Greywater Characteristics, Biodegradability and Reuse of ...
Frère Reuse Rojahn Forschungsforum 2012 Stand 2013 05 22
Transcript of Frère Reuse Rojahn Forschungsforum 2012 Stand 2013 05 22
Aachen | Augsburg | Berlin | Bochum | Bonn | Bönen | Bremen | Darmstadt | Dortmund | Duisburg | Düsseldorf | Essen | Frankfurt a. M. | Freiburg | Gütersloh | Hagen | Hamburg | Hannover | Kassel | Köln | Leipzig | Mannheim | Marl | München | Münster | Neuss | Nürnberg | Offenbach | Siegen | Stuttgart | Wesel | Wuppertal
Gerade in Zeiten wie diesen kommt dem Thema Transparenz an den Kapitalmärkten eine
besondere Bedeutung zu. Zum einen sind die Themen Informationsbeschaffung, Informati-
onsverarbeitung und Informationsinterpretation wichtig, zum anderen führt gerade das
Internet dazu, dass viele Informationen für jedermann zugänglich sind. Doch wird die Trans-
parenz an den Märkten hierdurch eher verstärkt oder führt die Informationsflut eher zu mehr
Unübersichtlichkeit?
Der Tagungsband des 4. Forschungsforums Finance „Transparenz am Kapitalmarkt“, das am
17.11.2012 in Essen stattfand, skizziert und behandelt einige aktuelle Forschungsansätze
und -ergebnisse zu diesem Bereich. Neben dem zentralen Thema der Informationsbeschaf-
fung finden auch Aspekte der Behavioral Finance und des Modellrisikos Eingang in die Ta-
gung. Diese laden zur Aufarbeitung in Abschlussarbeiten an der FOM ein.
4. F
OM
Fo
rsch
un
gsf
oru
m –
Fin
ance
Tr
ansp
aren
z am
Kap
italm
arkt
Forschungsforum
Frère, Eric · Reuse, Svend · Rojahn, Joachim
4. FOM Forschungsforum – Finance Essen | 17. November 2012 Transparenz am Kapitalmarkt
© 2013 by
MA Akademie Verlags- und Druck-Gesellschaft mbH Leimkugelstraße 6, 45141 Essen Tel. 0201 81004-351 Fax 0201 81004-610
Das Werk einschließlich seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urhebergeset-zes ist ohne Zustimmung der MA Akademie Verlags- und Druck-Gesellschaft mbH unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Ein- speicherung und Verarbeitung in elektronischen Systemen.
Die Wiedergabe von Gebrauchs-namen, Handelsnamen, Warenbe-zeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annah-me, dass solche Namen im Sinne der Warenzeichen- und Marken-schutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürfen. Oft handelt es sich um gesetzlich geschützte eingetragene Waren- zeichen, auch wenn sie nicht als solche gekennzeichnet sind.
Geleitwort
I
Geleitwort
Der Ausbau der Forschung besitzt an der FOM nach wie vor einen hohen Stellenwert. Dabei verfolgen die Forschungsaktivitäten die Ziele, Forschungsfragen der Praxis zu identifizieren und aufzugreifen, praxistaugliche Forschungsergebnisse zu entwickeln und in die Praxis zu transferieren und mit den gewonnenen Erkenntnissen Lehrinhalte sukzessive weiterzuentwi-ckeln.
In diesem Kontext ist auch das Veranstaltungsformat „Forschungsforum“ zu sehen. Die FOM organisiert nun schon seit einigen Jahren solche Foren, die zur weiteren Forschung animie-ren und aktuelle Themen aus Theorie und Praxis aufwerfen und diskutieren. Studierenden soll so die Möglichkeit gegeben werden, diese im Rahmen ihrer Abschlussarbeit selbststän-dig akademisch zu erarbeiten und einen Beitrag zur Forschungsarbeit an der FOM zu leis-ten. Im Zeitablauf zeigt sich immer deutlicher, dass das Forschungsforum eine gute Plattform für die im Leitbild der FOM verankerten anwendungsbezogenen Forschungs- und Entwick-lungsaufgaben ist.
Das 4. Forschungsforum Finance „Transparenz am Kapitalmarkt“ fand am 17. November 2012 in Essen im Gesamtkontext eines fakultätsübergreifenden Ereignisses statt und baut seinerseits auf den Befunden der vorangegangenen Forschungsforen auf. Wir freuen uns daher, die Ergebnisse des nunmehr 4. Forschungsforums Finance mit diesem Tagungs-band präsentieren zu dürfen. Des Weiteren liefert dieser Forschungsband in Kapitel 5 einen Überblick über weiterführende Forschungsfragen, deren Erarbeitung Gegenstand so man-cher Master-Thesis sein wird.
Wir freuen uns auf eine erfolgreiche Fortführung dieser Reihe und wünschen allen Lesern eine informative Lektüre, die zu weiteren Diskussionen und Forschungsaktivitäten anregt.
Essen, im Mai 2013
Prof. Dr. Burghard Hermeier
Rektor der FOM Hochschule für Oekonomie & Management
Prof. Dr. Thomas Heupel
Prorektor Forschung der FOM Hochschule für Oekonomie & Management
Inhaltsverzeichnis
II
Inhaltsverzeichnis
1 Einleitende Worte .............................................................................................................. 1 1.1 Tagungsprogramm ....................................................................................................... 1 1.2 Überblick über die Inhalte des Forschungsforums........................................................ 2
2 Entwicklung und Stand der Forschung im Finance-Bereich ......................................... 4
3 Empirische Arbeit mit Bloomberg an der FOM Essen ................................................. 11 3.1 Nutzung des Bloomberg-Terminals und Vorstellung des dips .................................... 11 3.2 Praktisches Umsetzungsbeispiel: Analyse von Eurobonds ........................................ 18
4 Vorträge des Forschungsforums ................................................................................... 21 4.1 Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung ................ 21 4.2 Der Wertbeitrag von Wertpapieranalysten für Anleger und Emittenten ...................... 38 4.3 Kalenderanomalien an Aktien- und Anleihemärkten in Europa .................................. 44 4.4 Informationsgehalt von Volatilty-Skews ...................................................................... 54 4.5 Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung ................... 70
5 Ableitbare Forschungsansätze und -fragen .................................................................. 93 5.1 Integration von Behavioral Finance in klassischen Risikomodelle.............................. 93 5.2 Behandlung des Modellrisikos in der Risikotragfähigkeit der Institute ........................ 94 5.3 Kalenderzeiteffekte und Behavioral Finance .............................................................. 95 5.4 Management der Wertpapierliquidität ......................................................................... 95 5.5 Umfassende Fragestellungen aus dem Bereich Volatility Skews ............................... 96 5.6 Aktuelle Themenstellungen aus dem Bereich Internetnutzung und Datenschutz ....... 97
Einleitende Worte
1
1 Einleitende Worte
1.1 Tagungsprogramm
Einleitende Worte
2
1.2 Überblick über die Inhalte des Forschungsforums
Gerade in Zeiten wie diesen kommt dem Thema Transparenz an den Märkten eine besonde-re Bedeutung zu. Zum einen sind die Themen Informationsbeschaffung, Informationsverar-beitung und Informationsinterpretation wichtig, zum anderen führt gerade das Internet dazu, dass viele Informationen für jedermann zugänglich sind. Doch wird die Transparenz an den Märkten hierdurch eher verstärkt oder führt die Informationsflut eher zu mehr Unüber-sichtlichkeit?
Die ersten 15 Minuten des 17.11.2012 geht Herr Prof. Dr. habil. Eric Frère in seinem Vortrag auf den Inhalt und den Aufbau des Forschungsforums 2012 ein. Hierbei widmet er sich nach der Vorstellung des dips1 insbesondere aktuellen Problemen und noch offenen Forschungs-fragen, bevor er im Rahmen der Diskussion an Herrn Prof. Dr. Joachim Rojahn überleitet. Dieser präsentiert im Folgenden die konkreten aktuellen finanzwirtschaftlichen Forschungs-fragen in Bezug auf den Themenschwerpunkt des Forschungsforums. Hierbei wird auf aktu-elle Fragen in den drei Perspektiven Emittent, Anleger und Regulierung eingegangen.
Die Schulungen von Herrn Zureck, B.A. zeigen Grundlagen der Marktdatenbeschaffung über Bloomberg auf. Der Datenzugang über Bloomberg schafft damit die notwendige Vo-raussetzung für eigene empirische Untersuchungen.
Der Vortrag von Herrn Prof. Dr. Reiter und Herrn Zureck, B.A. widmet sich dem brisanten Thema der Verwendung personenbezogener Daten in der Finanzberatung. Gefahren und Chancen der Nutzung sozialer Netzwerke werden dargestellt und mit dem Thema Finanzen verknüpft.
Der darauf folgende Vortrag von Herrn Prof. Dr. Rojahn analysiert den Wertbeitrag von Wertpapieranalysten für Anleger und Emittenten. Hierbei wird auf die Qualität von Researchberichten und auf den interessanten Zusammenhang zwischen der Anzahl der Analysten und der Liquidität eines Papiers eingegangen.
Nachfolgend widmet sich der Vortrag von Herrn Vincent L. Rabben den Effekten der Kalen-derzeitanomalien an Aktien- und Anleihemärkten. Hierbei wird insbesondere untersucht, ob diese Anomalien vorzufinden sind und welche Handlungsempfehlungen sich gerade für aktiv agierende Investoren hieraus ableiten lassen.
1 Deutsches Institut für Portfolio-Strategien, vgl. hierzu die Ausführungen in Kapitel 3.1.
Einleitende Worte
3
Daraufhin präsentiert Herr Dipl.-Kfm (FH) Christian Schütze, BBA in seinem Vortrag das Thema Volatility Skews. Nach einer Darstellung der Modellierung von Optionen mittels Black/Scholes und den Grundlagen des Hedgings werden die implizite Volatilität und Volatility Skews hergeleitet. Mögliche Gründe für diese Skews und deren Informationsgehalt werden diskutiert.
Der abschließende Vortrag von Herrn Dr. Reuse widmet sich der Thematik des Modellrisi-kos. Haben die bestehenden Modelle im Rahmen der Krise versagt oder nicht? Nach der Vorstellung bestehender Modelle werden diese kritisch gewürdigt. Abschließend werden Handlungsempfehlungen zum Umgang mit Modellrisiken gegeben.
Details zu den Vorträgen inklusive der Präsentationsunterlagen finden sich nachfolgend. Die Vorträge werfen diverse Forschungsfragen auf. Deren Beantwortung steht in weiten Teilen noch aus und liefert damit hinreichendes Potenzial für hochwertige Abschlussarbeiten. Diese Forschungsfragen werden in Kapitel 5 dieses Tagungsbands skizziert.
Mülheim/Essen, im Mai 2013
Prof. Dr. habil. Eric Frère
Dr. Svend Reuse, MBA
Prof. Dr. Joachim Rojahn, CFA
Entwicklung und Stand der Forschung im Finance-Bereich
4
2 Entwicklung und Stand der Forschung im Finance-Bereich
Prof. Dr. Joachim Rojahn, CFA
Bislang in der Praxis gängige finanzwirtschaftliche Modelle basieren auf der Annahme eines vollkommenen Marktes. Die Realität ist aber durch Friktionen, insbesondere durch Informati-onsasymmetrien und Transaktionskosten gekennzeichnet, weshalb neoklassische Modelle in der Finanz- und Wirtschaftskrise versagen mussten. Diese Entwicklung hat aktuelle For-schungstrends, die bereits in den 2000er Jahren forciert wurden, weiter bestärkt: Bislang „klassische“ Modelle des vollkommenen Markts werden als Spezialfall eines „allgemeineren“ Modells interpretiert.
Dabei konzentriert sich die aktuelle finanzwirtschaftliche Forschung weiterhin auf die drei wesentlichen Perspektiven:
1. Emittent: Wie lässt sich eine kostenminimale Refinanzierung sicherstellen? Aktuelle For-schungsfragen unter diesem Blickwinkel finden sich in diesem Tagungsband sowie im Tagungsband des zweiten Forschungsforum Finance 2010.
Außerdem ist aus Perspektive des Emittenten von Interesse, durch welche Maßnahmen der Shareholder Value maximiert werden kann. In der jüngeren Vergangenheit ist ver-stärkt die Frage nach dem Wertbeitrag von Großaktionären, z.B. Sovereign Wealth Funds, oder nachhaltigen, sozial-ethischem Verhalten (Corporate Social Responsibility) in den Fokus gerückt.
Hier finden sich mitunter auch widersprüchliche Forschungsergebnisse: So ging die Leh-re bis vor kurzem von sog. Diversifikationsabschlägen bei unternehmerischer Diversifika-tion aus. Jüngere Befunde liefern dagegen vor allem bei Untersuchung von Kapitalmärk-ten mit geringem Entwicklungsgrad Diversifikationszuschläge.
2. Für den Anleger ist unverändert die Bildung effizienter Portfolios relevant. Spätestens die Finanzmarktkrise hat aber verdeutlicht, dass die höheren Momente der Renditevertei-lung zu berücksichtigen sind: Eine Risikomessung durch die Kennzahl Volatilität mündet bei fetten Enden oder Linksschiefe in einer systematischen Unterschätzung des Anleger-risikos. Zudem gilt es, die Implementierungshürden üblicher Portfolio-Modelle zu über-winden. Bei mehrperiodischer Betrachtung nimmt die Bedeutung der Reallokationstech-nik zu. Das klassische Rebalancing, das ursprüngliche Portfoliogewichte wiederherstellt, ist von Natur aus „contrarian“, d.h., gut laufende Titel werden untergewichtet, wodurch die Portfolioperformance sinken kann. Mit der „Adaptive Asset Allocation“ von Sharpe ist jüngst ein Alternativvorschlag entwickelt worden.
Entwicklung und Stand der Forschung im Finance-Bereich
5
3. Die Anforderungen an Regulierungsbehörden sind seit der Lehman-Pleite im Septem-ber 2008 oder dem Flash-Crash im Mai 2010 deutlich gestiegen. Hintergrund ist die zu-nehmende Derivatisierung, Automatisierung und Internationalisierung der Kapitalmärkte.
So stellt sich bspw. die Frage, ob Leerverkaufsverbote die gewünschte Wirkung erzielen. Ebenso gilt es, die Effekte des automatisierten Hochfrequenzhandels zu analysieren. Ei-nerseits kann hierdurch möglicherweise irrationales Verhalten verstärkt werden, ander-seits erhöht dieses „High Frequency Trading“ aber auch potenziell die Marktliquidität zu Gunsten aller Marktteilnehmer.
Ausgewählte Einzelfragen aus diesen drei Perspektiven finden sich in den nachfolgenden Präsentationsunterlagen.
Prof. Dr. Joachim Rojahn, CFA
Entwicklung und Stand der Forschung im Finance-Bereich
6
1Mrz-13
Prof. Dr. Joachim Rojahn, CFA
Forschungsforum Finance
Entwicklung und Stand der Forschung
2Mrz-13
Ausgangslage
Aktuelle finanzwirtschaftliche Forschungsfragen stehen derzeit i.W. in(engem) inhaltlichen Kontext zur Finanzmarkt- bzw. Schuldenkrise.
Hintergrund: bislang gängige Finanzmarktmodelle basieren auf der Annahmedes vollkommenen Markts.
Paradigmenwechsel in der Forschung.
Realität: Märkte sind durch Informationsasymmetrien, Transaktionskostenund sonstige Friktionen gekennzeichnet.
Folge: Versagen „üblicher“ Risiko- und Prognose-Modelle.
Lehre: „Verallgemeinerung“ klassischer Modelle. Klassisches Modell als„Spezialfall“ einer allgemein gültigen Version.
Entwicklung und Stand der Forschung im Finance-Bereich
7
3Mrz-13
Ausgangslage
Die aktuellen finanzwirtschaftlichen Forschungsfragen lassen sich i.W. indrei Klassen bzw. Perspektiven einteilen:
1. Emittent: Kostenminimale Refinanzierung? Wertorientierte UnternehmenführungCorporate Governance, Corporate Social Responsibility,…
2. Anleger: Bildung effizienter Portfolios? Risikomessung bei nicht-normalverteiltenRenditen?...
3. Regulierung: Derivate, High Frequency Trading, Vermeidung vonBlasenbildungen?...
4Mrz-13
Perspektive: Emittent
A) Forschungsfragen Refinanzierung (Auswahl):
Unternehmensbewertung in volatilen Märkten? (s. Tagungsband 2tesForschungsforum Finance); insb. Bewertung nicht-börsennotierter Unternehmen
Schätzung von Kapitalkosten in illiquiden Märkten? (z.B. Acharya/Pedersen JoFE2005: Liquidity Adjusted CAPM)
Finanzierungsverhalten von Unternehmen: Kapitalstrukturpolitik undDeterminanten der Dividendenausschüttungspolitik (s. Tagungsband 3tesForschungsforum Finance)
Warum halten Unternehmen so hohe Cash-Reserven? (z.B. Bates et al. JoF 2009)
Emission von Corporate Bonds (z.B. Underpricing)
Entwicklung und Stand der Forschung im Finance-Bereich
8
5Mrz-13
Perspektive: Emittent
B) Forschungsfragen „Wertorientierte Unternehmensführung“ (Auswahl):
Einfluss und Entlohnung der Unternehmensführung (z.B. Morse et al. JoF 2011)
Wertbeitrag von Corporate Hedging – geringere Finanzierungskosten und mehrInvestitionsalternativen? (z.B. Campello et al. JoF 2011)
Wertbeitrag von Corporate Social Responsibility?
Der Einfluss von Großaktionären (z.B. von Sovereign Wealth Funds,institutionellen Anleger, Eigentümerfamilien). Differenzierung zwischen passiven(ETFs) und aktiven Investoren (Hedge Funds etc.)?
Diversifikationsabschläge oder -zuschläge?
6Mrz-13
Perspektive: Emittent
C) Forschungsfragen „Kapitalmarktorientierte Rechnungslegung“ (Auswahl):
Kritische Würdigung der externen Rechnungslegung (z.B. Frings et al. FAJ 2012„Does IFRS stand for Information RiSk?“)
Bewertung immaterieller Vermögensgegenstände? Vor- und Nachteile der FairValue Bewertung?
Bilanzierung von Leasing-Geschäften?
Bilanzierung von Finanzierungsinstrumenten?
Optimale Investor Relations Politik: Trade-Off zwischen Agency-Kosten undOverdisclosure? Implikationen für die externe Rechnungslegung?
Entwicklung und Stand der Forschung im Finance-Bereich
9
7Mrz-13
Perspektive: Anleger
Portfoliooptimierung und Berücksichtigung höher Momente der Renditeverteilung:Schiefe und „fat tails“
Bedeutung der Asset Allocation Entscheidung: Funktioniert Markowitz (teilweise)?Z.B. Ibbotson FAJ 2010, Asness et al. FAJ 2011.
Informationseffizienz auf Kapitalmärkten (z.B. Duan et al. FAJ 2009)? Wie„erfolgreich“ ist aktives Portfoliomanagement? Determinanten derOutperformance?
Implikationen von Kalenderanomalien?
Portfolio-Implikationen neuer Assetklassen (z.B. CAT Bonds, Volatilität etc.)?
…
8Mrz-13
Perspektive: Regulierung
Krisen-Diagnose? Z.B. Richard Roll FAJ 2011
Is the 2007 U.S. Sub-Prime Financial Crisis So Different? Reinhart/Rogoff AER2008: deutliche Paralellen zu historischen Krisen!
High Frequency Trading (z.B. Hendershott et al. JoF 2010)
Kritische Analyse von Leerverkaufsverboten (z.B. Jones/Lamott JoF 2002)
Derivatisierung und der Einfluss auf das Basisinstrument
Honorarberatung vs. Provisionsvergütung
Effiziente Instrumente zum Anlegerschutz?
…
Entwicklung und Stand der Forschung im Finance-Bereich
10
9Mrz-13
Für das eigene Forschungsprojekt gilt:
„There‘s plenty of Room at the Bottom“(Richard Feynman)
Empirische Arbeit mit Bloomberg an der FOM Essen
11
3 Empirische Arbeit mit Bloomberg an der FOM Essen
Alexander Zureck, B.A.
3.1 Nutzung des Bloomberg-Terminals und Vorstellung des dips Das dips Deutsches Institut für Portfolio-Strategien und die FOM Hochschule für Oekonomie & Management bieten Studierenden mit dem Bloomberg-Terminal am Essener Standort seit September 2010 einen exklusiven Zugang zu Finanzmarktdaten.
Studierende können nach einer eingehenden Schulung in Eigenrecherche historische Kapi-talmarktdaten erschließen und anschließend im Rahmen einer empirischen Untersuchung analysieren. Insbesondere in den Master-Studiengängen können somit der Forschungs-schwerpunkt unterstützt als auch die eigenständige analytische Arbeitsweise gefördert wer-den.
Die Rechercheergebnisse können zur weiteren Verarbeitung in Microsoft EXCEL exportiert werden. Das Terminal bietet folgende Möglichkeiten:
• Abruf historischer Kursreihen (Aktien, Anleihen, Indizes, Währungen, Zinsen, Rohstoffen, Derivaten etc.),
• technische und fundamentale Analysemöglichkeiten,
• Unternehmensbewertung (Korrelationen, BETA-Faktoren, Unternehmensvergleiche etc.),
• Zugang zu Bilanz, GuV und Kapitalflussrechnung (standardisiert aufgearbeitete und be-richtete Version),
• Abruf makroökonomischer Daten.
Das Bloomberg-Terminal befindet sich in der Bibliothek am Schulungs- und Hörsaalzentrum I (SHZ I) der FOM in der Herkulesstraße 32, 45127 Essen. Es kann innerhalb der Öffnungs-zeiten der Bibliothek genutzt werden soweit zuvor eine Bloomberg-Schulung besucht wurde. Als Ansprechpartner steht Ihnen Herr Alexander Zureck ([email protected]) für Schulungen oder Buchungen des Terminals zur Verfügung.
Alexander Zureck, B.A.
Empirische Arbeit mit Bloomberg an der FOM Essen
12
Prof. Dr. Eric FrèreDirektorAlexander Zureck B.A.Wissenschaftlicher Mitarbeiter
FOM Forschung dips Deutsches Institut für Portfolio-Strategien
2Prof. Dr. Eric Frère & Alexander Zureck B.A.17. November 2012
BegrüßungÜbersichtHandelnde Personendips in den MedienFachpublikationen des dipsdips für StudierendeAnsprechpartner
FOM Forschung – das dips stellt sich vorAgenda
Empirische Arbeit mit Bloomberg an der FOM Essen
13
FOM Forschung – das dips stellt sich vor
3Prof. Dr. Eric Frère & Alexander Zureck B.A.17. November 2012
Weitere Informationen unter: www.fom-dips.de
Übersicht
Das dips Deutsches Institut für Portfolio-Strategien ist die finanzwirtschaftlicheForschungseinrichtung der FOM Hoch-schule für Oekonomie & Management inEssen.
Hauptforschungsfelder in diesem thematischenKontext sind:
1. Corporate Finance-Management2. Strategische Asset Allocation/Optimized
Indexing/Quantitative Investment-Modelle3. Financial Compliance
Im Fokus der wissenschaftlichen Arbeitstehen insbesondere praxisrelevanteProblemstellungen des Portfolio- undCorporate Finance-Managements.
FOM Forschung – das dips stellt sich vor
4Prof. Dr. Eric Frère & Alexander Zureck B.A.17. November 2012
Weitere Informationen unter: www.fom-dips.de Direktorium und Fachbeirat
Handelnde Personen
Direktorium:Prof. Dr. Eric Frère
DirektorProf. Dr. Joachim Rojahn CFA
Co-Direktor
Wissenschaftlicher Mitarbeiter:Alexander Zureck B.A.
Wissenschaftlicher Fachbeirat:Vorsitzende:
Werner H. HeussingerProf. Dr. Julius ReiterChristian W. Röhl
Weitere Mitglieder:Dr. Harald BeschornerProf. Dr. Stefan HeinemannProf. Dr. Burghard HermeierProf. Dr. Clemens JägerProf. Dr. Roland KloseProf. Dr. Andreas LöhrDipl.-Kfm. (FH) Simon MarkleinDr. Svend ReuseDr. Peter Schömig CFADr. Andreas SchyraProf. Dr. Bernd Wassermann
Empirische Arbeit mit Bloomberg an der FOM Essen
14
FOM Forschung – das dips stellt sich vor
5Prof. Dr. Eric Frère & Alexander Zureck B.A.17. November 2012
Weitere Informationen unter: www.fom-dips.de Aktuelles & Presse
dips in den Medien
Als Experte in den Bereichen:Compliance: WirtschaftskriminalitätDividendenausschüttungspolitikFinanzberatungFinanzethikVerbraucherfinanzenFinanzinstrumente (u.a. Zertifikate)
FOM Forschung – das dips stellt sich vor
6Prof. Dr. Eric Frère & Alexander Zureck B.A.17. November 2012
Weitere Informationen unter: www.fom-dips.de Forschung
Fachpublikationen des dips
Aktuelle Publikationen in den Bereichen:AnlegerschutzBanksteuerungComplianceDividendenpolitikInvestor RelationsMittelstandsfinanzierungNachhaltige Finanzprodukte
Empirische Arbeit mit Bloomberg an der FOM Essen
15
FOM Forschung – das dips stellt sich vor
7Prof. Dr. Eric Frère & Alexander Zureck B.A.17. November 2012
Weitere Informationen unter: www.fom-dips.de Für Studierende
dips für Studierende
Das dips bietet Studierende zahlreiche Hilfestellungen, das Studium bestmöglich zu absolvieren:
Einbeziehung in den laufenden ForschungsbetriebFörderung der empirischen ForschungQualitätsverbesserung durch Experten als AnsprechpartnerAnsprechpartner für die Veröffentlichung der Abschlussarbeit
Studierende werden am FOM-Standort Essen bei der Bloomberg-Recherche unterstützt:
EinführungsschulungDetaillierte Hilfestellung bei individuellen Rechercheproblemen
FOM Forschung – das dips stellt sich vor
8Prof. Dr. Eric Frère & Alexander Zureck B.A.17. November 2012
Weitere Informationen unter: www.bloomberg.com
Funktionsumfang des Bloomberg-Terminals
Export und Auswertung in EXCEL folgender Daten:Historische Kursreihen
AktienAnleihenIndizesWährungenZinsenRohstoffeDerivateStrukturierte FinanzprodukteFonds / ETFsEtc.
FundamentaldatenBilanz / G&VQuartalsberichteBewertungskennzahlenAnalysteneinschätzungenRatingsDividendenreihen & -schätzungen
Makroökonomische PublikationenGlobale KonjunkturdatenVeröffentlichungen und Nachrichten derNotenbanken
Empirische Arbeit mit Bloomberg an der FOM Essen
16
FOM Forschung – das dips stellt sich vor
9Prof. Dr. Eric Frère & Alexander Zureck B.A.17. November 2012
Weitere Informationen: www.fom-dips.de Für Studierende „Dozentenprofile“
Offene Forschungsfragen - Ausgangssituation
Aktuelle finanzwirtschaftliche Forschungsfragen stehen derzeit i.W. in (engem) inhaltlichen Kontext zur Finanzmarkt- bzw. Schuldenkrise
Hintergrund: bislang gängige Finanzmarktmodelle basieren auf der Annahme des vollkommenen MarktsParadigmenwechsel in der Forschung
Realität: Märkte sind durch Informationsasymmetrien, Transaktionskosten und sonstige Friktionen gekennzeichnetFolge: Versagen „üblicher“ Risiko- und Prognose-Modelle
Lehre: „Verallgemeinerung“ klassischer Modelle. Klassisches Modell als „Spezialfall“ einer allgemein gültigen Version
Die aktuellen finanzwirtschaftlichen Forschungsfragen lassen sich i.W. in drei Klassen bzw. Perspektiven einteilen:1. Emittent: Kostenminimale Refinanzierung? Wertorientierte Unternehmenführung
Corporate Governance, Corporate Social Responsibility,… 2. Anleger: Bildung effizienter Portfolios? Risikomessung bei nicht-normalverteilten
Renditen?...3. Regulierung: Derivate, High Frequency Trading, Vermeidung von
Blasenbildungen?...
FOM Forschung – das dips stellt sich vor
10Prof. Dr. Eric Frère & Alexander Zureck B.A.17. November 2012
Weitere Informationen: www.fom-dips.de Für Studierende „Dozentenprofile“
Offene Forschungsfragen – Konkrete Fragestellungen
Corporate-Finance-ManagementUnternehmensbewertung in volatilen MärktenBewertung nicht-börsennotierter UnternehmenSchätzung von Kapitalkosten in illiquiden MärktenFinanzierungsverhalten von Unternehmen: Kapitalstrukturpolitik und Determinanten der Dividendenausschüttungspolitik Entwicklung der Cash-Reserven von UnternehmenBewertung immaterieller Vermögensgegenstände
dipsFinancial Compliance
Einfluss und Entlohnung der Unternehmensführung Wertbeitrag von Corporate Social ResponsibilityOptimale Investor Relations Politik: Trade-Off zwischen Agency-Kosten und OverdisclosureHonorarberatung vs. ProvisionsvergütungEffiziente Instrumente zum AnlegerschutzInvestor Relations-Management für SME
Strategische Asset Allocation/Optimized Indexing/Quantitative Investment-ModelleDiversifikationsabschläge oder –zuschlägePortfoliooptimierung und Berücksichtigung höher Momente der Renditeverteilung: Schiefe und „fat tails“Bedeutung der Asset Allocation Entscheidung: Funktioniert Markowitz (teilweise)? Portfolio-Implikationen neuer Assetklassen (z.B. CAT Bonds, Volatilität etc.)?Informationseffizienz auf Kapitalmärkten? Wie „erfolgreich“ ist aktives Portfoliomanagement? Determinanten der Outperformance?
Empirische Arbeit mit Bloomberg an der FOM Essen
17
FOM Forschung – das dips stellt sich vor
11Prof. Dr. Eric Frère & Alexander Zureck B.A.17. November 2012
Fragen? Wir freuen uns auf Sie!
dips Deutsches Institut für Portfolio-Strategien gemeinnützige GmbHLeimkugelstraße 645141 EssenInternet: www.fom-dips.deE-Mail: [email protected]
InstitutsleitungProf. Dr. Eric Frère
[email protected]. Dr. Joachim Rojahn
Wissenschaftlicher MitarbeiterAlexander Zureck B.A.Telefon: 0151/ 10 33 50 47E-Mail: [email protected]
Empirische Arbeit mit Bloomberg an der FOM Essen
18
3.2 Praktisches Umsetzungsbeispiel: Analyse von Eurobonds Die bestimmenden Themen der gegenwärtigen Finanz- und Kapitalmarktforschung basieren auf der globalen Finanzmarktkrise und der europäischen Staatsschuldenkrise. Die Finanz-marktkrise sorgte 2008 für starke Kurseinbrüche an den internationalen Börsen. Die zuneh-menden Staatsschulden in den südeuropäischen Ländern führten in 2011 zu erneut einbre-chenden Kursen an den internationalen Börsen und zu Zweifeln an der Bonität einzelner südeuropäischer Staaten, allen voran Griechenland. Internationale Investoren haben den Glauben verloren, dass Griechenland jemals seine Schulden in voller Höhe zurückzahlen werden könne. Die Folge waren einbrechende Kurse und letztendlich ein Schuldenschnitt für die griechischen Staatsschulden.
Lange Zeit wurden Eurobonds als Alternative, um die Staatsschuldenproblematik zu lösen, diskutiert. Die Autoren des nachfolgenden Artikels haben aus deutscher Perspektive die Kos-ten für eine Eurobondeinführung zum 31. März 2011 berechnet. Das Datenmaterial stammt aus dem am Essener FOM-Standort für Dozenten und Studierende verfügbaren Bloomberg-Terminal. Das von Bloomberg zur Verfügung gestellte Datenmaterial bietet Studierende viel-fältige Möglichkeiten, in Seminar- und Abschlussarbeiten empirisch zu arbeiten. Studierende sind so in der Lage, hochwertige wissenschaftliche und zugleich praxisorientierte Beiträge zu erstellen.
Die im nachfolgenden Artikel verwendeten Daten sind makroökonomische Daten wie das Bruttoinlandsprodukt, die Staatsverschuldung und die Einwohnerzahl der in der Untersu-chung berücksichtigten europäischen Staaten. Basierend auf dem aus Bloomberg abgerufe-nen Datenmaterial erfolgten Berechnungen zum Zinsmehr-/minderaufwand auf Staatenbasis und pro Einwohner. Die Schnittstelle zwischen Bloomberg und MS Excel öffnet sämtliche Möglichkeiten, Datenmaterial aus Bloomberg mit allen gängigen Statistikprogrammen zu bearbeiten.
Alexander Zureck, B.A.
Empirische Arbeit mit Bloomberg an der FOM Essen
19
Erstveröffentlichung im bdvb aktuell, 2012, Nr. 118, 04/2012, S. 10 – 11, abgedruckt mit freundlicher Genehmigung der Redaktion des bdvb.
Empirische Arbeit mit Bloomberg an der FOM Essen
20
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
21
4 Vorträge des Forschungsforums
4.1 Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung1
Prof. Dr. Julius Reiter
Alexander Zureck, B.A.
Das Internet hat in den letzten Jahren an Bedeutung gewonnen. 69% der Bundesbürger nut-zen mittlerweile mindestens einmal pro Woche das Internet. Dies gilt insbesondere für den jüngeren Teil der Gesellschaft, da der überwiegende Teil der Internetnutzer jünger als 55 Jahre alt ist.
Das Internet war lange Zeit ein Medium, das von privaten Anwendern nur zum Informations-abruf genutzt wurde. Das Einpflegen von eigenen Informationen war ohne entsprechende Programmierkenntnisse nicht möglich. Insbesondere die Web 2.0-Technologien wie Foren, Blogs und Soziale Netzwerke haben das Internet revolutioniert. Diese Technologien erlauben dem User das Einstellen von eigenen Inhalten ohne Programmierkenntnisse.
Vor allem junge Internetnutzer verlagern Teile ihres sozialen Umfelds in die sozialen Netz-werke, da hier ein schneller Austausch mit Freunden zu unterschiedlichen Themen möglich ist. Das Internet ist allerdings nicht nur eine Plattform zum privaten Austausch. Das Internet ist heute fester Bestandteil des privaten und beruflichen Lebens, sodass die Datenmenge im Internet kontinuierlich wächst und es zu bestimmten Themen immer mehr Informationen gibt. Da es im Internet kaum eine Grenze zwischen privaten und beruflichen Inhalten gibt, werden dort viele private und geschäftliche Informationen vermischt.
Die Trennung von Privatem und Beruflichem im Internet fällt vielen Nutzern schwer, sodass sich viele die Frage stellen, welche Daten von ihnen im Internet verfügbar sind und wie diese Daten von Dritten verwendet werden können. Am Beispiel der Finanzberatung wird im Fol-genden aufgezeigt, welche Informationen Nutzer aus privatem Interesse ins Internet einstel-len und wie diese Informationen von Dritten genutzt werden können.
Prof. Dr. Julius Reiter Alexander Zureck, B.A.
1 Vgl. Reiter, J. / Zureck, A. (2012): Faszination Facebook – Wie Kundenberater von sozialen Netz-
werken profitieren, in: bdvb-aktuell, 2012, Jg. 116, Nr. 2, S. 26 – 27.
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
22
Prof. Dr. Julius F. ReiterAlexander Zureck B.A.
Der gläserne Mensch – Verwendung personenbezogener Daten aus dem Internet in der Finanzberatung- Forschungsforum 2012 -
Gliederung
- Hypothesen- Internet: Von 1991 bis heute- Trends in der Finanzberatung- Informationsbeschaffung in der Finanzberatung- Fazit- Anschließende Forschungsfragen
2Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
23
HYPOTHESEN
3Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
Hypothesen
- Das Internet ist eine Informationsquelle für persönliche Kundendaten
- Ein großer Informationspool erhöht die Verkaufschancen für Finanzberater
- Der Lösungsverkauf ist keine wirkliche Alternative zum Produktverkauf
- Die ganzheitliche Beratung ist ein Instrument das Cross-Selling zu verbessern
4Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
24
INTERNET: VON 1991 BIS HEUTE
5Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
Internet: Von 1991 bis heute
World Wide Web- 1991 entwickelte Sir Timothy John Berners-Lee das WWW- Begründer der Internetprogrammiersprache HTML
Erste Website: info.cern.ch
- Ziele: Hypertext, technische Anforderungen an die Erstellung einer eigenen Homepage und Suche von Webinhalten
6Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
heute201120092006200419981991
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
25
Internet: Von 1991 bis heute
Open Diary- 1998 von Bruce und Susan Ableson initiiert- Erste Community
+ Möglichkeit zur Kommentierung+ Differenzierung nach Region und Alter+ Freundeseinstellungen
7Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
heute201120092006200419981991
Internet: Von 1991 bis heute
Facebook- Gründung im Februar 2004- Nutzerprofile- Geschlossene Community- Inhalte können geteilt werden
8Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
heute201120092006200419981991
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
26
Internet: Von 1991 bis heute
Web 2.0- Erstmals 2004 von Dale
Dougherty (O’Reilly Media, Inc.)
- Bestimmte Technologien (Blogs, Wikis, Soziale Netzwerke etc.)
- Sozialeres Web durch nutzergenerierte Inhalte
- Zielgruppenaustausch
9Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
heute201120092006200419981991
Internet: Von 1991 bis heute
Twitter- Verbreitung von Kurznachrichten- Oftmals öffentliches Online-Tagebuch- Nutzer können bestimmten Nutzern folgen
10Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
heute201120092006200419981991
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
27
Internet: Von 1991 bis heute
Foursquare- Standortbezogenen- GPS-Fähigkeit von Smartphones wird genutzt- Empfehlung von ortsbezogenen Angeboten
11Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
heute201120092006200419981991
Internet: Von 1991 bis heute
Google+- Einseitige Beziehung ist möglich- Klare Trennung zwischen Privatpersonen und Firmen- Videochats- Spiele- Kombinierbar mit anderen Google-Anwendungen
12Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
heute201120092006200419981991
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
28
Internet: Von 1991 bis heute
Internet- Soziale Austauschplattform, insb. durch Social Media
+ B2C und B2B- Informationsquelle
+ Musik, Videos, Nachrichten usw.+ Geringes Rechtsbewusstsein in Bezug auf Urheberrecht
- Nutzer sind in der virtuellen Welt verbunden+ Die Bindung ist nicht so eng wie in der realen Welt+ Viele private Inhalte
- Stetige Weiterentwicklung
13Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
heute201120092006200419981991
TRENDS IN DER FINANZBERATUNG
14Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
29
Trends in der Finanzberatung
Voraussetzungen
- Umfassende Informationen zum Kunden und zu seinem Umfeld
- Zielgerichtete und umfassende Informationsbesorgung
15Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
Vom Produktverkauf zum Lösungsverkauf
- Kundenbedürfnis steht im Mittelpunkt- Lösung für bewusste und latente Kundenprobleme
Trends in der Finanzberatung
16Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
Ganzheitliche Beratung als Lösungsverkauf in der Finanzberatung
Ganzheitliche Beratung
Ausbildung und Beruf
Einkommen Familienplanung
Zukunftsplanung
Träume und Wünsche
Erkrankungen
Vermögenssituation
Steuer
Wohnsituation
Liquidität
Arbeitgeber
Gesundheitszustand
Vorsorgeplanung
Anlageziele
Anlagedauer
Anlagezweck
Risikobereitschaft
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
30
Produktverkauf
- Preisorientiert- Rhetorische Kompetenz- Ein-Gespräch-Verkauf- Kunde vergisst
Gesprächsinhalte sofort- i.d.R. kurzfristige
Kundenbeziehung- Geringeres Fehlerrisiko- Produktvorstellung- Geringe
Wechselbereitschaft
Lösungsverkauf
- Lösungsorientiert- Lösungskompetenz- Mehr-Gespräch-Verkauf- Kunde erinnert sich lange
an das Gespräch- i.d.R. langfristige
Kundenbeziehung- Größeres Fehlerrisiko- Analysegespräch- Hohe
Wechselbereitschaft
17Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
Trends in der Finanzberatung
Trends in der Finanzberatung
Das dips führte im Sommer 2012 eine Befragung zum Thema Finanzberatung durch. Die Befragung lieferte folgendes Bild der heutigen Finanzberatungspraxis:- Das Verhältnis zwischen Finanzberater und Kunde ist rational,
vertrauensvoll und persönlich- 90% der Finanzberater setzen Medien, vor allem
Verkaufsprospekte und eigene Grafiken, in der Beratung als Hilfsmittel ein
- 75% der Befragten begrüßen den Medieneinsatz in der Finanzberatung
- 32% der Befragten haben auch privaten Kontakt zum Finanzberater
- Über 80% der Berater ziehen persönliche Informationen in die Finanzberatung ein
18Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
31
Trends in der Finanzberatung
Informationsbeschaffung- Klassische Informationsquellen: Kundengespräch und
Kundenverhalten basierend auf Kontoumsätzen- Neuartige Informationsquellen: Internet
19Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
Heutige Finanzberatung:- Die Finanzberatung basiert heute somit im wesentlichen auf
einem guten Verhältnis zwischen Berater und Kunde- Der Finanzberater benötigt weitreichende Informationen, um
die Kundenbeziehung zu pflegen
INFORMATIONSBESCHAFFUNG IN DER FINANZBERATUNG
20Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
32
Informationsbeschaffung in der Finanzberatung
INFORMATION21Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
M
Informationsbeschaffung in der Finanzberatung
22Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
Wo das Internet unterstützend wirkt:
Ganzheitliche Beratung
Ausbildung und Beruf
Einkommen Familienplanung
Zukunftsplanung
Träume und Wünsche
Erkrankungen
Vermögenssituation
Steuer
Wohnsituation
Liquidität
Arbeitgeber
Gesundheitszustand
Vorsorgeplanung
Anlageziele
Anlagedauer
Anlagezweck
Risikobereitschaft
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
33
Informationsbeschaffung in der Finanzberatung
23Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
INFORMATIONU.a. durch Bulk-Downloader, eigene Recherchen oder
externen Datenankauf
M
FAZIT
24Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
34
Fazit
- Viele Chancen durch das Internet zur persönlichen Weiterentwicklung- Grundrecht auf Freiheit und Meinungsfreiheit- Gefahr durch lockere soziale Bindungen in der virtuellen Welt
+ „f alsche“ und f lüchtige „Freunde“+ Anzahl der Freunde in der v irtuellen Welt ist unrealistisch im Vergleich zur realen Welt+ Falsche Inhalte kommuniziert+ Reputationsschaden
- Gänzliches anonymes Surfen ist nicht möglich- „Das Internet vergisst nichts!“- Geringe Kontrollmöglichkeiten für den einzelnen Nutzer- Vielfach Gruppenzwang und Gewohnheitsrecht- Jeder ist für seine Inhalte selber verantwortl ich
+ Schutz der eigenen Daten+ Keine Dif f erenzierung zwischen v irtueller und realer Welt
- Freie Informationen erhöhen die Abschlusschancen des Finanzberaters und damit die Chance auf einen emotionalen Verkauf
- Insbesondere Fotos und Videos bieten viele Angriffsflächen
Das Internet ist eine Informationsquelle für jeden und persönliche Daten müssen geschützt werden
25Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
ANSCHLIEßENDE FORSCHUNGSFRAGEN
26Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
35
Anschließende Forschungsfragen
- Die heutige und zukünftige Bedeutung von Webprivacy- Informations-Management als Bildungsaufgabe- Alternative Betreuungskonzepte in der Finanzberatung
27Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
36
Erstveröffentlichung im bdvb aktuell, 2012, Nr. 116, 02/2012, S. 26 – 27, abgedruckt mit freundlicher Genehmigung der Redaktion des bdvb.
Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung
37
Der Wertbeitrag von Wertpapieranalysten für Anleger und Emittenten
38
4.2 Der Wertbeitrag von Wertpapieranalysten für Anleger und Emittenten1
Prof. Dr. Joachim Rojahn, CFA
Die Kommunikation mit Analysten nimmt einen hohen Stellenwert in Investor Relations Akti-vitäten ein, da der Bekanntheitsgrad des Emittenten erhöht wird und theoretisch Informati-onsasymmetrien abgebaut werden können.
Die Qualität von Researchberichten ist jedoch nicht unumstritten. In streng-informationseffizienten Märkten stiften Analystenberichte per se keinen Zusatznutzen. In in-formationsineffizienten Märkten resultieren Bedenken insbesondere aus einer unterstellten geringen Objektivität der Analysten. So kann die Auswahl der gecoverten Unternehmen u.a. von den erwarteten Handelserträgen der Investmentbanken abhängen. Zudem sind Analys-tenschätzungen regelmäßig durch Überoptimismus und Herdenverhalten gekennzeichnet.
Die Literatur bescheinigt Researchstudien aus Anlegerperspektive daher nur einen einge-schränkten Zusatznutzen, der vor allem bei kleineren Emittenten entsteht, da in diesen Fäl-len ausgeprägte Informationsasymmetrien vorherrschen dürften.
Aus Perspektive des Emittenten interessiert dagegen, ob Analystenresearch die Liquidität der begebenen Wertpapiere erhöhen kann. Eingeschränkte Wertpapierliquidität erhöht das Risiko des Investors und mündet daher c.p. in einem Bewertungsabschlag. Ein Emittent soll-te folglich bestrebt sein, die Liquidität der eigenen Aktien zu steigern.
Die vorgestellten Befunde der empirischen Untersuchung von Rojahn und Elschen stützen die These, dass die Wertpapierliquidität mit steigender Analystenzahl zunimmt. Vergleichba-re Befunde existieren für den US-amerikanischen Aktienmarkt. Allerdings wird die Anzahl der Analysten maßgeblich von der Marktkapitalisierung des Emittenten bestimmt. Kleinere Emit-tenten, die selbst bei aktiver Informationspolitik nicht im Fokus der Wertpapieranalysten ste-hen, können dieses Dilemma durch den gezielten Einkauf von Coverage lösen.
Dagegen äußern sich stark divergierende Einzelschätzungen – entgegen der Hypothese – nicht in einem Rückgang der Wertpapierliquidität. Offenbar besteht der Wertbeitrag für die Zielgruppen von Analystenreports primär in der Informationsaufbereitung und Informations-verdichtung.
Prof. Dr. Joachim Rojahn, CFA
1 Basis: Rojahn/Elschen (2009): Management des Illiquiditätsabschlags – der Einfluss von
Analystencoverage, in: Finanzbetrieb 3/2009, S. 137 – 143.
Der Wertbeitrag von Wertpapieranalysten für Anleger und Emittenten
39
1Mrz-13
Prof. Dr. Joachim Rojahn, CFA
Basis: Rojahn/Elschen, Management des
Illiquiditätsabschlags – der Einfluss von
Analystencoverage, Finanz Betrieb 2009, S. 137ff.
Der Wertbeitrag von Wertpapieranalysten für Anleger und Emittenten
2Mrz-13
Gliederung
1 Einleitung
2 Stand der Forschung und Hypothesen
3 Daten und Methodik
4 Ergebnisse
5 Fazit und Ausblick
Der Wertbeitrag von Wertpapieranalysten für Anleger und Emittenten
40
3Mrz-13
1 Einleitung
Investor Relations reduzieren Informationsasymmetrien und erhöhen denBekanntheitsgrad des Emittenten.
Eine besondere Bedeutung besitzt der Wertpapieranalyst alsInformationsprovider oder Informationsintermediär.Emittenten befinden sich nicht nur im Wettbew erb um Kapital, sondern auch umein Coverage durch Wertpapieranalysten.
Die Qualität von Researchstudienist aber nicht unumstritten:− In streng-informationseffizienten Märkten stiften sie keinen Zusatznutzen.
− In nicht perfekt eff izienten Märkten hängt ihr Wertbeitrag von der Objektivität undIntegrität des Analysten ab.
Von Interesse sind daher folgende Fragen:- Können Anleger aufgrund von Aktienempfehlungen eine positive,
risikoadjustierte Überschussrendite erzielen?- Welche Vorteile entstehen für denEmittentendurch Analystencoverage?
4Mrz-13
2 Stand der Forschung und Hypothesen
Wertbeitragdes Wertpapieranalystenaus Anlegerperspektive:− Asquith et al. (JoFE 2005): Nur 0,5% aller untersuchten Empfehlungen lauteten auf
„Sell“ oder „Strong Sell“.- Analysten neigen dazu, Gew innschätzungen zu optimistisch anzusetzen:
Diese Verzerrung wird bei Nebenwerten mit volatilem Geschäftsmodellbesonders hoch.Hong/Kubik (JoF 2003): eine optimistische Haltung ist karriereförderlich.
Allerdings ist das Ausmaß dieser Verzerrungen im Zeitablauf gesunken;mögliche Ursache: steigende Wettbewerbsintensität zwischenInvestmentbanken.
Dennoch besitzenAktienempfehlungeneinen„Investment Value“:− Womack (JoF 1996): insb. bei „kleinen“ Emittenten ist nach Veröffentlichungen von
Studien eine signif ikante Renditeänderung feststellbar.− Henze/Röder (FB 2005): mit der Umsetzung von Kauf- und Verkaufsempfehlungen
lassen sich am deutschen Aktienmarkt im Durchschnitt signif ikante Überrenditenerzielen.
Der Wertbeitrag von Wertpapieranalysten für Anleger und Emittenten
41
5Mrz-13
2 Stand der Forschung und Hypothesen
Wertbeitragdes Wertpapieranalystenaus Emittentenperspektive:− Frage nach Überrenditen des Investors aus Emittentenperspektive irrelevant.− Im Fokus des Interesses: Effekte auf die Wertpapierliquidität des Emittenten durch
Analystencoverage.
Die Liquidität des Wertpapiers ist für den Anleger ein Risikofaktor.Steigende Wertpapierliquidität impliziert damit eine fallende Renditeforderungdes Eigenkapitalgebers.
Hypothese 1: Zwischen der Anzahl covernder Wertpapieranalysten und derWertpapierliquidität besteht ein positiver Zusammenhang. Unterstützt durchdie Befunde von Brennan/Tamarow ski (JoACF2000) für den US-Aktienmarkt.
Hypothese 2: Zwischen der Divergenz der Analystenschätzungen und derWertpapierliquiditätbesteht einnegativer Zusammenhang.
6Mrz-13
3 Daten und Methodik
Datensatz:− Prime Standard Emittenten 2006.− Nach Branchenbereinigung und Eliminierung unvollständiger Datensätze: n=180.
Abhängige Variable:− Liquiditätsmessung erfolgt über den relativen Bid-Ask-Spread (Relsp).
− „Gängiges“ Liquiditätsmeßkonzept.Kontrollvariablen:
− Logarithmierte Marktkapitalisierung (LN(Cap)). Aufgrund des nicht-linearenZusammenhangs w ird zusätzlich noch LN(Cap)2 als Regressor aufgenommen.Zu untersuchende unabhängige Variablen:
− Logarithmierte Anzahl Analysten erfasst durch: LN(Analysten+1).
− Divergenz erfasst durch standardisierte Standardabweichung derAnalystenschätzungen (bezogen auf EPS). Variable: DIVOP.Schätzverfahren: zweistufiges Verfahren der kleinsten Quadrate (2SLS) bzw.OLS.
Der Wertbeitrag von Wertpapieranalysten für Anleger und Emittenten
42
7Mrz-13
4 Ergebnisse
Test der Hypothese 1:
Zw ischen Unternehmensgröße und Anzahl Analysten besteht ein stark positiveKorrelation. Die Residuen der Anzahl Analysten (Res_Cap_Analysten) nehmenaber den erw arteten signifikant negativen Einfluss auf den Spread.
Abhängige Variable: Relsp, 2SLS-Verfahren
Exogene Variablen: Absolutglied, LN(Cap), [LN(Cap)]2, LN(Volume)
Regressoren Regressionskoeffizient t-Statistik
Absolutglied 0,0515 14,928***
LN(Cap) -0,0112 -9,330***
[ LN(Cap)] 2 0,0006 6,369***
Res_Cap_Analysten -0,0078 -4,382***F-Statistik (P-Wert) 151,31
Adj ustiertes Bestimmtheitsmaß 0,670
8Mrz-13
4 Ergebnisse
Test der Hypothese 2:
Die Divergenz der Analystenschätzungenw irkt entgegen der Hypothese 2 nicht aufdie Höhe des Bid-Ask-Spreads!
Abhängige Variable: Relsp, White-Verfahren
Regressoren Regressionskoeffizient t-Statistik
Absolutglied 0,0489 12,104***
LN(Cap) -0,0106 -9,364***
[ LN(Cap)] 2 0,0006 7,660***
Res_Cap_Analysten -0,0022 -3,729***
DIVOP -0,0002 -0,098F-Statistik (P-Wert) 73,93 (0,000)
Adj ustiertes Bestimmtheitsmaß 0,721
Der Wertbeitrag von Wertpapieranalysten für Anleger und Emittenten
43
9Mrz-13
5 Fazit und Ausblick
Liquidität lässt sich durch aktives Management erhöhen: „A firm that leavesall decisions that affect the liquidity of its stocks in the hands ofintermediaries(...) islikely to pay an inflated cost of capital“.
Insb. kleinere Emittenten können Analystencoverage gezielt „einkaufen“.
Eine Divergenz der Analystenschätzungen wirkt sich dagegen nicht negativ auf dieWertpapierliquidität aus. Offenbar sind Analysten „Informationsprovider“,
Weiterführende Fragestellungen:− Emittentenperspektive: welche weiteren Maßnahmen w irken positiv auf die
Wertpapierliquidität? Z.B. Segmentw echsel, Stock Splitts, etc. WelcheInformationen sind durch Analystencoverageabgedeckt?
− Anlegerperspektive: sind weiterhin Überrenditen erzielbar?
− Regulierung: w ie „objektiv“ sind Analystenschätzungen?
Kalenderanomalien an Aktien- und Anleihemärkten in Europa
44
4.3 Kalenderanomalien an Aktien- und Anleihemärkten in Europa
Vincent L. Rabben, M.A.
Die Hypothese effizienter Märkte gilt als zentrales Modell der Finanzwirtschaft.
„I believe there is no other proposition in economics which has more solid empiri-cal evidence supporting it than the Efficient Market Hypothesis.1“
Michael Jensens Zitat aus 1978 unterstreicht eindrucksvoll, das bis in 1980er Jahre das Modell als weitgehend unumstritten galt. Seitdem mehren sich kritische Beiträge und insbesondere seit der globalen Finanzkrise in 2008 erscheint die Literatur zum Thema Behavioral Finance populärer denn je. Die Irrationalität der Märkte findet sich auch in zahlreichen Börsenweisheiten wieder. „Sell in May and Go Away“ lautet eine dieser Weisheiten. Das Sprichwort lässt sich zwar annähernd 50 Jahre zurückverfolgen2, je-doch sind die meisten Untersuchungen zu dieser Anomalie erst in den letzten zehn Jah-ren veröffentlicht worden. Im Fokus der Untersuchungen stehen vornehmlich Aktien-märkte. Unter portfoliotheoretischen Gesichtspunkten kann allerdings unterstellt werden, dass an Anleihemärkten ebenfalls Kalenderanomalien vorliegen, jedoch mit umgekehr-ten Vorzeichen.
In einer empirischen Untersuchung europäischer Aktien- und Anleihemärkte wurden u. a. folgende Fragestellungen beleuchtet:
1. Sind Kalenderzeiteffekte auf europäischen Kapitalmärkten vorzufinden? Wenn ja, mit welcher Signifikanz und wie verhalten sich die Effekte von Aktien und Anleihen zuei-nander?
2. Welche Handlungsempfehlungen können, basierend auf den Ergebnissen des Unter-suchungszeitraumes, an den Investor gegeben werden? Sind aktive Tradingstrategien Buy-and-Hold überlegen?
Hierzu lassen sich folgende Ergebnisse festhalten:
Zu 1.:
Die empirische Untersuchung von 17 europäischen Aktienindizes hat ergeben, dass der Sell in May and Go Away Effekt verbreitet vorgefunden werden kann. Der Untersu-chungszeitraum reicht bei der Mehrzahl der Indizes bis in die 1980er Jahre zurück. Die Rendite von Mai bis September ist in 16 von 17 Fällen negativ und die Mittelwertdifferenz 1 Jensen, M.C. (1978): Some Anomalous Evidence Regarding Market Efficiency, in: Journal of Fi-
nancial Economics, S. 95. 2 Bouman and Jacobsen haben diese Börsenweisheit in einer Financial Times Ausgabe aus dem
Jahr 1964 gefunden; vgl. Bouman, S., Jacobsen, B. (2002): The Halloween Indicator, “Sell in May and Go Away”: Another Puzzle, in: American Economic Review, S. 1618.
Kalenderanomalien an Aktien- und Anleihemärkten in Europa
45
zum verbleibenden Jahr beträgt zwischen 1,02% und 5,36% pro Monat. Eine statistische Signifikanz bei den Varianztests auf Mittelwertgleichheit ergibt sich in 14 von 17 Fällen. Der Zwei-Stichproben t-Test zeigt signifikante Unterschiede bei neun Indizes auf. Ver-gleichbare Ergebnisse lassen sich bei einer Beschränkung auf die zwei Monate mit der schwächsten Rendite vorfinden: August und September.
Auch auf europäischen Anleihemärkten kann ein Sommereffekt festgestellt werden. Die-ser tritt jedoch im Vergleich zu Aktien mit umgekehrtem Vorzeichen auf. Die Renditen im August und September liegen bei Staats- und Unternehmensanleihen über dem Ver-gleichswert des restlichen Jahres. Bei Staatsanleihen beträgt die Mittelwertdifferenz zwi-schen 0,33% und 1,07% pro Monat. Mit Ausnahme der spanischen Staatsanleihen sind die Unterschiede statistisch signifikant. Der Ansatz, Anleihen und Aktien als konkurrie-rende Anlageklassen zu betrachten, wird durch die Beobachtung gestützt, dass der Sommereffekt mit umgekehrten Vorzeichen auf Aktien- und Anleihemärkten auftritt. Der Effekt manifestiert sich in einer überdurchschnittlich negativen Korrelation zwischen Ak-tien und Anleihen.
Zu 2:
Aktive Handelsstrategien erzielten bei den vier großen Aktienindizes deutlich bessere Ergebnisse als Buy-and-Hold. Während bei letztgenannter Strategie die Wertentwicklung seit 1999 negativ bis leicht positiv war (-0,39% bis 1,35% p. a.), konnten aktive Strate-gien Überrenditen erzielen, die robust gegenüber differenzierten Annahmen für Transak-tionskosten und risikoloser Verzinsung sind. So betragen die Renditen im ungünstigsten Szenario zur Handelsstrategie zum Sell in May and Go Away Effekt zwischen 5,05% und 9,65% p. a. und im günstigsten Szenario zwischen 6,24% und 10,89% p. a.
Der Einwand, dass die höheren Renditen außerhalb der Sommerperiode erhöhte syste-matische Risiken widerspiegeln und keine Verbesserung der Performance (Rendite zu Risiko) darstellen, kann anhand der ermittelten Volatilitäten nicht aufrecht gehalten wer-den.
Der Sommereffekt führt dazu, dass Aktien im Marktportfolio im Zeitraum von Mai bzw. von August bis September untergewichtet und im restlichen Jahr übergewichtet werden. Insgesamt zeigt sich, dass die Anleiheindizes höhere Sharpe-Ratios aufweisen. Wäh-rend des Sommereffekts beträgt das Sharpe-Ratio 2,40 für das Marktportfolio, welches zu ca. 96% aus Staatsanleihen besteht.
Vincent L. Rabben, M.A.
Kalenderanomalien an Aktien- und Anleihemärkten in Europa
46
Vincent L. Rabben Forschungsforum 2012
Forschungsforum Essen – Finance & Accounting
Kalenderanomalienan europäischen Aktien- und Anleihemärkten
Forschungsforum 2012Seite 2 Rabben
Renditemuster
Portfoliotheorie
Ef fiziente Märkte
Irrationale Märkte
Renditemuster
Kapitalstruktur-politik
1
2
3
4
Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance
Kalenderanomalien an Aktien- und Anleihemärkten in Europa
47
Forschungsforum 2012Seite 3 Rabben
Strenge Informations-
effizienz
Halbstrenge Informations-
effizienz
Schwache Informations-
effizienz
Die Effizienzmarkthypothese
Eugene Fama: "Efficient Capital Markets: A Review of Theory and Empirical Work“ (JoF, 1970)
These bis Anfang der 1980er Jahre empirisch weitestgehend gestützt –anschließend Aufdeckung von Effizienzanomalien
Kennzahlen-anomalien
• Size Ef f ect• Value Ef f ect
Kalenderzeit-anomalien
• Montagsef f ekt• Renditesaisonalität
Sonstige Ef f izienzanomalien
• Neglected Firm Ef f ect
• Home Bias
Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance
Forschungsforum 2012Seite 4 Rabben
Behavioral Finance
Heuristisch bedingte Verzerrungen- Ankerheuristik
- Repräsentativ itätsheuristik - Verf ügbarkeitsheuristik- Selbstüberschätzung
Rahmenabhängigkeit- Verlustav ersion- Mentale Konten
- Av ersion v on Reue
Grenzen der Arbitrage- Noise Trader Risk
Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance
Subjektive Wertefunktion w
Relativer Gewinn in EUR
Relativer Verlust in EUR
Referenz-/Ankerwert
Subjektive Wertefunktion w
Relativer Gewinn in EUR
Relativer Verlust in EUR
Referenz-/Ankerwert
Asymmetrische Wahrnehmung von Gewinn und Verlust
Kalenderanomalien an Aktien- und Anleihemärkten in Europa
48
Forschungsforum 2012Seite 5 Rabben
Rationales Handeln wird nicht zwingend belohnt / keine Arbitrage im e. S. möglich
Das Gegenmodell: Behavioral Finance – Kernideen:
Menschen neigen zu irrationalem Verhalten und kognitiven Verzerrungen
Wertpapierpreise entwickeln sich nicht im Gleichschrittmit Fundamentaldaten
anhaltende wissenschaftliche Diskussion:
- Kapitalmarktanomalien vs. Random Walk- EMH empirisch nicht widerlegbar („joint hypothesis problem“)- umstrittene Stellung der Behavioral Finance
Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance
Forschungsforum 2012Seite 7 Rabben
Aktienindizes - Sommereffekt
α=10%
α=5%
α=1%α=1‰
Rendite Aug. - Sep. in 16 v on 17 Fällen negativ
Durchschn. Mittelwertdif f erenz: 2,13% 25,56% p. a.
In 14 v on 17 Fällen statistisch signif ikant*
Untersuchungszeitraum: 15-28 Jahre
*ANOVA/Welch f-Test, α=10%
Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance
Kalenderanomalien an Aktien- und Anleihemärkten in Europa
49
Forschungsforum 2012Seite 8 Rabben
Aktienindizes - Sell in May and Go Away
*ANOVA/Welch f-Test, α=10%
α=5%
α=1%
α=1‰
Rendite Mai - Sep. in 14 v on 17 Fällen negativ
Durchschn. Mittelwertdif f erenz: 2,08% 24,96% p. a.
In 14 v on 17 Fällen statistisch signif ikant*
Untersuchungszeitraum: 15-28 Jahre
Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance
Forschungsforum 2012Seite 9 Rabben
Staatsanleiheindizes - Sommereffekt
*ANOVA/Welch f-Test, α=10%
α=5%
α=10%
Rendite Aug. - Sep. in 10 v on 10 Fällen überdurchschnittlich
Durchschn. Mittelwertdif f erenz: 0,55% 6,60% p. a.
In 9 v on 10 Fällen statistisch signif ikant*
Untersuchungszeitraum: 13 Jahre
Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance
Kalenderanomalien an Aktien- und Anleihemärkten in Europa
50
Forschungsforum 2012Seite 10 Rabben
-5,00%
-3,00%
-1,00%
1,00%
3,00%
5,00%
Janu
ar
Febr
uar
Mär
z
Apr
il
Mai
Juni
Juli
Aug
ust
Sep
tem
ber
Okt
ober
Nov
embe
r
Dez
embe
r
französi scheS taatsanleihen
deutscheS taatsanleihen
CACR
DAX
Anleihen
Akt ien
2 Periode glei t. M ittelw.(Anlei hen)
2 Periode glei t. M ittelw.(Akti en)
Gegenüberstellung von Aktien- und Anleiheindizes
Ø-Korrelation steigt v on -0,41
auf -0,66
Aktien
Anleihen
Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance
Forschungsforum 2012Seite 11 Rabben
-5,00%
-4,00%
-3,00%
-2,00%
-1,00%
0,00%
1,00%
2,00%
3,00%
4,00%
5,00%
Janu
ar
Febr
uar
Mär
z
Apr
il
Mai
Juni
Juli
Aug
ust
Sep
tem
ber
Okt
ober
Nov
embe
r
Dez
embe
r
Unternehmensan-leihen
S taatsanleihen
Euro Stoxx 50Performance
S toxx Europe 50Performance
Anleihen
Akt ien
2 Periode glei t.Mi ttelw. (Anleihen)
2 Periode glei t.Mi ttelw. (Aktien)
Gegenüberstellung von Aktien- und Anleiheindizes
Ø-Korrelation* steigt v on -0,26
auf -0,56 * ohne Unternehmensanleihen
Aktien
Anleihen
Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance
Kalenderanomalien an Aktien- und Anleihemärkten in Europa
51
Forschungsforum 2012Seite 12 Rabben
Aktiv es Portf oliomanagement
Anteil Aktien/Anleihenim Portfolio
Januar Dezember Januar Dezember
Anteil Aktien/Anleihen im Portfolio
Buy -and-Hold
W ie sieht die optimale Portfoliogewichtungje Jahreszeit aus
1999 2011
passiv es v s. aktives Portf oliomanagement
1.
2.
Transaktions-kosten
0,25 %
0,50 %
Alternativ-verzinsung
1,5 %
3,0 %Sind aktive Trading-strategien überlegen,falls ja – wie robust
EUR
Investorenperspektive
Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance
Forschungsforum 2012Seite 13 Rabben
1999-2011
05.000
10.00015.00020.00025.00030.00035.00040.00045.000
Euro Stoxx 50 Stoxx Europe50
CAC DAX
EU
R
0,25 % TK1,5 % rf.Zins0,25 % TK3,0 % rf.Zins0,5 % TK1,5 % rf.Zins0,5 % TK3,0 % rf.ZinsBuy-and-Hold
-0,0069-0,0049-0,0041-0,0032
0,34360,4241
0,44090,5669
-0,1 0,0 0,1 0,2 0,3 0,4 0,5 0,6
Euro Stoxx 50S toxx Europe 50
DAXCAC
StaatsanleihenUnternehmensanleihen
französi sche S taatsanl eihendeutsche S taatsanlei hen
mod. Sharpe-Ratio
Aktienkäuf e und -v erkäuf e basierend auf dem Sell in May Ef f ekt erzielten den größten Wertzuwachs
Buy -and-Hold bei Aktien lief erte die schlechteste Rendite – Ergebnisse robust bzgl. unterschiedlicher Szenarien und Subperioden
Anleihen weisen deutlich positiv e Sharpe-Ratios auf , Aktien leicht negativ e Anleihen grundsätzlich stärker gewichtet
Sinkende Aktienquote im Marktportf olio während der Sommermonate
Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance
Kalenderanomalien an Aktien- und Anleihemärkten in Europa
52
Forschungsforum 2012Seite 14 Rabben
Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance
Forschungsforum 2012Seite 15 Rabben
Emissionstiming – Fragestellungen:
1. Welche Rolle spielt Markt-Timing im Rahmen der Kapitalstrukturpolitik?2. Korreliert die Anzahl an Anleiheemissionen mit den beobachteten
Renditen? 3. Welche Relevanz haben Kalenderzeiteffekte für Emittenten?
Emittentenperspektive
Neben traditionellen Theorien zur Wahl der Unternehmensf inanzierung weisen empirische Untersuchungen auf die Relev anz des Markt-Timings hinsichtlich der Kapitalstruktur hin
Anleihen werden v on den Euro Stoxx 50 Unternehmen bev orzugt im Sommer emittiert; die Ergebnisse sind jedoch nicht statistisch signif ikant
Eine Korrelation zwischen Börsenbewertung und der Wahl der Finanzierung ist daher nicht ersichtlich
Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance
Kalenderanomalien an Aktien- und Anleihemärkten in Europa
53
Forschungsforum 2012Seite 16 Rabben
Zusammenfassung (zentrale Punkte)
Ausblick/ Forschungsfragen
Saisonale Renditemuster auf europäischen Aktien- und Anleiheindizes präsent
- Januaref f ekt nicht relev ant
- Sommeref f ekt mit umgekehrtem Vorzeichen
aktiv e Tradingstrategien sind passiv en Anlagen überlegen
- Während der Sommermonate empf iehlt sich eine Reduzierung der Aktienquote bzw. eine Umschichtung in Anleihen
Gründe der ungleichen Perf ormance im Sommer (Behav ioral Finance, singuläre Ereignisse)
Analy se des Emissionstimings in Verbindung mit Fundamentaldaten (Zinsniv eau, Marktliquidität)
Berücksichtigung weiterer Anlageklassen
Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance
Forschungsforum 2012Seite 17 Rabben
Literaturempfehlungen
Auer, B., Rottmann, H. (2011): Statistik und Ökonometrie für Wirtschaftswissenschaftler, 2. Aufl., Wiesbaden 2010
EViews Software Version 6 Studentenversion + EViews 6 User’s Guide I, Irvine 2007
Bruns, C., Meyer-Bullerdiek, F. (2008): Professionelles Portfoliomanagement, 4. Aufl., Stuttgart 2008
De Bondt, W.F.M., Muradoglu, G., Shefrin, H., Staikouras, S.K. (2008): Behavioral Finance: Quo Vadis?, in: Journal of Applied Finance 2008, Jg. 18, Nr. 2, S. 7-21Pompian, M.M. (2012): Behavioral Finance and Wealth Management, 2. Aufl., Hoboken 2012
Spremann, K. (2008): Portfoliomanagement, 4. Auflage, München 2008
Ökonometrie
Portfoliomanagement
Behavioral Finance
Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance
UntersuchungsergebnisseFrère, E.E., Rabben, V.L., Rojahn, J.(2012): Kalenderzeiteffekte an europäischen Aktien- und Anleihemärkten: Implikationen für Investoren und Emittenten, Aachen 2012
Informationsgehalt von Volatilty-Skews
54
4.4 Informationsgehalt von Volatilty-Skews
Dipl.-Kfm (FH) Christian Schütze, BBA
Derivate sind aus der Finanzwelt nicht mehr wegzudenken. Dies wird nicht zuletzt durch die starken Wachstumsraten der Umsätze an der deutsch-schweizerischen Terminbörse EUREX deutlich. Ähnlich wie in der klassischen Portfoliotheorie das Portfolio-Selection Model von Harry Markowitz einen Meilenstein markiert, hat sich im Bereich der Derivate das Model von Fischer Black und Myron Scholes zum „Pricing of Options and Corporate Liabilities“, kurz das Black-Scholes Model als einer der Eckpfeiler der modernen Opti-onspreistheorie durchgesetzt.
Die theoretische Annahme des Models besagt, dass der Preis einer Kaufoption eine Funktion aus dem Aktienkurs zum Zeitpunkt Null multipliziert mit der Verteilungsfunktion des Optionsdeltas, abzüglich des abgezinsten Basispreises multipliziert mit der Vertei-lungsfunktion der approximierten Eintrittswahrscheinlichkeit der Optionsausübung ist. Diese theoretische Annahme hilft dabei einen „fairen Wert“ für den Optionspreis zu ermit-teln. Voraussetzung hierfür ist natürlich, dass die zukünftig auftretende Volatilität bekannt ist, da diese die Ausübungswahrscheinlichkeit und das Optionsdelta durch die Vertei-lungsfunktion ermittelbar macht.
Das Black-Scholes Model basiert auf einigen Annahmen, die in der Praxis so nicht halt-bar sind. So wird beispielsweise von einer kontinuierlichen Handelbarkeit in infinitisemal kleinen Schritten ausgegangen, die in der Praxis aufgrund von festgelegten Marktöff-nungszeiten und bei europäischen Aktien kleinsten Preisschritten von i.d.R. 1 Cent nicht auftritt. Einen weiteren Kritikpunkt stellt die Annahme der normalverteilten Renditen dar. Aktienkurse sind empirisch belegt nicht normalverteilt. Und letztendlich werden Optionen an einer Börse gehandelt. Dementsprechend wird der Preis durch Angebot und Nachfra-ge bestimmt und ein Model zur Berechnung von Optionspreisen dient lediglich als An-haltspunkt für einen fairen Preis. Unterschiedliche Handelsstrategien von Marktteilneh-mern können den tatsächlich gehandelten Preis daher beeinflussen und das Model somit in seiner Aussage limitieren.
Als Vorgaben zur Preisberechnung werden der Kurs des Basiswertes, der Basispreis, eine eventuell während der Laufzeit gezahlte Dividende, der Wertpapierleihesatz für den Basiswert, der für die Laufzeit relevante risikolose Zins und die für die Laufzeit auftreten-de Volatilität benötigt. Von diesen Einflussfaktoren können alle bis auf die während der Laufzeit auftretende Volatilität direkt am Markt über verschiedene Instrumente abgelesen werden. Die einzige Variable, die die falschen Modelannahmen und den Einfluss von Angebot und Nachfrage darstellen kann ist die implizite Volatilität.
Informationsgehalt von Volatilty-Skews
55
Beim Berechnen des theoretischen Optionspreises wird hier ein Wert für die während der Optionslaufzeit auftretende Volatilität geschätzt. Steht der Optionspreis schon fest kann über ein Iterationsverfahren nach der Volatilität gesucht werden.
Die so errechnete Implizite Volatilität, als ein Ausdruck für die erwartete Volatilität und Variable für Angebot und Nachfrage, müsste theoretisch Informationen über zukünftige Kursbewegungen oder die im betrachteten Markt vorherrschende Stimmung geben kön-nen.
Die vorliegende Präsentation soll einen Einstieg in die Extrapolation und Deutung von impliziter Volatilität geben, sowie darüber hinaus eine Anregung für mögliche For-schungsfragen im Derivatebereich bieten.
Dipl.-Kfm (FH) Christian Schütze, BBA
Informationsgehalt von Volatilty-Skews
56
Mrz-13 Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012 1
Vortrag im Rahmen des Forschungsforums 2012
Information Content of Implied Volatility
Gliederung
1. Grundlagen Derivate & Optionspricing2. Hedging & Financing mit Derivaten3. Implizite Volatilität4. Ableitbare Forschungsfragen
2Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
Informationsgehalt von Volatilty-Skews
57
Literaturhinweise
3Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
- Monographien:+ Natenberg, Sheldon (1994); Option Volatility & Pricing+ Hull, John C. (2012); Options Futures & Other Derivatives+ Talib, Nassim (1997); Dynamic Hedging
- Articles:+ Jiang G., Tian Y. (2005); The model free implied volatility and its
information content+ Muzzioli, S. (2011); The Skew Pattern of Implied Volatility in the
DAX Index Options Market+ Doran, J., Tarrant, B., Peterson, D. (2007); Is there information in
the Volatility Skew+ Buraschi, A., Kamstra, M. (2001); Is Volatility risk priced in the
option market
Gliederung
1. Grundlagen Derivate & Optionspricing2. Hedging & Financing mit Derivaten3. Implizite Volatilität4. Ableitbare Forschungsfragen
4Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
Informationsgehalt von Volatilty-Skews
58
Grundlagen Derivate & Optionspricing
5Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
Tdd
d
wobei
dNSdNXep
und
dNXedNSc
TTrXS
TTrXS
rT
rT
σσ
σ
σσ
−==
=
−−−=
−=
−+
++
−
−
1)2/()/ln(
2
)2/()/ln(1
102
210
20
20
)()(
)()(
- Ein einfacher Einstieg in das Pricing von Optionen:
6Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
Tdd
d
wobei
dNSdNXep
und
dNXedNSc
TTrXS
TTrXS
rT
rT
σσ
σ
σσ
−==
=
−−−=
−=
−+
++
−
−
1)2/()/ln(
2
)2/()/ln(1
102
210
20
20
)()(
)()(
- Ein einfacher Einstieg in das Pricing von Optionen:
Grundlagen Derivate & Optionspricing
Einflussfaktor: • Zins• Dividende
Informationsgehalt von Volatilty-Skews
59
7Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
Long Call
P/L
S
Short Put
P/L
S
Long Put
P/L
S
Short Call
P/L
S
- Auszahlungsprofile von Optionen:
Grundlagen Derivate & Optionspricing
8Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
P/L
SBasispreis
- Auszahlungsprofil Long Call:
Grundlagen Derivate & Optionspricing
Informationsgehalt von Volatilty-Skews
60
Grundlagen Derivate
9Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
Tdd
d
wobei
dNSdNXep
und
dNXedNSc
TTrXS
TTrXS
rT
rT
σσ
σ
σσ
−==
=
−−−=
−=
−+
++
−
−
1)2/()/ln(
2
)2/()/ln(1
102
210
20
20
)()(
)()(
- Ein einfacher Einstieg in das Pricing von Optionen:
Long CallP/L
S
Einflussfaktor: • Basispreis• Preis des
Basiswertes
10Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
- Das Optionsdelta:
Grundlagen Derivate & Optionspricing
Informationsgehalt von Volatilty-Skews
61
11Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
- Drei Definitionen vom Delta:
+ „Rate of Change“ der Option: zeigt an wie stark sich der Optionspreis bei einer Bewegung des Underlyings um 1 €bewegt
+ „Exercise Probability“ der Option: zeigt an wie groß die Ausübungswahrscheinlichkeit der Option ist. Approximativ!
+ Hedge Ratio der Option: zeigt an wieviel mal das Underlying gekauft oder verkauft werden muss, um+ kein Risiko/keine Chance aus der Bewegung des Basiswertes zu
haben+ 1/Delta zeigt an wieviele Optionen gekauft werden müssen um
einmal das Underlying anzusichern/zu hedgen
Grundlagen Derivate & Optionspricing
12Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
Tdd
d
wobei
dNSdNXep
und
dNXedNSc
TTrXS
TTrXS
rT
rT
σσ
σ
σσ
−==
=
−−−=
−=
−+
++
−
−
1)2/()/ln(
2
)2/()/ln(1
102
210
20
20
)()(
)()(
- Ein einfacher Einstieg in das Pricing von Optionen:
Grundlagen Derivate & Optionspricing
Hedge Ratio:Abhängig von der Volatilität, Restlaufzeit und Strike/Preis Aktie
Exercise Probability
Informationsgehalt von Volatilty-Skews
62
Gliederung
1. Grundlagen Derivate & Optionspricing2. Hedging & Financing mit Derivaten3. Implizite Volatilität4. Ableitbare Forschungsfragen
13Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
Hedging & Financing mit Derivaten
14Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
- Verwendung von Derivaten:+ Grundsätzlich vier verschiedene Handelsansätze:
+ Absichern/Hedgen+ Finanzieren & Renditesteigerung/Yield Enhancement+ Arbitrage+ Spekulieren
+ Drei verschiedene Gruppen von Marktteilnehmnern+ Long Only Investoren+ Market Maker & Proprietary Trader+ Arbitrageure
Informationsgehalt von Volatilty-Skews
63
15Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
P/L
SBasispreis
22
23
24
25
26
27
28
29
30
31
- Financing: Short Call
Hedging & Financing mit Derivaten
16Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
- DAX Kursverlauf 2012:
Hedging & Financing mit Derivaten
Informationsgehalt von Volatilty-Skews
64
17Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
P/L
SBasispreis
- Absicherung/Hedge: Long Put:
Hedging & Financing mit Derivaten
18Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
Wert des Portfolios
Wert des Puts
*{
* Optionsprämie
- Szenario DAX Portfolio & Long DAX Put:
Hedging & Financing mit Derivaten
Informationsgehalt von Volatilty-Skews
65
19Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
Long Put
P/L
S
Short Call
P/L
S
- Kombination – Long Put & Short Call & DAX Portfolio:
+ Durch Basispreise der Optionen fest definierte Handelsziele
+ Finanzierung der Absicherungskosten/Versicherungs-prämie durch Take-Profit-Marke
+ Handelsdisziplin
Hedging & Financing mit Derivaten
Gliederung
1. Grundlagen Derivate & Optionspricing2. Hedging & Financing mit Derivaten3. Implizite Volatilität4. Ableitbare Forschungsfragen
20Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
Informationsgehalt von Volatilty-Skews
66
21Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
Wert des Portfolios
Wert des Puts
*{
* Optionsprämie
- Bestandteile des Optionspreises:
Tdd
d
wobei
dNSdNXep
und
dNXedNSc
TTrXS
TTrXS
rT
rT
σσ
σ
σσ
−==
=
−−−=
−=
−+
++
−
−
1)2/()/ln(
2
)2/()/ln(1
102
210
20
20
)()(
)()(
Optionspreis
Innerer Wert Zeitwert
ZinsDividende
Versicherungs-wert
Implizite Volatilität
Erw. Vola.
Dividende
Zins
22Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
- Bestandteile des Optionspreises II:
Aktienkurs
Tdd
d
wobei
dNSdNXep
und
dNXedNSc
TTrXS
TTrXS
rT
rT
σσ
σ
σσ
−==
=
−−−=
−=
−+
++
−
−
1)2/()/ln(
2
)2/()/ln(1
102
210
20
20
)()(
)()(
Basispreis
Optionspreis
Implizite Volatilität
Informationsgehalt von Volatilty-Skews
67
23Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
- Korrelation zwischen impliziter Volatilität und Aktienmärkten:
Implizite Volatilität
24Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
- Implizite Volatilität:+ Theoretisch die zukünftig erwartete
auftretende Volatilität des Basiswertes für die betrachtete Laufzeit
+ Praktisch ein Ausdruck für Angebot und Nachfrage
+ Theoretisch sollte die implizite Volatilität für sämtliche Basispreise einer bestimmten Laufzeit in einem bestimmten Basiswert gleich sein
+ Praktisch ergibt die grafische Darstellung der impliziten Volatilität eine Kurve
Tdd
d
wobei
dNSdNXep
und
dNXedNSc
TTrXS
TTrXS
rT
rT
σσ
σ
σσ
−==
=
−−−=
−=
−+
++
−
−
1)2/()/ln(
2
)2/()/ln(1
102
210
20
20
)()(
)()(
Implizite Volatilität
Informationsgehalt von Volatilty-Skews
68
25Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
- Volatilitätsskew:
Implizite Volatilität
26Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
- Gründe für den Volaskew:+ Aktien sind tendenziell ein
„Investmentobjekt“ und daher besteht eher Angst vor fallenden Kursen
+ Market Maker sichern das Delta einer Option über eine Long oder Short Position in der Aktie ab. Als Risikogröße bleibt das Optionsgamma. Da bei fallenden Kursen tendenziell größere Kursausschläge zu beobachten sind und Short Gamma als Risikogröße von Short Optionen „At the money“ am größten ist, müssen „downside Optionen“ entsprechend teurer sein
+ Mathematisch gesehen steigt die Vola bei gleichem Optionspreis an wenn der Basispreis weiter „out of the money“ ist
Implizite Volatilität
Informationsgehalt von Volatilty-Skews
69
Gliederung
1. Grundlagen Derivate & Optionspricing2. Hedging & Financing mit Derivaten3. Implizite Volatilität4. Ableitbare Forschungsfragen
27Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
Ableitbare Forschungsfragen
28Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13
- Ableitbare Forschungsfragen:+ Wie verhalten sich verschiedene Gruppen von Marktteilnehmer
im Derivatemarkt?+ Welche Auswirkungen haben Marktbewegungen auf das
Verhalten von Marktteilnehmern im Derivatemarkt?+ Welche Anhaltspunkte geben implizite Volatilität und
Volatilitätsindices für zukünftige Kursbewegungen?+ Welche Gründe sind für das Auftreten von Volatilitätskurven
verantwortlich?+ Wie kann implizite Volatilität als Indikator für die Angst von
Marktteilnehmern herangezogen werden?+ Welche Faktoren haben Einfluss auf die Entstehung von
Volatilitätsskews
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
70
4.5 Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung1
Dr. Svend Reuse, MBA
Die Grundgedanken der Portfoliotheorie und der Risikomessung sind seit mittlerweile einem halben Jahrhundert etabliert und werden gerade in Banken flächendeckend angewendet. Dabei war gerade in den letzten 10-15 Jahren ein Trend hin zu komplexen Risikomodellen festzustellen.
Gerade im Rahmen der Finanzmarktkrise wurden jedoch immer wieder Stimmen laut, die die Funktionsfähigkeit der etablierten Risikomodelle in Frage stellen. Dies zeigt exempla-risch Abbildung 1.
Abbildung 1: Modellrisiko in der Presse2
Doch was sind die Folgen hieraus? Das eine Lager verlangt komplexere Modelle, die alle Eventualitäten abdecken können und dem Entscheider quasi alles abnehmen. Das andere Lager plädiert für die Verwendung des „gesunden Menschenverstandes“ und fordert einfa-chere Modelle und eine stärkere Fokussierung auf qualitative Aspekte des Risikomanage-ments.
Zur strukturierten Vorgehensweise an diese Problematik gilt es im ersten Schritt, Grundbe-griffe zu klären. Die Definition eines Modells ist vielschichtig und in der herrschenden Litera-tur konträr diskutiert worden. Es wird der Definition nach Stachowiak gefolgt, nach der ein
1 Basis: Reuse, S. (2012): Kritische Würdigung des Modellrisikos in der Adressrisikosteuerung, in:
ForderungsPraktiker, 3. Jg., Januar 2012, Ausgabe 01/2012, Heidelberg, S. 34 – 39. 2 Entnommen aus Ziggel, D. (2010): Moderne Portfoliooptimierung mit qon, erhältlich auf:
http://www.quasol.de/presse/qon.pdf, Abfrage vom 12.11.2012.
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
71
Modell als vereinfachtes Abbild der Realität definiert werden kann3. Im Asset Management und im Risikocontrolling erlangen Modelle immer mehr an Bedeutung. Zum einen ist dies der Komplexität der Materie geschuldet, zum anderen zwingen immer umfangreichere aufsichts-rechtliche Anforderungen die Banken, immer aufwendigere Modelle einzusetzen.
Zudem gilt es, den Modellrisikobegriff abzuleiten4. Verlässt sich ein Anwender auf die Ab-strahierung des Modells, so liegt ein Modellrisiko vor. Ender formuliert treffend: „Modellrisiko entsteht immer dann, wenn der wahre Prozess unbekannt ist und man stattdessen vereinfa-chende Modelle verwenden muss.5“ Der Erwartungswert ist an dieser Stelle, dass das Modell die Realität hinreichend beschreibt. Modellrisiko tritt folglich dann ein, wenn dies nicht mehr der Fall ist – auch wenn die verwendeten Daten und die Implementierung mit großer Sorgfalt erfolgt sind6.
Im zweiten Schritt behandelt dieser Vortrag diese zentralen Problemstellungen und widmet sich verschiedenen Risikomodellen, deren Annahmen und Parametern. Zudem wird eine Würdigung vorgenommen, unter welchen Bedingungen oder auch Einschränkungen die Mo-delle funktionieren und angewendet werden können.
Als Fazit des Ganzen lässt sich festhalten, dass die Risikomodelle als solches funktionieren und auch die richtigen Steuerungsimpulse liefern. Nicht die Modelle haben versagt – es sind die Nutzer, die oftmals nur ein unzureichendes Modellverständnis an den Tag gelegt haben. Dies bedeutet auf der anderen Seite jedoch nicht, dass bestehende Risikomodelle optimal sind. Es besteht immer Potenzial zur Verbesserung, z.B. durch Integration der Aspekte der Behavioral Finance in die klassischen Risikomodelle7. Auch die Erweiterung der einfachen Modelle der Asset Allocation um Extremwerttheorien und Copula-Funktionen kann hier ein sinnvoller Schritt sein.
Allerdings gilt bei der Verwendung eines jeden Modells: Am langen Ende muss der Nutzer entscheiden und nicht das Modell – letzteres darf Entscheidungen immer nur unterstützen, sie aber nie selbst treffen. Transparenz, intern wie extern, wird nicht durch die Modellre-chenergebnisse, sondern durch deren sinnvolle Interpretation erreicht.
Dr. Svend Reuse, MBA
3 Definition nach Stachowiak, H. (1973): Allgemeine Modelltheorie, Wien 1973, S. 131 ff.; zitiert nach
Thomas, O. (2005): Das Modellverständnis in der Wirtschaftsinformatik: Historie, Literaturanalyse und Begriffsexplikation, Veröffentlichungen des Instituts für Wirtschaftsinformatik, Herausgeber: Prof. Dr. Dr. h.c. mult. August-Wilhelm Scheer, Heft 184, erhältlich auf: http://www.uni-saarland.de/fileadmin/user_upload/Fachrichtungen/fr13_BWL/professuren/PDF/IWi-Heft_184.pdf, Abfrage vom 29.04.2013, S. 8.
4 Vgl. umfassend Ender, M. (2008): Modellrisiko bei der Bewertung von Optionen in einem Vergleich von Modellen mit stochastischer Volatilität, Diss. Universität Köln 2008, S. 133 ff.; Weber, F. (2001): Modellrisiko bei Value-at-Risk-Schätzungen – eine empirische Untersuchung für den schweizerischen Aktien-und Optionenmarkt, Diss. Freiburg in der Schweiz 2001, S. 130 ff.
5 Ender, M. (2008), a.a.O. (FN 4), S. 5. 6 Vgl. Ender, M. (2008), a.a.O. (FN 4), S. 137. 7 Vgl. Reuse, S. (2011): Korrelationen in Extremsituationen, Wiesbaden 2011, S. 222.
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
72
Folie 1Dr. Svend Reuse17.11.2012
Modellgläubigkeit vs. Pragmatismus –welche Modelle führen zu Transparenz in der Risikosteuerung?
Dr. Svend Reuse, MBA
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
Inhalt
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
Folie 2Dr. Svend Reuse17.11.2012
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
73
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
1. Einleitende Worte
Modellfehler kostet 90 Millionen Pfund
Am 28. Februar 1997 gab die National Westminster Bank (NatWest) bekannt, dass sie „ein schwarzes Loch“ in Höhe von 50 Millionen Pfund in ihrem Optionsbuch entdeckt hatte. Es wurde vermutet, dass es sich dabei um Zinsoptionen in Schweizer Franken handelte. Am 15. März 1997 wurde die Verlustschätzung auf 90 Millionen Pfund erhöht. Gleichzeitig teilte die Bank mit, dass Ursache ein Fehler im Bepreisungsmodell für die Optionen war, der seit etwa drei Jahren Bestand.
In einem Artikel berichtet die Zeitschrift Euromoney am Mai 1997, dass es bei NatWest Händlern gestattet war, eigene Preise in Systeme einzugeben und dass das hauseigene „Interest Rate Risk Management System“ nicht in der Lage war, sachgerechte Neubewertungen von Positionen vorzunehmen. Gleichzeitig war es ein offenes Geheimnis am Markt, dass die NatWest-Preise fehlerhaft waren. Deshalb kauften verschiedene Banken große Positionen in den von NatWest emittierten Optionen und konnten sichere Profite einfahren.
NatWest wurde ferner von der Aufsichtsbehörde für Wertpapier- und Futures-Handel zur Zahlung einer Strafe von 420.000 Pfund verurteilt. Erschwerend kamen verschiedene Fälle von Kontrollversagen und die Verschleierung aufgelaufener Verluste durch Händler hinzu. Diese Aspekte liegen außerhalb des Modellrisikos, fallen jedoch in die operationellen Risiken.
Folie 3Dr. Svend Reuse17.11.2012
Entnommen aus: Voith (2012), S. 636.
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
1. Einleitende Worte
• Gerade seit der Finanzmarktkrise geraten Risikomodelle immer mehr in die Kritik.
• Ihnen wird vorgeworfen, gerade in Krisen versagt zu haben und Risiken systematisch zu unterschätzen.
• Doch ist dies wirklich so?
Dieser Vortrag beantwortet Ihnen diese Frage und analysiert das Thema Modellrisiko und gibt Handlungsimpulse für die Risikosteuerung.
Folie 4Dr. Svend Reuse17.11.2012
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
74
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
2. Definition Modell und Modellrisiko2.1. Was ist ein Modell?
• Die Definition eines Modells ist vielschichtig und in der herrschenden Literatur konträr diskutiert worden.
• Nach Stachowiak kann ein Modell als das vereinfachte Abbild der Realität definiert werden.
• Wieso Vereinfachung?- Isolierung der zu analysierenden Faktoren- Vereinfachung zur Reduktion der Komplexität
• Annahmen helfen, die Vereinfachung vorzunehmen.
Folie 5Dr. Svend Reuse17.11.2012
Vgl. Stachowiak (1973), S. 131 ff.; zitiert nach Thomas (2005), S. 8.
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
2. Definition Modell und Modellrisiko2.2. Beispiel Modellannahmen
• Art des Zusammenhangs
Folie 6Dr. Svend Reuse17.11.2012
Die Korrelation ist ein linearerZusammenhang!
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
75
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
2. Definition Modell und Modellrisiko2.2. Beispiel Modellannahmen
• Am Beispiel der Behavioral Finance lässt sich dies gut darstellen:
Folie 7Dr. Svend Reuse17.11.2012
Entnommen aus Reuse (2011), S. 52.
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
2. Definition Modell und Modellrisiko2.3. Modellrisiko
• „Verlässt sich ein Anwender auf die Abstrahierung des Modells, so liegt ein Modellrisiko vor.“
• „Modellrisiko entsteht immer dann, wenn der wahre Prozess unbekannt ist und man stattdessen vereinfachende Modelle verwenden muss.“
• „Der Erwartungswert ist an dieser Stelle, dass das Modell die Realität hinreichend beschreibt. Modellrisiko tritt folglich dann ein, wenn dies nicht mehr der Fall ist – auch wenn die verwendeten Daten und die Implementierung mit großer Sorgfalt erfolgt sind.“
Folie 8Dr. Svend Reuse17.11.2012
Reuse (2012), S. 34.
Reuse (2012), S. 34.
Ender (2008), S. 5.
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
76
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
3. Kritische Würdigung bestehender Modelle3.1. Markowitz
Folie 9Dr. Svend Reuse17.11.2012
Entnommen aus: Ziggel (2010), S. 2.
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
Folie 10Svend Reuse
3. Kritische Würdigung bestehender Modelle3.1. Markowitz
• Rollierende und historische Korrelationen am Beispiel RexP – DAX.
• Zwischenfazit: in Krisenzeiten ist kein Versagen der Korrelationen festzustellen.
-1,000
-0,800
-0,600
-0,400
-0,200
0,000
0,200
0,400
0,600
0,800
1,000
31.0
1.19
96
30.0
1.19
97
30.0
1.19
98
30.0
1.19
99
30.0
1.20
00
29.0
1.20
01
29.0
1.20
02
29.0
1.20
03
29.0
1.20
04
28.0
1.20
05
28.0
1.20
06
28.0
1.20
07
28.0
1.20
08
27.0
1.20
09
27.0
1.20
10
Zeitverlauf - Endzeitpunkt bei der gleitenden Korrelation
glei
tend
e Ko
rela
tion
im Z
eita
blau
f
Gleitende Korrelationen Klassische KorrelationenNeue Markt Blase (02.2000)
9/11 (09.2001)
Finanzmarktkrise (08.2008)
Subprime Krise (05.2007)
Vgl. Reuse (2011), S. 151.
17.11.2012
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
77
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
3. Kritische Würdigung bestehender Modelle3.1. Markowitz
Fazit: • Makrowitz hat nicht versagt.• Korrelationen sind stabil.• Modellannahmen müssen kritisch hinterfragt – und
verstanden werden!• Markowitz hat sein Modell immer auf erwarteten
Renditen und erwarteten Risiken aufgebaut.• Zudem existiert nur der Einperiodenfall.
Nicht das Modell, sondern seine Nutzer haben versagt.
Folie 11Dr. Svend Reuse17.11.2012
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
3. Kritische Würdigung bestehender Modelle3.2. Value at Risk
Die HSH Nordbank brachte dieses Risikofrühwarnsystem nie richtig zum Laufen. Calypso hieß die Software, die Daten fürs Risikokalkül verarbeiten sollte; in der Bank hieß sie "Kollapso". Denn so wie sie damals eingesetzt wurde, war Calypso offenbar für die HSH nicht die richtige Lösung. Sie erfasste nicht alle Deals und vertrug sich nicht mit anderen Systemen der Bank. Vor allem mit dem System nicht, das den täglichen VaR-Report ausspucken sollte. So stimmten die Risikokurven nicht, und verantwortlich für diese falschen Kurven, mit denen die Bank dann trotzdem operierte: der Unternehmensbereich "Group Risk Management" (GRM), der vom heutigen Vorstand Gemmeren geleitet wurde.
Fast jeder Händler in der Bank wusste, dass sie im Blindflug unterwegs waren. Sogar ein Neuling, ein kleiner Trader in London. "Ich habe vor drei Monaten in der Firma angefangen", schrieb er am 14. August 2008 in einer E-Mail an Gemmerens Risikotruppe, "ich habe verzweifelt versucht, bei den Londoner VaR-Ergebnissen durchzublicken, weil die Zahlen überhaupt keinen Sinn machen, besonders nicht die für das Kreditgeschäft." Und weiter: "Die VaR-Zahl ist mathematisch unmöglich. Ich habe das Gefühl, das ist eine sehr wichtige Aufgabe, nicht nur für die Londoner Niederlassung, sondern für alle Abteilungen, die mit Kreditderivaten handeln."
Folie 12Dr. Svend Reuse17.11.2012
Entnommen aus: Balzli/Dahlkamp/Latsch/Schmitt (2009), S. 105.
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
78
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
3. Kritische Würdigung bestehender Modelle3.2. Value at Risk
• Typische Modelle:
Folie 13Dr. Svend Reuse17.11.2012
Entnommen aus: Reuse (2006), S. 367.
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
3. Kritische Würdigung bestehender Modelle3.2. Value at Risk
• Versagen von Varianz/Kovarianz:
Folie 14Dr. Svend Reuse17.11.2012
Quelle: Fröhlich
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
79
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
3. Kritische Würdigung bestehender Modelle3.2. Value at Risk
Folie 15Dr. Svend Reuse17.11.2012
Vgl. Reuse (2012), S. 36.
• Kreditrisiko: Vergleich der Modelle:
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
3. Kritische Würdigung bestehender Modelle3.2. Value at Risk
Fazit: • Modelle oftmals recht komplex.• Annahmen und Parameter nachzuvollziehen ist mit
einem hohen Aufwand verbunden.• Copulas als Ergänzung der Monte Carlo Simulation• Aber: werden Annahmen als Restriktionen akzeptiert,
so sind die Modelle adäquat.• Vorteil: Es wird eine Haltedauer und ein
Konfidenzniveau geschätzt – etwas, das „Planungssicherheit“ geben kann!
Nicht das Modell, sondern seine Nutzer haben versagt.
Folie 16Dr. Svend Reuse17.11.2012
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
80
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
3. Kritische Würdigung bestehender Modelle3.3. Extremwerttheorie
• Die Extremwerttheorie verwendet als Prognoseverteilung nicht diejenige Verteilung, welche im mittleren Bereich die beste Approximation darstellt, sondern wählt zur Risikoschätzung diejenige theoretische Verteilungsannahme aus, welche die empirische Schätzung am Verteilungsrand am besten approximiert.
• Diese Methode ist in der Lage, auch extreme Wertänderungen im Marktpreisrisikobereich aufzuzeigen.
• Dies zeigt das folgende Beispiel.
Folie 17Dr. Svend Reuse17.11.2012
Vgl. Reuse (2011), S. 49.
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
3. Kritische Würdigung bestehender Modelle3.3. Extremwerttheorie
Folie 18Dr. Svend Reuse17.11.2012
• Historische Kursentwicklung DAX 04.1996 – 04.2009
0
100
200
300
400
500
600
1.4.96 1.4.97 1.4.98 1.4.99 1.4.00 1.4.01 1.4.02 1.4.03 1.4.04 1.4.05 1.4.06 1.4.07 1.4.08 1.4.09
Vgl. Reuse/Zeranski (2009.10).
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
81
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
3. Kritische Würdigung bestehender Modelle3.3. Extremwerttheorie
Folie 19Dr. Svend Reuse17.11.2012
• Historische Kursentwicklung DAX 04.1996 – 04.2009
Vgl. Reuse/Zeranski (2009.10).
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
3. Kritische Würdigung bestehender Modelle3.3. Extremwerttheorie
Fazit: • Modell mathematisch/statistisch sehr anspruchsvoll.• Werte werden gut approximiert…• … bis zur nächsten Krise?
Modell gut, aber noch zu unbekannt.
Folie 20Dr. Svend Reuse17.11.2012
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
82
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
4. Stresstests als Ergänzung4.1. Definition
Folie 21Dr. Svend Reuse17.11.2012
• Eckdaten von Stresstests
Quelle: Reuse/Svoboda (2010), S. 65.
• Stresstests sind zusätzliche Simulationen zu den bestehenden Risikomanagementverfahren.
• Sollen externe Faktoren wie ökonomische Makroszenarien beinhalten. • Sie haben qualitativ und quantitativ zu erfolgen. • Sie sollen die Verlustanfälligkeit von Instituten aufzeigen. • Sie müssen somit nicht nur für einzelne Risiken, sondern auch für das gesamte Institut
vollzogen werden. • Sie sollen der Information der Geschäftsleitung dienen. • Sie sollen historische und hypothetische Szenarien umfassen. • Sie müssen außergewöhnliche aber plausible Szenarien darstellen.
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
4. Stresstests als Ergänzung4.2. Strukturierung von Stresstests
Folie 22Dr. Svend Reuse17.11.2012
Quelle: Reuse/Svoboda (2010), S. 66.
Stresstests
Univariate Stresstests Sensitivitätsanalyse
Multivariate Stresstests Szenarioanalyse
• Es wird nur ein Risikofaktor variiert. • Ziel ist es, die Empfindlichkeit/Sensitivität
dieses Risikoparameters und seine Einflüsse auf das Risiko zu messen.
• Simultane Veränderung mehrerer Faktoren.
• Ziel ist die Darstellung eines kumulativen Stresszustandes.
Vorteil: • Die isolierte Wirkung eines Parameters
kann aufgezeigt werden. Nachteil: • Die Auswirkungen des Zusammenspiels
mehrere Risikofaktoren werden nicht berücksichtigt.
Vorteil: • „Realistische“ Simulation von
Krisenszenarien. • Betrachtet ggf. alle Portfolien. • Wechselwirkungen zwischen
Parametern werden deutlich. Nachteil: • Erhöhter Modellierungsaufwand. • Die Wirkung des einzelnen Parameters
geht unter.
Arten: • Portfolioindividuelle Verfahren • Standardisierte Verfahren
Arten: • Historische Szenarien • Hypothetische Szenarien
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
83
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
4. Stresstests als Ergänzung4.3. Würdigung von Stresstests
Folie 23Dr. Svend Reuse17.11.2012
• Stresstests sollen Ergänzungen zur klassischen Risikosteuerung darstellen.
• Erfinden einer „Story“ um eine mögliche Stresssituation hinreichend zu beschreiben.
• Stresstests erfassen Dinge, die in der Historie noch nicht aufgetreten sind.
• Eine gute Möglichkeit, Sensitivitäten zu testen.
Sie ergänzen Risikomodelle, ersetzen sie aber nicht.
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
5. Umgang mit Modellrisiken5.1. Verankerung in den MaRisk
Folie 24Dr. Svend Reuse17.11.2012
MaRisk-E, AT 4.1, Tz. 8:
„[…] Die den Methoden und Verfahren zugrunde liegenden Annahmen sind nachvollziehbar zu begründen. […]. Die Angemessenheit der Methoden und Verfahren ist zumindest jährlich durch die fachlich zuständigen Mitarbeiter zu überprüfen. Dabei ist den Grenzen und Beschränkungen, die sich aus den eingesetzten Methoden und Verfahren, den ihnen zugrunde liegenden Annahmen und den in die Risikoquantifizierung einfließenden Daten ergeben, hinreichend Rechnung zu tragen. Die Aussagekraft der quantifizierten Risiken ist insofern kritisch zu analysieren.“
Quelle: BaFin (2012).
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
84
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
5. Umgang mit Modellrisiken5.2. Genereller Umgang mit Modellrisiken
Folie 25Dr. Svend Reuse17.11.2012
Vgl. Reuse (2012), S. 37.
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
5. Umgang mit Modellrisiken5.3. Komplexität vs. Modellrisiko
Folie 26Dr. Svend Reuse17.11.2012
Vgl. Reuse (2012), S. 38.
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
85
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
5. Umgang mit Modellrisiken5.4. Komplexität vs. Ökonomischer Nutzen
Folie 27Dr. Svend Reuse17.11.2012
Vgl. Reuse (2012), S. 38.
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
6. Fazit und Ausblick
• Modelle helfen „nur“, die grundsätzlichen Wechselwirkungen an den Märkten zu verstehen.
• Modelle und deren Restriktionen müssen verstanden werden, um sie sinnvoll einsetzen zu können.
• Stresstests ergänzen Risikomodelle, ersetzen sie aber nicht.
• Nicht die Modelle haben versagt – es sind die Nutzer, die oftmals nur ein unzureichendes Modellverständnis an den Tag gelegt haben.
Am langen Ende muss der Nutzer entscheiden und nicht das Modell – letzteres darf Entscheidungen immer nur unterstützen, sie aber nie selbst treffen.Transparenz, intern wie extern, wird nicht durch die Modellrechenergebnisse, sondern durch deren sinnvolle Interpretation erreicht.
Folie 28Dr. Svend Reuse17.11.2012
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
86
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
Literatur
BaFin (2012): Konsultation 01/2012: Entwurf der MaRisk (inoffizieller Zwischenentwurf vom 01.08.2012).
Balzli, B. / Dahlkamp, J. / Latsch, G. / Schmitt, J. (2009): Hai und Hering, in: Der Spiegel 48/2009 vom 23.11.2009, erhältlich auf: http://wissen.spiegel.de/wissen/image/show.html?did=67871670&aref=image040/2009/11/21/ROSP200904801040107.PDF&thumb=false, Abfrage vom 12.11.2012.
Ender, M. (2008): Modellrisiko bei der Bewertung von Optionen in einem Vergleich von Modellen mit stochastischer Volatilität, Diss. Universität Köln 2008, erhältlich auf: http://kups.ub.uni-koeln.de/2304/1/Modellrisiko_ManuelaEnder_KUPS_neuesDatum.pdf, Abfrage vom 12.11.2012.
Reuse, S. (2006): Berechnung des Value-at-Risk mit der Monte-Carlo-Simulation –Vorstellung bestehender Modelle und Würdigung der Ergebnisse, in: Bankpraktiker 1. Jg. Juli 2006, Ausgabe 07-08/2006, Düsseldorf, S. 366 – 371.
Reuse, S. (2011): Korrelationen in Extremsituationen, Wiesbaden 2011.Reuse, S. (2012): Kritische Würdigung des Modellrisikos in der Adressrisikosteuerung, in:
ForderungsPraktiker, 3. Jg., Januar 2012, Ausgabe 01/2012, Heidelberg, S. 34 – 39.Reuse, S. / Svoboda, M. (2010): Stresstests – Kritische Analyse der Anforderungen in den
neuen MaRisk und Modellierung eines Prototypen, in: Bankpraktiker 5. Jg., März 2010, Ausgabe 03/2010, Düsseldorf, S. 65 – 70.
Folie 29Dr. Svend Reuse17.11.2012
1. Einleitende Worte
2. Definition Modell und Modellrisiko
3. Kritische Würdigung bestehender Modelle
4. Stresstests als Ergänzung zu Risikomodellen
5. Umgang mit Modellrisiken
6. Fazit und Ausblick
Literatur
Sibbertsen, P. / Rohde, J. / Luedtke, C. (2010): Sind Risikomodelle selbst ein Risiko?, in: Unimagazin 2010, S. 46 – 49, erhältlich auf:http://www.uni-hannover.de/imperia/md/content/alumni/unimagazin/2010/sicherheit_46-49_sibbertsen.pdf, Abfrage vom 12.11.2012.
Stachowiak, H. (1973): Allgemeine Modelltheorie, Wien 1973.Thomas, O. (2005): Das Modellverständnis in der Wirtschaftsinformatik: Historie,
Literaturanalyse und Begriffsexplikation, Veröffentlichungen des Instituts für Wirtschaftsinformatik, Herausgeber: Prof. Dr. Dr. h.c. mult. August-Wilhelm Scheer, Heft 184, erhältlich auf: http://www.uni-saarland.de/fileadmin/user_upload/Fachrichtungen/fr13_BWL/professuren/PDF/IWi-Heft_184.pdf, Abfrage vom 12.11.2012.
Voit, J. (2012): Beipackzettel für Risikomodelle?, in: Betriebswirtschaftliche Blätter, 61. Jg., Nr. 11.2011, S. 636 – 640.
Ziggel, D. (2010): Moderne Portfoliooptimierung mit qon, erhältlich auf: http://www.quasol.de/presse/qon.pdf, Abfrage vom 12.11.2012.
Zeranski, S. / Reuse, S. (2009): Neue MaRisk-Anforderungen an Stresstests [Rundschreiben 15/2009 (BA)], in: Bankentimes Spezial Controlling/Gesamtbanksteuerung, Oktober & November 2009.
Folie 30Dr. Svend Reuse17.11.2012
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
87
Erstveröffentlichung im ForderungsPraktiker 01/2012, S. 34 – 39, abgedruckt mit freundlicher Genehmigung der Redaktion des ForderungsPraktikers (www.ForderungsPraktiker.de) und des Verlages Finanz Colloquium Heidelberg (www.FC-Heidelberg.de).
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
88
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
89
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
90
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
91
Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung
92
Ableitbare Forschungsansätze und -fragen
93
5 Ableitbare Forschungsansätze und -fragen
Gerade aufgrund der aktuellen Lage an den Märkten kommt dem Thema dieses Forschungs-forums eine besondere Bedeutung zu. Folglich existiert in vielerlei Hinsicht weiteres For-schungspotenzial. Insbesondere sind Forschungsideen durch die Forumsdiskussionen auf-gebracht worden, die im Folgenden skizziert werden.
5.1 Integration von Behavioral Finance in klassischen Risikomodelle
Idee Auch wenn die Grundideen der Behavioral Finance mittlerweile nachgewiesen
werden können, ist eine sinnhafte Verknüpfung mit den klassischen Modellen bis-her nur wenig erfolgt (Vgl. exemplarisch Reuse (2011), S. 143 ff.).
Ein Ansatz zur weiteren Forschung könnte folglich sein, die Verknüpfung beider Ideen weiter voanzutreiben.
Quellen Markowitz, H. M. (1952): Portfolio Selection, in: Journal of Finance, 7. Jg. 1952, Nr. 1, S. 77 – 91.
Reuse, S. (2011): Korrelationen in Extremsituationen, Wiesbaden 2011.
Reuse, S. / Svoboda, M. (2010): Stresstests – Kritische Analyse der Anforderun-gen in den neuen MaRisk und Modellierung eines Prototypen, in: Bankprakti-ker, 6. Jg. 2010, Nr. 3, S. 65 – 70.
Reuse, S. / Zeranski, S. (2009.10): Neue MaRisk-Anforderungen an Stresstests [Rundschreiben 15/2009 (BA)], in: Bankentimes Spezial Banksteue-rung/Controlling, Oktober & November 2009.
Ableitbare Forschungsansätze und -fragen
94
5.2 Behandlung des Modellrisikos in der Risikotragfähigkeit der Institute
Idee Das Modellrisiko hat auch in der MaRisk 5.0-Novelle vom 14.12.2013 Eingang
gefunden. So sagt AT 4.1 Tz. 8 im Zusammenhang mit dem Umgang in der Risiko-tragfähigkeit: „[…] Dabei ist den Grenzen und Beschränkungen, die sich aus den eingesetzten Methoden und Verfahren, den ihnen zugrunde liegenden Annahmen und den in die Risikoquantifizierung einfließenden Daten ergeben, hinreichend Rechnung zu tragen. Die Aussagekraft der quantifizierten Risiken ist insofern kri-tisch zu analysieren.“
Eine adäquate Integration des Modellrisikos und die Ableitung eines praktischen Umsetzungskonzeptes für die Institute wäre das Ziel einer solchen Ausarbeitung.
Quellen BaFin (2012.12a): MaRisk Novelle 2012 – Veröffentlichung der Endfassung, An-schreiben an die Verbände, Bonn/Frankfurt, 14.12.2012.
BaFin (2012.12b): Rundschreiben 10/2012 (BA) vom 14.12.2012.
BaFin (2012.12c): Anlage 2: Alle Änderungen gegenüber der MaRisk-Fassung vom 15.12.2010.
DSGV (2011): Mindestanforderungen an das Risikomanagement, Interpretations-leitfaden, Version 4.0, Berlin 2011.
Reuse, S. (2011): Korrelationen in Extremsituationen, Wiesbaden 2011.
Reuse, S. (2012): Kritische Würdigung des Modellrisikos in der Adressrisikosteue-rung, in: ForderungsPraktiker, 3. Jg., Januar 2012, Ausgabe 01/2012, Hei-delberg, S. 34 – 39.
Reuse, S. (2013): MaRisk 5.0 – Umsetzungsimplikationen aus den Klarstellungen und Neuregelungen für 2013, in: Bankpraktiker, 8. Jg., Februar 2013, Ausga-be 02/2013, Heidelberg, S. 8 – 14.
Ableitbare Forschungsansätze und -fragen
95
5.3 Kalenderzeiteffekte und Behavioral Finance
Idee Es verbleibt die Frage nach den Gründen der unterdurchschnittlichen Performance
bei Aktien bzw. überdurchschnittlichen Performance bei Anleihen im Sommer. Die Behavioral Finance bietet individual- und massenpsychologische Modelle, aus denen Forschungsfragen abgeleitet werden können. Halten so z. B. Unternehmen und Analysten in den ersten beiden Quartalen an ihren (möglicherweise zu opti-mistischen) Prognosen fest und korrigieren diese erst im späteren Jahresverlauf nach unten?
Quellen Ackert, L. / Deaves, R. (2009): Behavioral Finance: Psychology, Decision-Making, and Markets, Mason 2009.
De Bondt, W.F.M. / Muradoglu, G. / Shefrin, H. / Staikouras, S.K. (2008): Behav-ioral Finance: Quo Vadis?, in: Journal of Applied Finance 2008, Jg. 18, Nr. 2, S. 7 – 21.
Pompian, M.M. (2012): Behavioral Finance and Wealth Management, 2. Aufl., Ho-boken 2012.
Shefrin, H. (2000): Beyond Greed and Fear – Understanding Behavioral Finance and the Psychology of Investing, New York 2000.
Yazdipur, R. (2011): Advances in Entrepreneurial Finance – With Applications from Behavioral Finance and Economics, New York, Heidelberg und London 2011.
5.4 Management der Wertpapierliquidität
Idee Die Untersuchungen von Rojahn und Elschen haben gezeigt, dass Emittenten die
Liquidität der eigenen Aktie u.a. gezielt durch den Einkauf von Analystencoverage positiv beeinflussen können. Allerdings hängt die Anzahl covernder Wertpapier-analysten unverändert maßgeblich von der Marktkapitalisierung des Emittenten ab. Daraus folgt die Frage nach weiteren Maßnahmen, die geeignet sind, um die Wertpapierliquidität zu erhöhen: Segmentwechsel, Stock Splits, Kapitalerhöhun-gen etc.
Quellen Rojahn, J. / Elschen, R. (2009a): Liquidität und Anteilsbesitzkonzentration, in: Fi-nanz Betrieb, 2/2009, S. 88 – 93 sowie die dort zitierte Literatur.
Rojahn, J. / Elschen, R. (2009b): Management des Illiquiditätsabschlags – der Ein-fluss von Analystencoverage, in: Finanz Betrieb, 3/2009, S. 137-143 sowie die dort zitierte Literatur
Ableitbare Forschungsansätze und -fragen
96
5.5 Umfassende Fragestellungen aus dem Bereich Volatility Skews
Idee • Wie verhalten sich verschiedene Gruppen von Marktteilnehmer im Derivatemarkt?
• Welche Auswirkungen haben Marktbewegungen auf das Verhalten von Markt-teilnehmern im Derivatemarkt?
• Welche Anhaltspunkte geben implizite Volatilität und Volatilitätsindices für zu-künftige Kursbewegungen?
• Welche Gründe sind für das Auftreten von Volatilitätskurven verantwortlich?
• Wie kann implizite Volatilität als Indikator für die Angst von Marktteilnehmern herangezogen werden?
• Welche Faktoren haben Einfluss auf die Entstehung von Volatilitätsskews?
Quellen Buraschi, A. / Jackwerth, J. C. (1999): Is Volatility risk priced in the option market?, Working paper, London Business School, erhältlich auf: http://papers.ssrn.com/sol3/papers.cfm?abstract_id=161148, Abfrage vom 29.04.2013.
Doran, J. S. / Tarrant, B. C. / Peterson, D. R. (2007): Is there information in the Volatility Skew?, in: Journal of Futures Markets, 27. Jg., 10.2007, S. 921 – 960.
Hull, J. C. (2012): Options Futures & Other Derivatives, 8. Auflage, Essex 2012.
Jiang G. J. / Tian Y. S. (2005): The model free implied volatility and its information content, in: Review of Financial Studies 18. Jg., Nr. 4, S. 1305 – 1342.
Muzzioli, S. (2011): The Skew Pattern of Implied Volatility in the DAX Index Op-tions Market, in: Frontiers in Finance and Economics, 8. Jg., Nr. 1, S. 43 – 68.
Natenberg, S. (1994): Option Volatility & Pricing, New York 1994.
Taleb, N. (1997): Dynamic Hedging – Managing Vanilla and Exotic Options, New York 1997.
Ableitbare Forschungsansätze und -fragen
97
5.6 Aktuelle Themenstellungen aus dem Bereich Internetnutzung und Datenschutz
Idee Der Internetnutzer ist im Laufe der Zeit vom reinen Konsumenten zum
Prosumenten geworden, da er insbesondere im Web 2.0 die Möglichkeit hat ein-fach und schnell eigene Inhalte zu veröffentlichen. Die Trennung privater und ge-schäftlicher Kontakte erfolgt im virtuellen Netzwerk nicht so konsequent wie in tra-ditionellen Netzwerken, sodass nicht nur private Kontakte Zugang zu privaten In-formationen erhalten.
Das Internet wird dadurch für den Finanzvertrieb zu einer Informationsquelle für persönliche Daten. Die persönlichen Daten bieten vor allem Finanzsektor eine Chance auf einen emotionalen Verkauf, wodurch die Aussichten auf einen Ver-tragsabschluss seitens des Verkäufers erhöht werden.
Anschließende Forschungsfragen:
• Die heutige und zukünftige Bedeutung von Webprivacy.
• Informations-Management als Bildungsaufgabe.
• Alternative Betreuungskonzepte in der Finanzberatung.
Quellen Anderson, P. (2007): What is Web 2.0? Ideas, technologies and implications for education, in: JISC Technology and Standards Watch, February 2007.
Bundestag (2012): Fünfter Zwischenbericht der Enquete-Kommission „Internet und digitale Gesellschaft“ – Datenschutz, Persönlichkeitsrechte, Drucksache 17/8999, Berlin, 15.03.2012.
Cyganski, P. (2008): Soziale Netzwerke im Web 2.0 – Chancen, Risiken und Verände-rungen für Organisationen, in: Becker, J. / Knackstedt, R. / Pfeiffer, D. (Hrsg.), Wertschöpfungsnetzwerke, Berlin 2008, S. 305 – 324.
Dix, A. (2010): Daten- und Persönlichkeitsschutz im Web 2.0, in: Klumpp, D. / Ku-bicek, H. / Poßnagel, A. / Schulz, W. (Hrsg.), Netzwelt – Wege, Werte, Wan-del, Heidelberg, Dordrecht, London und New York 2010.
EU-Kommission (2012): Special Eurobarometer 390 – Cyber Security Report, Stand Juli 2012, Brüssel 2012.
Peterreins, H. (2010): Wege fairer und erfolgreicher Anlageberatung, in: Peterreins, H. / Märtin, D. / Beetz, M. (Hrsg.), Fairness und Vertrauen in der Finanzberatung – Spielregeln für ein partnerschaftliches Miteinander von Kunden und Beratern, Wiesbaden 2010.
Aachen | Augsburg | Berlin | Bochum | Bonn | Bönen | Bremen | Darmstadt | Dortmund | Duisburg | Düsseldorf | Essen | Frankfurt a. M. | Freiburg | Gütersloh | Hagen | Hamburg | Hannover | Kassel | Köln | Leipzig | Mannheim | Marl | München | Münster | Neuss | Nürnberg | Offenbach | Siegen | Stuttgart | Wesel | Wuppertal
Gerade in Zeiten wie diesen kommt dem Thema Transparenz an den Kapitalmärkten eine
besondere Bedeutung zu. Zum einen sind die Themen Informationsbeschaffung, Informati-
onsverarbeitung und Informationsinterpretation wichtig, zum anderen führt gerade das
Internet dazu, dass viele Informationen für jedermann zugänglich sind. Doch wird die Trans-
parenz an den Märkten hierdurch eher verstärkt oder führt die Informationsflut eher zu mehr
Unübersichtlichkeit?
Der Tagungsband des 4. Forschungsforums Finance „Transparenz am Kapitalmarkt“, das am
17.11.2012 in Essen stattfand, skizziert und behandelt einige aktuelle Forschungsansätze
und -ergebnisse zu diesem Bereich. Neben dem zentralen Thema der Informationsbeschaf-
fung finden auch Aspekte der Behavioral Finance und des Modellrisikos Eingang in die Ta-
gung. Diese laden zur Aufarbeitung in Abschlussarbeiten an der FOM ein.
4. F
OM
Fo
rsch
un
gsf
oru
m –
Fin
ance
Tr
ansp
aren
z am
Kap
italm
arkt
Forschungsforum
Frère, Eric · Reuse, Svend · Rojahn, Joachim
4. FOM Forschungsforum – Finance Essen | 17. November 2012 Transparenz am Kapitalmarkt