.4 Sell-in-May-Effekt (Halloween-Effekt)
5.4.1 Ergebnisse der Untersuchung
5.4.2 Induktion der Handelsstrategie
5.5 Januar-Effekt
5.5.1 Ergebnisse der Untersuchung
5.5.2 Induktion der Handelsstrategie
5.6 Monatswechsel-Effekt
5.6.1 Ergebnisse der Untersuchung
5.6.2 Induktion der Handelsstrategie
5.7 Wochentags-Effekt
5.7.1 Ergebnisse der Untersuchung
5.7.2 Induktion der Handelsstrategie
5.8 Feiertags-Effekt
5.8.1 Ergebnisse der Untersuchung
5.8.2 Induktion der Handelsstrategie

6 Zusammenfassung und Ausblick

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Diversifizierbare Risiken

Abbildung 2: ^-o-Diagramm mit drei Anlagen

Abbildung 3: Security Market Line (SML)

Abbildung 4: Preisanpassung an neue Informationen

Abbildung 5: Alte und neue Sichtweise des Anlegenden

Abbildung 6: Betrachtung des Monatswechsel-Effekts

Abbildung 7: Durchschnittliche Tagesrenditen von 1960 bis 1992 (DAX)

Abbildung 8: Durchschnittliche Renditen rund um Feiertage

Abbildung 9: Sell-in-May-Effekt in mehreren Ländern

Abbildung 10: Klassifizierung Anlage-Zertifikate und Hebelprodukte

Abbildung 11: Histogramm je Gruppe (Monatswechsel-Effekt, CDAX)

Abbildung 12: Sell-in-May-Strategie (DAX ab 1988)

Abbildung 13: Robustheit Sell-in-May-Effekt (DAX ab 1988)

Abbildung 14: DAXplus Seasonal-Strategie im Vergleich (2005-2021)

Abbildung 15: Januar- und April-Strategie für den SDAX (ab 1988)

Abbildung 16: 0 Tagesrendite um den Monatswechsel pro Dekade

Abbildung 17: Monatswechsel-Strategie für den MDAX (ab 1988)

Abbildung 18: 0 Tagesrendite um den Monatswechsel (MDAX)

Abbildung 19: Optimierte Monatswechsel-Strategie MDAX (ab 1988)

Abbildung 21: Monatswechsel-Effekt für das Corona-Jahr 2020

Abbildung 22: Kumulierte Durchschnittsrenditen des DAX je Wochentag

Abbildung 23: Feiertagsrendite je halbe Dekade für den DAX (ab 1988)

Tabellenverzeichnis

Tabelle 1: Levene-Test - Ergebnisse (CDAX)

Tabelle 2: Sell-in-May-Effekt - Mittelwerte

Tabelle 3: Sell-in-May-Effekt - Ergebnisse der Regression für den DAX

Tabelle 4: Sell-in-May-Effekt - Ergebnisse der Regression

Tabelle 5: 0 Monatsrendite einzelner Indizes

Tabelle 6: DAXplus Seasonal Strategy Index (Zertifikat)

Tabelle 7: DAXplus Seasonal Strategy Index (Kosten)

Tabelle 8: 0 Januar-Rendite für alle Indizes

Tabelle 9: Januar-/April-Effekt - Ergebnisse der Regression

Tabelle 10: Hebelprodukt zur Nutzung des April-Effektes

Tabelle 11: Berechnung Zertifikat-Preis mit 0-Tagesrenditen vom April

Tabelle 12: 0 Monatswechselrendite für alle Indizes

Tabelle 13: Monatswechsel-Effekt - Ergebnisse der Regression

Tabelle 14: Hebelprodukt zur Nutzung des Monatswechsel-Effekts

Tabelle 15:MDAX-Hebel-Zertifikat Berechnung

Tabelle 16: MDAX Future CFD (Plus500)

Tabelle 17: 0 Montags- und Freitagsrendite für alle Indizes

Tabelle 18: Wochentags-Effekt - Ergebnisse der Regression

Tabelle 19: 0 Vor-Feiertagsrendite für alle Indizes

Tabelle 20: Feiertags-Effekt - Ergebnisse der Regression

Tabelle 21: Rendite der Vor-Feiertage je halbe Dekade für den DAX

Formelverzeichnis

Formel 1: Berechnung der erwarteten Rendite mit dem CAPM

Formel 2: Berechnung des Beta-Faktors

Formel 3: Preisberechnung Mini-Future-Zertifikat (Long)

Formel 4: Berechnung der Index-Renditen

Formel 5: Regressionsgleichung mit Dummy-Variablen

Formel 6: Hypothesen der Untersuchung

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

1.1 Problemstellung und Praxisrelevanz

Aktienmärkte weisen eine Vielzahl sogenannter Kapitalmarktanomalien auf.¹ Dies sind Ereignisse, die von den Vorhersagen der theoretischen Kapitalmarktmodelle abweichen sowie die Annahmen der Modelle für die Praxis untergraben.² Kapitalmarktanomalien stehen somit nicht im Einklang mit der Markteffizienzhypothese von Fama, die besagt, dass auf den Finanzmärkten bereits alle preisrelevanten Informationen im Marktpreis der Wertpapiere enthalten sind und es Marktteilnehmenden nicht möglich ist, dauerhaft über­durchschnittliche Renditen zu erwirtschaften.³

Eine gängige Art von Kapitalmarktanomalien, die mit einer bestimmten Zeit verknüpft sind, sind die sogenannten Kalenderanomalien, auch bekannt als Kalendereffekte oder saisonale Effekte.⁴ Zu den gängigsten Kalenderanomalien zählen der Wochenend-Effekt, der Januar-Effekt, der Sell-in-May-Effekt, der Feiertags-Effekt sowie der Monatswech- sel-Effekt.⁵ Diese Effekte können in Handelsstrategien übergeleitet werden und es Anle­genden zum Teil ermöglichen, überdurchschnittliche Renditen zu erwirtschaften. Die Evidenz saisonaler Effekte wurde bereits in zahlreichen Studien geprüft.⁶ Die Erkennt­nisse aus den Studien sind jedoch heterogen.⁷ Oftmals werden Anomalien als Ergebnis von Stichprobenverzerrungen oder Messungsfehlern interpretiert.⁸

Die frühesten Belege für Saisonalitäten an den Aktienmärkten stammen aus den 1940er Jahren.⁹ Der US-amerikanische Ökonom Sidney B. Wachtel stellte im Jahr 1942 am ame­rikanischen Aktienmarkt fest, dass sich der Dow Jones Industrial Average seit 1926 im Januar besser entwickelt als in den restlichen Monaten. Seit den 1970er Jahren deckten Wirtschaftsforschende weitere saisonale Effekte in den weltweiten Aktienmärkten auf, und belegten, dass Renditen nicht immer zeitkonstant sind.¹⁰ Dabei bilden Studien aus dem amerikanischen Raum die Basis für nachfolgende Studien. Diese und weitere Ano­malien gaben in der Psychologie und Ökonomie arbeitenden Personen den Beweggrund, psychologische Einflussfaktoren auf die Wertentwicklung von Wertpapieren zu untersu­chen, um die theoretischen Kapitalmarktmodelle zu optimieren.¹¹ Bei den klassischen Kapitalmarktmodellen wird stets von rational handelnden Marktteilnehmenden und in­formationseffizienten Kapitalmärkten ausgegangen.¹² Durch die Bestrebungen, die klas­sischen Kapitalmarktmodelle zu widerlegen, entstand als eigenständiger Forschungs­zweig die Behavioral-Finance-Theorie.¹³ Bei dieser wird die Wertentwicklung auf den Finanzmärkten in Bezug auf beschränkt rational handelnde Marktteilnehmenden unter­sucht und sie bietet Konzepte zur Erklärung auftretender Anomalien.¹⁴

1.2 Zielsetzung

Ziel dieser Arbeit ist es, die gängigsten Kalenderanomalien, also den Wochenend-Effekt, den Januar-Effekt, den Sell-in-May-Effekt, den Monatswechsel-Effekt und den Feiertags­Effekt, in Hinblick auf ihre Existenz auf dem deutschen Aktienmarkt zu untersuchen. Die Analyse soll auf Basis der bekannten deutschen Indizes - etwa dem DAX, MDAX, SDAX, TecDAX, HDAX und CDAX - mit einem Untersuchungszeitraum von rund 60 Jahren erfolgen. Anschließend ist aus den empirischen Erkenntnissen eine profitable Han­delsstrategie zu entwickeln, um zu zeigen, ob eine Überrendite erzielbar ist.

Wenn saisonale Effekte über den gesamten Untersuchungszeitraum erkannt werden, ist anschließend zu prüfen, ob die Effekte mit der Zeit schwächer werden oder sogar ver­schwinden. Die Persistenz eines Effekts ist maßgeblich für die Entwicklung einer saiso­nalen Handelsstrategie. In der Literatur ist häufig die Erwähnung zu finden, dass die öf­fentliche Bekanntmachung von Anomalien dazu führt, dass diese schnell verschwinden. Das Timing des Verschwindens fällt häufig mit dem Zeitpunkt wissenschaftlicher Veröf­fentlichungen zusammen.¹⁵

Werden Anomalien für kurze Perioden - etwa einige Tage - beobachtet, sind für die Han­delsstrategie beispielsweise Hebelprodukte aus dem Derivatebereich zu nutzen. Damit ist zu vermeiden, dass anfallende Transaktionskosten die Gewinne schmälern. Für längere Halteperioden, etwa mehrere Monate, sind auch günstigere Produkte wie Exchange Tra­ded Funds (ETFs) oder Index-Zertifikate zu nutzen. Anlegende können mit diesen Pro­dukten an der Wertentwicklung eines Basiswertes (etwa eines Index) 1:1 oder überpro­portional partizipieren. Die Funktionsweisen einzelner Produkte werden im Laufe der Ar­beit beschrieben.

Für den deutschen Aktienmarkt liegt eine umfangreiche Untersuchung der genannten Ka­lenderanomalien mit anschließender Induktion einer Handelsstrategie nach aktuellem Kenntnisstand nicht vor. Die vorliegende Arbeit soll diese Forschungslücke schließen.

1.3 Struktur und Methode

Im Anschluss an die Einleitung werden in Kapitel 2 die Grundkonzepte der Kapitalmarkt­theorien, wie der Portfoliotheorie und des Capital-Asset-Pricing-Model (CAPM), sowie der Forschungszweig der Behavioral-Finance-Theorie vorgestellt. Weiterhin werden die Kapitalmarktanomalien definiert. In Kapitel 3 werden die aus der Literatur erforschten Kalendereffekte ausführlich beschrieben. Außerdem ist der bisherige Forschungsstand einzelner Kalendereffekte wiederzugeben. Weiterhin wird nach möglichen Erklärungs­ansätzen für das Auftreten von Kalendereffekten mit Bezug auf Behavioral Finance ge­forscht. Einige Kalendereffekte beschränken sich auf Zeitperioden in Höhe von einigen Tagen, was für eine Handelsstrategie die Folge haben könnte, dass der mögliche Gewinn durch die Kosten geschmälert wird. Deshalb wird in Kapitel 4 die Funktionsweise von Zertifikaten und Hebelprodukten erklärt, da diese für die Erstellung einer kurzfristigen Handelsstrategie zur Kostenreduktion zu nutzen sind. In Kapitel 5 erfolgt die empirische Untersuchung der Kalendereffekte für ausgewählte deutsche Indizes. Zunächst werden Datenbasis und das methodische Vorgehen vorgestellt. Die Signifikanz-Prüfung erfolgt auf Basis eines einfachen Regressionsmodells mit Dummy-Variablen. Dieses Modell ist im Wesentlichen mit der Durchführung eines t-Tests für unabhängige Variablen gleich­zusetzen. Zunächst wird der ganze Zeitraum betrachtet, bevor dann auf bestimmte Zeit­abschnitte eingegangen wird, um das Vorhandensein der Anomalien auch im 20. Jahr­hundert zu bestätigen. Aus den Erkenntnissen wird anschließend noch im selben Kapitel eine Handelsstrategie abgeleitet. Mit ausgewählten Handelsprodukten aus der Praxis er­folgen transparente Berechnungen, um das Potenzial der entwickelten Handelsstrategie zu illustrieren. Abgeschlossen wird die Forschungsarbeit mit einer Zusammenfassung der Ergebnisse und einem Fazit in Kapitel 6.

2 Theoretische Grundlagen

In diesem Kapital werden zunächst die Grundkonzepte der Kapitalmarkttheorien vorge­stellt, da die theoretischen Modelle, etwa die Portfoliotheorie oder das CAPM in der Wis­senschaft als bedeutsamste Ansätze zur Ermittlung von Wertpapierpreisen bzw. der Ren­diteentwicklung gelten.¹⁶ Restriktive Annahmen, die den Modellen zugrunde liegen, so­wie mathematische Formeln vereinfachen die Ermittlung des Preises einer Aktie und lie­fern eine Erklärung zur Renditeentwicklung.¹⁷ Anschließend ist der Forschungszweig der Behavioral Finance vorzustellen, der die restriktiven Annahmen der theoretischen Kapi­talmarktmodelle infrage stellen, da im Laufe der Jahre diverse Forschende - etwa Ariel (1987) oder Keim (1983) - empirisch signifikante Abweichungen von den Aussagen der Kapitalmarktmodelle aufzeigten.¹⁸ Während bei den theoretischen Kapitalmarktmodellen von einer rational investierenden Person ausgegangen wird, wird in der Behavioral Fi­nance die Rationalität des Investierenden hinterfragt, da Forschende in der Preisbildung von Aktien Anomalien entdeckten, was nicht im Einklang mit den Annahmen der Kapi­talmarktmodelle steht. In der Behavioral Finance wird davon ausgegangen, dass Inves­tierende aufgrund kognitiver Beschränkungen nicht immer rational handeln, sondern nur begrenzt rational agieren.¹⁹ Deshalb sind die Erkenntnisse aus der Behavioral Finance zu beschreiben und die Kapitalmarktanomalien im Folgenden zu definieren.

2.1 Kapitalmarkttheorie

Die Modelle der Kapitalmarkttheorie betreffen den Zusammenhang zwischen Risiko und erwarteter Rendite einer Anlage oder eines Portfolios auf einem vollkommenen Kapital- markt.²⁰ Die Modelle unterstellen, dass Marktteilnehmende stets nutzenorientiert handeln und zu jeder Zeit über vollständige Informationen verfügen.²¹ Weiterhin wird angenom­men, dass der Preis einer Anlage immer dem fundamental gerechtfertigten Wert ent­spricht. Ausschließlich neue Informationen führen zu Veränderungen des Preises.²² We- sentliche Modelle der Kapitalmarkttheorie werden im Folgenden vorgestellt. Die Grund­lage der Kapitalmarkttheorie bildet das Modell der Portfoliotheorie aus dem Jahr 1950 von Harry M. Markowitz.²³

2.1.1 Portfoliotheorie

Harry M. Markowitz gilt als Begründer der Portfoliotheorie und wurde dafür im Jahr 1990 mit dem Nobelpreis für Ökonomie ausgezeichnet.²⁴ Die Grundidee der Portfoliotheorie ist es, eine bestmögliche Kombination von Anlagemöglichkeiten zu finden, um effizient zu investieren.²⁵ Neben den Ertragsaussichten sind auch die Anlagerisiken die Kernpara­meter der Portfoliotheorie.²⁶

Bei der Portfoliotheorie steht nicht eine einzige Anlage im Mittelpunkt der Analyse, son­dern es geht um das Zusammenspiel mehrerer Anlagen in einem Portfolio. Markowitz zeigte in seinem 1952 erschienenen Aufsatz „Portfolio Selection“, dass das unsystemati­sche Risiko in Form der Standardabweichung durch Hinzunahme von Mehrfachinvestiti­onen gemindert werden kann.²⁷ Das bedeutet, je mehr verschiedene Aktien gehalten wer­den, desto geringer ist die Auswirkung spezifischer Probleme einzelner Unternehmen oder Branchen.²⁸ Die ausgewählten Aktien sollten daher möglichst negativ miteinander korrelieren.²⁹ Die Risikostreuung des Investitionskapitals auf verschiedene Aktien wird „Diversifikations-Effekt“ genannt.³⁰ Durch die Diversifikation kann das Gesamtrisiko des Portfolios gemindert werden. Das systematische Risiko (Marktrisiko) hingegen, das durch Streuung nicht umgangen werden kann, wird in der Portfoliotheorie nicht berück- sichtigt.³¹ Folgende Abbildung 1 illustriert, dass sich das Portfoliorisiko durch die Kom­bination von Anlagen mit negativer Korrelation immer mehr dem Marktrisiko annähert.³²

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Grimm, R., Schuller, M., Wilhelmer, R., Portfoliomanagement, 2014, S. 277

Nach Markowitz kann ein Portfolio als effizient bezeichnet werden, wenn folgende Be­dingungen erfüllt sind:³³

- Bei gleicher Rendite existiert kein weiteres Portfolio, das ein kleineres Risiko ver­zeichnet.
- Bei gleichem Risiko besteht kein weiteres Portfolio, das eine höhere Rendite auf­weist.

Gemäß der Portfoliotheorie müssen Anlegende daher höhere Risiken tragen, um höhere Renditen zu erzielen. Bei der Entscheidung zwischen zwei Portfolios mit derselben er­warteten Rendite besteht die rationale Entscheidung darin, das Portfolio mit dem gerin­geren Gesamtrisiko zu wählen.³⁴ Drei Anlagemöglichkeiten sind vereinfacht in einem fi- o"-Diagramm dargestellt (siehe Abbildung 2).

Abbildung 2: u-n-Diagramm mit drei Anlagen

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Kremer, J., Portfoliotheorie, 2018, S. 11

Auf der vertikalen Achse steht g für die erwartete Rendite. Auf der horizontalen Achse steht o für das Risiko. Wenn Anlegende die Wahl zwischen den Anlagen B und C haben, dann ist Anlage B zu wählen, da das Risiko bei gleicher Rendite kleiner ist. Ist die Wahl zwischen Anlage A und C zu treffen, wählen rational Anlegende die Anlage A, da bei gleichem Risiko eine höhere Rendite erwirtschaftet wird. Bei einer Wahl zwischen An­lage A und B liefert die Portfoliotheorie keine Entscheidungsbasis. Die Entscheidung hängt von der Risikoeinstellung des Anlegenden ab. Das Minimum-Varianz-Portfolio ist das Portfolio, bei dem die Kombination von Wertpapieren die niedrigste Varianz und folglich das niedrigste Risiko aufweist.³⁵

Die Portfoliotheorie legt einige Prämissen fest, die auf Grundlage der Annahme eines vollkommenen Kapitalmarktes entstanden sind. Generell werden bei der Kapitalmarkt­theorie von rational handelnden Personen in der Form des „Homo oeconomicus“ ausge- gangen.³⁶ Der Homo oeconomicus strebt nur nach der Maximierung seines Gewinns und ist risikoavers.³⁷ Eine höhere Rendite mit Wertpapieren ist zu erwarten, wenn zusätzliches Risiko eingegangen wird. Lassen sich Abweichungen von einem rational handelnden Menschen erkennen, wird in der Literatur von irrationalem Verhalten oder auch von Ano­malien gesprochen.³⁸ Bei der Portfoliotheorie wird ebenfalls davon ausgegangen, dass Anlegende risikoavers sind und deshalb ein risikoärmeres Portfolio für eine bestimmte Rendite dem risikoreicheren Portfolio vorziehen. Außerdem wird unterstellt, dass Anle­genden alle Informationen sofort zur Verfügung stehen. Transaktionskosten und Steuern werden nicht berücksichtigt.³⁹

Die Portfoliotheorie dient als Grundlage des CAPM, das von William F. Sharpe, John Lintner und Jan Mossin unabhängig voneinander entwickelt wurde.⁴⁰ Weitere fundamen­tale Modelle der Kapitalmarkttheorie sind die „Arbitrage Pricing Theory“ von Stephan A. Ross sowie die Optionspreistheorie von Myron Scholes und Fischer Black.⁴¹ Im Fol­genden wird nur auf das CAPM - als relevantestes Preisbildungsmodell - eingegangen.

2.1.2 Capital Asset Pricing Modell

Das CAPM ist eine der relevantesten Innovationen der Kapitalmarkttheorie und baut auf dem Modell der Portfolioauswahl von Harry Markowitz auf. Es findet im Finanzwesen Anwendung, um Wertpapiere und Unternehmen zu bewerten sowie um die erwartete Rendite eines Wertpapiers und die Eigenkapitalkosten zu bestimmen. Das Modell ist in seiner Anwendung unkompliziert und unterstellt, dass die erwartete Rendite eines Wert­papiers ausschließlich vom systematischen Risiko - in der Form des Beta-Faktors - ab­hängig ist - und nicht vom Gesamtrisiko. Das unsystematische Risiko wird ausgeblendet, da dieses diversifiziert werden kann.⁴²

Beim CAPM wird angenommen, dass die Rendite eines Wertpapiers in einem linearen Verhältnis mit dem systematischen Risiko steht. In einem effizienten Markt sollten die Wertpapiere demzufolge im Durchschnitt einer linearen Beziehung entsprechen.⁴³

Die Berechnung basiert auf einer mathematischen Formel, bei der der risikolose Zinssatz, die Marktrendite und der Beta-Faktor berücksichtigt werden. Die Grundgleichung des CAPM lautet (siehe Formel 1):

Formel 1: Berechnung der erwarteten Rendite mit dem CAPM

Abbildung in dieser Leseprobe nicht enthalten

Quelle: In Anlehnung an Specht, K., Gohout, W., Kapitalmarkttheorie, 2009, S. 114.

Als risikoloser Zinssatz wird typischerweise die Rendite einer zehnjährigen Staatsan­leihe verwendet. Hinzu kommt eine Marktprämie, die sich aus der Differenz von Markt­rendite rM und risikolosem Zinssatz ergibt. Die Marktprämie entschädigt Marktteilneh­mende für das Eingehen zusätzlichen Risikos durch Investition in eine risikobehaftete Anlage. Diese Marktprämie wird mit dem Beta-Faktor ßt multipliziert. Für das Maß der Risikohöhe hat sich der Beta-Faktor etabliert. Dieser misst die relative Volatilität eines Wertpapiers zum Gesamtmarkt. Wenn sich beispielsweise eine Aktie analog zum Markt bewegt, ist der Beta-Faktor der Aktie 1. Ein Beta-Faktor von 2 hingegen bedeutet, dass bei einem Anstieg des Gesamtmarktes um 1 %, die Aktie um 2 % steigt. Der Beta-Faktor ist also ein Parameter, der das Eingehen zusätzlichen Risikos entschädigt.⁴⁴

Der Beta-Faktor ßt ergibt sich aus der Kovarianz zwischen der Rendite des einzelnen Wertpapiers und der Rendite des Marktportfolios rM, dividiert durch die Varianz der Renditen des Marktportfolios (siehe Formel 2).⁴⁵

Formel 2: Berechnung des Beta-Faktors

Abbildung in dieser Leseprobe nicht enthalten

Quelle: In Anlehnung an Kremer, J., Portfoliotheorie, 2018, S. 83

Die grafische Darstellung der CAPM-Formel wird durch die Wertpapiermarktlinie (Security-Market-Line, SML) beschrieben. Diese stellt Portfolios dar, die Risiko und Rendite in einem linearen Zusammenhang optimal kombinieren. Die nachfolgende Ab­bildung 3 gibt neben der SML auch diverse Portfolios in einer p.-ß-Ebene wieder:⁴⁶

Abbildung 3: Security Market Line (SML)

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Specht, K., Gohout, W., Kapitalmarkttheorie, 2009, S. 114.

Die horizontale Achse bildet den Beta-Faktor ab. Auf der vertikalen Achse steht die er­wartete Rendite. Die SML ist eine lineare Funktion mit allen möglichen Risiko-Rendite­Kombinationen auf dieser Linie. Anlage D ist unterhalb der Wertpapierlinie und bietet bei gleichem Risiko eine geringere Renditeerwartung wie Anlage B. Da das CAPM ein Gleichgewichtsmodell ist, wird sich eine von der Wertpapiermarktlinie abweichende Rendite in Richtung der SML bewegen. Anlage D gilt somit als überbewertet. Folglich wird die Nachfrage nach Anlage D sinken, wodurch der Wert der Anlage abnimmt und die Rendite wieder steigt. Anlage E würde demgemäß gekauft werden, wodurch der Preis der Anlage steigt und die Rendite sinkt. Bereits fair bewertet sind die Anlagen A, B und C.47

Das CAPM setzt ergänzend zu den Annahmen des Portfoliomodells folgende Punkte vo-

raus:^{47 48}

- Investierende sind risikoavers und haben homogene Erwartungen in Bezug auf Risiko und Rendite.
- Investierende können uneingeschränkt Geld zu einem risikolosen Zinssatze anle­gen.
- Der Kapitalmarkt ist informationseffizient.
- Alle Wertpapiere sind handelbar, sie sind endlich, aber sind unendlich teilbar.
- Transaktionskosten und Steuern existieren nicht.
- Renditen sind normalverteilt.

Einige Forschende zweifeln an der Validität des CAPM. Die Annahmen sind in der Rea­lität wenig zutreffend. So haben Fama und French anhand der Renditen der am New York Stock Exchange und am NASDAQ (National Association of Securities Dealers Automa­ted Quotations) notierten Aktien gezeigt, dass die Beta-Faktoren die Performance diver­ser Aktien über kürzere und längere Zeiträume nicht erklären können.⁴⁹ Dennoch findet das CAPM in der Finanzbranche eine breite Anwendung, etwa zur Ermittlung der Eigen­kapitalkosten bzw. zur Unternehmensbewertung.⁵⁰

Aus den genannten Prämissen der Modelle ergibt sich die Anforderung eines informati­onseffizienten Kapitalmarkts. Daher ist im nachfolgenden Abschnitt die Markteffizienz­hypothese von Fama zu beschreiben.⁵¹

2.1.3 Markteffizienzhypothese und Random-Walk-Theorie

Die Markteffizienzhypothese besagt, dass Aktien alle Informationen im Preis widerspie­geln und eine konsistente Generierung von Überrenditen nicht möglich ist.⁵² Das Grund­konzept effizienter Märkte wurde erstmals von Eugene Fama im Jahr 1970 etabliert und ist eng mit der Random-Walk-Theorie verknüpft.⁵³

Bei der Random-Walk-Theorie wird von der Prämisse ausgegangen, dass alle bewer­tungsrelevanten Informationen im Kurs eines Wertpapiers enthalten sind und der Kurs mit einer relativ geringen Volatilität einem Zufallspfad oder „Random Walk“ folgt. Der zentrale Gedanke der Theorie ist, dass ausschließlich das Auftreten neuer bewertungsre­levanter Informationen Preisänderungen verursacht, da Anlegende auf diese Informatio­nen reagieren. Aktien sind dadurch zu keinem Zeitpunkt unter- oder überbewertet und Preise können nicht vorhergesagt werden. Überrenditen zu erzielen, wäre demnach nicht möglich. Die Theorie wurde im Jahr 1900 von dem französischen Ökonomen Louis Ba­chelier aufgestellt.⁵⁴

Eugene Fama stellte in seinem Werk „Efficient Capital Markets“ die Behauptung auf, dass Finanzmärkte effizient sind. Ein Markt gilt als effizient, wenn alle relevanten Infor­mationen - etwa historische Kurse oder Insiderinformationen - ohne Verzögerung und Verzerrung im Wert einer Aktie eingepreist sind. Neue bewertungsrelevante Informatio­nen treten zufällig auf und werden in einem effizienten Markt sofort berücksichtigt, so­dass der Markt nicht zu schlagen ist. Aufgrund der Menge und Verfügbarkeit an Infor­mationen sind drei Formen der Markteffizienz entstanden, die im Folgenden beschrieben werden:⁵⁵

- Schwache Markteffizienz: Bei der schwachen Form der Markteffizienz gilt, dass die aktuellen Aktienkurse alle Daten der vergangenen Preise widerspiegeln. Somit ist es nicht möglich, mit der technischen Analyse Aktienpreise vorherzusagen, um systematische Überschussrenditen zu erzielen.
- Halbstarke Markteffizienz: Die halbstarke Form der Markteffizienz legt nahe, dass Marktteilnehmende weder die technische noch die fundamentale Analyse nutzen können, um überdurchschnittliche Renditen am Markt zu erzielen, da alle öffentlich zugänglichen Informationen im aktuellen Aktienkurs eingepreist sind.
- Starke Markteffizienz: Von der starken Form der Markteffizienz ist zu sprechen, wenn alle Informationen - sowohl die öffentlich zugänglichen als auch die nicht öffentlich bereitgestellten (etwa Insiderinformationen) - vollständig in den aktu­ellen Aktienkursen berücksichtigt werden. Also kann selbst mit allen verfügbaren Informationen keine überdurchschnittliche Rendite erzielt werden.

Ein Kapitalmarkt ist effizient, wenn die starke Markteffizienz vertreten ist. Daher ist es nach der Markteffizienzhypothese unmöglich, durch aktive Titelauswahl oder Timing langfristig Überrenditen zu erzielen. Fama geht nicht davon aus, dass alle Marktteilneh- mende rational handeln, sondern dass der gesamte Markt rational ist und ein Gleichge­wicht zwischen den Marktteilnehmenden hergestellt wird. Emotionen spielen eine pas­sive Rolle.⁵⁶

2.1.4 Kritik an der Markteffizienzhypothese

Die Markteffizienzhypothese ist eine relevante Säule der modernen Wirtschaftstheorie, die in der Wissenschaft viel Rückhalt, aber auch viel Kritik findet.⁵⁷ Die Theorie ist nach wie vor umstritten. Die aufgestellten Thesen von Fama wurden aufgrund ihrer großen Bedeutung für die Kapitalmärkte mehrfach empirisch untersucht. Forschende gingen der Frage nach, bis zu welchem Punkt Kapitalmärkte als effizient aufgefasst werden kön- nen.⁵⁸ Die Erkenntnis aus den Untersuchungen war, dass die starke Form der Markteffi­zienz keinen Bestand hat.⁵⁹ Die Erzielung von Überrenditen durch Insiderinformationen konnte überwiegend empirisch nachgewiesen werden.⁶⁰ Bei der halbstarken Form der Markteffizienz hingegen divergieren die Studien stark.⁶¹ Während die anfänglichen Un­tersuchungen noch die Thesen von Fama bestätigten, wurden im Laufe der Zeit immer mehr Abweichungen von den Modellaussagen aufgedeckt. Diese Unregelmäßigkeiten wurden als Anomalien zusammengefasst.⁶²

Mit der Entdeckung von Kapitalmarktanomalien kamen größere Zweifel an der Gültigkeit der Kapitalmarkttheorien auf.⁶³ In der empirischen Forschung wird von mehreren Kapi­talmarktanomalien an den globalen Aktienmärkten berichtet, die der Markteffizienzhy­pothese widersprechen. Kapitalmarktanomalien scheinen daher allgegenwärtig zu sein.⁶⁴ Sie sind in erster Linie auf verhaltensbedingte Aspekte der Investierenden zurückzufüh­ren. Durch Marktanomalien entfernen sich Aktienkurse teilweise von ihrem fundamenta­len Wert, sodass stärkere Kursrutsche oder auch stärkere Wertaufholungen provoziert werden. Durch die Bestrebungen, die klassischen Kapitalmarktmodelle zu widerlegen, entstand als eigenständiger Forschungszweig die Behavioral-Finance-Theorie, die im fol­genden Unterkapitel betrachtet wird. Gemäß dieser Theorie handeln Marktteilnehmende nur begrenzt rational, da sie sich von Emotionen und ihren Erfahrungen leiten lassen.⁶⁵ Emotionen wie Gier, Angst und Überschwang sind für die Vermögensanlage hinderlich.⁶⁶ So ist aus der Behavioral Finance bekannt, dass Verlierer-Aktien zu lange im Portfolio gehalten werden, während gut performende Aktien schnell verkauft werden. Dieses Ver­halten wird in der Behavioral Finance auch als „Dispositionseffekt“ bezeichnet. Auch überschätzen Anlegende oft die verfügbaren Informationen und nehmen folglich Fehl­käufe vor, was sich als „Overconfidence-Effekt“ bemerkbar macht.⁶⁷

Bachelier ging ebenfalls mit der Random-Walk-Theorie von einer niedrigen Volatilität am Kapitalmarkt aus. So errechnete der Ökonom, dass etwa 95 % der Preisschwankung innerhalb einer Spanne von 2 Standardabweichungen erfolgen, obwohl es in der Realität häufiger zu stärkeren Kursausschlägen kommt.⁶⁸

Bei der klassischen Kapitalmarkttheorie wird von einem vollkommenen Kapitalmarkt ausgegangen, was einen effizienten Markt voraussetzt, wovon aber in der Praxis nicht ausgegangen werden kann.⁶⁹ Zunächst sind Wertpapiertransaktionen mit Kosten wie Transaktionskosten oder Liquidationskosten verbunden - was für die weltweiten Aktien­märkte gilt.⁷⁰ Außerdem beeinflusst die Liquidität eines gehandelten Wertpapiers die Geld-Brief-Spanne, wodurch der Kaufpreis nicht dem Verkaufspreis entsprechen muss. Informationen sind längst nicht allen Marktteilnehmenden zugänglich und auch nicht im­mer kostenfrei.⁷¹

In einem effizienten Markt sollte nach dem Erscheinen neuer Informationen eine unmit­telbare Preisanpassung erfolgen. Teilweise werden Informationen von Marktteilnehmen- den jedoch nicht richtig verarbeitet, sodass eine Über- bzw. Unterreaktion der Marktteil­nehmenden dazu führt, dass der Aktienpreis von seinem fundamentalen Wert abweicht, wie in der rechten Achse der Abbildung 4 zu erkennen.⁷²

Abbildung 4: Preisanpassung an neue Informationen

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Lamberti, M., Moderne Kapitalmarkttheorie, 2009, S. 8

Werden neue Informationen über ein Unternehmen veröffentlicht, ist zu beobachten, dass diese Neuigkeiten nicht immer adäquat im Aktienpreis eingearbeitet werden.⁷³ Eine Überreaktion der Marktteilnehmenden auf eine Neuigkeit führt vorerst zu einer starken Preissteigerung mit nachfolgender Korrektur in den nächsten Handelstagen.⁷⁴ Eine Un­terreaktion hingegen ist mit einer verzögerten Reaktion auf die Preisbildung verbunden, sodass die Information langsamer eingearbeitet wird.⁷⁵ Die effiziente Reaktion ist in der linken Achse der Abbildung 4 zu erkennen. Die Gründe dieser und weiterer Preisbil­dungsphänomene auf den Kapitalmärkten werden anhand des Forschungszweigs der Be­havioral Finance erklärt. Die Erkenntnisse aus der Behavioral-Finance-Theorie sind da­her im nächsten Abschnitt zu erläutern.

2.2 Behavioral-Finance-Theorie

Behavioral Finance - auch Verhaltensökonomie genannt - ist ein eigener Forschungs­zweig und dient dazu, den Einfluss der menschlichen Psyche auf das Börsengeschehen zu erklären, um Rückschlüsse auf die Kursentwicklung zu ziehen.⁷⁶ In diesem Unterab­schnitt werden die Erkenntnisse aus der Behavioral-Finance-Theorie beschrieben und die Grenzen der Behavioral-Finance-Theorie dargestellt. Außerdem werden einige Konzepte der Theorie vorgestellt sowie Kapitalmarktanomalien beschrieben.

2.2.1 Erkenntnisse aus der Behavioral-Finance-Theorie

Behavioral Finance strebt nach einer Erklärung von Wertpapierrenditen, bei der zu den wirtschaftlichen Erkenntnissen auch die psychologischen Erkenntnisse menschlichen Verhaltens hinzugezogen werden. Fuller fasst die Behavioral Finance wie folgt zusam- men:

- In der Behavioral Finance werden die Kapitalmarkttheorien und die verhaltens­wissenschaftlichen Erkenntnisse über das menschliche Entscheidungsverhalten zusammengeführt.
- Mit der Behavioral Finance wird versucht, Erklärungsgründe für die empirisch festgestellten Anomalien zu liefern und das systematische Fehlverhalten der An­legenden zu analysieren.

Die theoretischen Ansätze der Kapitalmarktmodelle werden dabei infrage gestellt.^{77 78} Sie werden jedoch nicht abgelehnt, sondern um psychologische und soziologische Aspekte erweitert.⁷⁹ Nach André Kostolany werden Aktienkursentwicklungen zu 90 % von der menschlichen Psychologie beeinflusst.⁸⁰ Marktteilnehmende haben nicht immer alle ver­fügbaren Informationen und müssen Entscheidungen unter Unsicherheit treffen.⁸¹

Bis Ende der 1970er Jahre hat die Markteffizienzhypothese eine führende Stellung in der Finanzbranche aufgewiesen. Untersuchungen von Kahneman, Tversky und Thaler über die menschliche Psychologie lösten erste Zweifel an der Markteffizienzhypothese aus. Sie zeigten anhand von spieltheoretischen Experimenten, dass das reale menschliche Ent­scheidungsverhalten deutlich von dem rationalen Entscheidungsverhalten abweicht. Wei­tere Erkenntnisse waren, dass sich Menschen bei Informationsaufnahme- und Entschei­dungsprozessen mit Heuristiken wie „Frames“ (Rahmen), Ankern und Mustern mental behelfen, um Komplexität zu reduzieren. Unter Heuristiken sind vereinfachende Regeln und Strategien bei der Informationsinterpretation zu verstehen, die es ermöglichen, schnellere, aber nicht optimale Entscheidungen zu treffen. Wenn zum Beispiel auf bereits bekanntes Wissen zurückgegriffen wird, um den Entscheidungsprozess zu vereinfachen, kommt der „Anker-Effekt“ zur Geltung.⁸²

Die Untersuchungen von Kahneman, Tversky und Thaler lösten weitere Studien mit dem Ziel aus, Anomalien und Ineffizienzen am Kapitalmarkt zu erklären. In immer mehr em­pirischen Studien konnten am Kapitalmarkt Anomalien nachgewiesen werden, die den Annahmen der klassischen Kapitalmarkttheorie teilweise oder im Ganzen widerspra- chen.⁸³ Die Behavioral-Finance-Theorie besagt, dass Anlegende grundsätzlich weder ef­fizient noch besonders rational handeln. Ein Homo oeconomicus, also ein nutzenmaxi­mierender Marktteilnehmer, existiert demnach nicht. Marktteilnehmende handeln gemäß Behavioral Finance beschränkt rational.⁸⁴

Durch die beschränkte Rationalität der Anlegenden kommt es am Kapitalmarkt zu Fehl- verhalten.⁸⁵ Dieses Fehlverhalten kann zu Anomalien wie Preisblasen führen, was das Risiko eines stärkeren Rückgangs erhöht.⁸⁶ Bei der Behavioral Finance wird anhand der Psychologie des Anlegenden versucht, systematisches Fehlverhalten zu identifizieren und sich wiederholende Muster zu erkennen.⁸⁷ Aus den gewonnenen Erkenntnissen sind Prog­nosen möglich, wobei daraus abgeleitete Investmentstrategien gewinnbringend genutzt werden können.⁸⁸ Der Homo oeconomicus der traditionellen Kapitalmarkttheorie wird in der Behavioral Finance durch den „menschlichen Entscheider“ ersetzt, der aufgrund einer eingeschränkten Informationsaufnahmefähigkeit nur beschränkt rational handelt.⁸⁹

Zwei zentrale Prämissen der klassischen Kapitalmarkttheorie werden in der Behavioral Finance abgewandelt: Einerseits agieren am Markt irrational handelnde Marktteilneh­mende, durch deren Fehlverhalten Ineffizienzen entstehen. Während bei der Kapital­markttheorie von rational handelnden Marktteilnehmenden ausgegangen wird, geht es bei der Behavioral-Finance-Theorie darum, wie Marktteilnehmende Schlüsse ziehen und welche systematischen Fehler sie durch ihr Entscheidungsverhalten begehen. Anderer­seits ist das Konzept der limitierten Arbitrage („Limits of Arbitrage) am Markt vorhan­den, wodurch Arbitragemöglichkeiten durch rationale Marktteilnehmenden nicht voll­ständig genutzt werden können, da irrationale Marktteilnehmende einen erheblichen so­wie dauerhaften Einfluss auf die Preise haben können.⁹⁰

Folglich stehen beide Annahmen in Kontrast zu den Annahmen der Markteffizienzhypo­these, sodass der Preis eines Wertpapiers nachhaltig von dem fairen Wert abweichen kann.⁹¹ Die nachfolgende Abbildung 5 soll nochmals die wesentlichen Unterschiede zwi­schen der alten Sichtweise der klassischen Kapitalmarkttheorie und der neuen Sichtweise der Behavioral-Finance-Theorie darstellen:

Abbildung 5: Alte und neue Sichtweise des Anlegenden

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Kitzmann, A., Massenpsychologie, 2009, S. 48.

Eines der grundlegendsten Konzepte der Behavioral-Finance-Theorie, das zur Erklärung von Ineffizienzen am Kapitalmarkt zur Anwendung kommt, ist die Prospect-Theorie.⁹² Im folgenden Abschnitt werden daher die Prospect-Theorie sowie weitere erwähnens­werte Konzepte vorgestellt.

2.2.2 Prospect-Theorie und weitere Konzepte

Die Basis zur Behavioral-Finance-Theorie legten Tversky und Kahnemann aus ihrer ers­ten Forschung mit der Prospect-Theorie im Jahr 1979.⁹³ Die Prospect-Theorie betrifft Entscheidungen unter Ungewissheit und ist ein Teil der Verhaltensökonomie. Aus den Experimenten von Tversky und Kahnemann geht die Erkenntnis hervor, dass sich Anle­gende für sichere Gewinne entscheiden und unsichere Gewinne ablehnen, weil mögliche Verluste eine größere emotionale Wirkung verursachen, obwohl beide Alternativen gleichwertig sind.⁹⁴ Demnach zieht der Mensch sichere 20 Euro zu erhalten der Alterna­tive mit 50 % 40 Euro und mit 50 % 0 Euro zu erhalten, vor. Der mit einem Verlust verbundene Schmerz ist bedeutend stärker als die Freude über einen Gewinn in der selben Größenordnung.⁹⁵ Deshalb ist die Theorie auch als Verlustaversionstheorie bekannt.⁹⁶ Verlustpositionen werden daraus resultierend viel zu spät geschlossen, in der Hoffnung, dass die Kurse wieder steigen. Gewinne werden viel zu schnell realisiert, im Glauben, dass die Kurse fallen werden (Dispositionseffekt).⁹⁷ Die Prospect-Theorie wird zur Er­klärung von vielen Verhaltensanomalien genutzt.

Zwei weitere erwähnenswerte Konzepte der Behavioral-Finance-Theorie, die zur Erklä­rung der Ineffizienz an den Märkten herangezogen werden, werden im Folgenden vorge­stellt:

- Mental Accounting: Das Konzept des Mental Accounting wurde von Richard Thaler eingeführt und besagt, dass Menschen ihr Geld aufgrund subjektiver Kri­terien in verschiedene „mentale Konten“ einordnen, um sich komplexe Sachver­halte zu vereinfachen. Dies verleitet Menschen dazu irrationale Investitionsent­scheidungen zu treffen, da die Zusammenhänge mit anderen mentalen Konten nicht berücksichtigt werden. Bezogen auf den Aktienmarkt sollten Anlegende da­her die Entwicklung des Gesamtportfolios betrachten, anstatt sich auf die negative Performance einer Aktie zu fokussieren. Das Mental Accounting wird häufig zur Erklärung von Kalenderanomalien herangezogen; mit der Begründung, dass An­legende dazu neigen, ein mentales Konto für neue Zeitabschnitte zu eröffnen.⁹⁸
- Herdenverhalten: Das Herdenverhalten bezieht sich auf das Phänomen, bei dem Menschen die Handlungen einer Gruppe imitieren, ohne sich auf eigene Analysen zu verlassen. In dem Zusammenhang sind die sogenannten Noise-Trader im Fi­nanzsektor bekannt, die nicht auf Basis von Informationen wie fundamentaler Da­ten handeln, sondern sich meist von der Stimmung oder der Gruppe leiten lassen und nach dem Prinzip des Herdenverhaltens handeln. In einer Hausse-Phase kau­fen sie in steigende Kurse hinein; in einer Baisse-Phase verkaufen sie ihre Wert­papiere. In der Folge resultieren Massenphänomene wie Spekulationsblasen und starke Rückgänge durch Gewinnmitnahmen.⁹⁹

Diese und weitere Konzepte der Behavioral Finance werden genutzt, um die Entstehung von Anomalien zu erklären. In folgendem Unterabschnitt wird auf die Kapitalmarktano­malien eingegangen.

2.2.3 Kapitalmarktanomalien

Kapitalmarktanomalien sind empirisch beobachtete Renditeentwicklungen, die in Wider­spruch zu den Annahmen der rationalen Modelle stehen und durch diese nicht erklärt werden können. Eine Anomalie ist ein Beweis dafür, dass bestimmte Annahmen eines Modells in der Praxis nicht einhaltbar sind. Ein Beispiel für eine Marktanomalie sind spekulative Preisblasen.¹⁰⁰

Irrationalität ist das Ergebnis von mangelhafter und verzögerter Informationsbewertung durch Marktteilnehmenden.¹⁰¹ Kapitalmarktforschende beschäftigen sich deshalb mit der Identifizierung von Verzerrungen am Kapitalmarkt.¹⁰² In der Finanztheorie existieren mehrere Arten von Kapitalmarktanomalien, die in der empirischen Forschung belegt wur­den. Dazu zählen Kennzahlenanomalien, Kalenderanomalien sowie die Ereignisanoma­lien. Schwert erklärte, dass bestimmte Anomalien - etwa der Größeneffekt oder der Wo­chenendeffekt - nach ihrer Entdeckung dazu tendieren, zu verschwinden oder sich abzu­schwächen, was auf das langfristige Wirken der Arbitrageure zurückzuführen ist.¹⁰³ Die Nutzung solcher Marktverzerrungen bewegt den Preis eines Wertpapiers langfristig zu seinem fundamentalen Wert.

Im Folgenden werden einige wenige Anomalien aufgezeigt, die im Laufe der Behavioral- Finance-Forschung identifiziert wurden und nicht mit den Vorhersagen der Kapitalmarkt­theorie übereinstimmen:

- Kalenderanomalien: Zu bestimmten Kalendertage oder auch Monate erzielen Wertpapiere eine deutlich höhere Rendite als in den restlichen Zeiträumen. Einige Kalenderanomalien wie der Januar-Effekt, werden in dieser Arbeit vorgestellt und untersucht. Der Januar-Effekt beschreibt das Phänomen, dass im Monat Januar signifikant höhere Renditen erzielt werden als in den restlichen Monaten.¹⁰⁴
- Size-Effect: Die Aktien kleinerer Unternehmen gemessen an der Marktkapitali­sierung erzielen höhere Renditen als die größerer Unternehmen.¹⁰⁵
- Value-Effekt: Die Ausprägung einiger Kennzahlen, etwa ein geringes Kurs-Ge­winn-Verhältnis (KGV), führt nachweislich zur einer besseren Rendite gegenüber Unternehmen mit einem hohen KGV.¹⁰⁶

Anomalien wurden von Forschenden unter Verwendung einer Vielzahl von Untersu­chungsmethoden bereits analysiert. Dabei wurden die Daten und der Untersuchungszeit­raum eigenständig festgelegt, sodass entdeckte Anomalien mit einer gewissen Skepsis betrachtet werden sollten, damit die Werthaltigkeit der Anomalien nicht überschätzt wird. Bei Nutzung der gleichen Datenreihen werden auch die gleichen Ergebnisse erzielt, ob­wohl die Effekte bereits verschwunden sind. Durch Fehler in der Datenauswahl kann ein falsches Ergebnis entstehen. In der Fachliteratur wird der Effekt „Selection-Bias“ ge­nannt, auch bekannt als Stichprobenverzerrung. Merton wies auf die Gefahr hin, dass den Ergebnissen der Studien eine übermäßige Bedeutung zugeschrieben wird. Auch Lakonis- hok und Smidt behaupten, dass Forschende nur die spannendsten Ergebnisse präsentieren können und durch Data-Snooping irreführende Ergebnisse erzielt werden. Data-Snooping liegt vor, wenn eine Datenreihe mehrmals zum Zweck der Inferenz verwendet wird.¹⁰⁷

Auch Fama kritisierte die Studienerkenntnisse in Bezug auf Anomalien und erklärte, dass sich die Anzahl von Über- und Unterreaktionen ausgleicht und die Ereignisse rein zufällig sind. Damit sind Anomalien kein Beweis für irrationales Verhalten auf den Kapitalmärk­ten. Zudem weisen viele Studien Ungereimtheiten auf. Eine genauere Untersuchung der Ergebnisse oder Veränderungen in den Messtechniken würde die Gültigkeit der Anoma­lien widerlegen. Weiterhin sind einige Anomalien nicht statistisch signifikant und folg­lich irrelevant.¹⁰⁸

2.2.4 Grenzen der Behavioral-Finance-Forschung

Behavioral Finance ist prinzipiell dazu geeignet, für bestimmte Marktreaktionen der An­legenden, die nicht mit den Kapitalmarktmodellen erklärbar sind, eine Begründung zu liefern. Jedoch ist die größte Herausforderung der Behavioral Finance, nicht nur ex post eine Anomalie zu erkennen oder eine Erklärung eines Zustands zu liefern, sondern bereits im Vorfeld Vorhersagen über das Marktgeschehen bzw. die Kursentwicklung zu tref- fen.¹⁰⁹ Laut Fama geben einige Forschungsarbeiten sinnvolle Erklärungen für das Auf­treten von Anomalien, jedoch wurden bisher keine alternativen Modelle entwickelt, die die Markteffizienzhypothese verdrängen könnten.¹¹⁰ Die Konzepte der Behavioral Fi­nance können laut Fama spezifische Anomalien erklären, jedoch nicht die größeren Zu- sammenhänge.¹¹¹ Es stellt sich jedoch die Frage, warum sich Marktteilnehmende mit Be­havioral Finance auseinandersetzen sollten. Laut Polleit dient Behavioral Finance ledig­lich zur „Selbstreflexion“, damit Marktteilnehmende erkennen, für welche Entschei- dungs- und Verhaltensanomalien sie anfällig sind.¹¹² Auch Polleit ist der Meinung, dass die Anhänger der Behavioral Finance keine alternativen Prognosemodelle vorweisen können.¹¹³

In diesem Kapitel wurde die Basis für das weitere Verständnis der Arbeit gebildet. Nach dem der Zusammenhang zwischen Behavioral Finance und den Kapitalmarktanomalien dargestellt wurde, ist im nachfolgenden Kapitel speziell auf die Kalenderanomalien ein­zugehen. Dabei werden die in der Arbeit behandelten Kalenderanomalien beschrieben und der bisherige Forschungsstand wird zusammengefasst.

[...]

---

¹ Vgl. Salm, C., Siemkes, J., Kalendereffekte, 2009, S. 414.

² Vgl. Beck, H., Behavioral Economics, 2014, S. 350-351, Shiller, R., Menschliches Verhalten, 1999, S. 1306.

³ Vgl. Marquering, W., Nisser, J., Valla, T., Verschwundene Anomalien, 2006, S. 291, Malkiel, B. G., Markthypothese 2003, S. 59-60, Kiehling, H., Börsenpsychologie, 2001, S. 3.

⁴ Vgl. Beck, H., Behavioral Economics, 2014, S. 350-351.

⁵ Vgl. Beck, H., Behavioral Economics, 2014, S. 351.

⁶ Vgl. Kiehling, H., Börsenpsychologie, 2001, S. 124, Roßbach, P., Alternative, 2001, S. 10.

⁷ Vgl. Kiehling, H., Börsenpsychologie, 2001, S. 124.

⁸ Vgl. Lakonishok, J., Smidt, S., Neunzig Jahre, 1988, S. 403-425, Lenkkeri, V., Marquering, W., Strunk­mann-Meister, B., Der Freitags-Effekt, 2006, S. 32-33.

⁹ Vgl. Salm, C., Siemkes, J., Kalendereffekte, 2009, S. 414.

¹⁰ Vgl. Salm, C., Siemkes, J., Kalendereffekte, 2009, S. 414.

¹¹ Vgl. Roßbach, P., Alternative, 2001, S. 10-14.

¹² Vgl. Shiller, R., Menschliches Verhalten, 1999, S. 1305.

¹³ Vgl. Lamberti, M., Moderne Kapitalmarkttheorie, 2009, S. 5-7, Roßbach, P., Alternative, 2001, S. 10.

¹⁴ Vgl. Lamberti, M., Moderne Kapitalmarkttheorie, 2009, S. 5-7.

¹⁵ Vgl. Schwert, G. W., Anomalies, 2003, S. 939-941., Marquering, W., Nisser, J., Valla, T., Verschwun­dene Anomalien, 2006, S. 291., Beck, H., Behavioral Economics, 2014, S. 351-352.

¹⁶ Vgl. Fama, E., French, K., CAPM, 2006, S. 2163-2185.

¹⁷ Vgl. Fama, E., French, K., CAPM, 2006, S. 2163-2185.

¹⁸ Vgl. Ariel, R. A., Monatswechsel-Effekt, 1987, S. 161-174, Keim, D. B., Januar-Effekt, 1983, S. 13-15.

¹⁹ Vgl. Rapp, H.-W., Psychologie, 1997, S. 82.

²⁰ Vgl. Mondello, E., Kapitalmarkttheorie, 2015, S. 1.

²¹ Vgl. Mondello, E., Kapitalmarkttheorie, 2015, S. 1-2.

²² Vgl. Jurczyk, B., Anlegerverhalten, 2002, S. 73-74.

²³ Vgl. Markowitz, H. Portfolioselektionstheorie, 1952, S. 77-91.

²⁴ Vgl. Wahren, H., Kapitalanlagen, 2009, S. 56.

²⁵ Vgl. Markowitz, H. Portfolioselektionstheorie, 1952, S. 77-91.

²⁶ Vgl. Wahren, H., Kapitalanlagen, 2009, S. 56.

²⁷ Vgl. Markowitz, H. Portfolioselektionstheorie, 1952, S. 77-91.

²⁸ Vgl. Markowitz, H. Portfolioselektionstheorie, 1952, S. 77-91.

²⁹ Vgl. Grimm, R., Schuller, M., Wilhelmer, R., Portfoliomanagement, 2014, S. 284-285, Markowitz, H. Portfolioselektionstheorie, 1952, S. 77-91.

³⁰ Vgl. Grimm, R., Schuller, M., Wilhelmer, R., Portfoliomanagement, 2014, S. 284.

³¹ Vgl. Grimm, R., Schuller, M., Wilhelmer, R., Portfoliomanagement, 2014, S. 277, Rey, D., Assetbewer- tung, 2012, S. 196-199.

³² Vgl. Grimm, R., Schuller, M., Wilhelmer, R., Portfoliomanagement, 2014, S. 277.

³³ Vgl. Wahren, H., Kapitalanlagen, 2009, S. 56., Fama, E., French, K., CAPM, 2004, S. 25-46., Markowitz, H. Portfolioselektionstheorie, 1952, S. 77-91.

³⁴ Vgl. Markowitz, H. Portfolioselektionstheorie, 1952, S. 77-91.

³⁵ Vgl. Kremer, J., Portfoliotheorie, 2018, S. 11.

³⁶ Vgl. Daxhammer, R., Facsar, M., Behavioral Finance, 2018, S. 19, Debondt, W., Forbes, W., Hamalai­nen, P., Muradoglu, Y., Behavioral Finance Lehre, 2010, S. 31.

³⁷ Vgl. Averbeck, D., Added Value, 2018 S. 4.

³⁸ Vgl. Malkiel, B.G., Markthypothese 2003, S. 59-60.

³⁹ Vgl. Kremer, J., Portfoliotheorie, 2018, S. 10-13, Markowitz, H. Portfolioselektionstheorie, 1952, S. 77­91.

⁴⁰ Vgl. Specht, K., Gohout, W., Kapitalmarkttheorie, 2009, S. 108.

⁴¹ Vgl. Rey, D., Assetbewertung, 2012, S. 191-194.

⁴² Vgl. Mondello, E., Kapitalmarkttheorie, 2015, S. 236., Fama, E., French, K., CAPM, 2004, S. 25-46, Fama, E., French, K., CAPM, 2006, S. 2163-2185.

⁴³ Vgl. Keim, Donald B., Financial Market Anomalies, 2008, S. 1-10.

⁴⁴ Vgl. Fama, E., French, K., CAPM, 2004, S. 25-46., Fama, E., French, K., CAPM, 2006, S. 2163-2185.

⁴⁵ Vgl. Kremer, J., Portfoliotheorie, 2018, S. 97-100.

⁴⁶ Vgl. Rey, D., Assetbewertung, 2012, S. 194-199.

⁴⁷ Vgl. Specht, K., Gohout, W., Kapitalmarkttheorie, 2009, S. 114-115.

⁴⁸ Vgl. Specht, K., Gohout, W., Kapitalmarkttheorie, 2009, S. 108-109.

⁴⁹ Vgl. Fama, E., French, K., CAPM, 2004, S. 25-46.

⁵⁰ Vgl. Specht, K., Gohout, W., Kapitalmarkttheorie, 2009, S. 109., Roßbach, P., Alternative, 2001, S. 6.

⁵¹ Vgl. Jurczyk, B., Anlegerverhalten, 2002, S. 72-73.

⁵² Vgl. Marquering, W., Nisser, J., Valla, T., Verschwundene Anomalien, 2006, S. 291.

⁵³ Vgl. Seitz, F., Irrationalität, 2014, S. 5-6.

⁵⁴ Vgl. Daxhammer, R., Facsar, M., Behavioral Finance, 2018, S. 21., Malkiel, B.G., Markthypothese 2003, S. 59-60, Jurczyk, B., Anlegerverhalten, 2002, S. 73-76.

⁵⁵ Vgl. Fama, E., Effiziente Kapitalmärkte, 1970, S. 383-417, Lamberti, M., Moderne Kapitalmarkttheorie, 2009, S. 7-8.

⁵⁶ Vgl. Ritter, J. R., Psychologie, 2003, S. 430, Glaser, M., Nöth, M., Weber, M., Behavioral Finance, 2003, S. 527-530, Seitz, F., Irrationalität, 2014, S. 4-5.

⁵⁷ Vgl. Averbeck, D., Added Value, 2018 S. 8-10, Daxhammer, R., Facsar, M., Behavioral Finance, 2018, S. 24-28.

⁵⁸ Vgl. Möller, H.P., Informationseffizienter Kapitalmarkt, 1985, S. 500-518, Averbeck, D., Added Value, 2018, S. 8-10.

⁵⁹ Vgl. Glaser, M., Nöth, M., Weber, M., Behavioral Finance, 2003, S. 529-530.

⁶⁰ Vgl. Averbeck, D., Added Value, 2018 S. 10.

⁶¹ Vgl. Möller, H.P., Informationseffizienter Kapitalmarkt, 1985, S. 500-518.

⁶² Vgl. Daxhammer, R., Facsar, M., Behavioral Finance, 2018, S. 24-28.

⁶³ Vgl. Krauss, R., Kapitalmarkttheorie, 2015, S. 43.

⁶⁴ Vgl. Roßbach, P., Alternative, 2001, S. 8.

⁶⁵ Vgl. Goldberg, J., von Nitzsch, R., Verhaltensökonomie, 2004, S. 43-45.

⁶⁶ Vgl. Kitzmann, A., Massenpsychologie, 2009, S. 9, Daxhammer, R., Facsar, M., Behavioral Finance, 2018, S. 77, Goldberg, J., von Nitzsch, R., Verhaltensökonomie, 2004, S. 43-45.

⁶⁷ Vgl. Kitzmann, A., Massenpsychologie, 2009, S. 17, Glaser, M., Nöth, M., Weber, M., Behavioral Fi­nance, 2003, S. 537-538.

⁶⁸ Vgl. Daxhammer, R., Facsar, M., Behavioral Finance, 2018, S. 24-25.

⁶⁹ Vgl. Debondt, W., Forbes, W., Hamalainen, P., Muradoglu, Y., Behavioral Finance Lehre, 2010, S. 31.

⁷⁰ Vgl. Wagner, W., Studien zu Markteffizienzhypothese, 2018, S. 13.

⁷¹ Vgl. Wagner, W., Studien zu Markteffizienzhypothese, 2018, S. 13, Roßbach, P., Alternative, 2001, S. 9.

⁷² Vgl. Lamberti, M., Moderne Kapitalmarkttheorie, 2009, S. 8.

⁷³ Vgl. Barberis, N., Shleifer, A., Vishny, R. W., Investor Sentiment, 1998, S. 307-308, Roßbach, P., Alter­native, 2001, S. 10.

⁷⁴ Vgl. Bruns, C., Meyer-Bullerdiek, F., Portfoliomanagement, 2008, S. 79-82.

⁷⁵ Vgl. Bruns, C., Meyer-Bullerdiek, F., Portfoliomanagement, 2008, S. 79-82.

⁷⁶ Vgl. Kitzmann, A., Massenpsychologie, 2009, S. 16.

⁷⁷ Vgl. Fuller, R. J., Asset Management 2000, S. 1.

⁷⁸ Vgl. Rapp, H.-W., Psychologie, 1997, S. 81-82.

⁷⁹ Vgl. Rapp, H.-W., Psychologie, 1997, S. 81-82.

⁸⁰ Vgl. Kitzmann, A., Massenpsychologie, 2009, S. 9.

⁸¹ Vgl. Kitzmann, A., Massenpsychologie, 2009, S. 9.

⁸² Vgl. Wahren, H., Kapitalanlagen, 2009, S. 71-72, Beck, H., Behavioral Economics, 2014, S. 153, Kahneman, D., Tversky, A., Heuristiken, 1984, S. 341-350, Jurczyk, B., Anlegerverhalten, 2002, S. 87-89, Goldberg, J., von Nitzsch, R., Verhaltensökonomie, 2004, S. 52-53.

⁸³ Vgl. Roßbach, P., Alternative, 2001, S. 10-20.

⁸⁴ Vgl. Seitz, F., Irrationalität, 2014, S. 5.

⁸⁵ Vgl. Glaser, M., Nöth, M., Weber, M., Behavioral Finance, 2003, S. 527-530, Seitz, F., Irrationalität, 2014, S. 6.

⁸⁶ Vgl. Bruns, C., Meyer-Bullerdiek, F., Portfoliomanagement, 2008, S. 79-82.

⁸⁷ Vgl. Seitz, F., Irrationalität, 2014, S. 6.

⁸⁸ Vgl. Seitz, F., Irrationalität, 2014, S. 6-7.

⁸⁹ Vgl. Gottschalk, I., Grunert, K., Psychologische Theorien, 1981, S. 3., Kitzmann, A., Massenpsycholo­gie, 2009, S. 47, Jurczyk, B., Anlegerverhalten, 2002, S. 81.

⁹⁰ Vgl. Barberis, N., Thaler, R., Survey, 2003, S. 1052-1063, Shleifer, A., Vishny, R.W., Limits of Arbi­trage, 1997, S. 35-55.

⁹¹ Vgl. Lamberti, M., Moderne Kapitalmarkttheorie, 2009, S. 7-8.

⁹² Vgl. Kahneman, D., Tversky, A., Prospect Theorie, 1979, S. 263-291.

⁹³ Vgl. Daxhammer, R., Facsar, M., Behavioral Finance, 2018, S. 24, Beck, H., Behavioral Economics, 2014, S. 125-127., Kahneman, D., Tversky, A., Prospect Theorie, 1979, S. 263-291.

⁹⁴ Vgl. Daxhammer, R., Facsar, M., Behavioral Finance, 2018, S. 24-25, Fuller, R. J., Asset Management 2000, S. 1-4.

⁹⁵ Vgl. Wahren, H., Kapitalanlagen, 2009, S. 73, Kahneman, D., Tversky, A., Prospect Theorie, 1979, S. 263-291.

⁹⁶ Vgl. Wahren, H., Kapitalanlagen, 2009, S. 73, Kahneman, D., Tversky, A., Prospect Theorie, 1979, S. 263-291.

⁹⁷ Vgl. Kitzmann, A., Massenpsychologie, 2009, S. 16-17.

⁹⁸ Vgl. Wahren, H., Kapitalanlagen, 2009, S. 72-73, Beck, H., Behavioral Economics, 2014, S. 178-180, Shiller, R., Menschliches Verhalten, 1999, S. 1310-1311.

⁹⁹ Vgl. Kitzmann, A., Massenpsychologie, 2009, S. 20, Daxhammer, R., Facsar, M., Behavioral Finance, 2018, S. 192-193.

¹⁰⁰ Vgl. Kitzmann, A., Massenpsychologie, 2009, S. 13.

¹⁰¹ Vgl. Kitzmann, A., Massenpsychologie, 2009, S. 13-14.

¹⁰² Vgl. Glaser, M., Nöth, M., Weber, M., Behavioral Finance, 2003, S. 527-530.

¹⁰³ Vgl. Schwert, V., Anomalies, 2003, S. 939-941.

¹⁰⁴ Vgl. Rozeff, M. S., Kinney, W. R., Marktsaisonalitäten, 1976, S. 379-402.

¹⁰⁵ Vgl. Banz R. W., Marktwert von Aktien, 1981, S. 3-18, Fama, E., French, K., Size and Value, 2012, S. 457-472.

¹⁰⁶ Vgl. Daxhammer, R., Fascar, M., Behavioral Finance, 2018, S. 115-117.

¹⁰⁷ Vgl. Lakonishok, J., Smidt, S., Neunzig Jahre, 1988, S. 403-425, Lenkkeri, V., Marquering, W., Strunk­mann-Meister, B., Der Freitags-Effekt, 2006, S. 32-33.

¹⁰⁸ Vgl. Fama, E., Keine Anomalien, 1998, S. 283-306, Malkiel, B.G., Markthypothese 2003, S. 62.

¹⁰⁹ Vgl. Ritter, J. R., Psychologie, 2003, S. 433-434, Roßbach, P., Alternative, 2001, S. 18.

¹¹⁰ Vgl. Fama, E., Keine Anomalien, 1998, S. 283-306, Malkiel, B. G., Markthypothese 2003, S. 62.

¹¹¹ Vgl. Fama, E., Keine Anomalien, 1998, S. 291.

¹¹² Vgl. Polleit, T. Behavioral Finance, 2017, S. 3.

¹¹³ Vgl. Polleit, T. Behavioral Finance, 2017, S. 3-4.

• Hochschule: FOM Essen, Hochschule für Oekonomie & Management gemeinnützige GmbH, Hochschulleitung Essen früher Fachhochschule
• Note: 1,3
• Erscheinungsjahr: 2021
• Seiten: 109
• Katalognummer: V1254774
• ISBN (PDF): 9783346694683
• ISBN (Buch): 9783346694690
• Sprache: Deutsch
• Schlagworte: Kapitalmarktanomalien, Kalendereffekte, Behavioral-Finance, Kalenderanomalien, Handelsstrategie