Die Bonitätseinstufung von Emittenten festverzinslicher Wertpapiere durch externe Agenturen stellt auf dem internationalen Kapitalmarkt einen routinierten Vorgang dar. Dieser ursprünglich aus dem angelsächsischen Bereich stammende Trend ist seit einigen Jahren auch in Europa gängige Praxis. In diesem Zusammenhang spielen die Bonitätsbewertungen von Emittenten am FK-Markt durch Ratingagenturen eine bedeutsame Rolle mit Blick auf die Kuponhöhe festverzinslicher Titel.2
Hierdurch bedingt haben Ratingeinstufungen einen starken Einfluss auf die Kapitalkosten einer Unternehmung. Kritiker monieren diese vermeintliche Macht, infolge welcher Unternehmungen oder ganze Volkswirtschaften in finanzielle Schwierigkeiten gebracht werden könnten.3 Überdies wird die intransparente Vorgehensweise bei der Bonitätsermittlung von Emittenten festverzinslicher Titel beanstandet. 4
Um den beschriebenen Einfluss zu prüfen und eine klare Aussage über die Intensität der Orientierung von Anleihe-Investoren an den Bonitätseinstufungen der Ratingagenturen zu liefern, beschäftigt sich diese Arbeit mit dem Einfluss von Ratings auf das Verhalten dieser Kapitalmarktteilnehmer. Dies erfolgt über eine Untersuchung mit Blick auf die Auswirkungen von Ratingänderungen auf die Credit Spreads von in EUR emittierten Corporate Bonds.
Die vorliegende Arbeit ist wie folgt aufgebaut. Zunächst wird ein Überblick über den Markt für europäische Unternehmensanleihen in Kapitel 2 geliefert. Kapitel 3 setzt sich mit dem methodischen Ansatz der Bonitätsbewertung von Unternehmen und den hieraus resultierenden grundsätzlichen Konsequenzen für den Kapitalmarkt auseinander. Darauf aufbauend werden in Kapitel 4 einige Hypothesen zum Einfluss von Ratingänderungen auf die Credit Spreads festverzinslicher Titel der betroffenen Emittenten aufgestellt. Im darauffolgenden Kapitel 5 werden die Grundsätze der Ereignisstudien-Methode sowie bisherige Studien zum Thema dieser Arbeit beleuchtet, um in Kapitel 6 hierauf aufbauend die eigene Untersuchung vorzustellen. Darüber hinaus erfolgt in Kapitel 7 ein Exkurs, welcher eine langfristige Betrachtung anhand eines Beispielemittenten hinsichtlich des Informationswertes von Ratings bzw. Ratingänderungen beinhaltet. Im abschließenden Fazit erfolgt in Kapitel 8 eine kritische Würdigung der Ergebnisse sowie ein Ausblick über die weitere Entwicklung des Kapitalmarktes für EUR-Anleihen.
Gliederung
Tabellenverzeichnis
Abbildungsverzeichnis
Abkürzungsverzeichnis
1. Einleitung
2. Der Markt für europäische Corporate Bonds
3. Das Rating von Corporate Bonds
3.1. Definition des Begriffs „Rating“
3.2. Bonitätsprüfung durch eine externe Ratingagentur
3.2.1. Definition der Ratingsymbole
3.2.2. Die Ratingmethodik
3.2.3. Analyse des Geschäftsrisikos
3.2.4. Analyse des Finanzrisikos
3.3. Ausfallraten von gerateten Fremdkapital-Titeln
3.4. Marktantizipation von Ratings infolge von Credit Spreads
4. Hypothesen zum Einfluss von Ratingänderungen auf Credit Spreads
4.1. Information Content-Hypothese
4.2. Overreaction-Hypothese
5. Forschungsüberblick zu Kursreaktionen bei Fremdkapital-Titeln infolge von Ratingänderungen
5.1. Einführung in die Grundsätze der Ereignisstudien
5.2. Yield to Maturity- und Holding Period Return-Ansatz
5.3. Bisherige Untersuchungen
6. Eigene empirische Untersuchung
6.1. Beschreibung der Datenbasis
6.2. Beschreibung des Untersuchungsdesigns
6.3. Verfahren zur Isolierung des Ereignisses
6.3.1. Methodik der Renditeermittlung
6.3.2. Methodik der Benchmarkermittlung
6.3.3. Berechnung der abnormalen Rendite
6.4. Statistische Signifikanztests
6.4.1. Einfacher t-Test
6.4.2. t-Test nach BROWN/WARNER
6.5. Vorstellung und Interpretation der Ergebnisse
6.5.1. Downgrades ohne Watchlisting
6.5.2. Downgrades mit Watchlisting
6.5.3. Upgrades ohne Watchlisting
6.5.4. Upgrades mit Watchlisting
6.5.5. Negative Watchlistings
6.5.6. Positive Watchlistings
6.6. Zusammenfassung der Ergebnisse und abschließende Interpretation
6.7. Vergleich der Ergebnisse mit Studien anderer Autoren
7. Exkurs: Die Herabstufung der ThyssenKrupp AG
8. Fazit und Ausblick
Anhang
Literaturverzeichnis
Verzeichnis der sonstigen Quellen
Internet Quellen:
Datenbanken:
Tabellenverzeichnis
Tab. 1: Ratingsymbole
Tab. 2: Key Ratios
Tab. 3: Bisherige Studien zu Kursreaktionen
Tab. 4: Zusammenfassung der Ergebnisse
Tab. 5: Downgrades ohne Watchlisting (N=52)
Tab. 6: Downgrades mit Watchlisting (N=68)
Tab. 7: Upgrades ohne Watchlisting (N=22)
Tab. 8: Upgrades mit Watchlisting (N=13)
Tab. 9: Negative Watchlistings (N=107)
Tab. 10: Positive Watchlistings (N=15)
Tab. 11: Verwendete Unternehmensanleihen
Tab. 12: Verwendete Staatsanleihen
Tab. 13: Volumen am internationalen Markt für Anleihen
Tab. 14: Ausfallraten festverzinslicher Titel
Tab. 15: Historische Ausfallraten festverzinslicher Titel
Abbildungsverzeichnis
Abb. 1: Volumen am internationalen Markt für Anleihen
Abb. 2: Übersicht über die Ratingmethodik
Abb. 3: Ausfallraten festverzinslicher Titel
Abb. 4: Historische Ausfallraten festverzinslicher Titel
Abb. 5: Durchschnittliche Credit Spreads von Corporate Bonds der Kategorie Investmentgrade in Basispunkten im Zeitablauf
Abb. 6: Durchschnittliche Credit Spreads von Corporate Bonds der Kategorie Sub-investmentgrade in Basispunkten im Zeitablauf
Abb. 7: Analyseintervalle der Untersuchung
Abb. 8: Downgrades ohne Watchlisting (N=52)
Abb. 9: Downgrades mit Watchlisting (N=68)
Abb. 10: Upgrades ohne Watchlisting (N=22)
Abb. 11: Upgrades mit Watchlisting (N=13)
Abb. 12: Negative Watchlistings (N=107)
Abb. 13: Positive Watchlistings (N=15)
Abb. 14: Kurzfristige Betrachtung des ThyssenKrupp-Downgrades
Abb. 15: Langfristige Betrachtung des ThyssenKrupp-Downgrades
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
1. Einleitung
„There are two superpowers in the world today in my opinion. There’s the United States and there’s Moody’s Bond Rating Service. The United States can destroy you by dropping bombs, and Moody’s can destroy you by downgrading your bonds. And believe me, it’s not clear sometimes who’s more powerful.“1, beschreibt der New York Times-Kolumnist Tom Friedman den Einfluss von Ratingagenturen.
Die Bonitätseinstufung von Emittenten festverzinslicher Wertpapiere durch externe Agenturen stellt auf dem internationalen Kapitalmarkt einen routinierten Vorgang dar. Dieser ursprünglich aus dem angelsächsischen Bereich stammende Trend ist seit einigen Jahren auch in Europa gängige Praxis. In diesem Zusammenhang spielen die Bonitätsbewertungen von Emittenten am FK-Markt durch Ratingagenturen eine bedeutsame Rolle mit Blick auf die Kuponhöhe festverzinslicher Titel.2
Hierdurch bedingt haben Ratingeinstufungen einen starken Einfluss auf die Kapitalkosten einer Unternehmung. Kritiker monieren diese vermeintliche Macht, infolge welcher Unternehmungen oder ganze Volkswirtschaften in finanzielle Schwierigkeiten gebracht werden könnten.3 Überdies wird die intransparente Vorgehensweise bei der Bonitätsermittlung von Emittenten festverzinslicher Titel beanstandet.4
Um den beschriebenen Einfluss zu prüfen und eine klare Aussage über die Intensität der Orientierung von Anleihe-Investoren an den Bonitätseinstufungen der Ratingagenturen zu liefern, beschäftigt sich diese Arbeit mit dem Einfluss von Ratings auf das Verhalten dieser Kapitalmarktteilnehmer. Dies erfolgt über eine Untersuchung mit Blick auf die Auswirkungen von Ratingänderungen auf die Credit Spreads von in EUR emittierten Corporate Bonds.
Die vorliegende Arbeit ist wie folgt aufgebaut. Zunächst wird ein Überblick über den Markt für europäische Unternehmensanleihen in Kapitel 2 geliefert. Kapitel 3 setzt sich mit dem methodischen Ansatz der Bonitätsbewertung von Unternehmen und den hieraus resultierenden grundsätzlichen Konsequenzen für den Kapitalmarkt auseinander. Darauf aufbauend werden in Kapitel 4 einige Hypothesen zum Einfluss von Ratingänderungen auf die Credit Spreads festverzinslicher Titel der betroffenen Emittenten aufgestellt. Im darauffolgenden Kapitel 5 werden die Grundsätze der Ereignisstudien-Methode sowie bisherige Studien zum Thema dieser Arbeit beleuchtet, um in Kapitel 6 hierauf aufbauend die eigene Untersuchung vorzustellen. Darüber hinaus erfolgt in Kapitel 7 ein Exkurs, welcher eine langfristige Betrachtung anhand eines Beispielemittenten hinsichtlich des Informationswertes von Ratings bzw. Ratingänderungen beinhaltet. Im abschließenden Fazit erfolgt in Kapitel 8 eine kritische Würdigung der Ergebnisse sowie ein Ausblick über die weitere Entwicklung des Kapitalmarktes für EUR-Anleihen.
2. Der Markt für europäische Corporate Bonds
Erst seit der Einführung des Euro im Jahr 1999 existiert der Markt für Unternehmensanleihen in dieser Währung. Hierdurch entstand nicht nur eine neue Einheitswährung der teilnehmenden Staaten, sondern auch ein neuer Kapitalmarkt. Dieser ist vor allem im Hinblick auf festverzinsliche Titel für europäische Emittenten attraktiv, da vorher lediglich Emissionen in verhältnismäßig illiquiden Märkten der jeweiligen Landeswährungen oder alternativ in US-Dollar möglich waren.5 Abb. 1 skizziert das Emissionsvolumen am internationalen Markt für Unternehmensanleihen und liefert einen vergleichenden Überblick über die Emissionsvolumina einiger Währungen.
Abb. 1: Volumen am internationalen Markt für Anleihen6
Abbildung in dieser Leseprobe nicht enthalten
Es ist deutlich zu erkennen, dass sich der Markt für in EUR denominierten Bonds in äußerst kurzer Zeit etabliert hat. Im Jahr der Währungseinführung gab es bereits ein Emissionsvolumen von mehr als umgerechnet 400 Mrd. USD, welches weltweit von Unternehmen und Staaten begeben wurde. In den beiden darauffolgenden Perioden lag es sogar über dem Volumen der in USD begebenen Bonds.
3. Das Rating von Corporate Bonds
In diesem Kapitel werden die Determinanten der Bonitätsbewertung durch externe Ratingagenturen systematisiert. Dies erfolgt in Abschnitt 3.1 über eine Begriffsdefinition und hierauf aufbauend über die Beschreibung der Ratingmethodik der einschlägigen Agenturen in Kapitel 3.2. Darüber hinaus wird in den Kapiteln 3.3 und 3.4 eine Betrachtung der auf Vergangenheitsdaten basierenden empirisch bestimmten Ausfallraten sowie Credit Spreads der verschiedenen Ratingeinstufungen vorgenommen.
3.1. Definition des Begriffs „Rating“
Der Begriff „Rating“ stammt aus dem angelsächsischen Sprachraum und bezeichnet im finanziellen Bezug die Bewertung der Kreditwürdigkeit bzw. Bonität eines Schuldners.7
Ein potentieller Kreditnehmer ist dann kreditwürdig, wenn das „Vertrauen in die Leistungsbereitschaft und Leistungsfähigkeit des Kreditnehmers, die Verpflichtungen aus dem Kreditgeschäft zu erfüllen,“8 vorhanden ist. Die Leistungsfähigkeit eines Kreditnehmers ist abhängig von seiner wirtschaftlichen Situation, wohingegen die Leistungsbereitschaft im Zusammenhang mit seinen personenbezogenen Eigenschaften zu sehen ist.
Die Bonitätsprüfung bezeichnet ein „Verfahren zur Beurteilung der Kreditwürdigkeit eines potentiellen Kreditnehmers“.9 Auf dieser Grundlage soll eine adäquate Einschätzung des spezifischen Kreditrisikos herbeigeführt werden. Hierauf aufbauend können Kreditvergabeentscheidungen getroffen sowie ein individueller Kreditzins adjustiert werden. In Kreditvergabeentscheidungen werden häufig mögliche Kreditbesicherungen miteinbezogen. Zu den einschlägigen modernen Verfahren zur Bonitätsprüfung zählen u.a. Diskriminanz- und Regressionsanalysen sowie Neuronale Netze.
3.2. Bonitätsprüfung durch eine externe Ratingagentur
Auf dem internationalen Kapitalmarkt ist die Bonitätsprüfung durch eine externe Ratingagentur seit vielen Jahren gängige Praxis. Die drei weltweit führenden Agenturen sind S&P, Moody’s und Fitch.10
Die Notwendigkeit eines externen Ratings ergibt sich i.d.R. für Unternehmen, die sich am Kapitalmarkt über Corporate Bonds finanzieren wollen. Ein gutes Rating kann als Eintrittskarte für den Kapitalmarkt betrachtet werden und erhöht überdies die Reputation einer Unternehmung. Internationale Investoren orientieren sich oft an den Ratings, ohne selbst eine Analyse des potentiellen Gläubigers durchzuführen. Verschlechtert sich das Rating eines Unternehmens signifikant, leiden jedoch die genannten Vorteile. Hiervon betroffene Unternehmen werden sodann mit höheren Renditen ihrer ausstehenden FK-Titel konfrontiert sein, was sich insbesondere auf mögliche Primärmarktaktivitäten in Form von höheren Renditeansprüchen der Investoren zu Lasten der Emittenten auswirkt. Im Extremfall kann dies auch dazu führen, dass eine Unternehmung ihre Kapitalmarktfähigkeit verliert.11
Lediglich einige wenige deutsche Unternehmen können durch ihre ohnehin international hohe Reputation den internationalen Kapitalmarkt ohne Durchführung eines Ratings als Finanzierungsquelle nutzen. Ein Beispiel hierfür ist der Sportartikelhersteller Adidas-Salomon.12
In den nächsten Abschnitten werden die spezifischen Ratingsymbole der externen Agenturen vorgestellt. Darüber hinaus erfolgt eine Beschreibung der Methodik zur Bonitätsanalyse der externen Ratingagenturen.
3.2.1. Definition der Ratingsymbole
Tab. 1 beschreibt die Bedeutung der Symbole, die von den Agenturen S&P, Moody’s und Fitch zur Beschreibung der Bonität von Schuldnern verwendet werden.
Tab. 1: Ratingsymbole13
Abbildung in dieser Leseprobe nicht enthalten
Corporate Bonds mit einer Rating-Einstufung von BBB/Baa oder besser sind im sog. „Investmentgrade“-Bereich. Bei einer schlechteren Bonitätseinstufung wird das Papier in das „Spectaculative Grade“ oder „Subinvestmentgrade“-Segment eingestuft.14
Kommt es bei gerateten Unternehmungen zu einer Verbesserung (Verschlechterung) der Bonitätseinschätzung durch die Agentur, werden diese in eine höhere (niedrigere) Ratingklasse eingestuft.15 Bei einem sich verschlechternden Rating spricht man von einer Herabstufung (Downgrade), bei einer besser werdenden Bewertung hingegen von einer Heraufstufung (Upgrade). Alle der genannten Agenturen haben überdies im Laufe der Zeit die sog. CreditWatch-Liste eingeführt.16 Wird ein Emittent hier mitaufgenommen, kommt dies einer Indikation für eine mögliche Ratingänderung gleich. Die CreditWatch-Liste kann die Ausprägungen „positive“, „negative“ und „developing“ annehmen. Bei den Ausprägungen „positive“ bzw. „negative“ wird eine Neueinstufung in entsprechender Richtung durch die Agenturen signalisiert. Die Ausprägung „developing“ deutet auf einen möglicherweise bevorstehenden Up- oder Downgrade hin.17
3.2.2. Die Ratingmethodik
In diesem Abschnitt werden die grundsätzlichen Kriterien zur Bonitätsbewertung der Agenturen beschrieben. Zunächst erfolgt eine Unterscheidung zwischen der Bewertung der Analysefelder Geschäftsrisiko und Finanzrisiko, für die jeweils ein Teilrating vergeben wird. Finanzrisiken ergeben sich aus den Daten der Jahresabschlüsse der zu bewertenden Unternehmen. Geschäftsrisiken beinhalten dagegen insb. qualitative Faktoren, die einen stärkeren Zukunftsbezug haben. Quellen sind hierbei unter anderem Geschäftsberichte oder Branchenanalysen.18 Abb. 2 bietet einen Überblick über die genannten Analysefelder, die in den folgenden Kapiteln detailliert beleuchtet werden.
Abbildung in dieser Leseprobe nicht enthalten
Abb. 2: Übersicht über die Ratingmethodik19
3.2.3. Analyse des Geschäftsrisikos
Die Bewertung des Geschäftsrisikos wird von den Ratingagenturen in drei weitere Analysefelder unterteilt. Zu den Branchencharakteristika zählen Determinanten wie Wachstumsaussichten oder Wettbewerbsintensität einer der Branche, in welcher das Unternehmen agiert. Darüber hinaus werden die Zyklizität der Nachfrage sowie mögliche Markteintrittsbarrieren genau untersucht. Bei der Beurteilung der Wettbewerbsposition spielt vor allem der relative Marktanteil eine herausragende Rolle. Überdies erfolgt eine ausführliche Betrachtung des unternehmungsspezifischen Diversifizierungsgrades, der Stellung hinsichtlich der strategischen Erfolgsfaktoren sowie der Substituierbarkeit des Produktportfolios. Die Managementqualität einer Unternehmung stellt einen wesentlichen Bestandteil der Analyse des Geschäftsrisikos dar. Dabei haben vor allem Faktoren wie Erfahrung, Glaubwürdigkeit, Plausibilität der strategischen Ausrichtung, aber auch bisherige Erfolge bei Restrukturierungs- und/oder Ertragssteigerungsprogrammen einen bedeutsamen Einfluss.20
Die Analyse des Geschäftsrisikos ist insb. von der Meinung des von der Agentur beschäftigten Analysten geprägt. Dadurch ist diese charakterisiert durch eine subjektive sowie intransparente Urteilsbildung.21
3.2.4. Analyse des Finanzrisikos
In diesem Abschnitt erfolgt zunächst eine qualitative Darstellung der Vorgehensweise bei der Analyse des Finanzrisikos. Hierauf aufbauend werden die Mediane der bedeutsamen Kennziffern zur Analyse der Profitabilität, Kapitalstruktur und der geplanten Cash Flows dargestellt und erläutert.
3.2.4.1. Qualitative Beschreibung des Finanzrisikos
Auch beim Teilrating für das Finanzrisiko kommt es zu einer weiteren Aufspaltung in fünf untergeordnete Analysebereiche. Rechnungslegungspraxis, unternehmensinterne Steuerungsinstrumente sowie Planungs- und Berichtswesen sind dem Bereich Finanzpolitik zugeordnet. Die Betrachtung der Profitabilität resultiert vor allem aus der Nachhaltigkeit der Ertragskraft. Zu deren Ermittlung erfolgt eine genaue Analyse der Unternehmensbilanz bzw. GuV-Rechnung. Dabei werden von den Agenturen zahlreiche Adjustierungen, bspw. hinsichtlich Pensionsverpflichtungen oder Leasinggeschäften, vorgenommen. Ebenso wird eine Analyse der Kapitalstruktur durchgeführt. Von Interesse sind hierbei vor allem die Eigenkapitalquote sowie das Vorhandensein von stillen Reserven. Die Analyse der geplanten Cash Flows ist der bedeutsamste Einzelaspekt im Hinblick auf das Finanzrisiko. Sie stellt die wichtigste Determinante der Einschätzung der unternehmungsspezifischen Fähigkeit dar, die Ansprüche der Fremdkapitalgeber bedienen zu können. Schließlich wird die analysierte Unternehmung auf die Möglichkeit geprüft, in finanziellen Krisen Kapital aufzunehmen (finanzielle Flexibilität). Aufgrund der langjährigen Erfahrung haben die Agenturen einen umfangreichen Datenpool mit Informationen zu Finanzrisiken in verschiedenen Branchen aufgebaut. Dadurch wird die Durchführung von PeerGroup-Analysen möglich, bei welchen die relative Position einer Unternehmung in den dargestellten Analysebereichen abgeschätzt werden kann.22
3.2.4.2. Mediane der bedeutsamen Kennziffern
Im Hinblick auf die Analyse der Unternehmensbilanz und GuV-Rechnung werden von den Ratingagenturen regelmäßig die Mediane der sog. Key Ratios veröffentlicht. Auf Basis dieser Kennzahlen kann zwar keine exakte Einschätzung des Finanzrisikos aus Sicht der Agenturen vorgenommen werden, jedoch sind sie durchaus für eine Indikation dieses Teils der Bonitätsprüfung geeignet. Tab. 2 beinhaltet die Drei-Jahres-Mediane für den Zeitraum der Jahre 2001 bis 2003 für die verschiedenen Bonitätseinstufungen der Agenturen am Beispiel von S&P:
Tab. 2: Key Ratios23
Abbildung in dieser Leseprobe nicht enthalten24
Die in Tab. 2 aufgeführten Positionen sind folgendermaßen definiert:
- EBIT25 interest coverage: Einkünfte aus der laufenden Geschäftstätigkeit26 vor Zinsen und Steuern / Bruttozinsen27
- EBITDA28 interest coverage: Adjustierte Einkünfte aus der laufenden Geschäftstätigkeit29 vor Zinsen, Steuern und Abschreibungen / Bruttozinsen
- FFO: Nettoeinkünfte aus der laufenden Geschäftstätigkeit, Abschreibungen, latente Ertragssteuern und sonstige nicht aus Finanzanlagen stammende Einkünfte
- Total debt: Langfristige Verbindlichkeiten + Commercial Papers + sonstige kurzfristige Verbindlichkeiten
- Free operating cash flow: FFO ./. Investitionsaufwendungen ./.(+) Anstieg (Minderung) des Betriebsvermögens (exklusive Änderungen des Bargeldbestandes, börsengängigen Wertpapieren und kurzfristigen Verbindlichkeiten)
- Capital: Langfristige Verbindlichkeiten + EK + Minderheitenanteile
- Return on capital: EBIT / Durchschnitt vom am Anfang und am Ende des Jahres verfügbaren “Capital”
Die Mediane werden von wirtschaftlichen und sonstigen Umwelteinflüssen sowie von Unternehmenskäufen und –zusammenschlüssen beeinflusst. Daher verändern sich diese im Laufe der Zeit.30
3.3. Ausfallraten von gerateten Fremdkapital-Titeln
Zur Darstellung der Relation zwischen Ratingklasse und tatsächlicher Ausfallrate 31 werden am Beispiel einer kumulierten 15-jährigen Ausfallrate für emittierte Schuldverschreibungen (Untersuchungszeitraum von 1981 bis 2003) in Abb. 3 den einzelnen Bonitätseinstufungen die jeweiligen Ausfallraten zugeordnet.
Abb. 3: Ausfallraten festverzinslicher Titel32
Abbildung in dieser Leseprobe nicht enthalten
Es ist ein Trend zu erkennen, dass die Ausfallraten mit schlechter werdender Ratingeinstufung ansteigen. Folglich kann man die Daten dahingehend interpretieren, dass die Ratingagenturen mit ihrer Einschätzung hinsichtlich der Bonität der Emittenten zumindest bei einer Durchschnittsbetrachtung im Grundsatz richtig liegen. Diese Fragestellung wurde auch auf Basis von wissenschaftlichen Arbeiten untersucht. Im Ergebnis kann dabei die Prognosegenauigkeit der Agenturen im Grundsatz bestätigt werden.33
Abb. 4 bildet Ausfälle von allen gerateten Bonds über das Zeitintervall der Jahre 1981 bis 2003 von Bond-Emittenten unterteilt nach Investmentgrade- und Subinvestmentgrade-Rating ab:
Abb. 4: Historische Ausfallraten festverzinslicher Titel34
Abbildung in dieser Leseprobe nicht enthalten
Bei Investmentgrade-Einstufungen existieren, wenn überhaupt, nur geringe Ausfälle, wohingegen in der Subinvestmentgrade-Klasse der überwältigende Teil aller Defaults auftritt. Des Weiteren fällt auf, dass die Höhe der gesamten Ausfälle über die Jahre hinweg deutlich variiert. Es ist daher anzunehmen, dass die Ausfallwahrscheinlichkeit auch im Zusammenhang mit gesamtwirtschaftlichen Faktoren steht.35
3.4. Marktantizipation von Ratings infolge von Credit Spreads
Investoren verwenden unter anderem das Risiko und die Rendite eines Assets (z.B. Anleihen) als Entscheidungsgrundlage für ein Engagement. Konsequenterweise werden Anlagen mit hohem Risiko höher verzinst als solche mit niedrigem Risiko.36 Bei der traditionellen Bewertung von Unternehmensanleihen kommt dieses Risiko in Form eines Credit Spreads zum Ausdruck. Dieser ist definiert als die Differenz zwischen der Fälligkeitsrendite eines Corporate Bonds und der Fälligkeitsrendite einer restlaufzeitgleichen (als risikolos betrachteten) Staatsanleihe. Auf diese Weise können Unterschiede mit Blick auf verschiedene Zinsniveaus eliminiert werden und die Einschätzung der Kapitalmarktteilnehmer hinsichtlich der Bonität eines Emittenten transparent dargestellt werden.37
Am Sekundärmarkt für Anleihen zeichnet sich eine Kategorisierung der Credit Spreads für die verschiedenen Ratingeinstufungen ab. Abb. 5 visualisiert diese Gegebenheit für die Investmentgrade-Klasse. Die Tendenz zur Kategorisierung zwischen den verschiedenen Investmentgrade-Einstufungen ist klar ersichtlich. Ebenso ist zu erkennen, dass die Credit Spreads nicht konstant verlaufen, sondern einen volatilen Charakter haben. Die Volatilität nimmt dabei mit schlechter werdender Bonität zu. Abb. 6 zeigt ergänzend die durchschnittlichen Credit Spreads der Subinvestmentgrade-Einstufungen.
Abb. 5: Durchschnittliche Credit Spreads von Corporate Bonds der Kategorie Investmentgrade in Basispunkten im Zeitablauf38
Abbildung in dieser Leseprobe nicht enthalten
Abb. 6: Durchschnittliche Credit Spreads von Corporate Bonds der Kategorie Sub-investmentgrade in Basispunkten im Zeitablauf39
Abbildung in dieser Leseprobe nicht enthalten
Durch Abb. 6 wird deutlich, dass Einstufungen im Subinvestmentgrade-Bereich einen erheblich höheren durchschnittlichen Credit Spread haben, als jene aus der Investmentgrade-Kategorie. Ebenso ist die Volatilität bei Titeln mit Spectaculativegrade-Rating höher. Dies ist teilweise durch regulatorische Determinanten bedingt. So schreiben viele Aufsichtsbehörden bestimmten Investorengruppen (z.B. Pensionsfonds) vor, nur in FK-Titel mit Investmentgrade-Einstufung zu investieren.40
Dass die betrachteten Credit Spreads über den Zeitablauf hinweg deutlichen Schwankungen unterliegen könnte auf ein nicht konstantes Kreditrisiko zurückführbar sein. Dies könnte mit makroökonomischen Determinanten im Zusammenhang stehen. Unter dieser Annahme könnte auch das gleichzeitige Ansteigen/Sinken der Credit Spreads über die verschiedenen Ratingklassen hinweg erklärbar sein.41
Darüber hinaus existieren Unterschiede bezüglich des Credit Spread-Niveaus bei unterschiedlichen Restlaufzeiten.42
4. Hypothesen zum Einfluss von Ratingänderungen auf Credit Spreads
Um den Einfluss von Ratingänderungen auf Credit Spreads zu untersuchen ist es notwendig, relevante Hypothesen aufzustellen. In diesem Kapitel werden diese vorgestellt.
4.1. Information Content-Hypothese
Die vorherrschende Meinung zur Effizienz der Kapitalmärkte ist, dass diese effizient in der halbstrengen Form sind.43 Dementsprechend spiegeln die Bondkurse bzw. Credit Spreads alle öffentlich verfügbaren Informationen wider.44
Unter der gestellten Annahme einer halbstrengen Informationseffizienz für den Bondmarkt kann davon ausgegangen werden, dass neue öffentlich verfügbare Informationen mit Blick auf Bonitätsrisiken eines Emittenten zu einer Reaktion bei den entsprechenden Bond-Preisen bzw. Credit Spreads führen. Werden den Kapitalmarktteilnehmern infolge einer Ratingänderung neue Informationen zur Verfügung gestellt, ist folglich mit einer Marktreaktion zu rechnen.45
Die zu dieser Untersuchung herangezogenen Ratingänderungen wurden alle von den in Kapitel 3.2 genannten Agenturen durchgeführt. Diese weisen regelmäßig darauf hin, dass deren Bonitätsbewertungen im Gegensatz zu standardisierten Verfahren auch auf einer Individualanalyse beruhen, wobei nicht öffentliche Informationen mit einfließen.46 Überdies verfügen die Agenturen über Spezialisierungsvorteile bei der Bonitätsbewertung. So existieren vor allem bei Emittenten im Markt für EUR-Bonds eine Vielzahl von unterschiedlichen Rechnungslegungsstandards und sonstigen regulatorischen Vorschriften. Zusätzlich stellt die große Variation an Sprachen, in welchen die Emissionsprospekte etc. verfasst sind, eine weitere Barriere für nicht spezialisierte Bonitätsprüfer dar.47 Hierauf aufbauend besitzen Ratingänderungen auf einem Kapitalmarkt mit halbstrenger Informationseffizienz theoretisch einen positiven Informationsnutzen.48 Diese einschlägige Annahme wird regelmäßig als Information Content-Hypothese bezeichnet.49
4.2. Overreaction-Hypothese
Des Weiteren ist die Overreaction-Hypothese zu definieren, nach welcher die Kapitalmarktteilnehmer neue Informationen stärker gewichten, als sonstige Informationen. Als Folge könnte bei der Neubewertung infolge einer Ratingänderung ein Overreaction-Effekt ausgelöst werden, bei welchem die Neubewertung über das fundamentale und durch das Ausmaß der Ratingänderung gerechtfertigte Niveau hinausgeht. Dementsprechend müsste es nach einer Neueinstufung zunächst zu einer bestimmten Reaktion kommen, auf welche eine Kursanpassung in die entgegengesetzte Richtung folgt.50
Darüber hinaus existieren weitere Hypothesen, wie bspw. die Preisdruckhypothese. Demnach sind die Auswirkungen auf die Credit Spreads infolge von Ratingänderungen bei Anleihen, deren Emittenten vom Investmentgrade- in den Subinvestmentgrade-Bereich herabgestuft werden wegen regulatorischer Vorschriften signifikant höher als bei Herabstufungen innerhalb der beiden Kategorien.51
5. Forschungsüberblick zu Kursreaktionen bei Fremdkapital-Titeln infolge von Ratingänderungen
Untersuchungen zum Informationswert von Ratingänderungen waren Mitte der siebziger Jahre Gegenstand von intensiven Rechercheaktivitäten im US-amerikanischen Raum, welche sich bis in die heutige Zeit infolge internationaler Forschung kontinuierlich fortentwickelt haben. Bei einer Untersuchung der Auswirkungen von einem bestimmten Ereignis (z.B. Ratingänderung) auf bspw. Kurs- bzw. Renditeentwicklungen von Anleihen oder auch Aktien im Zeitablauf werden regelmäßig sog. Ereignisstudien (Event Studies) als Instrument herangezogen.52
Im Folgenden werden zunächst die Grundprinzipien der Ereignisstudien dargelegt. Anschließend werden verschiedene Ansätze zur Renditeermittlung bei FK-Titeln vorgestellt, um hierauf aufbauend einige der bisher durchgeführten Studien zu beleuchten.
5.1. Einführung in die Grundsätze der Ereignisstudien
Im Mittelpunkt des Interesses stehen bei Ereignisstudien sog. abnormale Renditen (ARs), die sich infolge eines bestimmten zu definierenden Ereignisses ergeben. Eine AR bzw. Überrendite soll im Folgenden der Differenz von der Rendite eines von einem spezifischen Ereignis (hier: Ratingänderung) betroffenen Wertpapiers i und der Rendite einer äquivalenten Benchmark über einen bestimmten Zeitraum t-1 bis t entsprechen. 53 Dies wird in Formel (1) dargestellt:
Abbildung in dieser Leseprobe nicht enthalten
Auf diese Weise soll eine Isolierung der auf das Ereignis zurückzuführenden Rendite durchgeführt und damit die Aussagefähigkeit der empirischen Ergebnisse erhöht werden.54 Im nächsten Schritt werden die Beobachtungspunkte wie in Formel (2) dargestellt „gepoolt“, damit eine durchschnittliche Wertpapierreaktion infolge des untersuchten Ereignisses ermittelt werden kann.55
Abbildung in dieser Leseprobe nicht enthalten56
Um die Geschwindigkeit der Informationsverarbeitung zu analysieren werden die Überrenditen über mehrere Perioden (z.B. Tage oder Monate) hinweg kumuliert. Die mathematische Funktion hierzu beschreibt Formel (3).57
Üblicherweise werden die beschriebenen Überrenditen innerhalb eines Ereigniszeitraumes (z.B. 30 Tage vor und nach dem Ereignis) dargestellt. Darüber hinaus werden diese regelmäßig auf ihre statistische Signifikanz mit Hilfe eines t-Tests getestet, um deren Aussagefähigkeit zu untermauern.58 Auf Basis dieser Methode wird auch die eigene empirische Untersuchung in dieser Arbeit durchgeführt.59
5.2. Yield to Maturity- und Holding Period Return-Ansatz
Bei Ereignisstudien im Hinblick auf FK-Titel haben sich zwei Modellansätze herauskristallisiert, welche die möglichen Kursbewegungen im Hinblick auf das betrachtete Ereignis isolieren sollen. Beim YTM-Ansatz erfolgt die Berechnung der AR über die Differenzbildung zwischen der Fälligkeitsrendite der von einer Ratingänderung betroffenen Anleihe und der Fälligkeitsrendite einer Benchmark zum gleichen Zeitpunkt. Daraus ergibt sich die Überschuss-Fälligkeitsrendite.60
Alternativ kann der HPR-Ansatz angewendet werden. Dabei werden Halterenditen (Holding-Period-Returns) ermittelt, die ein Engagement in Anleihe und Benchmark für einen bestimmten Zeitraum (z.B. 1 Tag) unterstellen. Die Überschuss-Halterendite (AR) ergibt sich aus der Differenz von jener Halterendite der von einer Ratingänderung betroffenen Anleihe und der Halterendite der entsprechenden Benchmark.61
5.3. Bisherige Untersuchungen
Die im Folgenden beschriebenen Untersuchungen basieren im Grundsatz weitestgehend auf der beschriebenen Methode der Ereignisstudie. Im Fall von abweichenden Untersuchungsdesigns wird explizit darauf hingewiesen.
Die Pionierarbeiten mit Blick auf die Auswirkungen von Ratingänderungen auf Fälligkeitsrenditen von Unternehmensanleihen wurden von KATZ (1974) durchgeführt. Er untersucht die Veränderung der YTMs auf monatlicher Basis in einem Untersuchungszeitraum von zwölf Monaten vor und fünf Monaten nach der Ratingänderung, um die Hypothese eines mittelstarken informationseffizienten Kapitalmarktes zu testen. Als Benchmark werden die über eine Regressionsanalyse bondspezifisch geschätzten Fälligkeitsrenditen verwendet, die sich im Falle des Nichteintretens der Ratingänderung ergeben hätten. Gegenstand der Untersuchung sind 155 Anleihen von 66 Elektrizitätswerken im Untersuchungszeitraum zwischen den Jahren 1966 bis 1972. Als Ereignis werden lediglich Ratingänderungen von S&P verwendet, nämlich 11 Upgrades und 104 Downgrades. Der Informationswert wird über einen t-Test ermittelt bei dem die Nullhypothese (keine Auswirkungen auf die Fälligkeitsrenditen infolge der Ratingänderung) mit einem t-Wert von 12,8 klar abgelehnt und die Alternativhypothese (Ratingänderung hat Informationswert) angenommen wird. Die Ergebnisse deuten auf keinerlei Vorwegnahme einer YTMReaktion im Vorfeld der Ratingänderung hin. Eine vollständige Anpassung der Fälligkeitsrenditen an die neue Information ist jedoch erst sechs bis zehn Wochen nach dem Ereignis ersichtlich. Der Autor zeigt sich über die völlig fehlende Antizipation vor und die erst allmählich eintretende Reaktion des Bond-Marktes nach der Ratingänderung überrascht, zumal die Aktienmärkte erheblich früher auf Ankündigungen über Änderungen der finanziellen Lage einer Firma reagieren. Obschon die Informationsverarbeitung der Ratingänderung relativ langsam auf den Bond-Märkten stattfindet, kann dennoch ein signifikanter Informationsgehalt bestätigt werden. An dem verwendeten Untersuchungsdesign ist kritisch anzumerken, dass mögliche Zinsänderungen nicht durch die verwendete Benchmark berücksichtigt werden.
Zwei Jahre nach den Vorläuferarbeiten von KATZ (1974) veröffentlichen GRIER/KATZ (1976) eine detailliertere Analyse. Im Mittelpunkt des Interesses stehen neben relativen nun auch absolute Preisänderungen der untersuchten Bonds. Überdies wird als Benchmark zur Isolierung der Ratingänderung für jeden betrachteten Titel eine kupon-, restlaufzeit- und ratingangepasste Vergleichsanleihe herangezogen. Die Analyse beinhaltet die Betrachtung von 56 Anleihen öffentlicher Versorgungs-Unternehmen sowie 40 Bonds von Industrieunternehmen, die wieder auf Basis von monatlichen Schlusskursen in Augenschein genommen werden. Als Ereignis dienen nur Herabstufungen von S&P. Der Untersuchungszeitraum wird dieses mal etwas kleiner mit vier Monaten vor und drei Monaten nach dem Ereignis gewählt. Auf die Anwendung einer Teststatistik wird verzichtet. Die Ergebnisse machen deutlich, dass erst nach der Ratingänderung eine Reaktion des Bond-Marktes erfolgt. So scheint der Informationsgehalt des betrachteten Ereignisses existent zu sein. Des Weiteren finden die Autoren heraus, dass Anleihen von Industrieunternehmen im Vergleich zu jenen der öffentlichen Versorger stärker auf Ratingänderungen reagieren, und dass die Reaktion mit ansteigender Restlaufzeit tendenziell stärker ausgeprägt ist. Bei alleiniger Betrachtung des Versorger-Bond-Marktes ist sogar keine systematische Auswirkung infolge von Ratingänderungen zu beobachten. Zusammenfassend beschreiben die Autoren eine Ratingänderung zwar als ein „Piece of new Information“, das jedoch nicht unverzögert sondern vielmehr allmählich in einer kontinuierlichen Weise vom Bond-Markt aufgenommen wird. Eine mögliche Erklärung für die unterschiedlichen Reaktionen bei Industrieunternehmen und Versorgern könnte laut Autoren auf die verschiedenen Branchen in Verbindung mit deren spezifisch unterschiedlichen Informationsverfügbarkeit zurückzuführen sein.
Ein gänzlich anderes Ergebnis veröffentlichen HETTENHOUSE/SARTORIS (1976). Als Maß für die Untersuchung werden wie bei KATZ (1974) die jeweiligen Fälligkeitsrenditen verwendet. Zu beachten ist jedoch die Beschränkung auf die Ratingklassen AAA bis A.62 Gegenstand der Analyse sind ausschließlich Anleihen öffentlicher Versorgungsunternehmen, bei denen eine Ratingänderung von Moody’s oder S&P zwischen den Jahren 1963 bis 1973 durchgeführt wurde (34 Up- und 62 Downgrades). Nach ihrem Ansatz wird die Veränderung der jeweiligen Fälligkeitsrenditen im Falle einer Ratingänderung zu einem spezifischen Index in Beziehung gesetzt. Diese Indizes stellen die durchschnittlichen Fälligkeitsrenditen aus einem Portfolio von Versorger-Bonds der jeweiligen Ratingeinstufungen vor bzw. nach der Ratingänderung dar. Auf diese Weise messen die Autoren die absoluten Differenzen der jeweiligen Fälligkeitsrenditen bezogen auf die spezifische Ratingeinstufung. Die monatlichen Bondrenditen werden mittels einem t-Test auf signifikante Änderungen getestet. Dies führt zu dem Ergebnis, dass die spezifischen YTMs im Falle einer Herabstufung bereits vor dem eigentlichen Ereignis angepasst werden. Bei einer Ratingverbesserung können keinerlei signifikante Veränderungen ermittelt werden. Die Autoren stellen dementsprechend fest, dass Ratingänderungen scheinbar im Gegensatz zu den Ergebnissen von KATZ (1974) und GRIER/KATZ (1976) keine Signalwirkung besitzen und somit keinen Informationsgehalt für den Kapitalmarkt erkennen lassen. Folglich scheinen die Marktteilnehmer auch unabhängig von externen Agenturen in der Lage zu sein, authentische Preise für Unternehmensanleihen zu bilden. Dennoch billigen die Autoren den Informationen der Agenturen einen Nutzen im Hinblick auf die Analyse einiger Branchen bezogen auf die Evaluierung von relativen Risiken zu.
Im darauffolgenden Jahr stellen FRASER/RICHARDS (1977) die Ergebnisse von HETTENHOUSE/SARTORIS (1976) in Frage. Den Resultaten wird eine begrenzte Aussagefähigkeit vorgeworfen, da es sich bei der verwendeten Stichprobe lediglich um Bonds von öffentlichen Versorgern handelt (bei dieser Emittentengruppe haben bereits GRIER/KATZ (1976) keine Kursreaktion infolge von Ratingänderungen feststellen können). Zudem finden lediglich Ratingänderungen von bzw. zu der Einstufung AA Beachtung. Überdies sei zu bemängeln, dass die meisten Downgrades am Anfang des Untersuchungszeitraums, die überwiegende Anzahl der Upgrades hingegen an dessen Ende liegen. Das Untersuchungsdesign von FRASER/RICHARDS (1977) beinhaltet erstmals den HPR-Ansatz und basiert auf einer graphischen Analyse ohne statistische Signifikanztests. Bei der Untersuchung werden im Hinblick auf Bonds von Industrieunternehmen und Versorgern 27 Down- und 21 Upgrades der Agentur Moody’s betrachtet. Die Ratingaktion wird jedoch nicht über die Subtraktion der HPRs von Anleihe i und einer Benchmark isoliert. Vielmehr werden die monatlichen Bond-Returns bei dieser Untersuchung zu deren Bereinigung gegen die monatlichen Returns des Dow Jones Bond-Index regressiert. Im Ergebnis wird Ratingherabstufungen bei Titeln von Industrieunternehmen ein Informationsgehalt bescheinigt, nicht jedoch bei Versorgungsunternehmen. Bei besser werdenden Ratings kann mit Ausnahme von Eisenbahnunternehmen keine Reaktion festgestellt werden.
SCHNEEWEIS/BRANCH (1981) untersuchen Downgrades durch S&P bzw. Moody’s im Zeitraum von 1973 bis 1977 mit Blick auf jeweils 18 Bonds von Industrie- und Versorgerunternehmen. Sie verwenden den HPR-Ansatz zur Ermittlung der Überrenditen der Titel infolge von Ratingänderungen. Die Benchmarkrenditen werden über Moody’s-Indizes bestimmt, die jeweils Anleihen einer bestimmten Ratingeinstufung enthalten. Dementsprechend erfolgt eine Anpassung der Benchmark-Bonds an Kupon und Laufzeit der jeweils von den Downgrades betroffenen Anleihen. Untersucht werden Halterenditen auf monatlicher Basis, die mittels t-Test über den Zeitraum von jeweils 11 Monaten vor und nach dem Ereignis auf Signifikanz getestet werden. Die HPRs um den Monat der Herabstufung sind zwar generell negativ, jedoch kann keine signifikante Abweichung nachgewiesen werden. Im Grundsatz beschreiben die Autoren die Reaktionen der Industrieanleihen und Versorger-Bonds als ähnlich. Allerdings scheint der Markt bei Industrial Bonds langsamer bei der Verarbeitung der neuen Information zu sein, als bei den Versorgern. Bei einer Herabstufung vom Investmentgrade- in den Spectaculativegrade-Bereich kann für Industrieanleihen eine stärkere Reaktion beobachtet werden, als bei sonstigen Ratingverschlechterungen (welche jedoch ebenfalls nicht signifikant ist). Die Autoren führen diesen Effekt auf regulatorische Rahmenbedingungen zurück. Im Bereich der Versorger ist ein Downgrade von Investmentgrade- zu Subinverstmentgrade-Einstufung nicht im verwendeten Sample enthalten.
Einen interessanten Ansatz liefern WANSLEY/CLAURETIE (1985). In ihrer Studie werden erstmals auch die Auswirkungen der sog. CreditWatch-Liste von S&P evaluiert. Demnach erfolgt eine Differenzierung zwischen Ratingänderungen, denen eine Platzierung auf der CreditWatch-Liste vorausging und denjenigen, die ohne diese Vorankündigung durchgeführt wurden. Gegenstand der Untersuchung sind 54 Bonds mit, und 74 Titel ohne vorheriger Platzierung auf der CreditWatch-Liste von Industrie- und Versorgungsunternehmen im Zeitraum zwischen 1981 und 1983. Die Ermittlung der ARs erfolgt nach der Methode von GRIER/KATZ (1976). Als Benchmark wird ein Portfolio mit jeweils von S&P gleich gerateten Anleihen verwendet. Somit werden die Preisänderungen der von den Neueinstufungen betroffenen Anleihen mit der durchschnittlichen Preisänderung der jeweiligen Ratingklasse verglichen, aus welcher die Benchmark-Bonds entnommen werden. Die Benchmark-Titel sind zudem laufzeit- und kuponangepasst. Der Ereigniszeitraum erstreckt sich jeweils auf zwölf Monate vor bzw. nach der Neueinschätzung durch S&P und basiert auf monatlichen Kursdaten, welche mittels Teststatistik auf Signifikanz getestet werden. Die Autoren ziehen den Schluss, dass Downgrades ohne Watchlisting um bis zu vier Monate vor der eigentlichen Herabstufung von den Märkten antizipiert werden. Bei Downgrades mit Watchlisting stellen die Verfasser eine signifikante Reaktion nach dem Ereignistag fest. Bei Upgrades kann hingegen keine Reaktion nachgewiesen werden. Die Bewegung der Märkte bei der Ankündigung über die Aufnahme der Wertpapiere auf die CreditWatch-Liste selbst ist überraschenderweise sowohl bei darauffolgenden Up- als auch Downgrades negativ. Es scheint, als ob die Marktteilnehmer eine Aufnahme auf die CreditWatch-Liste, egal ob mögliche Herauf- oder Herabstufung, als negative Indikation betrachten. Falls ein Emittent von der CreditWatch-Liste wieder entfernt wurde, ist weder bereits zum Zeitpunkt des Watchlistings noch bei der Entfernung eine Kursreaktion zu beobachten. Dies deutet auf eine effiziente Bewertung des Anleihemarktes durch die Kapitalmarktteilnehmer hin.
Mit 28 Ratingänderungen untersuchen ZAIMA/MCCARTHY (1988) unter anderem Kursreaktionen von Anleihen. In ihrem Ansatz finden Aufnahmen auf die Credit-Watch-Liste im Gegensatz zu WANSLEY/CLAURETIE (1985) keine Berücksichtigung. Die Autoren verwenden wöchentliche Kursdaten über einen Ereigniszeitraum von 26 Wochen vor und zwei Wochen nach der Ratingänderung. Unter Bezugnahme auf den HPR-Ansatz werden als Benchmark jeweils Anleihen mit hinreichend übereinstimmenden Ratingeinstufungen, Kupons, Restlaufzeiten sowie Branchen verwendet, deren Rating nicht geändert wird. Die Ergebnisse werden wiederum mittels t-Test auf Signifikanz geprüft. Dementsprechend kann bei Herabstufungen eine signifikante Kursreaktion festgestellt werden, nicht jedoch bei Heraufstufungen. Die nicht existente Reaktion für Upgrades erklären die Autoren mit möglichen Vermögensumverteilungseffekten zwischen Bond- und Stockholdern. Wegen der relativ geringen Anzahl an Ereignissen, welche darüber hinaus noch in verschiedene Sub-Samples unterteilt werden, kann jedoch nicht zweifelsfrei von einer statistisch unbedenklichen Aussagefähigkeit der Ergebnisse ausgegangen werden.
Zu im Vergleich mit den bisher durchführten Studien völlig anderen Ergebnissen kommen HAWLEY/WALKER (1992). Sie untersuchen 123 Neueinstufungen durch Ratingagenturen im Zeitraum zwischen den Jahren 1986 und 1989 auf Basis von monatlichen Kursen von Corporate Bonds. Des Weiteren wird die Stichprobe in Ratingänderungen aufgeteilt, welche im Zusammenhang mit unternehmensspezifischen Ereignissen stehen bzw. nicht stehen.63 Unter Verwendung des HPR-Ansatzes verwenden die Autoren den Moody’s Investment Grade Bond Index als Benchmark. Erstmals wird die Event-Study Methode nach BROWN/WARNER (1980/1985) mit einer Ereignisperiode von fünf Monaten vor bzw. nach dem Ereignis angewendet. Im Ergebnis können lediglich bei Upgrades vom Spectaculativegrade- in den Investmentgrade-Bereich signifikante Kursreaktionen nachgewiesen werden. Sogar bei Ratingänderungen, die Herauf- oder Herabstufungen über mehrere Notches beinhalten, existieren keine signifikanten Reaktionen der Märkte. Falls vor einer Ratingaktion ein unternehmensspezifisches Ereignis stattfand kommt es zwar am Tag der Ankündigung dieses Ereignisses zu einer signifikanten Kursreaktion, nicht jedoch infolge der (später durchgeführten) Ratingänderung. Die Autoren ziehen den Schluss, dass Bonitätseinstufungen externer Agenturen offenbar keine neuen Informationen für die Kapitalmarktteilnehmer darstellen. Dass es bei Up-grades von Spectaculativegrade- auf Investmentgrade-Anleihen eine positive Kapitalmarktreaktion gibt, wird mit regulatorischen Maßnahmen erklärt, nach welchen bestimmte Investorengruppen nur in festverzinsliche Titel mit einem Investmentgrade-Rating investieren dürfen. Diese Begründung muss jedoch angezweifelt werden. So besteht für jene Investoren zwar ein Verkaufszwang, falls ein Titel in den Subinvestmentgrade-Bereich herabgestuft wird, jedoch existiert keine Pflicht einen Bond im Fall eines konträren Ereignisses zu kaufen. Darüber hinaus ist die Verwendung eines Index als Benchmark zu kritisieren, da hierdurch bei dieser Untersuchung keine Anpassung der Benchmark an Restlaufzeit, Kupon und Rating existiert.
Die bis zu diesem Zeitpunkt umfangreichste sowie erstmals auf täglichen Kursdaten basierende Analyse liefern HAND/HOLTHAUSEN/LEFTWICH (1992). Insgesamt 1133 Ratingänderungen von verschiedenen Emittenten, bei denen eine Neubewertung durch Moody’s oder S&P durchgeführt wurde, werden mittels HPR-Ansatz in Augenschein genommen. Darüber hinaus erfolgt eine Betrachtung zum Informationsgehalt von 253 CreditWatch-Listings, die durch S&P durchgeführt wurden, in Form einer unabhängigen Stichprobe. Überdies differenzieren die Autoren zwischen erwarteten und unerwarteten Ratingänderungen bzw. CreditWatch-Listings. Um dies zu ermitteln, wird die Fälligkeitsrendite des betreffenden Bonds mit der durchschnittlichen Fälligkeitsrendite eines Portfolios, bestehend aus Anleihen der gleichen Ratingeinstufung, verglichen. Falls die YTM des interessierenden Bonds größer als jene des Portfolios ist, glauben Investoren, dass der Bond eine höhere Ausfallwahrscheinlichkeit hat als die Vergleichs-Titel und vice versa, so die Argumentation der Autoren. Würde dieser Bond also bspw. herabgestuft, handelt es sich um einen erwarteten Downgrade. Ein Upgrade würde hingegen als unerwartet eingeordnet. Falls die Fälligkeitsrendite der betroffenen Anleihe niedriger als jene des ratingangepassten Portfolios ist, würde die Herabstufung folglich als unerwartet klassifiziert werden, ein Upgrade als erwartungsgemäß. Zusätzlich werden mögliche kontaminierende Effekte berücksichtigt. Dies ist dann der Fall, wenn mit Blick auf die Ratingänderung ein spezifischer Newsartikel im Wall Street Journal veröffentlicht wurde, welcher mit der Neueinstufung im Zusammenhang steht. Als Benchmark wird eine einzige US-Staatsanleihe verwendet; eine Anpassung an Kupon und Restlaufzeit erfolgt nicht. Die Ergebnisse werden innerhalb der Ereignisperiode, nämlich 11 Tage vor und 60 Tage nach dem Ereignis, über einen einfachen t-Test auf Signifikanz getestet. Daraus ziehen die Autoren den Schluss, dass es bei allen negativen Watchlistings nur zu signifikant negativen Kursreaktionen kommt, wenn diese nicht erwartet werden. Bei positiven Watchlistings kommt es im Fall von erwarteten Ereignissen überraschenderweise ebenfalls zu negativen Kursreaktionen (bei unerwarteten positiven Watchlistings werden signifikant positive Reaktionen erkannt). Downgrades gehen mit signifikant negativen Kursreaktionen einher, welche jedoch im Fall von kontaminierenden Ereignissen verschwinden. Upgrades hingegen resultieren in allen Fällen in signifikant positiven Kursreaktionen. Die Aussagefähigkeit der Ergebnisse wird durch eine Querschnittsregression bekräftigt.
WANSLEY/GLASCOCK/CLAURETIE (1992) wiedersprechen teilweise ihren eigenen Ergebnissen aus WANSLEY/CLAURETIE (1985). Untersucht werden 351 Ratingänderungen (nur S&P) von 255 Versorgern und Industrieunternehmen auf Basis von wöchentlichen Bondrenditen (HPR-Ansatz). Als Benchmark findet der Dow Jones Composite Bond Index Anwendung. Wie bei HAND/HOLTHAUSEN/LEFTWICH (1992) wird ein Sub-Sample mit kontaminierenden Ereignissen gebildet.64 Die Ereignisperiode beläuft sich auf jeweils 12 Wochen vor und nach der Ratingänderung. Die Ergebnisse werden mittels Teststatistik nach ASQUITH/MULLINS auf Signifikanz getestet. Hieraus resultierend kann eine stark negative Reaktion bei Downgrades nachgewiesen werden. Die Reaktion konzentriert sich im Wesentlichen auf die Woche des Events, obschon die Marktbewegungen um bis zu drei Wochen vor der Veröffentlichung durch S&P beobachtbar sind. Der Effekt tritt stärker auf, wenn die Herabstufung über mehrere Ratingklassen zeitgleich durchgeführt wird. Eine signifikant verschiedene Reaktion bei Herabstufungen mit bzw. ohne vorheriger Aufnahme auf die CreditWatch-Liste kann nicht nachgewiesen werden. Die Aufnahme eines Emittenten auf die CreditWatch-Liste scheint demzufolge keine Informationswirkung zu besitzen. Überdies ist die Reaktion bei Anleihen von Versorgern stärker ausgeprägt als bei den Industrieunternehmen. Für besser werdende Bonitätseinstufungen wird kein Reaktionseffekt festgestellt. Unter Berücksichtigung der kontaminierenden Ereignisse kann keine Änderung der Ergebnisse identifiziert werden. Auch bei dieser Studie wird die Aussagefähigkeit der Ergebnisse über die Durchführung einer Querschnittsregression untermauert.
Die erste Analyse zu DM-Anleihen wurde von KASERER (1995) veröffentlicht. Er untersucht 76 Ratingänderungen durch Moody’s bei Bonds von öffentlichen und privaten Unternehmen sowie Gebietskörperschaften. Lediglich ein deutsches Unternehmen, nämlich die Volkswagen AG, begab zum Zeitpunkt der Untersuchung Bonds im DM-Segment. Verwendet wird der YTM-Ansatz mit der Nutzung des REX als Benchmark (kupon- und laufzeitangepasst) auf Basis von monatlichen Renditen. Bei der Interpretation der Ergebnisse ist zu beachten, dass lediglich Renditen zu sechs Zeitpunkten im Ereigniszeitraum von drei Monaten vor und nach der Ratingänderung der Untersuchung zugrunde liegen. Daher ist die Isolation des Ereignisses nur erschwert möglich. Die Resultate werden mittels t-Test auf statistische Signifikanz überprüft. Der Autor kann analog zu HAND/HOLTHAUSEN/LEFTWICH (1992) sowohl für Up- als auch Downgrades für die Gesamtstichprobe eine signifikante Kursreaktion nachweisen. Dabei findet die Kursreaktion teilweise vor der Ankündigung statt. Bei Staaten bzw. öffentlichen Unternehmen ist jedoch nur bei Herabstufungen eine signifikante Kursreaktion feststellbar. Überdies wird erstmals ein Overreaction-Effekt beobachtet. So kommt es im zweiten und dritten Monat nach dem Ereignistag zu einer signifikanten Gegenreaktion. Dieser Effekt ist bei privaten Unternehmen wesentlich stärker ausgeprägt, als bei den Öffentlichen. Demnach stehen bei den öffentlichen Emittenten im DM-Segment offenbar mehr öffentlich zugängliche Informationen zur Verfügung als bei den Privaten.
Mit der bis dato größten Stichprobe von über 2800 Ratingänderungen von etwa 1200 Unternehmen durch Moody’s oder S&P und einer Ereignisperiode von jeweils 12 Monaten vor und nach der Ratingänderung liefern HITE/WARGA (1997) eine auf monatlichen Kursdaten basierende Analyse, deren Ergebnisse über einen einfachen t-Test auf Signifikanz getestet werden. Zudem wird eine Bereinigung von Neueinstufungen durchgeführt, denen eine Ratingänderung der gleichen Agentur innerhalb der vorherigen sechs Monate vorausgegangen ist. Des Weiteren erfolgt eine vergleichende Gegenüberstellung des durch eine Neueinstufung resultierenden Kurseffektes beider Agenturen, falls eine der beiden eine Ratingänderung nach der Konkurrenz ihre Neueinstufung durchführt. Als Benchmark wird der Lehman Brothers Bond Index jeweils mit Bezug auf die gleiche Ratingklasse sowie approximativ gleicher Restlaufzeit der von einer Ratingänderung betroffenen Bonds verwendet. Überdies erfolgt eine Aufteilung der Gesamtstichprobe in Ratingänderungen innerhalb der Investmentgrade-Kategorie, Neueinstufungen von Investmentgrade- in Spectaculativegrade-Kategorie sowie Änderungen innerhalb der Spectaculativegrade-Gruppe. Die Autoren stellen fest, dass Herab- und Heraufstufungen in allen Kategorien mit signifikanten und erwartungsgemäßen Kursreaktionen einhergehen, wobei diese bei Downgrades deutlich stärker ausfallen. Bei Neueinstufungen innerhalb der Spectaculativegrade-Kategorie reagiert der Markt verglichen zum Investmentgrade-Bereich stärker. Die stärkste Reaktion findet bei Herabstufungen vom Investment- in den Subinvestmentgrade-Bereich statt. Generell sind bereits vor dem Event deutliche Kursreaktionen feststellbar. Mit Blick auf die vergleichende Gegenüberstellung von Moody’s und S&P fällt auf, dass bei nachlaufenden Ratingänderungen durch Moody’s noch Kursreaktionen zu beobachten sind, nicht jedoch bei S&P. Wegen der bei diesem Vergleich recht geringen Stichprobe gehen die Autoren jedoch nicht von unterschiedlich stark ausgeprägten Reputationen der beiden Agenturen aus.
Die umfangreichste Analyse zu internationalen DM-Anleihen liefern STEINER/HEINKE (2000). Die verwendete Stichprobe enthält 546 Ratingänderungen sowie 182 Watchlistings von Unternehmen und Staaten durch die Agenturen Moody’s und S&P; basierend auf täglichen Kursdaten (HPR-Ansatz). Als Benchmark werden laufzeit-, kupon- und bonitätsangepasste Staatsanleihen herangezogen.65 Zur statistischen Signifikanzprüfung fokussieren sich die Autoren einerseits auf parametrische Testverfahren, nämlich den einfachen t-Test und den t-Test nach BROWN/WARNER. Zusätzlich werden nicht-parametrische Testverfahren angewendet. Dies sind der Wilcoxon-Vorzeichen-Rangtest sowie der Corrado-Rangsummentest. Der Ereigniszeitraum beläuft sich auf 180 Tage vor bzw. nach dem Event. Die Autoren kommen zu dem Ergebnis, dass Herabstufungen sowie negative Watchlistings mit signifikant negativen Kursreaktionen am Ankündigungstag und den Folgetagen einhergehen. Für besser werdende Ratings können um den Ereignistag hingegen keine signifikanten Kursreaktionen festgestellt werden. Jedoch kann hier ein konstantes Ansteigen der kumulierten AR vor und nach dem Ereignis erkannt werden, was zu einer signifikant positiven kumulierten Überrendite im Intervall [-180; 180] führt. Selbiges gilt für positive Watchlistings, jedoch stellen die Autoren hier eine schwach signifikante Reaktion am Tag {1} nach der Ratingaktion fest. Nach Ansicht der Autoren verwenden die Agenturen folglich weniger Ressourcen für die Aufdeckung von positiven als von negativen Nachrichten. Alternativ könne auch die Risikoaversion der Investoren eine Erklärung hierfür liefern. Bei Downgrades vom Investmentgrade- zum Speculativegrade-Niveau ist eine höhere Marktreaktion beobachtbar als bei den sonstigen Downgrades. Es fällt auf, dass alle Ratingänderungen teilweise schon vor dem eigentlichen Event vom Markt antizipiert werden. Herabstufungen und negative Watchlistings lösen wie bei KASERER (1995) einen Overreaction-Effekt aus. Überdies wird festgestellt, dass das Niveau der Kursreaktion bei Downgrades von verschiedenen Einflussfaktoren abhängt, die im Rahmen einer multiplen Querschnittsregression untersucht werden. Demnach stellt der zum Zeitpunkt der Ankündigung vorherrschende risikolose Zins als Indikator für die aktuelle Marktsituation einen signifikanten Einfluss dar. So ist die Kursreaktion umso stärker, je höher das aktuelle Zinsniveau ist. Darüber hinaus identifizieren die Autoren eine Differenzierung zwischen dem Typus des Emittenten hinsichtlich der Stärke der Kursreaktion. Demnach reagieren die Märkte bei Industrieunternehmen am stärksten, gefolgt von Staaten und Banken. Keinen Einfluss auf die Reaktionsstärke scheint hingegen die Wahl der Agentur zu haben. So ist die Stärke der Kursreaktion bei einer vorangehenden Ratingänderung der gleichen oder jeweils anderen Agentur nicht von sonstigen Neueinstufungen verschieden.
Im Kontext der neuen Eigenkapitalregeln für Kreditinstitute (Basel II) untersuchen GROPP/RICHARDS (2001) die Auswirkungen von Ratingänderungen auf die FK-Titel europäischer Banken. Der Entwurf des Basler Bankenausschuss erörterte zu diesem Zeitpunkt die Möglichkeit, bei der Beurteilung der Kreditqualität in den Bankbilanzen auf die Bewertung externer Agenturen zurückzugreifen. Die CreditWatch-Liste wird in zweierlei Hinsicht verwendet. Zum einen werden die Marktreaktionen getestet, falls ein Emittent auf die CreditWatch-Liste gesetzt wird. Andererseits wird hierüber untersucht, ob es sich bei einer Ratingänderung um ein vorhersehbares oder unvorhersehbares Ereignis handelt. Darüber hinaus wird zwischen kontaminierten und nicht kontaminierten Ereignissen differenziert und es erfolgt eine Unterscheidung in Ratingänderungen, die lediglich von einer oder von mehreren Agenturen innerhalb von 5 Tagen durchgeführt wurden. Als Datengrundlage werden insgesamt 129 Ratingänderungen zwischen den Jahren 1989 und 2000 von 30 Banken in der Europäischen Union verwendet. Die ARs werden ereignisspezifisch über ein Marktmodell unter Verwendung von Treasury Bond Indizes geschätzt. Die Ereignisperiode erstreckt sich über den Zeitraum von jeweils einem Tag vor und nach der Neueinstufung. Die Prüfung der Überrenditen auf Signifikanz erfolgt über einen t-Test. Überraschenderweise können nur leichte erwartungsgemäße, jedoch keine signifikanten Zusammenhänge zwischen Ratingänderungen und Bondrenditen festgestellt werden. Dies gilt für sämtliche Konstellationen des Untersuchungsdesigns. Die Autoren gehen jedoch davon aus, dass dies nicht zwingend mit einer niedrigen Informationswirkung der Ratingagenturen einhergeht. Demnach könnten die Ergebnisse auch durch die noch illiquiden Anleihemärkte begründet werden. Die Verfasser ziehen den Schluss, dass Ratings in gewisser Weise nützlich sein könnten, um Investoren nicht-öffentliche Informationen adäquat zu kommunizieren, obschon die Effektivität mit Blick auf den Bondmarkt beschränkt zu sein scheint. Entsprechend habe deren Verwendung als regulatorisches Instrument einen limitierten Nutzen, zumindest solange der Anleihemarkt noch wenig entwickelt ist. Im Gegensatz zum Bondmarkt finden die Autoren bei der Betrachtung des Aktienmarktes signifikante Reaktionen infolge von Ratingänderungen. Die Aussagefähigkeit dieser Studie muss aufgrund des kleinen Ereigniszeitraumes jedoch als begrenzt dargestellt werden.
JORTZIK/MERGNER (2003) untersuchen die Auswirkungen von Ratingänderungen durch Moody’s bezugnehmend auf 36 Corporate Bonds von 14 Emittenten (19 Up- und 17 Downgrades) nicht über die klassische Methode der Ereignisstudie. Zur Ermittlung der Auswirkungen der Ratingänderungen auf die Credit Spreads der verwendeten Titel wird ein Regressionsmodell mit dem Credit Spread der von einer Ratingaktion betroffenen Anleihe als zu erklärende Variable und mit einem rating- und laufzeitangepassten Credit Spread eines Benchmarkindex als erklärende Variable verwendet. Infolge dieses Modells werden abnormale Spreadveränderungen durch die Residuen der Regression beschrieben. Mittels einer Durchschnittsbildung der Residuen wollen die Autoren einen systematischen Einfluss der Ratingaktionen ermitteln. Falls Ratingänderungen keinen Informationswert besitzen, sollten die Residuen folglich im Durchschnitt um den Wert Null liegen. Zur Interpretation der Ergebnisse werden die durchschnittlichen Residuen von 240 Börsentagen vor und 100 Börsentagen nach dem Ereignis betrachtet. So antizipiert der Markt Upgrades schon etwa ab dem 125. Börsentag vor der Neueinstufung. Ab dem 45. Börsentag vor dem Ereignis stellt sich jedoch eine Seitwärtsbewegung beim Verlauf der durchschnittlichen abnormalen Spreadveränderung ein, die sich bis zum Tag der Heraufstufung fortsetzt. Danach sinkt der abnormale Renditeaufschlag leicht bis zum Ende des Ereigniszeitraumes konstant weiter ab. Auch bei Downgrades antizipieren die Marktteilnehmer das Ereignis um bis zu 125 Tage im Voraus. Der durchschnittliche abnormale Credit Spread steigt bis zum Ereignistag in leichter Form konstant an. Danach wird der Trend deutlich steiler, um sich ab etwa dem 75. Tag nach der Herabstufung auf dem erreichten Niveau zu konsolidieren. Beim Vergleich der Durchschnittsresiduen fällt auf, dass die Reaktion der abnormalen Spreads bei Downgrades stärker ausfällt als bei Upgrades. Die Autoren ziehen den Schluss, dass Heraufstufungen mit keinen neuen Informationen einhergehen. Downgrades beinhalten hingegen teilweise neue Informationen, da das Ereignis bereits partiell vor dem Tag {0} antizipiert wird.
Tab. 3 enthält einen zusammenfassenden Überblick über die Entwicklung der beschriebenen Studien mit Blick auf Kursreaktionen bei FK-Titeln infolge von Ratingänderungen.
Abbildung in dieser Leseprobe nicht enthalten
Tab. 3: Bisherige Studien zu Kursreaktionen66
6. Eigene empirische Untersuchung
In diesem Kapitel sollen die Auswirkungen von Ratingänderungen auf die Credit Spreads bzw. Kurse von Corporate Bonds anhand eines Samples von Ratingänderungen im Markt für EUR-Anleihen untersucht werden.67
6.1. Beschreibung der Datenbasis
Die Untersuchung beinhaltet Ratingänderungen der Agenturen S&P, Moody’s und Fitch. Bei Downgrades und Upgrades wird vorausgesetzt, dass im Fall einer berücksichtigten Ratingänderung in einem Zeitraum von 60 Tagen vor dem Ereignis keine Ratingänderung der gleichen Agentur oder eines Wettbewerbers stattgefunden hat.68 Auf diese Weise soll verhindert werden, dass Ereignisse in das Sample mit einfließen, deren Informationsgehalt dem Kapitalmarkt bereits (von anderen Agenturen) kommuniziert wurde. Für die in das Sample aufgenommenen Watchlistings gilt, dass 60 Tage im Voraus keine Ratingaktion (Neueinstufung oder Watchlisting) der gleichen Agentur oder eines Wettbewerbers stattgefunden hat. Darüber hinaus ist es eine notwendige Bedingung, dass für Schätz- und Ereignisperiode69 tägliche Kurse der von einer Ratingänderung betroffenen Anleihe sowie der entsprechenden Benchmarkbonds verfügbar sind.70
Unter diesen Voraussetzungen können insgesamt 35 Upgrades und 120 Downgrades für Zwecke der Untersuchung ermittelt werden. Diese werden jeweils weiter in Ratingänderungen unterteilt, denen ein Watchlisting bzw. kein Watchlisting der gleichen Agentur vorausging. Auf diese Weise soll transparent werden, wie der Markt auf erwartete bzw. unerwartete Neueinstufungen reagiert.71 Die Auswirkungen infolge von Watchlistings sind ebenfalls Gegenstand der Untersuchung und prägen sich in Form von 15 positiven und 107 negativen Watchlistings aus. Insgesamt werden 146 Anleihen von 120 Emittenten verwendet, welche die Eigenschaft eines festen Kupons72 haben und in EUR emittiert wurden.73
6.2. Beschreibung des Untersuchungsdesigns
Im Rahmen der Untersuchung wird die Event Study-Methodik angewendet.74 Die der Untersuchung zugrunde liegenden Kursinformationen erstrecken sich vom 1. Januar 1999 bis zum 13. September 2004. Bezogen auf die zu untersuchenden Ereignisse (Ratingänderungen und Watchlistings) beträgt der Untersuchungszeitraum 120 Börsentage; er beginnt am Tag t=-90 und endet am Tag t=+30. Der Tag der Ratingänderung selbst ist t=0. Unter der Annahme eines halbstrengen informationseffizienten Kapitalmarktes müsste es indikativ an diesem oder am darauffolgenden Tag (falls die Veröffentlichung der Ratingaktion nach Börsenschluss erfolgt) zu einer Reaktion des Marktes kommen, falls durch das Ereignis neue Informationen kommuniziert werden. Der Ereigniszeitraum bezieht sich auf das Intervall t[-30; 30]. Diese Periode wird Basis der statistischen und graphischen Auswertung sein. Als Schätzperiode wird das Intervall t[-90; -31] verwendet. Auf Letzterer basiert zum einen die Volatilitätsberechnung der individuellen Überrendite für den t-Test nach BROWN/WARNER75 und zum anderen die Volatilitätsberechnung für jede von einer Ratingänderung betroffenen Anleihe zum Zweck der Benchmarkermittlung.76
Abb. 7 visualisiert die beschriebenen Analyseintervalle.
Abbildung in dieser Leseprobe nicht enthalten
Abb. 7: Analyseintervalle der Untersuchung
6.3. Verfahren zur Isolierung des Ereignisses
In diesem Abschnitt soll der für diese Untersuchung angewendete Prozess zur Isolierung der Ratingaktion transparent dargestellt werden. Zunächst wird eine geeignete Methode zur Ermittlung der Bond-Renditen erörtert. Darauf aufbauend erfolgt die Herleitung einer geeigneten Benchmark.
6.3.1. Methodik der Renditeermittlung
Für den HPR-Ansatz spricht, dass dessen Genauigkeit bei der Ermittlung signifikanter Kursreaktionen im Vergleich zum YTM-Ansatz höher ist. So kommt es bei der Verwendung von Fälligkeitsrenditen zu systematischen Verzerrungen bei den Signifikanzwerten, welche von der Ausstattung einer Anleihe abhängen. Demzufolge kommt es zu Übertreibungen von t-Werten bei Downgrades und zu Untertreibungen von t-Werten bei Upgrades im Vergleich zu Teststatistiken, die auf der HPR-Methode basieren.77 Daher wird bei dieser Untersuchung der HPR-Ansatz für die Berechnung der Rendite, sowohl für die von einer Ratingänderung betroffenen Anleihen, als auch für die jeweiligen Benchmarks, verwendet.
Da im Markt für EUR-Bonds die Kuponzahlungen auf Basis von Stückzinsen erfolgen, kann bei der Berechnung der Tagesrendite eines derartigen festverzinslichen Titels auf die Berücksichtigung von Kursabschlägen am Kupontermin verzichtet werden.78 Auf weitergehende Bereinigungsmaßnahmen bei der Ermittlung der Halterenditen wird aus Komplexitätsgründen verzichtet.79 Dementsprechend kann die Halterendite einer Anleihe wie folgt berechnet werden.80
Im Rahmen dieser Arbeit ist es jedoch mit Blick auf die statistischen Signifikanztests sinnvoll, von logarithmierten Renditen („log returns“) auszugehen, da diese tendenziell näher an der Normalverteilung liegen. Somit erfolgt die Berechnung des HPR in dieser Arbeit folgendermaßen81:
6.3.2. Methodik der Benchmarkermittlung
Als ideale Benchmark wäre ein Asset heranzuziehen, welches exakt die gleiche Halterendite der normalerweise erwarteten Bondrendite des von einer Ratingänderung betroffenen Titels hätte, wenn das Ereignis nicht stattgefunden hätte. Dementsprechend ist es sinnvoll, jegliche potentiell kursbeeinflussenden Determinanten zu eliminieren, welche nicht auf die eigentliche Ratingaktion zurückzuführen sind. Diese sind insb. als Liquiditätsrisiko, Zinsänderungsrisiko und Bonitätsrisiko zu klassifizieren.82
Das Liquiditätsrisiko wird aufgrund der für diese Untersuchung gewählten Datenbasis automatisch eliminiert. Demnach werden nur Anleihen verwendet, für welche tägliche Kurse verfügbar sind.83
Zur idealen Erfassung des Zinsänderungsrisikos empfehlen sich vor allem Anleihen, die von Staaten emittiert werden. Diese verfügen regelmäßig über das bestmögliche Rating, welches langfristig konstant bleibt und bilden daher den Verlauf des Zinsniveaus über die Zeit hinweg bestmöglich ab. So kommen alle Anleihen in Frage, welche von Staaten mit einem konstanten AAA-Rating emittiert wurden. Dadurch werden Änderungen in der absoluten Zinshöhe sowie in der Zinsstruktur optimal erfasst.84 Darüber hinaus haben Bonds von Staaten i.d.R. die Eigenschaft, dass sie in großen Volumina an organisierten Börsen gehandelt werden und somit kein Liquiditätsrisiko bzw. nur geringe Bid-Ask Spreads existieren. Im Rahmen dieser Untersuchung werden zur Eliminierung des Zinsänderungsrisikos Staatsanleihen aus den Ländern Deutschland, Frankreich und Österreich verwendet.85 Diese werden entsprechend an die Restlaufzeit der von einer Ratingaktion betroffenen Bonds angepasst.86
Zur Anpassung des Bonitätsrisikos müssen die von einer Neueinstufung betroffenen Anleihen hinsichtlich deren Volatilität bereinigt werden. Aufgrund der unterschiedlichen Bonität bzw. Rendite können diese Titel unterschiedlich hohen Kursschwankungen unterliegen.87 Da jedoch nur die durch die Ratingaktion bedingten Kurseffekte analysiert werden sollen, ist eine Anpassung der Renditen von den entsprechenden Staatsanleihen um die bonitätsbedingte Volatilität notwendig.
In dieser Arbeit findet zum Zweck der Benchmarkermittlung die Methode mittelwertadjustierter HPR-Differenzen Anwendung. Dabei wird die HPR der Benchmark wie folgt berechnet:88
Abbildung in dieser Leseprobe nicht enthalten89
Bei Anwendung von Formel (6) werden einerseits Änderungen der Zinshöhe in der Ereignisperiode aufgrund der enthaltenen HPR der zur Anleihe i zugeordneten Staatsanleihe RSt am Anfang der Formel eliminiert. Darüber hinaus erfolgt eine Anpassung des Bonitätsrisikos über die Berücksichtigung der unterschiedlichen Volatilität zwischen der risikobehafteten Anleihe i und der entsprechenden als risikolos klassifizierten Staatsanleihe über die Mittelwertberechnung der Differenzen in der Schätzperiode zwischen dem HPR der von einer Ratingänderung betroffenen Anleihe und der Halterendite der laufzeitangepassten Staatsanleihe über die Addition des Terms
6.3.3. Berechnung der abnormalen Rendite
Die Berechnung der Überrenditen erfolgt gemäß der Beschreibung aus Kapitel 5.1. Dementsprechend werden abnormale Rendite, durchschnittliche abnormale Rendite und kumulierte durchschnittliche abnormale Rendite analog zu den Formeln (1), (2) und (3) ermittelt.
6.4. Statistische Signifikanztests
Falls eine Ratingänderung keinen Informationswert besitzt, müsste der Wert der berechneten AR theoretisch Null betragen. Anderenfalls sollte eine Ratingaktion mit einer systematischen Kursreaktion einhergehen und folglich eine positive bzw. negative Überrendite zur Folge haben. Um zu prüfen, ob es sich hierbei um nicht zufällige Abweichungen handelt ist die Durchführung von statistischen Signifikanztests notwendig. Diesbezüglich wird folgende Null- bzw. Alternativhypothese aufgestellt:
H0 : Die durchschnittliche AR ist gleich dem Wert Null
HA : Die durchschnittliche AR ist ungleich dem Wert Null
Im Rahmen dieser Untersuchung werden zwei parametrische Signifikanztests durchgeführt, die im Folgenden erläutert werden. Grundsätzlich ist zu beachten, dass die Aussagefähigkeit der Teststatistiken nur bei Vorliegen einer Normalverteilung mit Blick auf die Überrenditen als aussagefähig betrachtet werden können.90
6.4.1. Einfacher t-Test
Die Teststatistik beim einfachen t-Test ergibt sich aus der Division der durchschnittlichen ARs in der Ereignisperiode mit deren Querschnittsstandardabweichung über alle in einem Sub-Sample enthaltenen Anleihen. Das Ergebnis wird mit der Wurzel der Anzahl an Ratingänderungen multipliziert91:
Bei der Signifikanzprüfung von kumulierten ARs lässt sich die Teststatistik für eine mehrtägige Ereignisperiode wie folgt berechnen92:
6.4.2. t-Test nach BROWN/WARNER
Beim t-Test nach BROWN/WARNER erfolgt eine Standardisierung der individuellen ARs in der Ereignisperiode. Diese basiert auf den individuellen Überrenditen jeder Anleihe i innerhalb der Schätzperiode. Durch die Annahme der Unabhängigkeit der standardisierten ARs der einzelnen Anleihen i können mit diesem Test auch betragsmäßig kleine Überrenditen als signifikant erkannt werden. Hierauf aufbauend können signifikante Überrenditen leichter aufgespürt werden, falls tatsächlich eine systematische Marktreaktion (hier infolge von Ratingaktionen) existiert.93 Die Berechnung der Teststatistik für den t-Test nach BROWN/WARNER vollzieht sich wie folgt.94
Für kumulierte standardisierte ARs lautet die Teststatistik95:
6.5. Vorstellung und Interpretation der Ergebnisse
Die Ergebnisse werden für jede in Kapitel 6.1 definierte Untergruppe in Form einer grafischen Darstellung der kumulierten abnormalen Renditen transparent gemacht. Dabei stehen auf der Abszisse die Tage des Ereigniszeitraums; die Ordinate bildet die kumulierten abnormalen Renditen ab (am Tag der Ratingänderung ist deren Wert auf Null festgesetzt). Die täglichen durchschnittlichen sowie einige kumulierte Überrenditen der jeweiligen Sub-Samples sowie die Ergebnisse der statistischen Signifikanztests werden detailliert im Anhang dieser Arbeit angeführt.96
6.5.1. Downgrades ohne Watchlisting
Für dieses Sub-Sample stehen 52 Ereignisse zur Verfügung. Die Ergebnisse werden in Abb. 8 visualisiert.
Abb. 8: Downgrades ohne Watchlisting (N=52)97
Abbildung in dieser Leseprobe nicht enthalten
Es ist deutlich zu erkennen, dass die schlechter werdenden Bonitätseinstufungen bereits bis zu 20 Tage vor dem Ereignis von den Kapitalmarktteilnehmern antizipiert werden. Diese Entwicklung wird durch eine signifikant negative kumulierte AR in Höhe von 0,0045 zwischen den Tagen [–10; –1] nach beiden Testverfahren mit einer Irrtumswahrscheinlichkeit von 1% bestätigt. In den Tagen unmittelbar vor und nach dem Tag {0} reagiert der Markt besonders stark. An den Tagen {–1} und {0} kommt es gemäß dem t-Test nach BROWN/WARNER zu einer signifikant negativen Reaktion, nicht jedoch nach dem einfachen t-Test. Am Tag {1} weisen beide Teststatistiken einen signifikant negativen Wert aus, wobei dieser beim t-Test nach BROWN/WARNER mit einer Irrtumswahrscheinlichkeit von 1% höher ausfällt als beim einfachen t-Test (Irrtumswahrscheinlichkeit 5%). Der negative Trend wird danach abgeschwächt fortgeführt. Dementsprechend kommt es zu einer weiteren signifikant negativen Überrendite gemäß der Teststatistik nach BROWN/WARNER am Tag {3}. Ab dem Tag {16} entwickelt sich ein Trend hin zu einer Gegenreaktion (Overreaction-Effekt). In diesem Kontext fällt auf, dass an den Tagen {16}, {18}, {19}, {22}, {24} und {26} signifikant positive Teststatistiken nach BROWN/WARNER existieren (nach dem einfachen t-Test nur an den Tagen {16}, {25} und {26}). Nichtsdestotrotz kommt es im Zeitintervall zwischen den Tagen [11; 30] zu keiner signifikant positiven kumulierten Überrendite. Betrachtet man den gesamten Ereigniszeitraum, kann gemäß der Teststatistik nach BROWN/WARNER eine signifikant negative kumulierte Überrendite mit einer Irrtumswahrscheinlichkeit von 5% nachgewiesen werden, nicht jedoch nach dem einfachen t-Test.
Die Ergebnisse sprechen für einen signifikanten Einfluss im Fall von Downgrades ohne Watchlisting auf die Credit Spreads von Corporate Bonds. Dies wird durch eine signifikante kumulierte Überrendite in den Tagen [0; 5] nach beiden Testverfahren mit einer Irrtumswahrscheinlichkeit von 1% und durch das Verharren auf dem, wenn auch durch die beschriebene Gegenreaktion etwas abgeschwächtem, dann erreichten Niveau bekräftigt. Dennoch wird durch die frühe Antizipation deutlich, dass neben den Informationen der Agenturen auch noch weitere Informationsquellen von den Marktteilnehmern herangezogen werden.98 Dementsprechend fällt auf, dass es gemäß beider Testverfahren an vereinzelten Tagen im Ereigniszeitraum vor dem Tag {0} zu signifikant negativen ARs kommt. Dies lässt ggf. auch Rückschlüsse auf Handelsaktivitäten von Insidern erkennen, welche über nicht öffentliche Informationen verfügen.
6.5.2. Downgrades mit Watchlisting
Schlechter werdende Ratings mit vorheriger Ankündigung eines negativen Watchlistings durch eine Agentur werden in Abb. 9 visualisiert. Das Sub-Sample besteht aus 68 Ereignissen.
Abb. 9: Downgrades mit Watchlisting (N=68)99
Abbildung in dieser Leseprobe nicht enthalten
Bei dieser Untergruppe kommt es im Zeitintervall der Tage [-3; 3] an den Tagen {0} und {1} gemäß dem t-Test nach BROWN/WARNER zu signifikant negativen Reaktionen mit einer Irrtumswahrscheinlichkeit von 1%; nach dem einfachen t-Test nur am Tag {1} mit einer Irrtumswahrscheinlichkeit von 10%. An den Tagen vor der Ratingänderung existieren vereinzelt sowohl signifikant positive als auch negative Überrenditen nach beiden Testverfahren (beim einfachen t-Test kommt es mit Ausnahme von Tag {1} nur zu signifikant positiven ARs). Die signifikant negativen ARs könnten teilweise mit den vorangegangenen negativen Watchlistings erklärt werden. Infolge eines Overreaction-Effektes könnten daraufhin signifikant positive Überrenditen folgen. Wenige Tage nach dem Ereignis kommt es zu einer Gegenreaktion und die kumulierte AR pendelt sich auf einem etwas niedrigerem Niveau ein, als etwa 20 Tage vor der Ratingänderung. Zu beachten ist jedoch, dass es bei den Intervallen weder zwischen den Tagen [1; 10], noch [11; 30] zu einer signifikant positiven kumulierten Überrendite nach einem der angewendeten Testverfahren kommt. Bei einer Betrachtung des gesamten Ereigniszeitraums existiert nur gemäß dem t-Test nach BROWN/WARNER eine signifikant negative Überrendite mit einer Irrtums-wahrscheinlichkeit von 10%. Bemerkenswert ist jedoch, dass das Niveau der AR ab dem Tag {8} wieder über dem Niveau am Tag {0} ist.
Folglich scheinen Downgrades mit vorherigem Watchlisting nur bedingt neue Informationen für die Marktteilnehmer darzustellen. Zwar ist die kumulierte Überrendite im Intervall [0; 5] nach beiden verwendeten Testverfahren signifikant negativ mit einer Irrtumswahrscheinlichkeit von 1%, dies trifft jedoch wie beschrieben nur bedingt auf die kumulierte AR über den gesamten Ereigniszeitraum zu. Daher kann auch hier von einem Overreaction-Effekt ausgegangen werden, der jedoch im Gegensatz zum Sub-Sample Downgrades ohne Watchlisting dazu führt, dass sich letztendlich nur bedingt signifikante negative kumulierte Überrenditen ergeben. Insofern scheinen die Kapitalmarktteilnehmer in einem negativen Watchlisting bereits in gewissem Maße genügend Informationen zu sehen, um einen Emittenten von festverzinslichen Titeln bereits vor dem darauffolgenden Downgrade mit einer schlechteren Bewertung zu versehen.
6.5.3. Upgrades ohne Watchlisting
Upgrades ohne vorherige Ankündigung eines möglicherweise besser werdenden Ratings sind in Abb. 10 zusammengefasst. In der Untergruppe sind 22 Ereignisse enthalten.
Abb. 10: Upgrades ohne Watchlisting (N=22)100
Abbildung in dieser Leseprobe nicht enthalten
Im Zeitraum um den Ereignistag kommt es lediglich am Tag {1} zu einer signifikant positiven Überrendite in Höhe von 0,0020 (Irrtumswahrscheinlichkeit 1%) gemäß der Teststatistik nach BROWN/WARNER. Bezogen auf den Betrachtungshorizont über den gesamten Ereigniszeitraum ist jedoch keine signifikante Reaktion bei den kumulierten Überrenditen feststellbar. Bei der Interpretation des Graphen kann ein leichter Overreaction-Effekt abgelesen werden. Zu beachten ist hierbei, dass es jedoch weder im Zeitintervall zwischen den Tagen [1; 10], noch im Zeitraum zwischen den Tagen [11; 30] zu einer signifikanten kumulierten Überrendite kommt. Überdies fällt auf, dass vor dem Ereignis an den Tagen {-30}, {–15}, {-13} und {– 11} signifikant negative ARs nach dem querschnittsstandardisierten einfachen t-Test ausgewiesen werden, gemäß Teststatistik nach BROWN/WARNER nur am Tag {13}, für die es im Sinne der Ratingänderung keine rationale Erklärung gibt. Selbiges gilt für vereinzelte Tage mit signifikant positiven und negativen Teststatistiken nach beiden Testverfahren im Ereigniszeitraum nach der Ratingaktion, wobei die negativen ARs durch den Overreaction-Effekt erklärbar sein könnten.
Auch bei dieser Untergruppe kann von einem leichten Overreaction-Effekt ausgegangen werden, welcher aber letztendlich wiederum nicht zu einer nachhaltig signifikanten Änderung des kumulierten Überrendite-Niveaus führt. Demnach beinhalten Upgrades ohne Watchlisting, wenn überhaupt, nur wenige neue Informationen. Diese Aussage wird durch die nicht signifikante kumulierte Überrendite über das Intervall zwischen den Tagen [–30; 30] bekräftigt.
6.5.4. Upgrades mit Watchlisting
Für das hier betrachtete Sub-Sample stehen lediglich 13 Ratingänderungen zur Verfügung, welche sich wie in Abb. 11 visualisiert ausprägen:
Abb. 11: Upgrades mit Watchlisting (N=13)101
Abbildung in dieser Leseprobe nicht enthalten
Bei Upgrades mit Watchlisting kommt es zu keinen signifikanten ARs im Intervall von zwei Tagen vor und nach der Ratingänderung. Dennoch existieren an vereinzelten Tagen vor und nach dem Tag {0} signifikant positive und negative Überrenditen nach beiden Teststatistiken, deren Erklärung aus den vorhandenen Daten nicht ersichtlich ist.102 Aufgrund der geringen Anzahl an Ereignissen ist es denkbar, dass die partiellen signifikanten Überrenditen auf individuelle Unternehmensnachrichten zurückzuführen sind. Bei jeglichen berechneten kumulierten ARs werden keinerlei statistische Signifikanzen nach keinem der angewendeten Testverfahren festgestellt.
Da hier im Gegensatz zum Sub-Sample Upgrades ohne Watchlisting kein Overreaction-Effekt existiert, beinhalten Upgrades mit Watchlisting dementsprechend keinerlei neue Informationen, die in öffentlicher Form zur Verfügung gestellt werden. Demnach haben die Kapitalmarktteilnehmer die Informationen, welche zur Begründung des Upgrades angeführt wurden, bereits zu einem früheren Zeitpunkt verarbeitet. Dies könnte mit dem vorher durchgeführten positiven Watchlisting im Zusammenhang stehen.103
6.5.5. Negative Watchlistings
Mit 107 Ereignissen beschreibt Abb. 12 den Verlauf der kumulierten Überrenditen im Fall von negativen Watchlistings.
Abb. 12: Negative Watchlistings (N=107)104
Abbildung in dieser Leseprobe nicht enthalten
Bereits an den Tagen {–27}, {-22}, {-19}, {-16} und {–12} kommt es gemäß t-Test nach BROWN/WARNER zu signifikant negativen Überrenditen. Selbiges gilt für die Tage {-4}, {-3}, {–2} und {–1} unmittelbar vor dem Watchlisting. Insb. letztere ARs könnten damit erklärt werden, dass die Ratingagenturen mit einer Verzögerung von einigen Tagen auf schlechte Unternehmensnachrichten reagieren. Dadurch könnten die für ein negatives Watchlisting relevanten Informationen bereits einige Tage früher von den Marktteilnehmern antizipiert werden, falls diese öffentlich zugänglich sind. An den Tagen {0} und {1} werden die ARs hochsignifikant negativ mit Teststatistiken nach BROWN/WARNER von -9,5 und -8,5.105 Der einzige Tag mit einer signifikant negativen Überrendite nach dem einfachen t-Test ist der Ereignistag {0} mit einem t-Wert von -3,2 (Irrtumswahrscheinlichkeit 1%). Wegen der hochsignifikanten Reaktionen an den Tagen {0} und {1} kann mit hoher Sicherheit davon ausgegangen werden, dass den Kapitalmarktteilnehmern infolge eines negativen Watchlistings neue Informationen zugehen. Dies wird zudem mit signifikant negativen kumulierten Überrenditen im Intervall [0; 5] bei einer Irrtumswahrscheinlichkeit von 1% durch beide Teststatistiken bestätigt. Die Antizipation vor dem negativen Watchlisting selbst wird überdies durch signifikante Teststatistiken nach beiden Tests für die kumulierte AR im Intervall zwischen den Tagen [–10; –1] mit einer Irrtumswahrscheinlichkeit von 5% bekräftigt.
Etwa ab dem Tag {15} kann ein Overreaction-Effekt erkannt werden. Dennoch ist zu beachten, dass die kumulierte Überrendite zwischen den Tagen [11; 30] nur nach dem einfachen t-Test, jedoch mit einer Irrtumswahrscheinlichkeit von 1%, signifikant ist. Bemerkenswert ist, dass die kumulierte AR infolge des Overreaction-Effektes ab dem Tag {22} wieder über dem Niveau ist, als am Tag des negativen Watchlistings.
Betrachtet man den kompletten Ereigniszeitraum [-30; 30], ist der kumulierten Überrendite von -0,0043 nur mittels Teststatistik nach BROWN/WARNER eine Signifikanz (Irrtumswahrscheinlichkeit 1%) nachzuweisen. Ab Tag {4} nach dem Ereignis kommt es partiell an einzelnen Tagen zu signifikant positiven und negativen ARs, wovon sich nur die positiven Überrenditen durch den Overreaction-Effekt erklären lassen.
6.5.6. Positive Watchlistings
Bei den positiven Watchlistings stehen nur 15 Ereignisse zur Verfügung, deren kumulierte Überrendite in Abb. 13 dargestellt ist.
Abb. 13: Positive Watchlistings (N=15)106
Abbildung in dieser Leseprobe nicht enthalten
In Bezug auf positive Watchlistings existieren keinerlei nennenswerte signifikante Überrenditen. Dies gilt sowohl für die Betrachtung der abnormalen Tagesrenditen als auch für kumulierte ARs. Beim t-Test nach BROWN/WARNER kommt es zwar vereinzelt sowohl zu positiv als auch negativ signifikanten t-Werten, welche wegen der relativ kleinen Anzahl an Beobachtungen jedoch auf unternehmens- oder branchenspezifische Ereignisse zurückzuführen sind und aller Wahrscheinlichkeit nach nicht mit dem positiven Watchlisting im Zusammenhang stehen. Folglich stellen positive Watchlistings keinerlei neue Informationen für die Kapitalmarktteilnehmer dar.
6.6. Zusammenfassung der Ergebnisse und abschließende Interpretation
Tab. 4 fasst die in den vorherigen Kapiteln beschriebenen Ergebnisse in Kurzform zusammen:
Abbildung in dieser Leseprobe nicht enthalten
Tab. 4: Zusammenfassung der Ergebnisse
Der Overreaction-Effekt bei Downgrades, negativen Watchlistings und Upgrades ohne Watchlisting kann mit Verhaltensanomalien im Kontext von Behavioral Finance-Theorien gesehen werden. Demnach mündet das Verhalten von Anlegern bei Veröffentlichungen von dramatischen oder unerwarteten Nachrichten in einer Überreaktion.107 Aus den systematisch auftretenden Overreaction-Effekten lassen sich möglicherweise Handelsstrategien ableiten, welche bei bestimmten Verhaltensweisen in relativ sicheren Gewinnen infolge einer Ratingänderung resultieren könnten.108
Dass die Märkte bei positiven Watchlistings bzw. Upgrades nicht oder nur geringfügig nachhaltig reagieren, könnte in Zusammenhang mit risikoaversen Präferenzen der Kapitalmarktteilnehmer gesehen werden.109 So nehmen Investoren grundsätzlich gemäß den Resultaten der vorliegenden Arbeit bei positiven Nachrichten zunächst eine abwartende Haltung ein, wohingegen es bei negativen Nachrichten zu relativ schnellen Verkaufsentscheidungen kommt. Dieses Phänomen könnte jedoch auch dahingehend interpretiert werden, dass Unternehmen positive Nachrichten tendenziell eher veröffentlichen und die Publizierung negativer Nachrichten herausschieben.110 Dementsprechend könnten die mit einer besseren Bonitätseinstufung veröffentlichten Neuigkeiten den Investoren in vielen Fällen bereits durch andere Medien kommuniziert worden sein.
6.7. Vergleich der Ergebnisse mit Studien anderer Autoren
Generell ist ein Vergleich der hier vorgestellten Ergebnisse mit den Resultaten anderer Studien nur in begrenztem Umfang möglich. Dies geht vor allem auf die verschiedenen angewendeten Untersuchungsdesigns zurück.
Das der hier vorgelegten Untersuchung am meisten ähnelnde Konzept mit Blick auf die Struktur der verschiedenen Sub-Samples liefern WANSLEY/CLAURETIE (1985). Die Autoren haben ebenfalls Up- und Downgrades dahingehend differenziert, ob den Ratingaktionen ein Watchlisting vorausgegangen ist oder nicht. Bei Downgrades ohne Watchlisting weisen die Verfasser im Grundsatz eine Antizipation der Ratingänderung nach, selbiges gilt für Downgrades mit Watchlisting. Dies stimmt prinzipiell mit den Ergebnissen der hier vorgelegten Untersuchung überein. Bei Upgrades ohne Watchlisting wird laut WANSLEY/CLAURETIE (1985) keine Reaktion festgestellt. Bei der hier vorgelegten Untersuchung existiert zwar am Tag {1} eine signifikant positive Reaktion, jedoch tritt diese nicht nachhaltig auf.111 Upgrades mit Watchlisting münden indes im Gegensatz zu der eigenen Untersuchung in einer signifikant negativen Reaktion der Bondrenditen.112 Watchlistings resultieren gemäß WANSLEY/CLAURETIE (1985) immer in negativen Überrenditen, was mit der eigenen Untersuchung nur im Punkt negative Watchlistings im Einklang steht.113
Des Weiteren erscheint es sinnvoll, die vorgelegten Ergebnisse mit den Arbeiten von HAND/HOLTHAUSEN/LEFTWICH (1992) zu vergleichen. Downgrades gehen laut deren Untersuchung mit signifikant negativen Bondrenditen einher, welche jedoch im Fall von kontaminierenden Ereignissen verschwinden. Dies steht nur mit dem Sub-Sample Downgrades ohne Watchlisting der eigenen Untersuchung im Einklang; bei Downgrades mit Watchlisting existiert eine schwach signifikante Reaktion, obschon diese keinen nachhaltigen Charakter hat.114 Upgrades gehen laut HAND/HOLTHAUSEN/LEFTWICH (1992) immer mit signifikant positiven Überrenditen einher. Besser werdende Ratings können im Hinblick auf die eigene Untersuchung jedoch nur im Zusammenhang mit dem Sub-Sample Upgrades ohne Watchlisting gesehen werden.115 Im Punkt Watchlistings finden HAND/HOLTHAUSEN/LEFTWICH (1992) bei Verwendung des gesamten Samples weder für negative noch für positive Watchlistings eine signifikante Marktreaktion.116 Im Vergleich mit der eigenen Untersuchung stimmen diese Ergebnisse nur im Punkt positive Watchlistings überein.
In Bezug auf die Ermittlung der Benchmark stimmt die eigene Untersuchung am meisten mit der Analyse von STEINER/HEINKE (2000) überein. Die Autoren können bei Downgrades eine signifikant negative Reaktion nachweisen. Überdies wird ein Overreaction-Effekt identifiziert. Zwar differenzieren STEINER/HEINKE (2000) nicht nach Ratingänderungen mit bzw. ohne Watchlisting, dennoch können deren Ergebnisse grundsätzlich im Einklang mit der eigenen Untersuchung gesehen werden.117 Für besser werdende Ratings finden STEINER/HEINKE (2000) um den Tag der Ratingänderung keine signifikanten Überrenditen an einzelnen Tagen, wohl jedoch im Intervall [-30; 30]. Entsprechend steigt das Niveau der kumulierten Überrendite bei den Ergebnissen der Verfasser stetig an. Im Hinblick auf die beschriebene kumulierte Überrendite sowie auf den stetigen Anstieg der ARs existiert mit der eigenen Untersuchung keine Übereinstimmung.118 Ebenso ist bei der Analyse von STEINER/HEINKE (2000) kein Overreaction-Effekt im Punkt Upgrades ersichtlich.119 Bei den abnormalen Tagesrenditen um den Ereignistag existiert jedoch eine Übereinstimmung mit dem Sub-Sample Upgrades mit Watchlisting der eigenen Untersuchung. Bei der Untergruppe negative Watchlistings finden STEINER/HEINKE (2000) signifikant negative Reaktionen sowie einen Overreaction-Effekt, welcher jedoch erst nach etwa 30 Tagen eintritt. Positive Watchlistings gehen bei STEINER/HEINKE (2000) am Tag {1} sowie im Intervall [-30; 30] mit signifikant positiven Marktreaktionen einher. Überdies ist hier der Verlauf der ARs wie bei den Upgrades konstant ansteigend. Dementsprechend existieren bei den Watchlistings im Vergleich mit der eigenen Untersuchung nur Übereinstimmungen im Punkt negative Watchlistings, obschon der Overreaction-Effekt bei der eigenen Untersuchung früher eintritt.120
Abschließend betrachtet können im Grundsatz diverse Gemeinsamkeiten hinsichtlich der Ergebnisse dieser Untersuchung und den oben angeführten bzw. in Kapitel 5.3 vorgestellten Studien erkannt werden. Jedoch existieren ebenso einige Divergenzen. Es kommt offenbar auch bei relativ identischen Untersuchungsdesigns teilweise zu verschiedenen Ergebnissen.
Eine mögliche Erklärung hierfür könnten die verschiedenen Untersuchungszeiträume der betrachteten Studien sein. Diese gehen teilweise bis zu den 70er Jahren zurück und enden mit der hier vorgelegten Untersuchung im Jahr 2004. Entsprechend könnten die verschiedenen Ergebnisse mit unterschiedlichen Risikopräferenzen über die Zeit hinweg zu erklären sein. Dem kann jedoch nicht zugestimmt werden, da im Grundsatz bei der hier vorgelegten Studie sowie bei den meisten bisher durchgeführten Untersuchungen risikoaverse Präferenzen der Kapitalmarktteilnehmer zu erkennen sind. So kommt es im Fall von schlechter werdenden Ratings tendenziell eher zu einer implizierten Marktreaktion als bei besser werdenden Bonitätseinstufungen.
Ebenso könnten die divergierenden Resultate auf einer sich stetig fortentwickelnden Effizienz der Kapitalmärkte beruhen. Dementsprechend müsste der Einfluss von Ratingänderungen auf Bondrenditen bzw. Credit Spreads über die Zeit hinweg stetig abnehmen, falls sich die Informationssysteme der Kapitalmarktteilnehmer stetig verbessern. Ein derartiger Trend ist jedoch ebenfalls nicht zu identifizieren, da insb. in der hier vorgelegten Untersuchung immer noch klar signifikante Marktreaktionen infolge von Neueinstufungen nachgewiesen werden können, welche teilweise zu höheren Reaktionen führen als bei einigen der bisher durchgeführten Studien. So kommt es bei der eigenen Untersuchung beim Intervall [0; 5] beim Sub-Sample Downgrades ohne Watchlisting zu einer kumulierter AR i.H.v. –0,00313 (bei Downgrades mit Watchlisting i.H.v. –0,00265), wohingegen es gemäß der Analyse von STEINER/HEINKE (2000) bei der Untergruppe Downgrades im gleichen Zeitintervall zu einer kumulierten Überrendite von –0,00395 kommt. Des Weiteren existiert bei der hier vorliegenden Arbeit im Punkt negative Watchlistings am Tag {0} eine AR i.H.v. von –0,00307 (am Tag {1} von i.H.v. –0,00231); im Gegensatz dazu finden HAND/HOLTHAUSEN/LEFTWICH (1992) in ihrem Sample, welches alle der Untersuchung zugrundeliegenden negative Watchlistigs beinhaltet, eine Überrendite i.H.v. –0,0035.121 Es wird deutlich, dass die Reaktionen infolge von Ratingaktionen über die Zeit hinweg offenbar nicht schwächer werden. Dementsprechend scheint der Bondmarkt nicht effizienter geworden zu sein.
Letztendlich könnten die Divergenzen bei den Ergebnissen der verschiedenen Studien auch auf die unterschiedlichen Ausprägungen der verwendeten Stichproben zurückführbar sein. So liegen den bisher durchgeführten Analysen u.a. verschiedene Branchen und Währungen zugrunde.
Abschließend betrachtet kann bei den bisherigen Studien sowie bei der eigenen Untersuchung im Grundsatz erkannt werden, dass schlechter werdende Ratings tendenziell mit negativen ARs einhergehen. Bei besser werdender Bonität nehmen die Kapitalmarktteilnehmer indes eine abwartende Haltung ein und neigen dementsprechend tendenziell nicht dazu, schnell auf eine derartige Ratingaktion zu reagieren.
7. Exkurs: Die Herabstufung der ThyssenKrupp AG
Im Jahr 2003 wurde eine Ratingänderung durch die Agentur S&P in der Finanzbranche kontrovers diskutiert: die Herabstufung des Industriekonzerns ThyssenKrupp AG. Der Vorgang wird als besonders brisant eingestuft, da ein international renommiertes Unternehmen eine Herabstufung vom Investmentgrade- in den Spectaculativegrade-Bereich hinnehmen musste. So war der Konzern von S&P seit seinem Initialrating vom 28. September 2001 im Investmentgrade-Bereich mit der Einstufung „BBB“ geratet. Am 7. Februar wurde das Unternehmen auf die Credit Watch-Liste mit negativer Ausprägung gesetzt. Zwei Wochen später folgte ein Downgrade über zwei Notches in den Spectaculativegrade-Bereich zu der Einstufung „BB+“.122 Abb. 14 visualisiert die Auswirkungen dieser Neueinstufung und verdeutlicht deren Antizipation durch die Kapitalmarktteilnehmer.
Abb. 14: Kurzfristige Betrachtung des ThyssenKrupp-Downgrades123
Abbildung in dieser Leseprobe nicht enthalten
Das Schaubild zeigt den Credit Spread in Basispunkten einer ThyssenKrupp-Anleihe über die Zeitspanne vom 31. Januar 2003 bis zum 28. Februar 2003. Überdies werden die durchschnittlichen Credit Spreads aus Portfolios von Bonds mit der Ratingeinstufung „A“, „BBB“ und „BB“ im Schaubild angezeigt.124 Hierdurch soll Transparenz hinsichtlich der Einschätzung der Kapitalmarktteilnehmer bzgl. des betrachteten ThyssenKrupp-Bonds hergestellt werden. Die dick markierten Punkte auf dem Chart des ThyssenKrupp-Bonds zeigen die Tage an, an denen ein Kurs verfügbar ist.
Es ist deutlich ein Ansteigen des Credit Spreads sowohl infolge des Watchlistings als auch bedingt durch den darauffolgenden Downgrade zu erkennen. Durch die Aufnahme von ThyssenKrupp auf die CreditWatch-Liste von S&P kommt es zu einem Anstieg des Credit Spreads um etwa 72 Basispunkte. Die Herabstufung selbst führt noch einmal zu einem Anstieg um ca. 130 Basispunkte, welcher in den darauffolgenden Tagen jedoch leicht zurückgeht. Das Watchlisting wurde scheinbar noch innerhalb des Handelszeitraums der Märkte veröffentlicht, zumal es vom Markt am Tag der Veröffentlichung verarbeitet wird. Bei der Herabstufung reagieren die Kapitalmarktteilnehmer erst am darauffolgenden Handelstag.
Des Weiteren ist festzustellen, dass der betrachtete Credit Spread vor dem Watchlisting zwischen dem durchschnittlichen „A“ und „BBB“-Bereich liegt. Infolge der Aufnahme auf die CreditWatch-Liste steigt dieser jedoch klar über das Niveau der durchschnittlichen „BBB“-Klassifizierung. Durch die Herabstufung kommt das Credit Spread-Niveau noch näher an den „BB“-Index heran, ohne jedoch kennzeichnend nah dieses Niveau zu tangieren.
Abb. 15: Langfristige Betrachtung des ThyssenKrupp-Downgrades125
Abbildung in dieser Leseprobe nicht enthalten
Abb. 15 beinhaltet die gleichen Daten wie Abb. 14, jedoch ist der Betrachtungszeitraum auf die Spanne vom 2. Januar 2003 bis zum 8. Januar 2004 erweitert. Aufbauend hierauf soll eine Beurteilung hinsichtlich der Konsequenzen der untersuchten Ratingänderung über einen langfristigen Horizont ermöglicht werden. So ist sowohl infolge des negativen Watchlistings als auch aufgrund des darauffolgenden Downgrades ein Overreaction-Effekt zu erkennen. Des Weiteren ist ersichtlich, dass sich das Niveau des Credit Spreads etwa acht Monate nach den betrachteten Ereignissen wieder auf dem gleichen und teilweise sogar auf einem niedrigeren Niveau einpendelt, wie im Zeitraum vor der Herabstufung bzw. dem Watchlisting. Zu beachten ist jedoch, dass die Marktteilnehmer die durchschnittlichen Credit Spreads der besagten Klassifizierungen ebenfalls geringer bewerten, als in der ersten Hälfte des Betrachtungszeitraumes. So könnte das Credit Spread-Niveau des ThyssenKrupp-Bonds wieder im Investmentgrade-Bereich zu sehen sein. Wegen der allgemeinen Marktbewertung kann dies jedoch nicht ohne Vorbehalte bejaht werden. Nichtsdestotrotz liegt das Credit Spread-Niveau am Ende des Betrachtungszeitraumes tendenziell näher am Investmentgrade- als am Spectaculativegrade-Bereich.
Um die Ereignisse differenzierter zu beleuchten, erfolgt des Weiteren eine Betrachtung der Einschätzungen anderer Ratingagenturen. Etwa zwei Monate nach der S&P-Ratingänderung (Anfang Mai 2003) liegt der Credit Spread wieder bei einem Niveau von etwa 200 Basispunkten, obschon er damit immer noch gut 25 Basispunkte über dem Wert von etwa 175 Basispunkten vor den besagten Ereignissen liegt. Hierbei ist zu beachten, dass die durchschnittlichen Credit Spreads mittlerweile gesunken sind und daher die allgemeine Markteinschätzung als optimistischer zu interpretieren ist. Moody’s hat das interessierende Unternehmen am 15. Mai 2003 bei einem bestehenden Rating von „Baa1“ auf die CreditWatch-Liste mit negativer Ausprägung gesetzt. Am darauffolgenden Tag erfolgt das Initialrating von Fitch im schwachen Investmentgrade-Bereich mit der Einstufung „BBB-“. Im Zeitraum vom 15. bis zum 19. Mai 2003 (drei Handelstage) hat dies zu einem Credit Spread-Anstieg von ca. 27 Basispunkten geführt. Eine Interpretation bezugnehmend auf die Aktionen von Moody’s und Fitch ist nicht eindeutig möglich. Während Fitch mit seiner Initialeinstufung den Konzern etwa zwischen den Einstufungen von S&P und Moody’s sieht, sind die Veröffentlichungen von Moody’s klar als negatives Signal zu deuten. So ist der beschriebene Anstieg des Credit Spreads schätzungsweise auf das negative Watchlisting von Moody’s zurückzuführen. In den darauffolgenden zwei Monaten sinkt das Credit Spread-Niveau wieder auf etwa 180 Basispunkte und liegt damit unter dem Stand unmittelbar vor Moody’s Watchlisting bzw. dem Initialrating von Fitch. Hierbei ist wiederum ein weiteres Absinken der durchschnittlichen Credit Spreads über den beschriebenen Zeitraum zu beachten. Daraufhin wird die ThyssenKrupp AG am 31. Juli 2003 durch Moody’s von „Baa1“ auf „Baa3“ um zwei Notches herabgestuft. Zwar sieht die Agentur das Unternehmen noch im Investmentgrade-Bereich, trotzdem hat dies, wenn auch nur kurzfristig, zu einem leichten Anstieg des Credit Spread um etwa 15 Basispunkte geführt. Verglichen mit dem Downgrade von S&P fällt diese Reaktion relativ schwach aus, was einerseits auf die Gültigkeit der Preisdruckhypothese126 schließen lässt. Andererseits ließe sich dies damit begründen, dass der Moody’s Downgrade von den Kapitalmarktteilnehmern lediglich als Folge der S&P-Entscheidung interpretiert wird.
Vermeintlich positive Nachrichten für ThyssenKrupp werden den Märkten über die Veröffentlichung einer Studie kommuniziert, welche die Bewertungsmethode von S&P kritisiert. Die Herabstufung wird von der Agentur mit einem Systemwechsel bei der Bewertung von Pensionsverbindlichkeiten gerechtfertigt. Demnach kommt es bei einer internationalen Betrachtungsweise zu Verzerrungen, was in einer Benachteiligung bei der Bonitätsbewertung von deutschen Unternehmen mit internen Pensionsrückstellungen gegenüber US-amerikanischen Firmen mit externen Pensionsfonds resultiert.127 Eine Veröffentlichung in deutscher Sprache findet erstmals am 28. November 2003 über die Nachrichtenagentur VWD (Vereinigte Wirtschaftsdienste GmbH) statt.128 Einen Tag später erfolgt eine englischsprachige Publikation in der britischen FT (Financial Times).129 Innerhalb etwa einer Woche nach den Veröffentlichungen reagieren die Märkte mit einem Absinken des Credit Spread um bis zu 35 Basispunkte auf ein Niveau von ca. 125 Basispunkten. Im darauffolgenden Monat pendelt sich der Wert bei etwa 135 Basispunkten ein.130
Abschließend betrachtet kann S&P ein Einfluss auf den Credit Spread des betrachteten ThyssenKrupp-Bonds nicht abgesprochen werden. Es fällt jedoch auf, dass der Markt den Credit Spread im Januar 2004 tendenziell eher im schwachen Investmentgrade-Bereich sieht, als im Spectaculativegrade-Bereich.
Das S&P-Rating von ThyssenKrupp ist seit dem 10. Februar 2005 wieder im Investmentgrade-Bereich bei „BBB-“.131 Wegen nicht zur Verfügung stehender Daten kann eine Darstellung und Interpretation dieses Ereignisses nicht erfolgen.
8. Fazit und Ausblick
Ausgehend von einem allgemeinen Überblick über den noch relativ jungen Markt für EUR-Anleihen wurde in dieser Arbeit das Rating von Corporate Bonds und das sich hieraus ergebende Umfeld dargestellt.
Hierauf aufbauend kam es zum Aufstellen von Hypothesen mit Blick auf mögliche Kursreaktionen infolge von Ratingänderungen bei festverzinslichen Wertpapieren, welche im Zusammenhang mit halbstrengen informationseffizienten Kapitalmärkten gesehen werden. Anschließend wurden bisher durchgeführte Studien vorgestellt, welche die Kursreaktionen von FK-Titeln infolge von Ratingänderungen untersuchen.
Daraufhin erfolgte die Beschreibung der eigenen empirischen Untersuchung. Diese hat aufgezeigt, dass Ratingänderungen bei schlechter werdenden Ratings im Grundsatz einen signifikanten Einfluss auf das Verhalten der Kapitalmarktteilnehmer haben. Heraufstufungen wird indes weniger Aufmerksamkeit gegeben. Überdies stellt sich heraus, dass ein Vergleich zu den bisher durchgeführten Untersuchungen aufgrund von verschiedenen Untersuchungsdesigns nur begrenzt möglich ist. Dementsprechend hat es einige Übereinstimmungen bei dem Vergleich der eigenen Untersuchung mit den Studien anderer Autoren gegeben, jedoch auch diverse Abweichungen.
Abschließend betrachtet kann den bei dieser Untersuchung angeführten Ratingagenturen ein Einfluss auf das Verhalten der Kapitalmarktteilnehmer und damit auf die Credit Spreads von Corporate Bonds bescheinigt werden. Da der Markt für EUR-Anleihen zum Zeitpunkt der Arbeitserstellung im Vergleich zum Markt für USD-Anleihen wenig entwickelt war, lassen sich nur eingeschränkt aussagefähige Ergebnisse präsentieren. Daher empfiehlt es sich, in einigen Jahren weitere empirische Arbeiten zu erstellen, welche stärker ins Detail gehen können. Dabei könnte bspw. eine Differenzierung hinsichtlich des Informationswertes der verschiedenen Agenturen erfolgen. Des Weiteren erscheint es sinnvoll, zwischen Ratingänderungen über einzelne und mehrere Notches zu differenzieren bzw. eine isolierte Betrachtung von Downgrades bzw. Upgrades zwischen Investmentgrade- und SubinvestmentgradeEinstufung aufgrund von regulatorischen Gegebenheiten durchzuführen. Eine vergleichende Unterteilung eines Samples von Ratingänderungen innerhalb des Investmentgrade- bzw. Subinvestmentgrade-Bereichs erscheint zudem sinnvoll. Überdies wäre die Aufteilung eines Untersuchungssamples in verschiedene Branchen von Emittenten zweckmäßig, um deren spezifische Informationsverfügbarkeit transparent darzustellen.132
Die Vorgehensweise der einschlägigen Ratingagenturen wird unter anderem wegen des im Exkurs beschriebenen Systemwechsels bei der Bewertung von Pensionsverpflichtungen und aufgrund der Insolvenzen der US-amerikanischen Konzerne Enron und Worldcom, welche bis kurz vor deren Zahlungsunfähigkeit mit einem Investmentgrade-Rating eingestuft wurden, von Seiten vieler Kapitalmarktteilnehmer kritisiert. Hieraus resultierend gibt es Bestrebungen der Organisation Internationaler Wertpapieraufseher sowie der deutschen Bundesanstalt für Finanzdienstleistungsaufsicht, einen Verhaltenskodex für die Agenturen mit dem Ziel, den Ratingprozess transparenter zu gestalten, zu etablieren. Ggf. soll es hierbei auch zu Regulierungen kommen.133 Aufgrund dieser Entwicklung wäre es denkbar, dass der Einfluss von Ratings und damit die Macht der Agenturen infolge einer transparenteren Gestaltung des Ratingprozesses in Zukunft sinkt. Dennoch werden die Agenturen voraussichtlich auch in Zukunft ein Instrument bleiben, mit welchem nicht öffentliche Informationen dem Markt adäquat kommuniziert werden können.
Anhang
Abbildung in dieser Leseprobe nicht enthalten
Tab. 5: Downgrades ohne Watchlisting (N=52)134
Abbildung in dieser Leseprobe nicht enthalten
Tab. 6: Downgrades mit Watchlisting (N=68)135
Abbildung in dieser Leseprobe nicht enthalten
Tab. 7: Upgrades ohne Watchlisting (N=22)136
Abbildung in dieser Leseprobe nicht enthalten
Tab. 8: Upgrades mit Watchlisting (N=13)137
Abbildung in dieser Leseprobe nicht enthalten
Tab. 9: Negative Watchlistings (N=107)138
Abbildung in dieser Leseprobe nicht enthalten
Tab. 10: Positive Watchlistings (N=15)139
Abbildung in dieser Leseprobe nicht enthalten
Tab. 11: Verwendete Unternehmensanleihen
Abbildung in dieser Leseprobe nicht enthalten
Tab. 12: Verwendete Staatsanleihen
Abbildung in dieser Leseprobe nicht enthalten
Tab. 13: Volumen am internationalen Markt für Anleihen
Abbildung in dieser Leseprobe nicht enthalten
Tab. 14: Ausfallraten festverzinslicher Titel
Abbildung in dieser Leseprobe nicht enthalten
Tab. 15: Historische Ausfallraten festverzinslicher Titel
Literaturverzeichnis
Bleymüller, Josef/Gehlert, Günther/Gülicher, Herbert (2004), Statistik für Wirtschaftswissenschaftler, 14. Aufl., München, 2004.
Bohley, Peter (1998), Formeln, Rechenregeln, EDV und Tabellen zur Statistik, 7. Aufl., München, 2004.
Brown, Stephen J./Warner, Jerold, B. (1980), Measuring Security Price Performance, in: Journal of Financial Economics, Vol. 8, 1980, S. 205-258.
Brown, Stephen J./Warner, Jerold, B. (1985), Using Daily Stock Returns: The Case of Event Studies, in: Journal of Financial Economics, Vol. 14, 1985, S. 3-31.
Chambers, Anne E./Penman, Stephen H. (1984): Timeliness of Reporting and the Stock Price Reaction to Earnings Announcements, in: Journal of Accounting Research, Vol. 22, 1984, S. 21–47.
Crabbe, Leland E./ Fabozzi, Frank J. (2002), Corporate bond portfolio management, New York, 2002.
Czichowski, Fank/Leubner, Jochen (2001), Wie viele Benchmarks braucht der Euro-Kapitalmarkt?, in: Zeitschrift für das gesamte Kreditwesen, Nr. 15, 2001, S. 840-847.
De Bondt, Werner/Thaler, Richard (1985), Does the Stock Market Overreact?, in: Journal of Finance, Vol. 40, Nr. 3, 1985, S. 793-805.
Diegelmann, Michael/Schoemig, Peter Noel (2004), Einfluss der Rating-Veränderung auf die fundamentale Unternehmensbewertung, in: RATINGaktuell, Nr. 3, 2004, S. 56-59.
Einecke, Helga (2004), Finanzaufsicht legt Ratingagenturen an die Kette, in: Süddeutsche Zeitung, 06.12.2004, S. 21.
Everling, Oliver (2002), Rating, in: Gerke, Wolfgang (Hrsg.), Börsenlexikon, 1. Aufl., Wiesbaden, 2002, S. 655-662.
Everling, Oliver (1996), Ratingagenturen an nationalen und internationalen Finanzmärkten, in: Büschgen, Hans E./Everling, Oliver (Hrsg.), Handbuch Rating, Wiesbaden, 1996, S. 3–17.
Everling, Oliver/Heinke, Volker G. (2003), Rating, externes, in: Gerke, Wolfgang/Steiner, Manfred (Hrsg.), Handwörterbuch des Bank- und Finanzwesens, 3. Aufl., Stuttgart, 2001, Sp. 1755-1775.
Fama, Eugen F. (1976), Efficient Capital Markets: A Review of Theory and Empirical Work, in: Journal of Finance, Vol. 25, Nr. 2, 1970, S. 383-417.
Fischer, Jochen/Holzkämper, Hilko (2003), Rating Advisory für den Kapital- und Kreditmarkt, in: Achleitner, Ann-Kristin/Everling, Oliver (Hrsg.), Rating Advisory, 1. Aufl., Wiesbaden, 2003, S. 15-35.
Fraser, Donald R./Richards, R. Malcom (1977), Further Evidence on the Informational Value of Bond Rating Changes, in: Quarterly Review of Economics and Business, Vol. 17, Nr.3, 1977, S. 73-78.
Garz, Hendrik (2004), Event-Studien & Effizienz des deutschen Aktienmarktes, in: Bank, Matthias/Schiller, Bettina (Hrsg.), Finanzintermediation: Theoretische, wirtschaftspolitische und praktische Aspekte aktueller Entwicklungen im Bank- und Börsenwesen; Festschrift für Professor Dr. Wolfgang Gerke zum sechzigsten Geburtstag, Stuttgart, 2004, S. 123-157.
Gerke, Wolfgang (2002), Börsenlexikon, 1. Aufl., Wiesbaden, 2002.
Grier, Paul A./Katz, Steven (1976), The Differential Effect of Bond Rating Changes among Industrial and Public Utility Bonds by Maturity, in: Journal of Business, Vol. 49, 1976, S. 226-239.
Gropp, Reint/Richards, Anthony J. (2001), Rating agency actions and the pricing of debt and equity of European banks : what can we infer about private sector monitoring of bank soundness? in: Economic notes - Oxford, Vol. 30, Nr. 3, 2001, S. 373-398.
Hand, John R. M./Holthausen, Robert W./Leftwich, Richard W. (1992), The Effect of Bond Rating Agency Announcements on Bond and Stock Pricing, in: Journal of Finance, Vol. 47, Nr. 2, 1992, S. 733-752.
Handjinicolaou, George/Kalay, Avner (1984), Wealth Redistribution or Changes in Firm Value, in: Journal of Financial Economics, Vol. 13, 1984, S. 35-63.
Harrer, Herbert/Fisher, Raymond (2004), High Yield-Anleihen im Trend, in: Die Bank, Heft 11, 2004, S. 22-25.
Hawley, Delvin D./Walker M. Mark (1992), An Empirical Test of Investment Restrictions and Efficiency in the High Yield Debt Market, in: Financial Review, Vol. 27, Nr. 2, Mai 1992, S. 273-287.
Heinke, Volker G. (1998), Bonitätsrisiko und Credit Rating festverzinslicher Wertpapiere: eine empirische Untersuchung am Euromarkt, Bad Soden, 1998.
Hettenhouse, George W./Sartoris, William L. (1976), An Analysis of the Informational Value of Bond-Rating Changes, in: Quarterly Review of Economics and Business, Vol. 16, 1976, S. 65-78.
Hickel, Rudolf (2004), Was bedeutet eigentlich Rating?, in: Die Tageszeitung, 27.09.2004, S. 9.
Hite, Gailen/Warga, Arthur (1997), The Effect of Bond-Rating Changes on Bond Price Performance, in: Financial Analysts Journal, Vol. 53, Nr. 3, Mai/Juni 1997, S. 35-51.
Jortzik, Stephan/Sascha Mergner (2003), Zum Zusammenhang zwischen Bond Credit Spreads und Ratings - Aktuelle empirische Analysen anhand börsentäglicher Daten des US-amerikanischen Corporate Bond-Marktes sowie eine Überprüfung der Informationsgehalt-Hypothese, IFBG-Studien, Nr. 16, Göttingen, 2003.
Kaserer, Christoph (1995), Die Ankündigung von Ratingänderungen und die Kurseffekte auf dem Markt für DM-Auslandsanleihen, Österreichisches Bank-Archiv, 43. Jg., 4/1995, S. 263-273.
Katz, Steven (1974), The Price Adjustment Process of Bond Rating Reclassifications: A Test of Bond Market Efficiency, in: Journal of Finance, Vol. 29, Nr. 2, 1974, S. 551-559.
MacKinlay, A. Craig (1997), Event Studies in Economics and Finance, in: Journal of Economic Literature, Vol. 35, Nr. 1, März 1997, S. 13-39.
Mechnig, Stefan Paul (2003), Ratingagenturen müssen Pensionsfonds berücksichtigen, in: VWD Wirtschaftsnachrichten, 28.11.2003.
Neus, Werner/Hirth, Hans (2003), Kapitalmarktmodelle, in: Gerke, Wolfgang/Steiner, Manfred (Hrsg.), Handwörterbuch des Bank- und Finanzwesens, 3. Aufl., Stuttgart, 2001, Sp. 1305-1316.
o.V. (2004), Wertpapieraufseher einigen sich auf Verhaltenskodex für Ratingagenturen, in: Handelblatt, Düsseldorf, 06.12.2004, S. 23. Ruppert, David (2004), Statistics and finance: an introduction, New York, 2004.
Schäfer, Wilhelm (2004a), Wirtschaftswörterbuch Band I: Englisch-Deutsch, 7. Aufl., München, 2004.
Schäfer, Wilhelm (2004b), Wirtschaftswörterbuch Band I: Deutsch-Englisch, 7. Aufl., München, 2004.
Schneeweis, Thomas/Branch, Ben (1981), Capital Market Efficiency in Fixed Income Securities, in: Review of Business and Economic Research, Vol. 16, Nr. 2, Winter 1980-1981, S. 34-42.
Steiner, Manfred/Heinke, Volker G. (2000), Der Informationswert von Ratings – Eine empirische Analyse am Markt für internationale DM-Anleihen, in: Zeitschrift für Betriebswirtschaft, 70. Jg., Heft 5, 2000, S. 541-565.
Steiner, Manfred/Starbatty, Nikolaus (2003), Bedeutung von Ratings in der Unternehmensfinanzierung, in: Achleitner, Ann-Kristin/Everling, Oliver (Hrsg.), Rating Advisory, 1. Aufl., Wiesbaden, 2003, S. 15-35.
Swidler, Steve (1990), Examing Statistical Differences Between Using Returns and Yields to Maturity in Bond Market Event Studies, in: Economic Letters, Vol. 34, 1990, S. 163-168.
Wakeman, L. Macdonald (1998), The Real Function of Bond Rating Agencies, in: Stern, Joel M./Chew, Donald H. Jr. (Hrsg.), The Revolution in Corporate Finance, 3. Aufl., Homewood, 1998, S. 25-28.
Wansley, James W./Glascock, John L./Clauretie, Terence M. (1992), Institutional Bond Pricing and Information Arrival: The Case of Bond Rating Changes, in: Journal of Business Finance & Accounting, Vol. 19, Nr. 5, September 1992, S. 733-750.
Wansley, James/Clauretie, Terrence (1985), The Impact of Credit Watch Placement on Equity Returns and Bond Prices, in: Journal of Financial Research, Vol. 8, 1985, S. 31-42.
Wassener, Bettina (2003), German Study Attacks S&P over Pensions Ratings, in: Financial Times, London, 01.12.2003, S. 27.
Zaima, James/McCarthy, Joseph (1988), The Impact of Bond Rating Changes on Common Stocks and Bonds: Tests of Wealth Redistribution Hypothesis, in: Financial Review, Vol. 23, 1988, S. 483-498.
Verzeichnis der sonstigen Quellen
Internet Quellen:
Brady/Vazza (Default Study 02.12.2004), Brady, Brooks/Vazza, Diane (2004), Ausfallstudie (Defaults) Global: Ratings Performance 2003, in: http://www2.standardandpoors.com/servlet/Satellite?pagename=sp%2FPage%2FSit eSearchResultsPg&l=DE&r=4&b=10&search=site&vqt=default+rates, 12.02.2004.
Claassen (TK Rating 01.03.2005), Claassen, Jürgen (2005), ThyssenKrupp wieder Investment Grade bei Standard & Poor`s (S&P), in: http://www.thyssenkrupp.de/de/presse/art_detail.html&aid=1334&oid=1335, 10.02.2005.
Eisele (Rating 03.01.2005), Eisele, Patrick (2004), Konzern-Rating: Doppelt hält besser, in: http://content.bfinance.de/bfinance/de/BFContent.nsf/AllNewsArticles 2/N9486?OpenDocument, 02.12.2002.
Gergen (Power Rating Agencies 25.01.05), Gergen, David (1996), Free Market Society, in: http://www.pbs.org/newshour/gergen/friedman.html, 13.02.1996
Gerke/Pellens (Pensionen 04.11.2004), Gerke, Wolfgang/Pollens, Bernhard, Pensionsrückstellungen, Pensionsfonds und das Rating von Unternehmen – eine kritische Analyse, in: http://www.bankundboerse.wiso.unierlangen. de/__Forschung/_Gutachten/Gutachten_deutsch_final.pdf, 04.11.2004.
o.V. (BaFin 30.11.2004), o.V., Rundschreiben 29/2002 (VA) vom 12.12.2002, in: http://www.bafin.de/rundschreiben/92_2002/021212.htm, 30.11.2004.
o.V. (BIS 02.11.2004), o.V., BIS Publications and Statistics – Securities Statistics, in: http://www.bis.org/statistics/secstats.htm, 02.11.2004.
o.V. (Fitch 02.11.2004), o.V., Fitch Ratings Definitions, in: http://www.fitchratings.com/corporate/fitchResources.cfm?detail=1&rd_file=ltr, 02.11.2004.
o.V. (Intransparenz Ratings 10.12.2004), S&P schiesst zurück, in: http:/www.manager-magazin.de/geld/artikel/0,2828,266243,00.html, 20.11.2003.
o.V. (Moody’s 02.11.2004), o.V., Rating Definitions, in: http://www.moodys.com/moodys/cust/ratingdefinitions/rdef.asp, 02.11.2004.
o.V. (S&P 02.11.2004), o.V., Standard & Poor’s Ratings Services – Code of Practices and Procedures, in:http://www2.standardandpoors.com/NASApp/cs/Content Server?pagename=sp/sp_article/ArticleTemplate&c=sp_article&cid=1095443736000&b=2&s=&i=&ig=&dct=4 2&r=1&l=EN, 24.09.2004.
o.V. (S&P 03.08.2004), o.V. (2004), RatingsDirect, in: http://www.ratingsdirect.com, 03.08.2004.
Samson/Sprinzen/ Dubois-Pelerin (Corporate Ratings Criteria 01.12.2004), Samson, Solomon B./Sprinzen, Scott/ Dubois-Pelerin, Emmanuel, Corporate Ratings Criteria--Ratings and Ratios: Ratio Medians; Ratio Guidelines, in: http://www2.standardandpoors.com/servlet/Satellite?pagename=sp/sp_article/ArticleTemplate& c=sp_article&cid=1099586094955&b=2&s=7&i=&ig=6&dct=7&r=1&l=EN G, 28.10.2004.
Schuerman/Hanson (Default Check 11.01.2005), Schuerman, T./Hanson (2004), Estimating Probabilities of Default, in: www.ny.frb.org/research/staff_reports/sr190.pdf, Juli 2004.
Vazza/Aurora/Schneck (Default Rates 02.12.2004), Vazza, Diane/Aurora, Devi/Schneck, Ryan (2004), S&P Quarterly Default Update & Rating Transitions, in:
http://www2.standardandpoors.com/servlet/Satellite?pagename=sp/Page/SiteSearchResultsPg&&b=10&r=1&l=EN&vqt=default%20study&search=2&vns=1, 26.10.2004.
Datenbanken:
Dealogic Bondware
Datastream
FB Direct (internes Bondpreissystem der Investmentbank Dresdner Kleinwort Wasserstein)
Fitch Ratings (www.fitchratings.com)
Moody’s Investors Service (www.moodys.com)
Standard & Poor’s (www.ratingsdirect.com)
[...]
1 Gergen (Power Rating Agencies 25.01.05).
2 Vgl. Harrer/Fisher (2004), S. 22.
3 Vgl. Einecke (2004), S. 21.
4 Vgl. o.V. (Intransparenz Ratings 10.12.2004).
5 Vgl. Czichowski/Leubner (2001), S. 840.
6 Eigene Darstellung. Quelle: o.V. (BIS 02.11.2004). Eine detaillierte zahlenmäßige Aufstellung dieser Daten ist im Anhang dieser Arbeit in Tab. 13 enthalten.
7 Vgl. Schäfer (2004a), S. 749f.
8 Gerke (2002), S. 489.
9 Gerke (2002), S. 126.
10 Vgl. Hickel (2004), S. 9.
11 Vgl. Hickel (2004), S. 9.
12 Vgl. Eisele (Rating 03.01.2005).
13 Eigene Darstellung in Anlehnung an Everling (2002), S. 662. Vgl. auch o.V. (Fitch 02.11.2004).
14 Vgl. Steiner/Starbatty (2003), S. 24.
15 Vgl. Diegelmann/Schoemig (2004), S. 56.
16 Die Bezeichnungen hierfür variieren in geringem Umfang bei den verschiedenen Agenturen.
17 Vgl. o.V. (Fitch 02.11.2004); o.V. (Moody’s 02.11.2004) und o.V. (S&P 02.11.2004), S. 5.
18 Vgl. Fischer/Holzkämper (2003), S. 81.
19 Eigene Darstellung.
20 Vgl. Fischer/Holzkämper (2003), S. 81.
21 Vgl. Everling/Heinke (2003), S. 1759f.
22 Vgl. Fischer/Holzkämper (2003), S. 81f.
23 Eigene Darstellung. Quelle: Samson/Sprinzen/Dubois-Pelerin (Corporate Ratings Criteria01.12.2004). Hier sind beispielhaft die Mediane von Industrieunternehmen aufgeführt. Die Agenturen differenzieren bei den Key Ratios zwischen verschiedenen Branchen, worauf im Rahmen dieser Arbeit nicht weiter eingegangen wird.
24 „Funds from Operations“.
25 „Earnings before interest and taxes“.
26 Inklusive Zinseinnahmen und Einkünften aus EK-Beteiligungen.
27 Bruttozinsen entsprechen den angesetzten Zinszahlungen, ohne Subtraktion der Zinseinkünfte.
28 „Earnings before interest, taxes and depreciation/appreciation“.
29 Exklusive Zinseinnahmen, Einkünften aus EK-Beteiligungen sowie einmaligen Einkünften.
30 Samson/Sprinzen/Dubois-Pelerin (Corporate Ratings Criteria 01.12.2004).
31 Der originäre Begriff hierfür lautet „Default Rate“. Vgl. Schäfer (2004b), S. 97.
32 Eigene Darstellung. Quelle: Brady/Vazza (Default Study 02.12.2004), S. 13. Es werden nur S&P-Daten verwendet, welche auf empirisch gemessenen Vergangenheitsdaten basieren. Eine detaillierte zahlenmäßige Aufstellung dieser Daten ist im Anhang dieser Arbeit in Tab. 14 enthalten.
33 Vgl. bspw. Schuerman/Hanson (Default Check 11.01.2005), S. 1. Demnach können zwar im Investmentgrade-Bereich bei aufeinanderfolgenden Ratingeinstufungen keine signifikanten Unterscheidungen festgestellt werden. In der Subinvestmentgrade-Kategorie ist die notch-level-Ausfallwahrscheinlichkeit jedoch sehr genau differenzierbar.
34 Eigene Darstellung. Quelle: Vazza/Aurora/Schneck (Default Rates 02.12.2004), S. 1. Es werden nur S&P-Daten verwendet. Eine detaillierte zahlenmäßige Aufstellung dieser Daten ist im Anhang dieser Arbeit in Tab. 15 enthalten.
35 Vgl. bspw. Jortzik/Mergner (2003), S. 22f. Siehe hierzu auch das Ende von Kapitel 3.4.
36 Vgl. Neus/Hirth (2003), Sp. 1306f. Grundlage hierfür ist das Capital Asset Pricing Model, nach welchem sich Kapitalanleger rational im Sinne der Portefeuilletheorie nach MARKOWITZ verhalten.
37 Vgl. Crabbe/Fabozzi (2002), S. 67.
38 Eigene Darstellung (alle verfügbaren Laufzeiten). Quelle: Iboxx (aus FB Direct).
39 Eigene Darstellung (alle verfügbaren Laufzeiten). Quelle: Merrill Lynch (aus FB Direct).
40 Vgl. o.V. (BaFin 30.11.2004).
41 Vgl. Jortzik/Mergner (2003), S. 19-23.
42 Einen Überblick hierzu liefern bspw. Jortzik/Mergner (2003), S. 8-10. Obschon es sinnvoll erscheint, zwischen den verschiedenen Restlaufzeiten zu differenzieren, wird im Rahmen dieser Untersuchung hiervon wegen zu wenig zur Verfügung stehender Daten Abstand genommen.
43 Vgl. bspw. Steiner/Heinke (2000), S. 542f. Dementsprechend kommt es bei Ratingänderungen regelmäßig zu Kursreaktionen, was auf die halbstrenge Form der Informationseffizienz deutet.
44 Vgl. Fama (1976), S. 383. Nach Fama existieren drei Formen eines informationseffizienten Kapitalmarktes. Bei der schwachen Form sind in den aktuellen Kursen alle historischen Kursdaten enthalten. Halbstrenge Informationseffizienz existiert, wenn alle öffentlichen Informationen in den Kursen enthalten sind. Bei strenger Informationseffizienz sind alle Informationen (inklusive Insiderinformationen) in den Kursen verarbeitet.
45 Vgl. bspw. Steiner/Heinke (2000), S. 543.
46 Vgl. hierzu auch Kapitel 3.2.3.
47 Vgl. Everling (1996), S. 13. Im Zuge der fortschreitenden Globalisierung verliert die Sprachbariere jedoch an Bedeutung, da Geschäftsberichte zunehmend auch in englischer Sprache verfasst werden.
48 Vgl. Wakeman (1998), S. 25f.
49 Vgl. bspw. Steiner/Heinke (2000), S. 542f.
50 Vgl. De Bondt/Thaler (1985), S. 793.
51 Vgl. bspw. Steiner/Heinke (2000), S. 545f. Wegen nicht ausreichend zur Verfügung stehender Daten kann diese Hypothese im Rahmen der eigenen empirischen Untersuchung nicht in Augenschein genommen werden.
52 Vgl. MacKinlay (1997), S. 15.
53 Die Benchmark entspricht dabei einem Asset, dessen Kursentwicklung möglichst äquivalent zu jener des betrachteten Wertpapiers i sein soll, wenn das definierte Ereignis nicht eingetreten wäre.
54 Die Isolierung des Ereignisses bezieht sich im Fall von Untersuchungen zu FK-Titeln vor allem auf Zinsänderungsrisiken, Bonitätsrisiken, Restlaufzeiten und Liquiditätseffekte. Vgl. hierzu Kapitel 6.3.2.
55 Vgl. MacKinlay (1997), S. 15.
56 Der Zeitpunkt t entspricht hier nicht einem bestimmten Datum wie in Formel (1) sondern dem Tag des Ereignisses (bzw. davor/danach) mit Blick auf eine „parallele“ Aufstellung aller von einem Ereignis betroffenen Anleihen. Auf dieser Basis können die durchschnittlichen Überrenditen berechnet werden.
57 Vgl. MacKinlay (1997), S. 21.
58 Vgl. Garz (2004), S. 130f. Die Referenzarbeiten hierzu liefern BROWN/WARNER (1980, 1985).
59 Vgl. hierzu Kapitel 6.
60 Vgl. bspw. Kaserer (1995), S. 267-269.
61 Vgl. bspw. Wansley/Glascock/Clauretie (1992), S. 736f.
62 Hierzu sei angemerkt, dass die einschlägigen Ratingagenturen zum Zeitpunkt des Forschungsvorhabens mit einer weniger detaillierten Ratingskala arbeiteten. So beinhaltet die angesprochene Spannbreite lediglich die Einstufungen AAA, AA und A.
63 Derartige Ereignisse können bspw. Übernahmeangebote oder Leverage Buy Outs sein.
64 Dieses sind unternehmens- oder branchenspezifische Meldungen, welche mit der Neueinstufung im Zusammenhang stehen.
65 Dies geschieht über die Methode der mittelwertadjustierten HPR-Differenzen. Vgl. hierzu Kapitel 6.3.2.
66 Eigene Darstellung.
67 Obschon dem Titel dieser Arbeit zufolge die Auswirkungen von Ratingänderungen auf Credit Spreads untersucht werden, wird im Hinblick auf die eigene empirische Untersuchung zur optimalen Isolierung des Ereignisses nicht direkt von Credit Spreads ausgegangen. Vgl. hierzu Kapitel 6.3.
68 Selbiges gilt für Watchlistings eines Wettbewerbers.
69 Siehe hierzu Kapitel 6.2.
70 Die Daten über Emittenten und deren Bonds stammen aus der Datenbank „Bondware“ des Anbieters Dealogic. Historische Kurse wurden der Finanzdatenbank „Datastream“ sowie dem internen Bond Preis-Tool der Investmentbank Dresdner Kleinwort Wasserstein entnommen. Die notwendigen historischen Ratingeinstufungen wurden aus den jeweiligen Internetportalen der Agenturen ermittelt.
71 Überdies wäre es sinnvoll, Ratingänderungen als erwartet zu klassifizieren, falls im Vorfeld bspw. eine Veröffentlichung von Unternehmensdaten (kontaminierende Ereignisse) stattgefunden hat. Überdies wäre eine Betrachtung von Neueinstufungen über mehrere Notches sowie eine Differenzierung nach Agentur oder Branche interessant. Wegen zu wenig zur Verfügung stehender Daten kann hierauf jedoch nicht detailliert eingegangen werden.
72 Dementsprechend sind Floating Rate-Notes ausgenommen.
73 Eine detaillierte Aufstellung dieser Daten ist im Anhang dieser Arbeit in Tab. 11 enthalten.
74 Auf eine erneute Beschreibung der Methodik wird an dieser Stelle verzichtet. Vgl. hierzu Kapitel 5.1.
75 Vgl. hierzu Kapitel 6.4.2.
76 Vgl. hierzu Kapitel 6.3.2.
77 Vgl. Swindler (1990), S. 163.
78 Wird ein Bond zwischen zwei Kuponterminen verkauft, muss der Verkäufer dem Käufer denjenigen Teil des Zinsbetrages zusätzlich zum Kaufpreis zahlen, der auf den Teil der Zinsperiode fällt, welcher vor dem Kauftermin liegt. Dementsprechend kommt es nicht zu einem Kursabschlag am Kupontermin. Vgl. hierzu Gerke (2002), S. 749.
79 Es wäre auch denkbar, eine Korrektur mit Blick auf Bondemissionen, die unter (über) pari emittiert wurden, am Rückzahlungstermin jedoch zu pari zurückgezahlt werden, vorzunehmen. Prinzipiell müsste dann von einem über die Laufzeit (vorausgesetzt, es ereignen sich sonst keine Änderungen am Markt) konstant ansteigendem (sinkendem) Kurs ausgegangen werden, obschon dieser Effekt nur marginal ausfällt. Einen Überblick über Pari-Emissionen liefert Gerke (2002), S. 606.
80 Vgl. Ruppert (2004), S. 75.
81 Vgl. Ruppert (2004), S. 76-86.
82 Vgl. Heinke (1998), S. 382-384.
83 Vgl. hierzu Kapitel 6.1.
84 Vgl. bspw. Hand/Holthausen/Leftwich (1992), S. 739.
85 Eine detaillierte Aufstellung dieser Anleihen ist im Anhang dieser Arbeit in Tab. 12 enthalten.
86 Hierdurch erfolgt die Erfassung der Zinsstruktur.
87 Vgl. Gerke (2002), S. 835f. Demnach ist die Volatilität eines Finanzinstruments umso höher, je höher das hiermit verbundene Risiko ist. Bei Corporate Bonds ist das Risiko wegen der üblicherweise schlechteren Bonität konsequenterweise höher als bei Staatsanleihen.
88 Vgl. Handjinicolaou/Kalay (1984), S. 43-45.
89 Die Renditeberechnung der Staatsanleihe erfolgt analog zu Formel (5).
90 Vgl. Bleymüller/Gehlert/Gülicher (2004), S. 109.
91 Vgl. Steiner/Heinke (2000), S. 550.
92 Vgl. Steiner/Heinke (2000), S. 550.
93 Vgl. Brown/Warner (1985), S. 21f.
94 Vlg. Steiner/Heinke (2000), S. 550.
95 Vlg. Steiner/Heinke (2000), S. 550.
96 Wegen offensichtlicher Fehler bei den für die Untersuchung zugrunde liegenden Daten werden vereinzelt Korrekturen bei den individuellen ARs vorgenommen. Dies ist bei extremen Volatilitäten der Fall, die völlig unerklärlich sind. In einem solchen Fall wird die AR auf den Wert Null festgesetzt.
97 Eigene Darstellung. Eine detaillierte zahlenmäßige Aufstellung dieser Daten inklusive der dazugehörigen t-Werte ist im Anhang dieser Arbeit in Tab. 5 enthalten.
98 Diese Informationen könnten auch den Agenturen zugänglich sein. Es wäre jedoch denkbar, dass diese erst einige Tage später darauf mit einem Downgrade reagieren.
99 Eigene Darstellung. Eine detaillierte zahlenmäßige Aufstellung dieser Daten inklusive der dazugehörigen t-Werte ist im Anhang dieser Arbeit in Tab. 6 enthalten.
100 Eigene Darstellung. Eine detaillierte zahlenmäßige Aufstellung dieser Daten inklusive der dazugehörigen t-Werte ist im Anhang dieser Arbeit in Tab. 7 enthalten.
101 Eigene Darstellung. Eine detaillierte zahlenmäßige Aufstellung dieser Daten inklusive der dazugehörigen t-Werte ist im Anhang dieser Arbeit in Tab. 8 enthalten.
102 Es wäre denkbar, dass dies mit den vor dem Ereignis durchgeführten Watchlistings im Zusammenhang steht. Dies ist jedoch sehr unwahrscheinlich, zumal positive Watchlistings zu keinerlei nennenswerten Marktreaktionen gemäß der hier vorliegenden Untersuchung führen. Vgl. hierzu Kapitel 6.5.6.
103 Wie jedoch Kapitel 6.5.6 zeigt, reagiert der Markt nicht signifikant auf positive Watchlistings.
104 Eigene Darstellung. Eine detaillierte zahlenmäßige Aufstellung dieser Daten inklusive der dazugehörigen t-Werte ist im Anhang dieser Arbeit in Tab. 9 enthalten.
105 An den Tagen {-1}, {0} und {1} existieren gemäß Teststatistik nach BROWN/WARNER signifikant negative Überrenditen mit einer Irrtumswahrscheinlichkeit von 1%. An den Tagen {-4} und {-2} beträgt die Irrtumswahrscheinlichkeit 5%, am Tag {-3} 1%.
106 Eigene Darstellung. Eine detaillierte zahlenmäßige Aufstellung dieser Daten inklusive der dazugehörigen t-Werte ist im Anhang dieser Arbeit in Tab. 10 enthalten.
107 Vgl. De Bondt/Thaler (1985), S. 793. Der Nachweis wird hier anhand des Aktienmarktes vorgenommen.
108 Falls mit Sicherheit von einem Overreaction-Effekt ausgegangen werden kann würde es nach den Ergebnissen der hier vorliegenden Arbeit Sinn machen, bspw. Anleihen unmittelbar nach einem Downgrade oder negativem Watchlisting zu kaufen und etwas später wieder zu verkaufen.
109 Vgl. Gerke (2002), S. 681.
110 Vgl. hierzu auch Chambers/Penman (1984), S. 22. Die Autoren verweisen hier auf diesen Effekt in Bezug auf den Aktienmarkt.
111 So wird im Intervall [0; 5] keine signifikante Reaktion festgestellt.
112 In der hier vorgelegten Untersuchung kann bei diesem Sub-Sample keine Reaktion nachgewiesen werden.
113 Bei positiven Watchlistings werden bei der eigenen Untersuchung keine nennenswerten signifikanten Marktreaktionen infolge der Ratingaktion identifiziert.
114 Dem liegt die Annahme zugrunde, dass die Untergruppe der kontaminierenden Ereignisse bei HAND/HOLTHAUSEN/LEFTWICH (1992) mit dem Sub-Sample Downgrades mit Watchlisting der eigenen Untersuchung verglichen wird. Die konträre Untergruppe wird entsprechend mit dem Sub-Sample Downgrades ohne Watchlisting verglichen. Somit werden kontaminierende Ereignisse mit Watchlistings vor einer Ratingänderung zum Zweck der Vergleichbarkeit der Studien gleichgesetzt.
115 Zu beachten ist, dass es bei der eigenen Untersuchung jedoch nie zu signifikanten kumulierten Überrenditen kommt, sondern nur an einzelnen Tagen. Im Fall von Upgrades ohne Watchlisting existiert eine signifikante Reaktion am Tag {1} gemäß der Teststatistik nach BROWN/WARNER.
116 Dies trifft jedoch nicht zu, wenn die Watchlistings gemäß dem verwendeten Erwartungsmodell in erwartete bzw. unerwartete Watchlistings aufgeteilt werden. Bei der eigenen Untersuchung findet eine derartige Aufteilung jedoch nicht statt, daher wird hierauf nicht genauer eingegangen.
117 Dies gilt mit Blick auf die Sub-Samples Downgrades mit Watchlisting und Downgrades ohne Watchlisting der eigenen Untersuchung, wobei die Reaktion bei Letzterem keinen nachhaltigen Charakter hat.
118 Beim Sub-Sample Upgrades ohne Watchlisting existiert bei der eigenen Untersuchung lediglich am Tag {1} eine signifikante Reaktion gemäß Teststatistik nach BROWN/WARNER. Signifikant kumulierte ARs existieren jedoch nicht.
119 Bei der eigenen Untersuchung ist dies beim Sub-Sample Upgrades ohne Watchlisting der Fall.
120 Bei positiven Watchlistings kommt es gemäß der eigenen Untersuchung zu keinen nennenswerten Reaktionen. Daüber hinaus ist kein konstanter Anstieg der ARs zu erkennen.
121 Dies entspricht der berechneten AR zwischen dem letzten Tag vor und dem ersten Tag nach dem Watchlisting.
122 Vgl. o.V. (S&P 03.08.2004).
123 Eigene Darstellung. Die ISIN der verwendeten ThyssenKrupp-Anleihe lautet DE0008506254. Die verwendete Staatsanleihe zur Berechnung des Credit Spreads hat die ISIN DE0001135101 und ist an die Restlaufzeit des ThyssenKrupp-Bonds angepasst. Zur Illustration stehen mehrere geeignete Anleihen der ThyssenKrupp AG zur Auswahl. Wegen der besten Datenverfügbarkeit wird der Bond mit Fälligkeit am 19. März 2009 gewählt. Die am besten geeignete Staatsanleihe wurde von der Bundesrepublik Deutschland emittiert und hat eine Laufzeit bis zum 4. Januar 2009.
124 Vgl. hierzu Kapitel 3.4. Für die Einstufungen „A“ und „BBB“ werden Daten aus dem Iboxx-Index der Deutschen Börse verwendet. Die Daten der Klassifizierung „BB“ liefert die Investmentbank Merrill Lynch mit ihrem „High Yield“-Bond Index. Eine Anpassung der durchschnittlichen Credit Spreads an die Restlaufzeit des ThyssenKrupp-Bonds ist wegen nicht zur Verfügung stehender Daten nicht möglich.
125 Eigene Darstellung.
126 Vgl. hierzu das Ende von Kapitel 4.2.
127 Vgl. Gerke/Pellens (Pensionen 04.11.2004), S. I-VIII. Eine sehr detaillierte Beschreibung des Sachverhaltes ist im darauffolgenden Gutachten zu finden.
128 Vgl. Mechnig (2003), S. 1f.
129 Vgl. Wassener (2003), S. 27.
130 Wie schon im Text angedeutet ist bei der Interpretation der Ausführungen zu beachten, dass das durchschnittliche Credit Spread-Niveau über den Beobachtungszeitraum tendenziell sinkt. Daher muss die Höhe des Credit Spreads des betrachteten ThyssenKrupp-Bonds in diesem Kontext aufgefasst werden.
131 Vgl. Claassen (TK Rating 01.03.2005).
132 Diese Untersuchungsdesigns werden bereits in anderen Studien angewendet. Eine Überprüfung, ob die Ergebnisse auch auf den Markt für EUR-Bonds zutreffen steht allerdings noch aus.
133 Vgl. Einecke (2004), S. 21 und o.V. (2004), S. 23.
134 140 * = Signifikant mit Irrtumswahrscheinlichkeit 10%; ** = Signifikant mit Irrtumswahrscheinlichkeit 5%; *** = Signifikant mit Irrtumswahrscheinlichkeit 1%. Die kritischen Werte für die Teststatistiken liefert Bohley (1998), S. 161.
135 * = Signifikant mit Irrtumswahrscheinlichkeit 10%; ** = Signifikant mit Irrtumswahrscheinlichkeit 5%; *** = Signifikant mit Irrtumswahrscheinlichkeit 1%. Die kritischen Werte für die Teststatistiken liefert Bohley (1998), S. 161.
136 * = Signifikant mit Irrtumswahrscheinlichkeit 10%; ** = Signifikant mit Irrtumswahrscheinlichkeit 5%; *** = Signifikant mit Irrtumswahrscheinlichkeit 1%. Die kritischen Werte für die Teststatistiken liefert Bohley (1998), S. 161.
137 * = Signifikant mit Irrtumswahrscheinlichkeit 10%; ** = Signifikant mit Irrtumswahrscheinlichkeit 5%; *** = Signifikant mit Irrtumswahrscheinlichkeit 1%. Die kritischen Werte für die Teststatistiken liefert Bohley (1998), S. 161.
138 * = Signifikant mit Irrtumswahrscheinlichkeit 10%; ** = Signifikant mit Irrtumswahrscheinlichkeit 5%; *** = Signifikant mit Irrtumswahrscheinlichkeit 1%. Die kritischen Werte für die Teststatistiken liefert Bohley (1998), S. 161.
139 * = Signifikant mit Irrtumswahrscheinlichkeit 10%; ** = Signifikant mit Irrtumswahrscheinlichkeit 5%; *** = Signifikant mit Irrtumswahrscheinlichkeit 1%. Die kritischen Werte für die Teststatistiken liefert Bohley (1998), S. 161.
-
-
-
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.