Mondello 2017

Multilizer PDF Translator Free version - translation is limited to ~ 3 pages per translatio
Enzo Mondello
finances
Theorie und Anwendungsbeispiele
Multilizer PDF Translator Free version - translation is limited to ~ 3 pages per translatio
Multilizer PDF Translator Free version - translation is limited to ~ 3 pages per transla
if nances
Enzo Mondello
finances
Theorie und Anwendungsbeispiele
Enzo Mondello
Risch, Schweiz
ISBN 978-3-658-13198-2 ISBN 978-3-658-13199-9 (eBook)

DOI 10.1007/978-3-658-13199-9
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillier- te
bibliografischeDatensindimInternetüberhttp://dnb.d-nb.deabrufbar.
Springer Gabler
© Springer Fachmedien Wiesbaden GmbH 2017
Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwert ung, die nicht ausdrücklich vom
Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung des Verlags. Das gilt insbesondere für
Vervielfältigungen,Bearbeitungen,Übersetzungen,Mikroverfilmungen unddie Einspeicherung und Verar- beitung in
elektronischenSystemen.
DieWiedergabevonGebrauchsnamen,Handelsnamen,Warenbezeichnungenusw.indiesemWerkberechtigtauchohne
besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und
Markenschutz-Gesetzgebungalsfreizubetrachtenwärenunddahervonjedermann benutzt werden dürften. DerVerlag,
dieAutorenunddieHerausgebergehendavonaus,dassdieAngabenundInformationenindiesemWerkzumZeitpunktder
Veröffen tlic hung vollständig und korrekt sind. Weder der Verlag noch die Autoren oder die Herausgeber übernehmen,
ausdrücklich oder implizit, Gewähr für den Inhaltdes Werkes, etwaige Fehler oder Äußerungen. Der Verlag bleibt im
HinblickaufgeografischeZuordnungenundGebietsbezeichnungeninveröffentlichtenKartenundInstitutionsadressen
neutral.
Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier.
Springer Gabler ist Teil von Springer Nature

Die eingetragene Gesellschaft ist Springer Fachmedien Wiesbaden GmbH
Die Anschrift der Gesellschaft ist: Abraham-Lincoln-Str. 46, 65189 Wiesbaden, Germany
Vorwort
Die Finance bzw. die Finanzmar kttheorie befasst sich mit der Anlage und Beschaffung von
Kapital auf den Finanzmärkten. Sie hat als eigenständiges Fachgebiet ihren Ursprung in der
finanziellen Unternehmensführung (Corpor ate Finance), wo Fragen der Finanzierung und der
mit ihr verbundenen Investitionsents cheidungen betrachtet werden. Die Bedeu- tung der
Finance in der Kapitalanlage und somit in der Finanzanalyse sowie im Portfolio- und
Risikomanagement ist darauf zurückzuf ühren, dass an den Finanzmärkten große Ver- mögen
gemacht,aberauchvernichtetwerdenkönnen.Daheristeswichtig,dassdieMarktteilnehmerdie
fürdieAnlageentscheidungenerforderlichenfinanzmarkttheoreti-schenKonzeptekennenund
verstehen.
DasvorliegendeBuchdecktdieKonzeptederFinanceab,diefürdieKapitalanlagerelevant
sind.DabeibasiertdasBuchaufeinerReihevonGrundsätzen.1.Diefinanz-markttheoretischen
Konzeptewerdenverständlicherklärt,wobeinebenderTheorieauchdiepraktischeUmsetzung
gezeigtwird.2.DieFinance-Konzeptewerden,wannimmermöglich,ankonkretenBeispielen
desdeutschenunddesschweizerischenFinanzmarktsangewandt.Darüberhinausfindetsich
eineVielzahlvonAufgabenamEndederjewei-ligenKapitel,wasdenanwendungsorientierten
CharakterdesBuchesunterstreicht.3.DasBuchistweitestgehendmodularaufgebaut,sodass
derLeseraucheinzelneModel-lewieetwadasMarkowitz-Modell,dasCapitalAssetPricing
Model(CAPM)oderdasBlack/Scholes-Modellgezieltnachschlagenkann.
DieMotivationzumSchreibendiesesLehrbuchsistüberdieJahreimRahmenmeiner
langjährigenUnterrichtstätigkeitanUniversitäten,FachhochschulensowieindenVorbe-
reitungskursenzumCFA ®
(CharteredFinancialAnalyst)beiCfBSCenterforBusiness
Studiesentstanden.EsbereitetmirgroßeFreude,meinerarbeitetesWisseninderFinanz-
markttheorieinLehrbuchformzuübertragen.DasErgebnisdieserBestrebungenliegtinden
dreiBüchernFinance,AktienbewertungundPortfoliomanagementvor.
Das Buch richtet sich an Studierende der Wir tschaftswissenschaften, die sich in
den mittleren Semestern an Universitäten und Fachhochschulen befinden, an
Praktiker, die in den Bereichen Finanzanalyse und Portfoliomanagement arbeiten
oder eine solche beruf- liche Tätigkeit in der Finanzindustrie anstreben.
Gleichzeitig eignet sich das Lehrbuch für die Vorbereitung von Weiterbildungen,
die zur Zertifizierung von Finanzanalysten –wieCFA
®
oder Certified International Investment Analyst (CIIA® ) – und Finanzpla-
V
VI Vorwort
nern führen. Schließlich kann das vorliegende Werk auch in Weiterbildungslehrgängen an

Hochschuleneingesetztwerden.
DasBuchsetztgrundlegendeKenntnisseinMathematikundStatistikvoraus,diezum
BeispielineinemBachelorstudiumderWirtschaftswissenschaftenvermitteltwerden.Zielist
es,dasanwendungsorientierteVerständniszufördern.DennochistderEinsatzvonMathematik
fürdieBeschreibungderModelleerforderlich.SchließlichsolltebeimLeserauchein
elementaresVerständnisderWirtschaftswissenschaftenvorhandensein,umdievorgestellten
finanzmarkttheoretischenKonzepterichtigeinordnenundinihrerGesamt-heitverstehenzu
können.
DasLehrbuchsetztsichaussiebzehnKapitelnzusammen.JedesKapitelbestehtauseiner
Einleitung,demeigentlichenLehrinhalt,derZusammenfassung,denAufgabenso-wiedem
Literaturverzeichnis.DieLösungenzudenAufgabenbefindensichineinemseparatenBand.
DieindenAnwendungsbeispielenundAufgabenverwendetenAktien,Indizes,Anleihen,
Zinsen,WährungenundDerivatebeziehensichhauptsächlichaufdendeutschenundden
schweizerischenFinanzmarkt.
EsistmireingroßesAnliegen,alljenenzudanken,diemichbeiderErarbeitungund
VerfassungdesvorliegendenBuchesunterstützthaben.Insbesonderemöchteichmichfürdie
kritischeDurchsichtvonTeilendesManuskriptsunddieinteressantenFachdiskus-sionenbei
Dr.GeroldStuderbedanken.DarüberhinausgiltmeinbesondererDankdenzahlreichen
StudierendenmeinerLehrveranstaltungenanderUniversitätSt.Gallen,diemirwertvolle
Hinweisegegebenhaben.
Risch, im Juli 2017 Dr. Enzo Mondello

Inhaltsverzeichnis
Teil I Portfoliotheorie
1 Einführung in die Finance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Themenbereiche der Finance . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Übersicht . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Portfoliotheorie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.3 Bewertung von Finanzinstrumenten .... .... .... .... 6
1.2.4 Risikomanagement . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.5 P o r t f o l i o m a n a g e m e n t ......................... 8
1.3 Zusammenfassung ................................ 9
Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 Rendite, Risiko und Markteffizienz . . . . . . . . . . . . . . . . . . . . . . . . . 13

2.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Rendite ....................................... 13
2.2.1 Periodische Anlagerendite . . . . . . . . . . . . . . . . . . . . . 14
2.2.2 Arithmetische Rendite . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.3 Geometrische Rendite . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.4 Geldgewichtete Rendite (Interner Zinsfuß) ............ 16
2.2.5 Reale Rendite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2.6 Historische und erwartete Rendite ................. 21
2.3 Risiko ........................................ 22
2.3.1 Varianz und Standardabweichung . . . . . . . . . . . . . . . . . 22
2.3.2 Downside-Risiko . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3.3 Value at Risk .. .... .... .... .... .... .... .... 32
2.3.3.1 D e fi n i t i o n .......................... 32
2.3.3.2 B e r e c h n u n g ......................... 33
2.3.3.3 Problematik . . . . . . . . . . . . . . . . . . . . . . . . 37
2.4 We i t e r e Anlagecharakteristiken ........................ 40
2.4.1 Eigenschaften einer Verteilung . . . . . . . . . . . . . . . . . . . 41
VII
VIII Inhaltsverzeichnis
2.4.1.1 N o r m a l v e r t e i l u n g . . . . . . . . . . . . . . . . . . . . . 41
2.4.1.2 Schiefe . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.4.1.3 K u r t o s i s . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.4.2 M a r k t e i g e n s c h a f t e n . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.4.2.1 ....... 47
2.4.2.2 I n f o r m a t i o n s e f fi z i e n z d e r 51
Finanzmärkte Marktpreisanomalie n ...................
2.4.2.3 Behavioral Finance und Markteffizienz ........ 56
2.4.2.4 Marktliquidität und Handelskosten . . . . . . . . . . 57
2.5 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.6 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3 Optimales Portfolio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.2 Erwartete Rendite und Risiko einer risikobehafteten Anlage . . . . . . 70
3.3 Erwartete Rendite und Risiko eines Portfolios bestehend aus zwei
risikobehafteten Anlagen ............................ 74
3.4 Erwartete Rendite und Risiko eines Portfolios bestehend aus einer
Vielzahl von risikobehafteten Anlagen.................... 85
3.5 Strategische Asset-Allokation mit Corner-Portfolios . . . . . . . . . . . 93
3.6 Diversifikationseffekt von Long-Positionen . .... .... .... .... 96
3.7 Risikoaversion und optimales Portfolio ................... 100
3.7.1 E i n l e i t u n g ................................ 100
3.7.2 Das Konzept der Risikoaversion .................. 100
3.7.3 Nutzentheorie und Indifferenzkurven ............... 101
3.7.4 Das optimale risikobehaftete Portfolio .............. 109
3.8 Die risikolose Anlage: Kapitalallokationslinienmodell.......... 110
3.9 Kapitalallokation zwischen der risikobehafteten und der
risikolosen Anlage
....................................... 118
3.10 Homogene Erwartungen: Kapitalmarktlinienmodell ........... 123
3.11 Z u s a m m e n f a s s u n g ................................ 130
3.12 Aufgaben ..................................... 132
Literatur ........................................... 140
4 Einfaktormodelle .................................... 143

4.1 Einleitung ..................................... 143
4.2 Marktmodell ................................... 143
4.2.1 Konstruktion der Effizienzkurve mit historischen Daten.... 143
4.2.2 R e g r e s s i o n s g l e i c h u n g ......................... 146
4.2.3 Beispiel ................................. 151
4.2.4 Diversifikation von Long-Positionen ............... 158
4.2.5 Korrektur des Betas .......................... 161
Inhaltsverzeichnis IX
4.3 Instabilität der Effizienzkurve ......................... 162 Capital Asset

4.4 Pricing Model.......................... 167 4.4.1
Annahmen ............................... 168
4.4.2 Berechnung und Interpretation des Betas ............. 170
4.4.3 Die Wertpapiermarktlinie ...................... 176
4.4.4 Gleichgewichtsmodell ........................ 180
4.4.5 Empirische Relevanz des CAPM .................. 183
4.4.6 Auflösung der Annahmen ......................187
Performancemessung ......................... 190 4.4.7
4.5 Zusammenfassu ng ................................ 194
4.6 Aufgaben ..................................... 197
Literatur ........................................... 201
5 Multifaktorenmodelle ................................. 203

5.1 Einleitung ..................................... 203
5.2 Übersicht über Multifaktorenmodelle .................... 204
5.2.1 Einteilung der Multifaktorenmodelle ............... 204
5.2.2 Struktur von makroökonomischen Multifaktorenmodellen .. 205
5.2.3 Struktur von fundamentalen Multifaktorenmodellen ..... 211
5.3 Diversifikation anhand eines makroökonomischen
Multifaktorenmodells .............................. 213
5.4 Erwartete Rendite ................................ 215
5.5 Die Arbitragepreis-Theorie (APT) ...................... 217
5.5.1 Das APT-Modell .... .... .... .... .... .... .... 217
5.5.2 Risikoarbitrage und Kapitalmarktgleichgewicht ......... 220
5.5.3 APT versus CAPM .......................... 224
5.5.4 Empirische Relevanz ......................... 225
5.6 Multifaktorenmodelle in der Praxis ...................... 227
5.6.1 Makroökonomische Faktormodelle ................ 227
5.6.2 Fama/French-Modell ......................... 230
5.6.3 C a r h a r t - M o d e l l ............................. 233
5.7 Ausgewählte Anwendungen von Multifaktorenmodellen ........ 234
5.7.1 R e n d i t e a t t r i b u t i o n ........................... 234
5.7.2 R i s i k o a t t r i b u t i o n ............................ 238
5.7.3 Faktorportfolios ............................ 242
5.7.4 Tr a c k i n g p o r t f o l i o s ........................... 244
5.8 Anwendungen des APT-Modells ....................... 247
5.10 Aufgaben ..................................... 253
Literatur ........................................... 256
X Inhaltsverzeichnis
TeilII Aktien
6 Aktienanalyse ....................................... 261

6.1 Einleitung ..................................... 261
6.2 Fundamentalanalyse ............................... 263
6.2.1 Bewertungsprozess .......................... 263
6.2.2 Verständnis des Unternehmensgeschäfts ............. 264
6.2.2.1 Makroökonomische Analyse .............. 264
6.2.2.2 Industrie- und Wettbewerbsanalyse .......... 268
6.2.2.3 Analyse von Finanzberichten .............. 275
6.2.3 Prognose der Unternehmensperformance ............. 277
6.2.4 Auswahl eines geeigneten Bewertungsmodells ......... 280
6.2.5 Umwandlung von Prognosen zum Aktienwert .......... 283
6.2.6 Anwendung des Bewertungsergebnisses ............. 284
6.3 Erwartetes Alp h a . .... .... .... .... .... .... .... .... 286
6.4 Technische Analyse ............................... 289
6.4.1 Grundlagen ............................... 289 Werkzeuge der
6.4.2 technischen Analyse................291 6.4.2.1
Übersicht .......................... 291
6.4.2.2 Tr e n d a n a l y s e ........................ 293
6.4.2.3 Chartmuster (Formationen) ... .... .... .... 296
6.4.2.4 Technische Indikatoren ................. 298
6.4.2.5 Z y k l e n ............................ 308
6.4.3 Elliott-Wellen-Theorie ........................ 309
6.6 Aufgaben ..................................... 315
Literatur ........................................... 318
7 Aktienbewertung .................................... 319

7.1 Einleitung ..................................... 319
7.2 Innerer Wert und beizulegender Zeitwert einer Aktie .......... 320
7.3 Cashflow-Modelle ................................ 321
7.3.1 Übersicht ................................ 321
7.3.2 D i v i d e n d e n d i s k o n t i e r u n g s m o d e l l e . . . . . . . . . . . . . . . . . 3 2 2
7.3.2.1 Grundlagen ......................... 322
7.3.2.2 Angemessenheit von
Dividendendiskontierungsmodellen .......... 324
7.3.2.3 Wachstumsrate der Dividenden ............. 325
7.3.2.4 G o r d o n - G r o w t h - M o d e l l . . . . . . . . . . . . . . . . . 3 2 9
7.3.2.5 Zweistufiges Dividendendiskontierungsmodell ... 335
7.3.3 Free-Cash-Flow-to-Equity-Modelle ................ 342
7.3.3.1 G r u n d l a g e n ......................... 342
Inhaltsverzeichnis XI
7.3.3.2
Definition und Berechnung der FCEK ........ 343
7.3.3.3
Wachstumsrate der FCEK ................ 348
7.3.3.4
Einstufiges Bewertungsmodell . .... .... .... 352
7.3.3.5
Zweistufiges Bewertungsmodell .... .... .... 358
7.3.3.6
Free-Cash-Flow-to-Equity-Modelle versus
Dividendendiskontierungsmodelle ... .... ....365
7.3.4 Free-Cash-Flow-to-Firm-Modelle ................. 368
7.3.4.1 Definition und Berechnung der FCGK ........ 368
7.3.4.2 Wachstumsrate der FCGK ................ 370
7.3.4.3 Bewertungsmodell .................... 371
7.3.4.4 Vergleich zwischen FCEK- und FCGK-Modellen . 378
7.4 Wertschöpfungsmode lle ............................ 378
7.4.1 Residualgewinnmodelle ....................... 380
7.4.1.1 Definition und Berechnung des Residualgewinns.. 380
7.4.1.2 Bewertungsmodell .................... 383
7.4.2 Economic-Value-Added-Mode lle ................. 384
7.5 Multiplikatoren .................................. 387
7.6 Optionspreistheorie ............................... 390
7.8 Aufgaben ..................................... 397
Literatur ........................................... 401
Teil III Anleihen
8 Anleihen: Grundlagen ................................. 405

8.1 Einleitung ..................................... 405
8.2 Grundlegende Merkmale einer Anleihe ................... 407
8.3 Größe und Bedeutung der Anleihemärkte .................. 409
8.4 Grundstruktur von festverzinslichen Anleihen ............... 412
8.5 Anleihebedingungen ............................... 417
8.6 Cashflow-Struktur einer Anleihe ....................... 417
8.6.1 N o m i n a l w e r t s t r u k t u r e n ........................ 418
8.6.2 K u p o n s t r u k t u r e n ............................ 421
8.6.2.1 Variabel verzinsliche Anleihen ............. 422
8.6.2.2 S t e p - u p - A n l e i h e n ..................... 425
8.6.2.3 Inflationsindexierte Anleihen .. .... .... .... 425
8.6.2.4 Weitere Kuponstrukturen ................ 430
8.7 Anleihen mit eingebetteten Optionen .................... 431
8.7.1 Callable Bonds . .... .... .... .... .... .... .... 431
8.7.2 Putable Bonds ............................. 434
8.7.3 Wandelanleihen ............................ 435
XII Inhaltsverzeichnis
8.8 Märkte
....................................... 444
8.8.1
Primärmarkt .............................. 444
8.8.2
We r t p a p i e r p r o s p e k t .......................... 446
8.8.3
Sekundärmarkt ............................ 447
8.8.4
Geldmarkt ................................ 448
8.8.4.1 Begriff des Geldmarktes und Geldmarktzinssätze . 448
8.8.4.2 G e l d m a r k t p a p i e r e ..................... 451
8.8.5 Märkte für Regierungsanleihen ................... 454
8.8.5.1 Eigenschaften von Regierungsanleihen ........ 454
8.8.5.2 Schuldverschreibungen der Bundesrepublik
Deutschland
........................ 458
8.8.5.3 Schuldverschreibungen der Schweizerischen
Eidgenossenschaft .................... 461
8.8.6 Marktkonventionen .......................... 462
8.8.6.1 Übersicht über Marktkonventionen .......... 462
8.8.6.2 Preisstellung, Stückzinsen und Valutierung ..... 463
8.8.6.3 D a y - C o u n t - Ko nv e n t i o n e n . . . . . . . . . . . . . . . . 4 6 7
8.8.6.4 Kuponzahlungstermine und Day-Roll-Konventionen 473
8.10 Aufgaben ..................................... 480
Literatur ........................................... 484
9 Preis- und Renditeberechnung von optionsfreien Anleihen 9.1 ......... 485

Einleitung ..................................... 485
9.2 Grundlagen der Preis- und Renditeberechnung .............. 486
9.2.1 Preisberechnung mit festem risikoadäquaten Diskontsatz... 486
9.2.2 Verfallrendite .............................. 488 Beziehung
9.2.3 zwischen Anleihepreis und risikoadäquatem Diskont
............................... 492
9.2.4 Preisberechnung mit laufzeitgerechten risikoadäquaten
Diskontsätzen ............................. 494
9.2.5 Preisberechnung zwischen zwei Kuponterminen ........ 496
9.2.6 Matrix-Pricing ............................. 499
9.2.7 Verschiedene Renditegrößen .................... 501
9.2.7.1 Renditegrößen für festverzinsliche optionsfreie
Anleihen .......................... 501
9.2.7.2 Rendite und Zinsänderungsrisiko ........... 506
9.2.7.3 Renditegrößen für festverzinsliche kündbare
Anleihen .......................... 508
9.3 Preisberechnung von optionsfreien Anleihen mit Zinsstrukturkurve
und Risikoprämie ................................ 511
9.3.1 Übersicht ................................ 511
Inhaltsverzeichnis XIII
9.3.2Risikolose Zinsstrukturkurve (Basiszinskurve) ......... 512

9.3.3Nullkuponsätze versus Verfallrendite ............... 518
9.3.4Preisberechnung mit Terminzinssätzen .............. 520
9.3.5Preisberechnung mit risikoloser Zinsstrukturkurve und
Rendite-Spreads ............................ 523
9.3.6 Preisberechnung mit Swapsatzkurve und Rendite-Spreads .. 528
9.3.6.1 I-Spread und Asset Swap Spread.... .... .... 528
9.3.6.2 Swapsatzkurve ..................... .. 5 29
9.3.6.3 Preisberechnung mit der Swapsatzkurve ....... 532
9.4 Preisberechnung von Nullkuponanleihen .................. 537
9.5 Preisberechnung von variabel verzinslichen Anleihen .......... 538
9.6 Interpretation einer Bloomberg-Maske für eine optionsfreie
festverzinsliche Anleihe ............................ 543
9.8 Aufgaben ..................................... 550
Literatur ........................................... 555
10 Risikoanalyse von Anleihen .............................. 557

10.1 Einleitung ..................................... 557
10.2 Risikoanalyse anhand der Duration und Konvexität ............ 558 10.2.1
D u r a t i o n - Ko nv e x i t ä t s - A n s a t z . . . . . . . . . . . . . . . . . . . . 5 5 8
10.2.2 D u r a t i o n ................................. 560
10.2.2.1 Modifizierte Duration und Macaulay-Duration ... 560
10.2.2.2 Eigenschaften der Duration .............. 567
10.2.2.3 Angenäherte modifizierte Duration .......... 571
10.2.2.4 Effektive Duration .................... 575
10.2.2.5 Duration eines Anleiheportfolios ........... 577
10.2.2.6 Key-Rate-Durationen .................. 579
10.2.2.7 Geld-Duration und Price Value of a Basis Point .. 581
10.2.3 Ko nv e x i t ä t ................................ 583
10.2.3.1 Anpassung der Duration mit der Konvexität .....583
10.2.3.2 Modifizierte Konvexität ................. 586
10.2.3.3 Angenäherte modifizierte Konvexität und effektive
Konvexität ......................... 589
10.2.4 Interpretation einer Bloomberg-Maske .............. 592
10.2.5 Effektive Duration und Konvexität von Callable und Putable
Bonds .................................. 594
10.2.5.1 Callable Bonds ...................... 595
10.2.5.2 Putable Bonds ... .... .... .... .... .... 597
10.2.6 Kredit- und Marktliquiditätsrisiko ................. 599
10.3 Grundlagen der Kreditanalyse ......................... 601
10.3.1 K r e d i t r i s i k o ............................... 601
XIV Inhaltsverzeichnis
10.3.2 Bonitätsrating ............................. 603

10.3.3 Traditionelle Kreditanalyse von Unternehmensanleihen.... 606
10.3.3.1 Grundlagen und Abgrenzung zur Aktienanalyse .. 606
10.3.3.2 Traditionelle Kreditanalyse ............... 607
10.3.4 ........ 611
10.3.5 Kreditrisiko versus Rendite:
Kreditrisikoprämie Kreditrisikomodelle .......................... 615
10.4 Analyse des Marktliquiditätsrisikos ..................... 616
10.6 Aufgaben ..................................... 622
Literatur ........................................... 627
11 PreisberechnungvonAnleihenmiteingebettetenOptionen11.1 ......... 629

Einleitung ..................................... 629
11.2 Bestandteile des binomialen Bewertungsmodells für Anleihen mit
eingebetteten Zinsoptionen ........................... 629
11.3 Zinsbaum und arbitragefreie Bewertung von optionsfreien Anleihen . 631
11.3.1 Bedeutung der arbitragefreien Anleihebewertung ........ 631
11.3.2 Binomialer Zinsbaum . .... .... .... .... .... .... 633
11.3.2.1 Struktur des Zinsbaums ................. 633
11.3.2.2 Zinssatzvolatilität ..................... 636
11.3.2.3 Konstruktion eines arbitragefreien
binomialen Zinsbaums
......................... 637
11.3.3 Preisberechnung einer optionsfreien risikobehafteten Anleihe 643
11.4 Bewertung und Analyse von Callable und Putable Bonds ........ 645
11.4.1 G r u n d l a g e n ............................... 645
11.4.2 Option Adjusted Spread ....................... 646
11.4.3 Preisberechnung und Analyse von Callable Bonds ....... 648
11.4.3.1 P r e i s b e r e c h n u n g ...................... 648
11.4.3.2 Effektive Duration und effektive Konvexität ..... 653
11.4.3.3 Einseitige Durationen .................. 657
11.4.4 Preisberechnung und Analyse von Putable Bonds ....... 658
11.4.4.1 P r e i s b e r e c h n u n g ...................... 658
11.4.4.2 Effektive Duration und effektive Konvexität ..... 661
11.4.5 Einfluss der Zinssatzvolatilität, des Zinsniveaus und der
Steigung der Zinsstrukturkurve auf Preise von Callable
und Putable Bonds
............................. 664
11.4.5.1 Z i n s s a t z v o l a t i l i t ä t ..................... 664
11.4.5.2 Zinsniveau und Steigung der Zinsstrukturkurve...
11.5 665 Preisberechnung von kündbaren Step-up-Anleihen............ 667
11.6 Preisberechnung von variabel verzinslichen Anleihen mit einem Cap und
einemFloor ................................. 668
11.7 Preisberechnung und Analyse von Wandelanleihen ............ 673
Inhaltsverzeichnis XV
11.7.1 P r e i s b e r e c h n u n g ............................ 673

11.7.2 Delta und Gamma ........................... 682
11.9 Aufgaben ..................................... 688
Literatur ........................................... 694
Teil IV Finanzderivate und Risikomanagement
12 Finanzderivate: Grundlagen ............................. 697

12.1 Einleitung ..................................... 697
12.2 Börsengehandelte und außerbörs lich gehandelte Finanzderivate .... 699
12.3 Märkte für Finanzderivate ........................... 702
12.3.1 M a r k t g r ö ß e ............................... 702
12.3.2 Zweck von derivativen Märkten .................. 707
12.4 Einsatz von Finanzderivaten .......................... 708
12.5 Gewinn-Verlust-Profi le ............................. 711
12.5.1 Unbedingte Termingeschäfte .................... 711
12.5.1.1 Forwards/Futures ..................... 711
12.5.1.2 Swaps ............................ 714
12.5.2 Optionen ................................ 722
12.5.2.1 G r u n d l a g e n ......................... 722
12.5.2.2 C o v e r e d - C a l l - S t r a t e g i e . . . . . . . . . . . . . . . . . . 7 2 7
12.5.2.3 Protective-Put-Strategie ................. 732
12.6 Die Terminbörse Eurex ............................. 736
12.6.1 Entstehung und Organisationsstruktur ............... 736
12.6.2 Überblick über Derivate an der Eurex ............... 737
12.6.3 Clearing-Stelle und risikobasiertes Margining-System..... 740
12.6.4 Margins für Optionen ......................... 742
12.6.5 Margins für Futures .......................... 745
12.7 Leverage-Effekt ................................. 751
12.8 Strukturierte Produkte .. .... .... .... .... .... .... .... 753
12.10 Aufgaben ..................................... 758
Literatur ........................................... 761
13 Forwards und Futures ................................. 763

13.1 Einleitung ..................................... 763
13.2 Preisbestimmung von Forwards und Futures ................ 764 13.2.1
Preismodelle .............................. 764
13.2.2 ....... 765
13.2.3 Cost-of-Carry-Modell in vollkommenen Märkten
Cost-of-Carry-Modell in unvollkommenen Märkten ...... 767
XVI Inhaltsverzeichnis
13.2.4 E r w a r t u n g s m o d e l l ........................... 773

13.2.5 Terminpreis und Risikoaversion .................. 774
13.2.5.1 Normal Backwardation und Contango ........ 774
13.2.5.2 Capital Asset Pricing Model .............. 778
13.2.6 Forward-Preis versus Future-Preis ................. 779
13.3 Wertbestimmung von Forwards ........................ 780
13.4 Preis- und Wertbestimmung von Forwards auf verschiedene
Basiswerte ..................................... 782
13.4.1 Forwards auf Aktien ......................... 782
13.4.2 Forwards auf festverzinsliche Anleihen .............. 788
13.4.3 Forward Rate Agreements ...................... 791
13.4.4 Forwards auf Fremdwährungen ................... 797
13.5 Preisbestimmung von Eurex-Zins-Futures ................. 801
13.5.1 Fixed Income Futures ......................... 801
13.5.2 Geldmarkt-Futures .......................... 808
13.6 Absicherungsstrategien mit Forwards und Futures ............ 812
13.6.1 Management von Zinsänderungsrisiken .............. 813
13.6.1.1 Zinsänderungsrisikomanagement von variabel
verzin slich en Kred iten .. .... .... .... .... 813
Zinsänderungsrisikomanagement
13.6.1.2 von
festverzinslichen Anleiheportfolios Management .......... 818
von Aktienmarktpreisänderungsrisiken
13.6.2 ..... 824
13.6.3 Management von Währungsrisiken ................ 829
13.6.4 Gegenüberstellung von Forwards und Futures .......... 834
13.8 Aufgaben ..................................... 840
Literatur ........................................... 844
14 Swaps ............................................ 845

14.1 Einleitung ..................................... 845
14.2 Z i n s s a t z s w a p s ................................... 846
14.2.1 Komparative Vorteile und Bonitätsrisiken ............ 846
14.2.2 Äquivalenz mit anderen Finanzinstrumenten ........... 851
14.2.3 Preisbestimmung ........................... 853
14.2.4 We r t b e s t i m m u n g ............................ 855
14.2.5 Risikomanagementstrategien .................... 862
14.2.5.1 Steuerung des Zinsänderungsrisikos durch
Transformation von Verbindlichkeiten und
Vermögenspositionen ................... 862
14.2.5.2 Steuerung des Zinsänderungsrisikos eines
Anleiheportfolios ..................... 863
14.3 Währungsswaps ................................. 867
Inhaltsverzeichnis XVII
14.3.1 Komparative Vorteile und Währungsrisiken ........... 867

14.3.2 Preis- und Wertbestimmung ..................... 870
14.3.3 Risikomanagementstrategien .................... 875
14.4 Equity Swaps ................................... 877
14.4.1 Preis- und Wertbestimmung ..................... 878
14.4.2 Änderung der Asset-Allokation ................... 883
14.5 Credit Default Swaps .............................. 887
14.5.1 Einleitung zum Kreditrisiko ..................... 887
14.5.2 Ausfallwahrscheinlichkeit en .................... 889
14.5.2.1 Implizite Ausfallwahrscheinlichkeiten
aus Anleihepreisen ....................... 889
14.5.2.2 Historische Ausfallwahrscheinlichkeiten ... .... 891
14.5.3 Eigenschaften von Credit Default Swaps ............. 894
14.5.4 Preis- und Wertbestimmung eines CDS ..............89714.5.5
ISDA-Rahmenvertrag und Definition des Kreditereignisses . 901
14.5.6 Risiken im Zusammenhang mit CDS ............... 903
14.5.7 Varianten von CDS .......................... 903
14.7 Aufgaben ..................................... 910
Literatur ........................................... 915
15 Optionen .......................................... 917

15.1 Einleitung ..................................... 917
15.2 Optionspreis und Risikofaktoren ....................... 918
15.3 Preisobergrenze und -untergrenze ....................... 923
15.3.1 Preisobergrenze für europäische und amerikanische Optionen 923
15.3.2 Preisuntergrenze für europäische Optionen............924
Preisuntergrenze für amerikanische Optionen..........929 15.3.3
15.4 Put-Call-Parität .................................. 931
15.5 Zeitdiskretes Optionsbewertungsmodell: Das Binomialmodell..... 938
15.5.1 E i n l e i t u n g ................................ 938
15.5.2 Ein-Perioden-Binomialmodell ................... 939
15.5.3 Mehr-Perioden-Binomialmodell .................. 944
15.6 Zeitkontinuierliches Optionsbewertungsmodell: Das Black/
Scholes-Modell .................................. 952 15.6.1
Preisberechnung von europäischen Optionen .......... 952
15.6.2 Implizite Volatilität .......................... 958
15.7 Optionspreissensitivitäten und Absicherung von Optionsrisiken .... 961
15.7.1 Taylor-Reihenentwicklung und Optionspreissensitivitäten .. 961
15.7.2 D e l t a ................................... 963
15.7.3 Delta Hedging ............................. 970
15.7.4 Delta eines Optionsportfolios .................... 972
XVIII Inhaltsverzeichnis
15.7.5 Gamma ................................. 974

15.7.6 Delta und Gamma Hedging ..................... 980
15.7.7 Vega ................................... 981
15.7.8 Delta, Gamma und Vega Hedging ................. 984
15.7.9 R h o .................................... 986
15.7.10 Theta ... .... .... .... .... .... .... .... .... 987
15.9 Aufgaben ..................................... 995
15.10 Anhang A: Standardnormalverteilungstabelle ...............1000
Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 0 0 1
Teil V Portfoliomanagement
16 Portfoliomanagementprozess .............................1005
16.1 Einleitung .....................................1005
16.2 Planung ......................................1006
16.2.1 Anlageziele und Restriktionen ...................1006
16.2.1.1 Risikoziele .........................1006
16.2.1.2 Renditeziele ........................1010
16.2.1.3 Restriktionen .......................1011
16.2.2 A n l a g e p o l i t i k . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 0 1 4
16.2.3 Kapitalmarkterwartungen ......................1015
16.2.4 Strateg isch e Asset-Allo k atio n .... .... .... .... ....1016
16.3 Ausführung ....................................1019 Feedback
16.4 ......................................1020 16.4.1
Überwachung der Anlagepolitik ..................1020
16.4.2 Überwachung der Kapitalmarkterwartungen ...........1026
16.4.3 Rebalancing des Portfolios .....................1026
16.4.4 Die Perold/Sharpe-Analyse von Rebalancing-Strategien ...1031
16.4.4.1 Buy-and-Hold-Strategien ................1032
16.4.4.2 C o n s t a n t - M i x - S t r a t e g i e n . . . . . . . . . . . . . . . . .1 0 3 4
16.4.4.3 Constant-Proportion-Strategien ............1038
16.4.4.4 Vergleich der Strategien .................1041
16.4.5 Transaktionsausführung bei Rebalancing-Strategien......1044
16.4.6 P e r f o r m a n c e e v a l u a t i o n . . . . . . . . . . . . . . . . . . . . . . . .1 0 4 7
16.5 Performance-Attribution eines aktiven Portfolios .............1050
16.6 Z u s a m m e n f a s s u n g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 0 5 4
16.7 Aufgaben .....................................1057
Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 0 6 0
Inhaltsverzeichnis XIX
17 Passives, aktives und semiaktives Portfoliomanagement ...........1063

17.1 Einleitung .....................................1063
17.2 Passives Portfoliomanagement ........................1064
17.3 Aktives Portfoliomanagement ..... .... .... .... .... ....1064
17.3.1 Rendite und Risiko ..........................1064
17.3.2 Das Grundgesetz des aktiven Portfoliomanagements......1075
17.3.2.1 Prognostizierte aktive Renditen und optimale aktive
GewichteimPortfolio ..................1075
17.3.2.2 Das elementare Grundgesetz ..............1081
17.3.2.3 Das vollständige Grundgesetz .............1084
17.3.2.4 VergleichvonaktivenAnlagestrategienmitundohne
Restriktionen ....................1088
17.3.2.5 Berücksichtigung von Timingprognosen.......1090
17.4 Semiaktives Portfoliomanagement: Das Treynor/Black-Modell ....1091
17.4.1 E i n l e i t u n g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 0 9 1
17.4.2 Konstruktion des optimalen Portfolios ..............1092
17.4.3 Beispiel .................................1097
17.4.4 Prognostizierte Alpha-Werte ....................1101
17.5 Anlagestrategien mit Aktien ..........................1103
17.5.1 Bedeutung von Aktien im Portfoliomanagement ........1103
17.5.2 Verschiedene Ansätze des Managements von
Aktienportfolios . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 1 0 4
17.5.3 Passives Management eines Aktienportfolios ..........1105
17.5.4 Aktives Management eines Aktienportfolios ...........1109
17.5.4.1 A n l a g e s t i l e . . . . . . . . . . . . . . . . . . . . . . . . .1 1 0 9
17.5.4.2 Techniken für die Identifikation eines Anlagestils . 1111
17.5.4.3 Long-Short-Strategien ..................1117
17.5.4.4 Preisineffizienzen bei Short-Positionen........1120
17.5.5 Semiaktives Management eines Aktienportfolios........1121
17.6 Anlagestrategien mit Anleihen ........................1123
17.6.1 Übersicht ................................1123
17.6.2 Anleiheportfolios mit der Benchmark Anleiheindex......1124
17.6.3 Anleiheportfolios mit der Benchmark Verbindlichkeiten ...1127
17.6.3.1 Strategien ..........................1127
Immunisierungsstrategien ................1127
17.6.3.2
17.7 Z u s a m m e n f a s s u n g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 1 2 9
17.8 Aufgaben .....................................1134
Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 1 3 9
Sachverzeichnis ..........................................1141
ÜberdenAutor
Enzo Mondello, Dr. oec. publ., CFA, FRM, CAIA, studierte Betriebswirtschaftslehre an der
UniversitätZürich,woer1995mitdemLizenziatabschloss.ImselbenJahrerwarberdasDiplom
für das Höhere Lehramt in Handelsfächern. Von 1995 bis 1998 war er bei
PricewaterhouseCoopers in Zürich tätig. Während dieser Zeit absolvierte er das Dokto-
randenstudium an der Wirtschaftswissenschaftlichen Fakultät der Universität Zürich und
promovierte 1999 mit einer Dissertation zum Thema Bankenaufsichtsrechtliche Prüfung von
Risikomanagementund Modellverfahren. Von 1999 bis 2001 war er Dozent für Ban- king und
Finance und Projektleiter an derHochschule für Wirtschaft Luzern. Er hatte Lehraufträge unter
anderem an der Univers ität Zürich und an der Schweizerischen Aka- demie für
Wirtschaftsprüfung. Seit 2001 bietet er als Inhaber und Managing Director von CfBS Center for
BusinessStudiesAGliveundonlineVorbereitungskursefürdieZer-tifizierungzumCFA
®
(Chartered Financial Analyst), FRM® (Financial Risk Manager),
®
CAIA (Chartered Alternative Investment Analyst) und CMA (Certified Management
Accountant) an. Von 2003 bis 2011 entwickelte und leitete er als Fachleiter zwei Mas-
ter of Advanced Studies in Corporate Finance sowie im Bereich Banking und Finance an der
Fachhochschule Nordwestschweiz. Er hat im Verlag Springer Gabler die beiden Bücher
Portfoliomanagement (2. Auflage 2015) und Aktienbewertung (2. Auflage 2017)
veröffentlicht. Neben seiner Tätigkeit als Managing Director von CfBS Center for Busi- ness
Studies AG ist er derzeit auch Lehrbeauftra gter für Betriebswir tschaftslehre an der Universität
St.Gallen,woerimMasterstudiumdiebeidenVorlesungen„FinanziellesRisi-komanagement“
und „Ausgewählte Finance-Themen und ihre Anwendung“ hält. Darüber hinaus hält er eine
Vorlesung über „The Practice of Management Accounting“ im Master- studium an der
UniversitätBern.
XXI
Abkürzungsverzeichnis
ABS Asset Backed Securities

ANOVA Analysis of Variance (Varianzanalyse)
AG Aktiengesellschaft
APT Arbitragepreis-Theorie
ASW Asset Swap Spread
BIS Bank for International Settlements
BIZ Bank für internationalen Zahlungsausgleich
BMW Bayerische Motoren Werke
Bobl Bundesobligation der Bundesrepublik Deutschland
BuBills unverzinsliche Schatzanweis ungen der Bundesrepublik Deutschland
Bund Bundesanleihe der Bundesrepublik Deutschland
CAPM Capital Asset Pricing Model
CBOE Chicago Board Options Exchange
CCPs Central Counter Parties
CD Certificate of Deposit
CDOs Collateralized Debt Obligations
CDS Credit Default Swaps
CFA Chartered Financial Analyst
CFO Cash Flows from Operating Activities (Cashflows aus der betrieblichen Tä-
tigkeit)
CHF Schweizer Franken
CoCos Contingent Convertible Bonds
CPI Consumer Price Index
CPPI Constant Proportion Portfolio Insurance
CPs Commercial Papers
CTD Cheapest to Deliver
CUSIP Committee on Uniform Securities Identification Procedures
DAX DeutscherAktienindex
DBRS Dominion Bond Rating Service
DCF Discounted Cash Flow
XXIII
XXIV Abkürzungsverzeichnis
DCM Direct Clearing Member

DJIA Dow Jones Industrial Average
DRV Deutscher Rahmenvertrag
DTB Deutsche Terminbörse
EBIT Earnings Before Interest and Taxes
EBITDA Earnings Before Interest, Tax es, Depreciation and Amortization
EBT Earnings Before Taxes
ECPs Eurocommercial Papers
EG Europäische Gemeinschaft
EIB Europäische Investitionsbank
EMIR European Market Infrastructure Regulation
EOM End of Month
EONIA Euro Overnight Index Average
ESMA European Securities and Markets Authority
ESZB Euopäisches System der Zentralbanken
ETCs Exchange Traded Commodities
ETFs Exchange Traded Funds
EU Europäische Union
EUR Euro
Eurex European Exchange
EURIBOR European Interbank Offered Rate
EVA Economic Value Added
EWMA Exponentially Weighted Moving Average
EWR Europäischer Wirtschaftsraum
EZB Europäische Zentralbank
FCEK frei verfügbarer Cashflow für das Eigenkapital
FCGK frei verfügbarer Cashflow für das Gesamtkapital
FinfraG Finanzmarktinfrastrukturgesetz
FRA Forward Rate Agreement
FRABBA FRA on British Banker’s Association
FTSE Financial Times Stock Exchange
GARP Growth at a Reasonable Price
GBP Pfund Sterling (britisches Pfund)
GCM General Clearing Member
GMBF Geldmarktbuchforderungen
HVPI Harmonised Index of Consumer Prices (H armonisierter Verbraucherpreisin-
dex)
IBA ICE Benchmark Administration
iBobls inflationsindexierteBundeswertpapieremiteinerUrsprungslaufzeitvon5Jahren
iBunds inflationsindexierte Bundeswertpapiere mit einer Ursprungslaufzeit von

mehr als 10 Jahren
Abkürzungsverzeichnis XXV
ICMA International Capital Markets Association

IFRS International Financial Reporting Standards
ILB Inflationsindexierte Bundeswertpapiere
IPO Initial Public Offering
ISDA International Swaps and Derivatives Association
ISIN International Securities Identification Number
ISMA International Securities Market Association
ISO International Organization for Standardization
IWF Internationaler Währungsfonds
JPY Japanischer Yen
KGV Kurs-Gewinn-Verhältnis
LEPOs Low-Exercise-Price-Optionen
LIBOR London Interbank Offered Rate
LMA Loan Market Association
MACD Moving Average Convergence/Divergence Oscillator
MDAX Mid-Cap-DAX
MEZ Mitteleuropäische Zeit
MiFID Markets in Financial Instruments Directive
Mio. Million(en)
Mrd. Milliarde(n)
MSCI Morgan Stanley Capital Index
MVA Market Value Added
MVP Minimum-Varianz-Portfolio
NCM Non Clearing Member
NEOM Non End of Month
NL No Leap
NOPAT Net Operating Profit after Taxes
NUV Nettoumlaufvermögen
NYSE New York Stock Exchange
OAS Option Adjusted Spread
OAT Obligations Assimilables du Trésor
OIS Overnight Index Swap
OTC Over the Counter
PSCBI Prime Standard Corporate Bond Total Return Index
PVBP Price Value of a Basis Point
REXP Rentenperformance-Index f ür deutsche Bundesanleihen
RPI Retail Price Index
RSI Relative-Stärke-Index
SDAX Small-Cap-DAX
SEC Securities and Exchange Commission
SIX Swiss Infrastructure and Exchange
SLI Swiss Leader Index
XXVI Abkürzungsverzeichnis
SMI Swiss Market Index

SMIC Swiss Market Index Cum Dividend
SMI Mid Mid-Cap-SMI
SOFFEX SwissOptionsandFinancialFuturesExchange
SPI Swiss Performance Index
StGB Schweizerisches Strafgesetzbuch
Strip Separate Trading of Registered Interest and Principal of Securities
S&P Standard&Poor’s
TIPS Treasury Inflation-Protected Securities
TOIS Tom/Next Overnight Index Swap
US United States (of America)
USD US-Dollar
VAR Value at Risk
v. Chr. vor Christus
VGDP Volumengewichteter Durchschnittspreis
vgl. vergleiche
WACC Weighted Average Cost of Capital
WKN Wertpapierkennnummer
WpHG Wertpapierhandelsgesetz
Xetra Exchange Electronic Trading
YEN Japanischer Yen
z. B. zum Beispiel
Abbildungsverzeichnis
Abb. 2.1 Erwartete Rendite und Standardabweichung . . . . . . . . . . . . . . . . . 28

Abb. 2.2 Gewinn-Verlust-Diagramm einer Protective-Put-Strategie bei Fälligkeit 30
Abb. 2.3 Konzept des Downside-Risikos . . . . . . . . . . . . . . . . . . . . . . . . . 31
Abb. 2.4 Maximaler und minimaler Value at Risk .................... 33
Abb. 2.5 Value at Risk von Long- und Short-Optionen ................. 38
Abb. 2.6 Links- und rechtsschiefe Verteilungen . . . . . . . . . . . . . . . . . . . . . 42
Abb. 2.7 Normalverteilung und Verteilung mit positiver und negativer
Excess- Kurtosis ........................................ 43
Abb. 2.8 Übersicht über Marktpreisanomalien .. .... .... .... .... .... 52
Abb. 3.1 Rendite und Risiko der Aktien A und B . . . . . . . . . . . . . . . . . . . . 82
Abb. 3.2 Rendite und Risiko von verschiedenen Anlagekombinationen der
Aktien A und B........................................ 82
Abb. 3.3 Portfoliokurven bei unterschiedlichen Korrelationen . . . . . . . . . . . . 84
Abb. 3.4 Effizienzkurve von Portfo lios bestehend aus Long-Positionen....... 86
Abb. 3.5 Effizienzkurve von Portfolios bestehend aus Long- und Short-Positionen 87
Abb. 3.6 Effizienzkurve für die fünf SMI-Aktien von Novartis, Roche, Nestlé,
ABB und Syngenta................................. 91
Abb. 3.7 Effizienzkurve mit Corner-Portfolios und strategischer Asset-Allokation 96
Abb. 3.8 Zusammenhang zwischen der Portfoliovarianz und der Anzahl
Long-Ak- tien in einem Portfolio (Diese Abbildung ist nur unter der
Annahme gültig, dass das Risiko nicht additiv ist bzw. der
Korrelationskoeffizient zwischen den Aktien unter
C1 liegt und damit ein Diversifikationseffekt
erreicht werden kann.) ... .... .... .... .... .... .... .... 98
Abb. 3.9 Indifferenzkurve ................................... 104
Abb. 3.10 Indifferenzkurven mit unterschiedlichem Nutzenniveau .......... 105
Abb. 3.11 Indifferenzkurven für Investoren mit unterschiedlichem Risikoverhalten 106
Abb. 3.12 Optimales risikobehaftetes Portfolio ...................... 110
Abb. 3.13 Kapitalallokationslinie ............................... 113
Abb. 3.14 Bestimmung der erwarteten Rendite eines Portfolios anhand der
effizientestenKapitalallokationslinie ...................... 114
XXVII
XXVIII Abbildungsverzeichnis
Abb. 3.15 Erwartete Rendite und Risiko von Anlagekombinationen auf der
effizientesten Kapitalallokationslinie (Um die Graphik anschaulich
darzustellen, sind die erwartete Rendite auf der Y-Achse und die
Standardabweichung auf der X-Achse unterschiedlich skaliert.)
..... 118
Abb. 3.16 Optimales Portfolio auf der effizientesten Kapitalallokationslinie (Um
die Graphik anschaulich darzustellen, sind die erwartete Rendite auf
der Y-Achse und die Standardabweichung auf der X-Achse
unterschiedlich skaliert.)
....................................... 121
Abb. 3.17 Kapitalmarktlinie .................................. 126 Geknickte
Abb. 3.18 Kapitalmarktlinie mit identischem Marktportfolio für die risiko
Geldanlage und -aufnahme ...................... 128
Abb. 3.19 Geknickte Kapitalmarktlinie mit zwei Tangentialportfolios für die
risikolose Geldanlage und -aufnahme...................... 130
Abb. 4.1 Regression zwischen den monatlichen Überschu
Novar- ............................... 152 tis-Aktie und
Abb. 4.2 Verdeutlichung des Determinationskoeffizienten ............... 154
Abb. 4.3 Effizienzkurven nach dem Marktmodell und dem Markowitz-Modell
(DiebeidenEffizienzkurvenbasierenaufmonatlichenRenditenvonAnfang
September2007bisEndeAugust2012(Optimierungsverfahren
mit Long- und Short-Positionen)) ........................ 157
Abb. 4.4 Diversifikationseffekt eines gleich gewichteten Portfolios anhand des
Marktmodells .................................... 160
Abb. 4.5 Effizienzkurven für unterschiedliche Zeitperioden (Optimierungsverfah-
ren mit Long- und Short-Positionen) ...................... 165
Abb. 4.6 Einfluss der Veränderung der Parameter auf die Effizienzkurve mit
historischenDaten ................................. 165
Abb. 4.7 Schätzung des historischen Betas ........................ 174
Abb. 4.8 Beta der Novartis-Aktien ............................. 175
Abb. 4.9 We r t p a p i e r m a r k t l i n i e ................................ 177
Abb. 4.10 CAPM als Gleichgewichtsmodell ........................ 181
Abb. 4.11 ............ 188
Abb. 4.12 Wertpapiermarktlinie mit einem Null-Beta-Portfolio
Wertpapiermarktlinie mit Transaktionskosten ................. 189
Abb. 4.13 Performanceevaluation mit dem Jensen’s Alpha ............... 194
Abb. 5.1 Rendite eines gut diversifizierten Portfolios mit einem Beta von 1 .... 210
Abb. 5.2 Rendite einer Aktie mit einem Beta von 1 ................... 211
Abb. 5.3 Arbitragemöglichkeit ............................... 223
Abb. 6.1 Bewertungsprozess ................................. 264
Abb. 6.5 Berechnungsweise des erwarteten Alphas ................... 287
Abb. 6.6 Anlageentscheidung mit der Fundamentalanalyse und der technischen
Analyse ........................................ 291
Abb. 6.7 KursentwicklungderDaimler-Aktievom24.August2013bis24.August
2016(Quelle:www.onvista.de) .................... 292
Abbildungsverzeichnis XXIX
Abb. 6.8 Trendanalyse:KursentwicklungderDaimler-Aktievom24.August2011

bis24.August2016(Quelle:www.onvista.de) ............ 294
Abb. 6.9 Kursentwicklung des DAX vom 25. August 2013 bis 25. August 2016
(Quelle: www.onvista.de) ............................. 295
Abb. 6.10 Ansteigendes Dreieck ............................... 297
Abb. 6.11 Absteigendes Dreieck ............................... 298
Abb. 6.12 Kursentwicklung der Linde-Aktie vom 1. März bis 26. August 2016 und
38- und 90-Tage-gleitende-Durchschnittslinien (Quelle: www.onvista.de) 300
Abb. 6.13 Kursentwicklung der Linde-Aktie vom 28. August 2015 bis 26. August
2016 und Bollinger-Bänder basierend auf den 20-Tage-gleitenden-
Durchschnitt plus/minus zwei Standardabweichungen (Quelle:
www.onvista.de)
.................................. 301
Abb. 6.14 Kursentwicklung der Linde-Aktie vom 28. August 2015 bis 26. August
2016 und Momentum (Quelle: www.onvista.de) ...............303Abb. 6.15
Kursentwicklung der Linde-Aktie vom 31. August 2015 bis 29. August 2016
und Relative-Stärke-Index (Quelle: www.onvista.de) ......... 305
Abb. 6.16 Kursentwicklung der Daimler-Aktie vom 31. August 2015 bis 29.
August 2016 und MACD (12, 26, 9) (Quelle: www.onvista.de) ...... 306
Abb. 6.17 Impulswellen und Korrekturwellen in einem Bullenmarkt.........311Abb. 7.1
Übersicht über Aktienbewertungsmodelle unter der Annahme der
Unternehmensfortführung ............................. 320
Abb. 7.2 Bestimmung des inneren Aktienwerts mit dem Dividendendiskontie-
rungsmodell ..................................... 323
Abb. 7.3 Zusammenhang zwischen innerem Aktienwert und Wachstumsrate ... 331
Abb. 7.4 Exponentielle Zunahme des inneren Aktienwerts bei Konvergenz der
erwartetenRenditeundderWachstumsrate .................. 332
Abb. 7.5 Verlauf der Wachstumsrate und Veränderung der Gewinnausschüttungs-
quote im zweistufigen Dividendendiskontierungsmodell .......... 337
Abb. 7.6 Berechnung des inneren Werts der Linde-Aktie mit dem zweistufigen
Dividendendiskontierungsmodell ........................ 340
Abb. 7.7 Grundkonzept der Aktienbewertung mit dem FCEK-Modell ....... 353
Abb. 7.8 Grundkonzept der Aktienbewertung mit dem FCGK-Modell ....... 373
Abb. 7.9 GegenüberstellungdesResidualgewinnmodellsunddesEVA-Modells . 386
Abb. 7.10 Bestimmung des Kurs-Gewinn-Verhältnisses mit der Methode von
geschätzten Fundamentalwerten versus der Methode von
Vergleichsun- ternehmen
...................................... 391
Abb. 8.1 Finanzmarkt ..................................... 406
Abb. 8.2 Ausstehendes Volumen von Schuldverschreibungen des Geld- und
Anleihemarktes sowie von Aktien im Euroraum (Oktober 2015) (Quelle:
http://www.ecb.europa.eu)
............................ 410
Abb. 8.4 Überblick über verschiedene Arten von Anleihen .............. 413
Abb. 8.5 Cashflow-Ströme einer festverzinslichen Plain-Vanilla-Anleihe...... 413
XXX Abbildungsverzeichnis
Abb. 8.6 Callable Bonds versus Putable Bonds ...................... 436 Preisentwicklung
Abb. 8.7 einer Wandelanleihe in Abhängigkeit vom Aktienkurs 443
Abb. 8.9 Kursverlauf von Anfang 2010 bis Ende 2015 der Anleihe der Republik
Irland mit Kupon von 5 % und Laufzeit von Januar 2010 bis Oktober
2020 (Quelle: Bloomberg)
............................ 457
Abb. 8.10 Ausstehendes Nominalvolumen der handelbaren Bundeswertpapiere per
Ende 2015 (Quelle: http://www.deu tsche-finanzagentur.de) ........ 459
Abb. 8.11 Bestimmung der Stückzinsen ........................... 464
Abb. 9.1 Preisfunktionskurve ................................ 492
Abb. 9.2 Pull-to-Par-Effekt (konstante erwartete Rendite) ............... 493
Abb. 9.3 Preisverlauf einer 10-jährigen 5 %-Anleihe bei einer Veränderung der
erwartetenRendite ................................. 494
Abb. 9.4 Periodenberechnung für die Ermittlung des Full-Preises .......... 497
Abb. 9.5 ZinsstrukturkurvenfürStaatsanleihenderBundesrepublikDeutschland
undderSchweiz(Stichtag18.Februar2016)(Quelle:ThomsonReuters) 512Abb.
9.6 Unterschiedliche Verläufe der Zinsstrukturkurve ............... 518
Abb. 9.7 Spot-Zinsstrukturkurve versus Terminzinsstrukturkurve .......... 523
Abb. 9.8 Zusammensetzung der erwarteten Rendite (Diskontsatz) für optionsfreie
Anleihen ....................................... 524
Abb. 9.9 Gegenüberstellung von Verfallrendite (fester Diskontsatz mit G-Spread)
und Diskontsatzkurve (laufzeitgerechte Diskontsätze mit Z-Spread) am
Beispiel einer 10-jährigen Unternehmensanleihe ............... 526
Abb. 9.10 Spread-Entwicklung zwischen den 3-Monats-EURIBOR-Sätzen und
den 3-Monats-EONIA-Sätzen von 2007 bis 2015 (Quelle: Bloomberg
(monatliche Daten))
................................ 531
Abb. 9.11 Risikolose Zinsstrukturkurve und Swapsatzkurve für die Schweiz
(Stichtag 26. Februar 2016) (Quelle: Thomson Reuters) .......... 533
Abb. 9.12 Gegenüberstellung von Verfallrendite (fester Diskontsatz mit I-Spread)
und Diskontsatzkurve (laufzeitgerechte Diskontsätze mit Z-Spread) am
Beispiel einer 10-jährigen Unternehmensanleihe ............... 535
Abb. 9.13 Bloomberg-Maske für die 2,375 %-Anleihe der Daimler AG mit einer
Laufzeitvon2012bis2022(Quelle:Bloomberg) .............. 544
Abb. 10.1 Preisfunktionskurve der optionsfreien festverzinslichen 4,425-jährigen
4 %-Anleihe mit einer Tangente ......................... 566
Abb. 10.2 Macaulay-Duration zwischen zwei Kuponterminen und bei einer
konstanten Verfallrendite ............................. 568
Abb. 10.3 Beziehung zwischen Macaulay-Duration und Restlaufzeit der Anleihe . 568
Abb. 10.4 Angenäherte modifizierte Duration ....................... 572
Abb. 10.5 Anpassung der Duration mit der Konvexität .................. 585
Abb. 10.6 Zwei optionsfreie festverzinsliche Anleihen mit unterschiedlicher
Konvexität ...................................... 589
Abbildungsverzeichnis XXXI
Abb. 10.7 Bloomberg-Maske für die 2;375 %-Anleihe der Daimler AG mit einer
Laufzeit von 2012 bis 2022 (Quelle: Bloomberg) .............. 593
Abb. 10.8 Preisfunktionskurve eines Callable Bonds und einer vergleichbaren
optionsfreienAnleihe ............................... 595
Abb. 10.9 Effektive Duration des Callable Bonds und der optionsfreien Anleihe bei
einemunterschiedlichenRenditeniveau .................. 596
Abb. 10.10 Effektive negative und positive Konvexität eines Callable Bonds ..... 597
Abb. 10.11 Preisfunktionskurve eines Putable Bonds und einer vergleichbaren
optionsfreien Anleihe
............................... 598
Abb. 10.12 Effektive Duration und Konvexität des Putable Bonds und der options-
freien Anleihe bei einem unterschiedlichen Renditeniveau ......... 599
Abb. 11.1 Binomialer Zinsbaum ............................... 634
Abb. 11.2 4-jähriger binomialer Zinsbaum ......................... 637 Binomialer
Abb. 11.3 Zinsbaum mit Terminzinssätzen zentriert um den Basister-
minzinssatz und 2-jährige 1,2 %-Par-Kuponanleihe
............. 640
Abb. 11.4 Arbitragefreier binomialer Zinsbaum und 2-jährige 1,2 %-Par-Kuponan-
leihe .......................................... 641
Abb. 11.5 Arbitragefreier binomialer Zinsbaum und 3-jährige 1,25 %-Par-
Kuponanleihe .................................... 642
Abb. 11.6 Arbitragefreier binomialer Zinsbaum und optionsfreie 3-jährige 2 %-
Unternehmensanleihe ............................... 644
Abb. 11.7 Preisberechnung des 3-jährigen 4,5 %-Callable Bonds anhand des
b in o mialen Zin sb au ms ... .... .... .... .... .... .... .... 651
binomialen Zinsbaums bei einer Verschiebung der Benchmarkkurve
um 35 Basispunkte nach unten
............................ 654
binomialenZinsbaumsbeieinerVerschiebungderBenchmarkkurveum
35 Basispunkte nach oben ............................. 655
Abb. 11.10 Preisberechnung des 3-jährigen 4,5 %-Putable Bonds anhand des
b in o mialen Zin sb au ms ... .... .... .... .... .... .... .... 660
binomialen Zinsbaums bei einer Verschiebung der Benchmarkkurve um 35
Basispunktenachunten ............................ 662
binomialen Zinsbaums bei einer Verschiebung der Benchmarkkurve um
35 Basispunkte nach oben ............................. 663
Abb. 11.13 Preisberechnung der 3-jährigen C allable Multi-Step-up-Anleihe anhand des
binomialenZinsbaums ............................ 669
Abb. 11.14 Preisberechnung der 3-jährigen variabel verzinslichen Anleihe mit
einem Cap-Satz von 3,5 % anhand des binomialen Zinsbaums ...... 672
XXXII Abbildungsverzeichnis
Abb. 11.15 Preisberechnung der 3-jährigen variabel verzinslichen Anleihe mit

einem Floor-Satz von 3 % anhand des binomialen Zinsbaums.......673 Abb.
11.16 Aktienpreise im Fünf-Perioden-Binomialbaum................675 Abb. 11.17
Conversion Values im Fünf-Perioden-Binomialbaum............ 677 Abb. 11.18
Wandlungswahrscheinlichkeiten im Fünf-Perioden-Binomialbaum
... 678
Abb. 11.19 Risikoadäquate Diskontsätze im Fünf-Perioden-Binomialbaum ......679 Abb.
11.20 Zusammenhang zwischen Preiskurve der Wandelanleihe und risikoad-
äquaten Diskontsätzen ... .... .... .... .... .... .... .... 680
Abb. 11.21 Preisberechnung der 5-jährigen 2 %-Wandelanleihe anhand des Fünf-
Perioden-Binomialbaums ............................. 681
Abb. 11.22 Deltas der 5-jährigen 2 %-Wandelanleihe im Binomialbaum ....... 683
Abb. 11.23 Delta der Wandelanleihe entlang der Preisfunktionskurve ......... 683
Abb. 12.1 Systematisierung der derivativen Instrumente .................
Abb. 12.2 Vertragsparteien und Collatera l von Clearing-fähi gen OTC-D
................... 701 und bilateral gehandelten OTC-Derivaten
Abb. 12.5 Gewinn-Verlust-Profil von einem Long und Short Forward/Future .... 712
Abb. 12.6 Kombination von Anleiheemission und bilateral gehandelten
Währungs- swap .......................................... 718
Abb. 12.7 Umwandlung des Aktienportfolios mithilfe eines bilateral gehandelten
EquitySwapsineinefestverzinslichePosition ................ 721
Abb. 12.8 Positionen in Optionsgeschäften ......................... 723
Abb. 12.9 Gewinn-/Verlustdiagramm von Long-/Short-Call- und Put-Optionen
am Fälligkeitstag
.................................... 725
Abb. 12.10 Gewinn-/Verlustdiagramm der Covered-Call-Strategie ........... 730
Abb. 12.11 Gewinn-/Verlustdiagramm der Protective-Put-Strategie ........... 734
Abb. 13.1 Preis- und Wertbestimmung von unbedingten Termingeschäften ..... 764
Abb. 13.2 Konvergenz des Terminpreises zum erwarteten Basiswertpreis ...... 776
Abb. 13.3 Backwardation und Contango bei Rohstoffen mit einer Verfügbar-
keitsprämie ...................................... 777
Abb. 13.4 Zwei Szenarien für den Preis verlauf bei einem Future/Forward......779Abb.
13.5 Zeitdiagramm für die Berechnung des Terminpreises bei Vertragsab-
schluss ........................................ 790
Abb. 13.6 Zeitdiagramm für die Berechnung des Terminpreises in einem Jahr ... 791
Abb. 13.7 3-gegen-6-FRA mit Abschlusstag am 15. Juni ................ 792
Abb. 13.8 Gewinnberechnung des Long-9-gegen-12-FRA anhand des Gewinn-/
Verlustdiagramms .................................. 794
Abb. 13.9 Wechselkurs EUR/CHF (Mengennotierung) von 1999 bis 2014
(Quelle:Zeitreihen der Deutsche Bundesbank unter www.bundesbank.de) 798
Abb. 13.10 Standardisierung des Euro-Bund-Future-Kontrakts ............. 805
Abb. 13.11 Zeitdiagramm für die Berechnung der Stückzinsen ............. 808
Abb. 13.12 Zeitdiagramm des Long FRA und der Kreditaufnahme ........... 815
Abbildungsverzeichnis XXXIII
Abb. 13.13 Zeitdiagramm des Short FRA und der Kreditvergabe ............ 817 Abb. 14.1
Zinskosten aus der Kreditaufnahme kombiniert mit gecleartem Zins-
satzswap ....................................... 848
Abb. 14.2 Zinskosten aus der Kreditaufnahme kombiniert mit bilateral gehandel-
tem Zin ssatzswap .. .... .... .... .... .... .... .... .... 848
Abb. 14.3 Zinskosten aus der Kreditaufnahme kombiniert mit einem von einem
FinanzinstitutvermitteltenbilateralgehandeltenZinssatzswap ...... 850
Abb. 14.4 Cashflow-Replikation eines Payer Swaps mit einer festverzinslichen und
einer variabel verzinslichen Anleihe ...................... 852
Abb. 14.5 Cashflow-Replikation eines Receiver Swaps mit einer festverzinslichen
und einer variabel verzinslichen Anleihe....................853Abb. 14.6
Wertbestimmung eines Payer und eines Receiver Swaps mit einer
variabel verzinslichen und einer festverzinslichen Anleihe ......... 856
Abb. 14.7 Transformation einer variabel ve rzinslichen Anleihe in eine festverzinsliche
Schuldposition mithilfe eines Payer Swaps...............862
Abb. 14.8 TransformationeinervariabelverzinslichenAnleiheineinefestverzins-liche
VermögenspositionmithilfeeinesReceiverSwaps .......... 863
Abb. 14.9 Zinskosten aus der Kreditaufnahme kombiniert mit einem von einem
Finanzinstitut vermittelten bila teral gehandelten Währungsswap.....869
Abb. 14.10 Transformation einer Euro-Anleihe in eine Pfund-Verbindlichkeit
mithilfe eines Währungsswaps .......................... 875
Abb. 14.11 Asset-Währungsswap zur Absicherung von Währungsrisiken bei einem
festverzinslichen Anleiheportfolio .... .... .... .... .... .... 877
Abb. 14.12 Veränderung der Asset-Allokation eines Aktien- und Anleiheportfolios
mit einem bilateral gehandelten Equity/Total Return Swap ........ 886
Abb. 14.13 Struktur eines bilateral gehandelten Credit Default Swaps (Barausgleich) 896
Abb. 15.1 Zusammenhang zwischen Optionspreis und Risikofaktoren ........ 920
Abb. 15.2 Binomialbaum für eine Aktie (eine Periode) ................. 940
Abb. 15.3 Ein-Perioden-Binomialbaum für Aktie und Call-Option .......... 942
Abb. 15.4 Zwei-Perioden-Binomialbaum für Aktie und Call-Option ......... 945
Abb. 15.5 Fläche N .d1 / unter der Dichtefunktion der Standardnormalverteilung . 954
Abb. 15.6 Fläche 1 N .d1 / unter der Dichtefunktion der Standardnormalverteilung 955
Abb. 15.7 Preisfunktionskurve einer Call-Option ..................... 964
Abb. 15.8 Delta der Call-Option als Funktion des Aktienpreises............965Abb. 15.9
Preisfunktionskurve einer Put-Option ...................... 966
Abb. 15.10 Delta der Put-Option als Funktion des Aktienpreises ............ 967
Abb. 15.11 Zusammenhang zwischen Delta und Laufzeit bei einer Call-Option auf
eine Aktie ohne Dividenden ........................... 970
Abb. 15.12 Delta und Gamma einer Call-Option ...................... 975
Abb. 15.13 Delta und Gamma einer Put-Option ....................... 976 Abb. 15.14
Zusammenhang zwischen Gamma, Basiswertpreis und Restlaufzeit der
Option ......................................... 978
XXXIV Abbildungsverzeichnis
Abb. 15.15 Zusammenhang zwischen Vega, Basiswertpreis und Restlaufzeit der

Option ......................................... 982
Abb. 15.16 Zusammenhang zwischen Optionspreis und risikolosem Zinssatz bei
einer Aktie......................................988 Abb. 15.17 Zusammenhang
zwischen Optionspreis und Restlaufzeit der Option... 988 Abb. 15.18 Zusammenhang
zwischen dem Theta einer europäischen Call-Option
und dem Aktienpreis ................................ 990
Abb. 16.1 Portfoliomanagementprozess . . . . . . . . . . . . . . . . . . . . . . . . . . .1 0 0 6
Abb. 16.3 Payoff-Diagramm der Kaufen-und-Halten-Strategie bei einem ursprüng-
lichenAnlagemixvon 70 %=30 % zwischen Aktien und risikoloser
Anlage ........................................1034
Abb. 16.4 Payoff-Diagramm der Kaufen-und-Halten-Strategie und der Constant-
Mix-Strategie bei einem ursprünglichen Anlagemix von 70 %=30 %
zwischen Aktien und risikoloser Anl age (auf- und abwärtstendierende
Aktienmärkte) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 0 3 5
Abb. 16.5 Payoff-Diagramm der Kaufen-und-Halten-Strategie und der Constant-
Mix-StrategiebeieinemursprünglichenAnlagemixvon 70 %=30 %
zwischen Aktien und risikoloser Anlage (umkehrender Aktienmarkt)..1037
Abb. 16.6 Payoff-Diagramm der Kaufen-und-Halten-Strategie, der Constant-Mix-
StrategieundderCPPI-StrategiebeieinemursprünglichenAnlagemixvon
70 %=30 % zwischen Aktien und risikoloser Anlage (auf- und
abwärtstendierende Aktienmärkte) .......................1040
Abb. 16.7 Payoff-Diagramm der CPPI-Strategie, der Kaufen-und-Halten-Strategie
und der Constant-Mix-Strategie bei einem ursprünglichen Anlagemix
von 70 %=30 % zwischen Aktien und risikoloser Anlage (umkehrender
Aktienmarkt) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 0 4 0
Abb. 17.1 Erwartete aktive Rendite und Risiko des Portfolios mit der höchsten Sharpe
Ratio (ohne Anlagerestriktionen) ....................1072
Abb. 17.2 Korrelationsdreieck zwischen den prognostizierten aktiven Renditen,
den realisierten aktiven Renditen und den aktiven Gewichten.......1076
Abb. 17.3 Optimales Portfolio bestehend aus aktivem Portfolio
und Marktportfolio ..... .... .... .... .... .... .... ....1094
Abb. 17.4 M2 -Statistik .....................................1100
Abb. 17.5 Marktneutrale Long-Short-Aktienstrategie ..................1118
Tabellenverzeichnis
Tab. 2.1 Arithmetische versus geometrische Rendite .................. 17

Tab. 2.2 Wa h r s c h e i n l i c h k e i t s v e r t e i l u n g v o n P o r t f o l i o r e n d i t e n ü b e r e i n e b e s t i m m -
.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . t e Z e i t p e r i o d e 34
Tab. 2.3 Value at Risk und Subadditivität ......................... 39
Tab. 3.1 Matrix zur Berechnung der Portfoliovarianz (2 Anlagen) .......... 77
Tab. 3.2 Matrix zur Berechnung der Portfoliovarianz . . . . . . . . . . . . . . . . . 88
Tab. 3.3 Anzahl Varianzen und Ko varianzen in einem Portfolio . . . . . . . . . . . 89
Tab. 3.4 Verschiedene Nutzenwerte des Portfolios auf der Kapitalallokationslinie 119
Tab. 4.1 Standardabweichungen und Korrelationen für die Anlagen X, Y und Z . 145
Tab. 4.2 Statistiken zur Regression zwischen der Novartis-Aktie und dem SMI . 152
Tab. 4.3 Erwartete Renditen, Standardabweichungen und Korrelationen für fünf
SMI-Aktien ..................................... 164
Tab. 4.4 Gegenüberstellung von Sharpe Ratio, Treynor Ratio und Jensen’s Alpha 193
Tab. 5.1 Aus der Arbitragestrategie resultierende Cashflows und Risiko......224Tab.
5.2 Überschussrendite des S&P 500 ......................... 229 Anpassung der
Tab. 7.1 Bewertungsparameter beim zweistufigen Dividendendis-
kontierungsmodell
................................. 341
Tab. 7.2 Anpassung der Bewertungsparameter beim einstufigen FCEK-Modell . 358
Tab. 7.3 Anpassung der Bewertungsparameter beim zweistufigen FCEK-Modell 366
Tab. 7.4 FCEK-Modell versus Dividendendiskontierungsmodell .......... 367
Tab. 7.5 FCEK-Modelle versus FCGK-Modelle ..................... 379
Tab. 8.1 Stammdaten der 0,5 %-Anleihe der Bundesrepublik Deutschland mit
einer Laufzeit von 2015 bis 2025 ........................ 414
Tab. 8.2 Cashflows einer Annuitätenanleihe ....................... 419
Tab. 8.3 Cashflows einer Tilgungsanleihe mit einer teilweisen Amortisierung und
AbschlusszahlungamFälligkeitstag ...................... 419
Tab. 8.4 Beispiel einer Tilgungsfondsvereinbarung ................... 421
Tab. 8.5 Ratings von Commercial Papers ......................... 452
Tab. 8.6 USCPs versus ECPs ................................ 453
Tab. 9.1 Matrix gegliedert nach Kupons und Restlaufzeit ............... 500
Tab. 9.2 Benchmark und Spreads für optionsfreie festverzinsliche Anleihen ... 536
XXXV
XXXVI Tabellenverzeichnis
Tab. 9.3 Übersicht über Berechnungsweise von Spreads für optionsfreie

festverzinslicheAnleihen ............................. 536
Tab. 10.1 Modifizierte Duration und Konvexität einer 4 %-Anleihe mit einer
Verfallrendite von 5 % in Abhängigkeit zur Restlaufzeit .......... 587
Tab. 10.2 Einfluss der Restlaufzeit, des Kupons und der Verfallrendite auf die
Konvexität einer optionsfreien festver zinslichen Anleihe (Basisszenario:
Kupon D 4 %, Verfallrendite D 4 %, Restlaufzeit D 10 Jahre) ...... 588
Tab. 10.3 Langfristige Ratingklassifizie rung der drei größten Ratingagenturen .. 605
Tab. 10.4 Risikoprämien für den US-amerikanischen Industriesektor per 22.
Oktober2015(SpreadsinBasispunkten)(Quelle:Reuters) ........ 614
Tab. 11.1 Benchmark und Spreads für Anleihen mit eingebetteten Optionen .... 646
Tab. 11.2 Veränderung der effektiven Duration des 3-jährigen 4,5 %-Callable
Bonds und der 3-jährigen optionsfreien 4,5 %-Anleihe bei einer
ÄnderungderBenchmarkkurve ......................... 656
Tab. 11.3 Effektive Duration und einseitige Durationen bei einem 3-jährigen
4 %-Callable Bond, gegenwärtig kündbar zu 100 % ............. 658
Tab. 11.4 VeränderungdereffektivenDurationdes3-jährigen4,5%PutableBondsundder
3-jährigenoptionsfreien4,5%-AnleihebeieinerÄnderungderBenchmarkkurve
.................................. 663
Tab. 11.5 Einfluss der Zinssatzvolatilität auf den Preis des 3-jährigen 4 %-Callable
Bonds ......................................... 665
Tab. 11.6 Einfluss der Zinssatzvolatilität auf den Preis des 3-jährigen 4
%-Putable Bonds......................................... 665
Tab. 11.7 EinflussdesZinsniveausaufdenPreisdes3-jährigen4%-CallableBonds 665Tab.
11.8 Einfluss des Zinsniveaus auf den Preis des 3-jährigen 4 %-Putable Bonds 666
Tab. 12.1 Gegenüberstellungvonbörsengehandeltenundaußerbörslichgehandel-
ten Derivaten . .... .... .... .... .... .... .... .... .... 703
Tab. 12.2 Anzahl ausstehender Kontrakte und Nominalwerte von börsengehan-
delten Derivaten (Quelle: Quartalsberichte der Bank für Internationalen
Zahlungsausgleich, www.bis.org/publ/regpubl.htm) ............. 704
Tab. 12.3 UnterschiedezwischenunbedingtenundbedingtenTermingeschäftenauf
AktienundAktienindizes .......................... 728
Tab. 13.1 Marktübliche Spezifikationen der FRA-Laufzeit und des FRA-Satzes .. 792
Tab. 13.3 Gegenüberstellung von Forwards und Futures ................ 836
Tab. 14.1 Zusammenhang zwischen Zinssatzänderung und Wert des Payer Swaps
und des Receiver Swaps .............................. 859
Tab. 14.2 Ratings und durchschnittliche kumulative
Ausfallwahrscheinlichkeiten (in %) sowie
Überlebenswahrscheinlichkeiten und unbedingte und bedingte Ausfallwahrscheinlichkeiten
A- und einem B-Rating(Quelle: Moody’s und eigene Berechnungen)..892
Tab. 15.1 Eurex-Call-Optionen auf Daimler-Aktie (in EUR) .............. 920
Tab. 15.2 Risikofaktoren und Preis von Aktienoptionen (Finanzoptionen) ..... 922
Tabellenverzeichnis XXXVII
Tab. 15.3 Preisobergrenzen und -untergrenzen für europäische und amerikanische

Optionen auf Aktien ohne Dividenden..................... 930
Tab. 15.4 Äquivalenz zwischen Call und synthetischem Call .............. 932
Tab. 15.5 Äquivalenz zwischen Put und synthetischem Put...............933
Tab. 15.6 Delta und Gamma von Long- und Short-Optionen .............. 976
Tab. 16.1 Risikobeurteilungsbogen .............................1007
Tab. 16.2 Beurteilung der Risikotoleranz anhand der Tragfähigkeit
und Bereitschaft ... .... .... .... .... .... .... .... ....1008
Tab. 16.3 WirkungeinzelnerFaktorenaufdieoptimaleBandbreitevonAnlage-klassen
........................................1029
Tab. 16.4 Vergleich der drei Rebalancing-Strategien ...................1042 Aktive
Tab. 16.5 Rendite: unterschiedliche Gewichte und Renditen zwischen Portfolio
und Benchmark
.............................1051
Tab. 17.1 Schema für Alphasignale .............................1076
Tab. 17.3 Reale Renditen von Aktienmärkten und Staatsanleihen von 1900 bis
2013 (arithmetisches Mittel) (Quelle: Credit Suisse Research
Institute 2014: Credit Suisse Global Investment Returns Sourcebook
2014, 12 ff.)
S. .......................................1105
Tab. 17.4 Charakteristiken der wert- und wachstumsorientierten Anlagestrategie . 1111
TeilI
Portfoliotheorie
EinführungindieFinance
1
1.1 Einleitung
DieFinancebzw.dieFinanzmarkttheorieisteinTeilgebietderWirtschaftswissenschaf-ten.Sie
umfasst Themenbereiche wie etwa die Finanzmärkte, die Anlageinstrumente, das Portfolio-
und Risikomanagement sowie d as Finanzmanagement eines Unternehmens (Corporate
Finance).
Im vorliegenden Buch werden die Themenbereiche der Finance aus der Sicht der Ka-
pitalanlage betrachtet. Die gleichen finanzmarkttheoretischen Konzepte finden sich auch
Analyse von Investi- in der Corporate Finance, bei der neben der Kapitalanlage (z. B.
tionsprojekten) auch die Kapitalbeschaffung (z. B. optimale Kapitalstruktur) im Vorder- grund
steht. Zum Beispiel sind Risiken, die der Kapitalgeber bzw. der Aktionär diver- sifizieren kann,
nicht vom Unternehmen zu e ntschädigen, sodass die erwartete Rendite der Eigenkapitalgeber
(also der Eigenkapitalkostensatz) mit einem Einfaktormodell wie dem Capital AssetPricing
Model (CAPM) oder mit einem Multifaktorenmodell wie der Arbitragepreis-Theorie (APT)
bestimmt werden kann. Diese Modelle unterstellen, dass die Renditeerwartung vom
systematischen Risiko (Marktrisiko) abhängt, das sich in einem gut diversifizierten Portfolio
vonLong-Aktiennichteliminierenlässt.
EinigeKonzeptederFinancewurdeninderCorporate-Finance-Theorieentwickelt.Hierzu
zählenzumBeispieldiegrundlegendenTheoremevonModiglianiundMillerzur
Kapitalstruktur-undDividendenirrelevanz. 1
Diesegehenvoneinemperfekten,frik-
tionslosenFinanzmarktaus,beidemdieFinanzierungsstrukturunddieHöhederDi-
videndenzahlungen(alsodieDividendenpolitik)fürdenUnternehmenswertundsomitfürdas
Aktionärsvermögenirrelevantsind.BesitzensowohldieAktionärealsauchdasUnternehmen
hinsichtlichInvestitionen,Diversifikation,FinanzierungundAbsicherung
1
Vgl.ModiglianiundMiller1958:TheCostofCapital,CorporationFinance,andtheTheoryof
Investment,S.261ff.sowieModiglianiundMiller1961:DividendPolicy,GrowthandtheValuation
of Shares, S. 411 ff.
© Springer Fachmedien Wiesbaden GmbH 2017 3

E. Mondello, Finance, DOI 10.1007/978-3-658-13199-9_1
4 1 EinführungindieFinance
den gleichen Zugang zum Finanzmarkt und sind die Rahmenbedingungen wie Steuern,
Transaktionskosten und Informationen für alle Marktakteure gleich, so führen finanzielle
MaßnahmendesUnternehmenszukeinemAktionärsmehrwert.
DerErkenntnisfortschrittinderFinancehatindenvergangenenJahrzehntenstarkzu-
genommen,wasunteranderemdurchdenFortschrittinderModellierung,z.B.beider
RisikomessungundderOptionspreistheorie,unddaspraktischeUmsetzenvonModellen
erklärtwerdenkann.EinweitererwichtigerFaktoristdieEntwicklunginderInformati-
onstechnologie,welcheheuteRechenleistungenzulässt,mitdenenkomplexeAlgorithmenund
Simulationenimplementiertwerdenkönnen.AußerdemhatsichdieDatensituationaufgrund
deselektronischenHandelsbeiBörsenundPlattformensowieaufgrunddergrö-ßeren
ProduktevielfaltaufdenMärktenlaufendverbessert.
DieglobaleFinanzkrisevon2008führtezueinergroßenVerunsicherungunterden
Marktteilnehmern.SowurdenvermehrtdieRelevanzundAnwendbarkeitderFinance-Theorie
infragegestellt.Allerdingskannnichtausgeschlossenwerden,dassaufgrunddesBoomsaufden
FinanzmärktenundderdamiteinhergegangenenEuphoriediefi-nanzmarkttheoretischen
Konzeptefalschangewandtodersogargänzlichvernachlässigtwurden.Dierichtige
UmsetzungderKonzeptesollteesnämlichermöglichen,auchineinemschwierigen
MarktumfeldGewinnezuerzielenbzw.Verlustezubegrenzen.Ne-bendemhierfür
erforderlichenFinance-VerständnismüssendieMarktteilnehmerdiedenModellen
zugrundeliegendenAnnahmenverstehenundsichderAnwendungsgrenzenbe-wusstsein.
1.2 ThemenbereichederFinance
1.2.1 Übersicht
Das Buch stützt sich auf finanzmarkttheoretische Konzepte, die für die Kapitalanlage relevant
undsomitBestandteildesCFA ®
-Curriculums (Finanzanalyse und Portfolioma-
nagement) sind. Die entsprechenden Theme nbereiche lassen sich wie folgt aufteilen:
Portfoliotheorie,
Bewertung von Finanzinstrumenten wie Aktien, Anleihen und Derivaten,
Risikomanagement und
Portfoliomanagement.
Nachstehend werden diese Kern themen der Finance überblicksartig beschrieben, bevor in den
folgendenKapitelneinevertiefteDarstellungerfolgt.
1.2 ThemenbereichederFinance 5
1.2.2 Portfoliotheorie
Die moderne Portfoliotheorie entstand in den 1950er-Jahren und geht hauptsächlich auf die
Arbeiten von Harry Markowitz, James Tobin und William Sharpe zurück. So zeigt Markowitz
(1952),wiemithistorischenKapitalmarktdatenineinemRendite-Risiko-Diagramm
die Effizienzkurve anhand eines Optimierungsverfahrens erstellt werden
kann.2 AufderEffizienzkurveliegenPortfoliosausrisikobehaftetenAnlagen,dieinBe-zugauf
RenditeerwartungundRisikoameffizientestenbzw.amattraktivstensind.Dabei
wird das Risiko als Standardabweichung definiert, welche die dur chschnittliche Abwei- chung
der Renditen von ihrem Erwartungswert angibt. Je höher die Standardabweichung ist, desto
höher ist das Risiko und somit die erwartete Rendite eines risikoaversen Inves- tors. Das
Portfoliorisiko hängt neben der Standardabweichung einzelner Anlagen auch von der
Kovarianz bzw. von der Korrelation zwischen den Renditen von Anlagen ab. Das
Markowitz-Modell lässt sich mit Indifferenzkurvenerweitern, die den Anlegernutzen messen.
Zum optimalen Kundenportfolio gelangt man, wenn man die aus den Kapital- marktdaten
erstellteEffizienzkurvemitdenIndifferenzkurvenkombiniert.MithilfederIndifferenzkurven
fließt der Risikoaversionsgrad des Investors in die Portfoliokonstruk- tion ein. Der
Berührungspunkt zwischen der Effizienzkurve und der höchstmöglichen anlegerspezifischen
IndifferenzkurvestelltdasoptimalePortfoliorisikobehafteterAnla-gendar.
Tobin (1958) hat die risikolose Anlage mit dem Marktportfolio kombiniert, das als ef-
fizientes risikobehaftetes Portfolio auf der Effizienzkurve liegt.3 IneinemRendite-Risiko-
DiagrammbefindetsichdieeffizientesteAnlagekombinationbestehendauseinerrisiko-losen
AnlageunddemMarktportfolioaufderKapitalmarktlinie.DiesepassiveAnlage-strategielässt
sichbeispielsweisemitunverzinslichenSchatzanweisungenderBundesre-publik
DeutschlandalsrisikoloseAnlageundmitExchangeTradedFundsaufdenDAXals
ApproximationzumMarktportfolioumsetzen.Einepassiveistgegenübereinerakti-ven
Anlagestrategiezubevorzugen,wenndieFinanzmärkteeffizientsind,daineinemsolchen
MarktumfeldsämtlicheInformationenimAnlagepreisenthaltensind,sodasskei-ne
fehlbewertetenInvestmentsexistieren.DabeiunterscheidetFama(1970)jenachdeninden
PreisenvorhandenenInformationendreiunterschiedlicheGradederMarkteffizienz,nämlich
dieschwache,diehalbstrengeunddiestrengeForm.
4
InderstrengenFormder
InformationseffizienzhypothesesindnichtnurhistorischeundneueöffentlicheInforma-
tionen,sondernauchsämtlicheprivatenInformationenenthalten.
EineWeiterentwicklungderRendite-Risiko-Portfoliomodelleausden1950er-Jahren
erfolgtedurchGleichgewichtsmodellewieetwadasCapitalAssetPricingModel(CAPM) 5
2
Vgl. Markowitz 1952 : Portfolio Selection, S. 77 ff.
3
Vgl. Tobin 1958 : Liquidity Preference as Behavior Towards Risk, S. 65 ff.
4
Vgl. Fama 1970 : Efficient Capital Markets: A Review of Theory and Empirical Work, S. 383 ff.
5
Vgl.Sharpe1964:CapitalAssetPrices:ATheoryofMarketEquilibriumUnderConditionsofRisk,S.
425ff.;Lintner1965:TheValuationofRiskAssetsandtheSelectionofRiskyInvestments
in den 1960er-Jahren und der Arbitragepreis-Theorie (APT)6 in den 1970er-Jahren. Das

CAPM ist das Kernstück der modernen Finanzmarkttheorie. Mit diesem Modell lässt
sicheinerisikogerechteerwarteteRenditebestimmen,wobeidasRisikomitdemBetagemessen
wird, das eine Größe für das Marktrisiko darstellt. Da das CAPM (gleich wie die APT) ein
Gleichgewichtsmodell ist, kann damit untersuchtwerden,ob die Anlagenrichtig bewertet sind.
Entspricht die erwartete Rendite der Anlage nicht der erwarteten CAPM-Rendite, also befindet
sich die Anlage nicht auf der Wertpapiermarktlinie, liegt eine Fehlbewertung vor. In einer
aktiven Strategie werden unterbewertete Investments gekauft und überbewertete Anlagen
verkauft. Darüber hinaus kann das CAPM für die Performancemessung eines Portfolios sowie
für die Bestimmung des Diskontsatzes bei einem Aktienbewertungsmodell wie etwa dem
Dividendendiskontierungsmodell und dem Free-Cash-Flow-to-Equity-Modell eingesetzt
werden. In der Corporate Finance kann das CAPM zudem für die Ermittlung des
Eigenkapitalkostensatzesverwendetwerden.
TreynorundBlack(1973)habenanhanddesRendite-Risiko-Portfoliomodellsvon
Markowitzdargelegt,wiesicheinoptimalesPortfolioauseinemMarktportfolioundeinemaktiven
Portfoliokonstruierenlässt. 7
DabeibestehtdasoptimalePortfolioauseiner
Kombinationvonunter-undüberbewertetenAnlagenunddemMarktportfolio.DasModell
unterstellt,dassdieMärktemehrheitlicheffizientsind.DieverbleibendenInef-fizienzenauf
demMarktkönnendurcheineaktiveStrategieausgenutztwerden,sodasseineimVergleichzum
MarktportfoliohöhererisikoadjustierteRenditeerzieltwerdenkann.DieAnwendungder
PortfoliotheorieaufdasaktivePortfoliomanagementwurdevonGrinold(1989)unddanachvon
Clarkeetal.(2002)weiterentwickelt.
8
1.2.3 BewertungvonFinanzinstrumenten
DieBewertungvonFinanzinstrumentenwieAktien,AnleihenundDerivatenstellteinwichtiges
Anwendungsgebiet der Finance dar. Dabei lassen sich Aktien und Anleihen grundsätzlich mit
einem Cashflow-Modell bewerten, während die Preis- und Wertbestim- mung von Derivaten
mit einem Replikationsan satz erfolgt, wobei der Preis von Optionen auch mit einem
risikoneutralenBewertungsverfahrenermitteltwerdenkann.
UnterderFortführungsannahme(Going-Concern-Prinzip)lässtsichderinnereAktien-wert
miteinemCashflow-Modellberechnen.HierzuwerdendieerwartetenCashflowsmitder
RenditeerwartungderKapitalgeberdiskontiert.KaufenInvestorendieAktiezudiesemPreis,
erzielensiedievonihnengeforderteAnlagerendite.DiesesbeidenCashflow-
in Stock Portfolios and Capital Budgets, S. 13 ff.; Mossin 1966 : Equilibrium in a Capital Asset Market, S.
768ff.
6
Vgl. Ross 1976 : The Arbitrage Theory of Capital Asset Pricing, S. 341 ff.
7
Vgl. Black und Treynor 1973 : How to Use Security Analysis to Improve Portfolio Selection, 66 ff.
S.
8
Vgl. Grinold 1989 : The Fundamental Law of Active Management, S. 30 ff. und Clarke et al. 2002 :
Portfolio Constraints and the Fundamental Law of Active Management, S. 48 ff.
1.2 ThemenbereichederFinance 7
basierten Modellen zugrundeliegende Bewert ungsprinzip wurde vo n John Williams Ende der
1930er-JahreanhanddesDividendendiskontierungsmodellsbeschrieben. 9
Erwartete
Cashflows lassen sich zum einen als Dividenden und zum anderen als frei verfügbare Cashflows
definieren, wobei Letztere potenzi ellausschüttbare Cashflows an die Kapital- geber darstellen.
EinweitereswichtigesBewertungsmodellsindWertschöpfungsmodelle,diesichimGegensatz
zu den Cashflow-Modellen nicht auf die Wertverteilung, sondern auf die Wertschöpfung
beziehen.ÜberdiegesamteLebensdauereinesUnternehmenshin-wegsinddieWertschöpfung
unddieWertverteilunggleichgroß,sodassbeikonsistenterAnwendungdieCashflow-Modelle
und die Werts chöpfungsmodelle den gleichen inneren Aktienwert liefern. Ein weiteres weit
verbreitetesBewertungsmodellsindMultiplikatoren,mitdenenderWerteinerAktierelativzum
WertandererBeteiligungspapierebestimmtwird,wobeivorausgesetztwird,dassvergleichbare
VermögenswerteeinenähnlichenPreisbesitzenmüssen.
DiePreisbewertungoptionsfreierAnleihenerfolgtebenfallsmitdemCashflow-Modell.
DabeiwerdendieerwartetenKuponzahlungenundderNominalwertamFälligkeitstagmitder
erwartetenRenditederInvestorendiskontiert.DieerwarteteRenditeergibtsichauseinem
Benchmarksatz(risikoloserZinssatzoderSwapsatz)undeinerRisikoprämie,dieeine
RenditeentschädigungfürdasKreditrisikounddasMarktliquiditätsrisikoderAn-leihe
darstellt.ImGegensatzzuoptionsfreienAnleihenistdieBewertungvonAnleihenmit
eingebettetenOptionenanspruchsvoller,dainfolgedermöglichenOptionsausübungdie
LaufzeitderAnleihenichtbekanntist,wasdenEinsatzeinesCashflow-Modellsver-unmöglicht.
SowerdenAnleihenmiteingebettetenKündigungsoptionen(CallableundPutableBonds)
sowieWandelanleihenmiteinemBinomialmodellbewertet.
DerivateumfassenForwards,Futures,SwapsundOptionen.DiePreis-undWertbe-stimmung
erfolgtfürsämtlicheDerivatedurcheinenReplikationsansatz,wobeihierauchdas
ArbitragekonzepteinewichtigeRollespielt.SoetwawirdderNicht-Arbitragepreisvon
ForwardsundFuturesmitdemCost-of-Carry-Modellermittelt,beidemdieKostenaufdem
Terminmarkt(alsoderPreisdesForwards/Futures)denKostendesKassamarktsentsprechen.
DieCashflowseinesSwapshingegenlassensichdurcheinefestverzinsli-cheundeinevariabel
verzinslicheAnleiheoderdurcheinPortfoliovonZinsterminge-schäften(ForwardRate
Agreements)nachbilden.ImGegensatzdazukannfürdieOpti-onsbewertungnebendem
Replikationsansatz(z.B.AktienkaufundGeldaufnahmezumrisikolosenZinssatzbeieiner
Call-Option)auchdasrisikoneutraleBewertungsverfahreneingesetztwerden.Der
entscheidendeDurchbruchinderOptionsbewertungfand1973mitdemBlack/Scholes-Modell
statt.KurznachderEröffnungderOptionsbörseinChicago(CBOE)
10
gelangesFischerBlackundMyronScholes,einegeschlosseneFormelfürdie
PreisbestimmungeuropäischerCall-Optionenzuentwickeln. 11 Ein weiteres Optionsbe-
9
Vgl. Williams 1938 : The Theory of Investment Value, S. 55 ff.
10
Der Handel mit Call-Optionen auf 16 US-amerikanische Basiswerte wurde im Jahre 1973 an der
Chicago Board Options Exchange (CBOE) aufgenommen. 11
Vgl. Black und Scholes 1973 : The Pricing of Options and Corporate Liabilities, S. 640 und Mer-
ton 1973 : Theory of Rational Option Pricing, S. 141 ff.
1 EinführungindieFinance
wertungsmodell stellt das Binomialmodell dar, das auf Cox, Ross und Rubinstein (1979)
zurückgeht.12 ImGegensatzzumBlack/Scholes-Modell,daseinzeitkontinuierlichesMo-dell
ist,handeltessichbeimBinomialmodellumeinzeitdiskretesBewertungsmodell.Außerdem
kanndasBinomialmodellnichtnurfürdiePreisberechnungeuropäischer,son-dernauch
amerikanischerOptioneneingesetztwerden.
1.2.4 Risikomanagement
Das Risikomanagement stellt einen Prozess dar, der aus der Identifikation, Messung, Steuerung
undBerichterstattungderRisikenbesteht.DiefinanziellenRisikeninderKapitalanlage
setzen sich aus Marktrisiken, und Marktliquiditätsrisi-
ken zusammen, wobei sich Marktrisiken in Kreditrisiken Zinsänderungs-,
Aktienpreisänderungs-,
Fremdwährungsänderungs- und Rohstoffpreisänderungsrisiken aufteilen lassen. Die
Risikomessung eines Portfolios erfolgt mit der Standardabweichung oder mit Downside-
Risikogrößen, etwa dem Value at Risk, der heute das Standardmodell in der Risikomes- sung
darstellt.FürdieSteuerungderfinanziellenRisikeneinesPortfolioswerdenDerivateeingesetzt.
So zum Beispiel wird das Risiko eines gut diversifizierten Aktienportfolios mit
Aktienindex-Futures abgesichert, indem das Beta des Aktienportfolios auf das gewünsch- te
Niveau gebracht wird. Das Zinsänderungsrisiko eines Anleiheportfolios hingegen wird mit
Fixed Income Futures gesteuert, während das Fremdwährungsrisiko eines Portfolios mit
Devisentermingeschäftenbegrenzt werden kann. Das Risiko eines Optionsportfolios wie etwa
das Delta-, Gamma- und Vegarisiko lässt sich durch den Kauf und Verkauf von Optionen
absichern. Darüber hinaus können Derivate auch für die temporäre Veränderung der
Asset-Allokation(taktischeAsset-Allokation)einesPortfolioseingesetztwerden.
1.2.5 Portfoliomanagement
Um ein auf die Kundenbedürfnisse abgestimmtes Portfolio zusammenzustellen, ist ein Prozess
erforderlich, der aus der Planung, der Ausführung und dem Feedback besteht. In der
Planungsphase werden die Finanzmärkte und die Kundenbedürfnisse analysiert, die
langfristige Anlagepolitik formuliert und die strategische Asset-Allokation festgelegt. In der
Ausführungsphase werden das Portfolio erstellt und die von der Anlagepolitik geforderten
Anlagen gekauft. Das Feedback schließt den Prozess ab und beinhaltet die Überwachung der
Anlagepolitik und der Kapita lmarkterwartungen, das Rebalancing und die Evaluation des
Portfolios.
Die strategische Asset-Allokation eines Po rtfolios wird in der Planungsphase erstellt.

Sie definiert die Anlageklassen (z. B. Aktien,AnleihenundImmobilien),diemitder
langfristigenAnlagepolitikinEinklangstehen,sodassdielangfristigenRendite-undRi-
12
Vgl. Cox et al. 1979 : Option Pricing: A Simplified Approach, S. 249.
1.3 Zusammenfassung 9
sikoziele des Investors unter Berücksichtigung der Anlagerestriktionen erreicht werden

können. Dabei bildet der Bericht zur langfris tigen Anlagepolitik das Kernstück des Port-
foliomanagementprozesses.
EinPortfoliokannentwederpassiv,semiaktivoderaktivgesteuertwerden.Einepassi-ve
AnlagestrategiewirdüblicherweisemiteinerIndexierung(ETFsoderAnlagefondsaufeinen
Index)odermiteinerKaufen-und-Halten-Strategieumgesetzt.Sieistimmerdannangebracht,
wenndieMärkteeffizientsind.IstdiesnichtderFall,kanneinesemiaktiveoderaktive
Anlagestrategieappliziertwerden.BeidersemiaktivenStrategiewirdver-sucht,zumeinenmit
eineraktivenStrategiedieBenchmarkzuschlagenundzumanderendasTracking-Risiko
(DifferenzzwischenPortfolio-undBenchmarkrisiko)sogeringwiemöglichzuhaltenbzw.
innerhalbeinervorgegebenenBandbreitezusteuern.Demgegen-überspieltbeieineraktiven
AnlagestrategiedasTracking-RisikokeineRolle.Vielmehrgiltes,anhandvonSelektions-und
AllokationsaktivitätensowiedesBenchmarktimingseineimVergleichzurBenchmarkhöhere
Renditezuerzielen.
1.3 Zusammenfassung
Die Finance bzw. die Finanzmarkttheorie ist eine Teildisziplin der Wirtschaftswissen-
schaften. Sie bezieht sich auf finanzmark ttheoretische Konzepte der Kapitalanlage und
-beschaffung. Einige dieser Konzepte wurden in der Corporate-Finance-Theorie entwi-
ckelt.
Im Zusammenhang mit der Kapitalanlage sin d die folgenden Themenbereiche der Fi- nance
von Bedeutung: Portfoliotheorie, Bewertung von Finanzinstrumenten, Risiko- und
Portfoliomanagement.
Die moderne Portfoliotheorie befasst sich mit dem Erstellen eines optimalen Portfoli- os in
einem Rendite-Risiko-Diagramm. Wird von effizienten Märkten ausgegangen, so liegt das
optimale Portfolio bestehend aus einer risikolosen Anlage und dem Marktport- folio auf der
Kapitalmarktlinie. Mithilfe von Indifferenzkurven, die den Anlegernutzen messen, lässt
sich das optimale Kundenportfolio auf der Kapitalmarktlinie lokalisieren. Ebenfalls zur
modernen Portfoliotheorie zählen Gleichgewichtsmodelle wie das Capi- tal Asset Pricing
Model (CAPM) und die Arbitragepreis-Theorie (APT), mit denen eine risikogerechte
erwarteteRenditebestimmtwerdenkann.
Die Bewertung von Aktien unter der Fortführungsprämisse erfolgt grundsätzlich mit
Cashflow-Modellen. Dazu gehören Dividendendiskontierungsmodelle und Free-Cash-
Flow-Modelle. Dabei werden die erwarteten Cashflows (Dividenden bzw. frei verfüg- bare
Cashflows) mit der Renditeerwartung der Kapitalgeber diskontiert. Wird die Aktie zum so
berechneten Preis gekauft, erzielt m an die geforderte Anlagerendite. Weitere
AktienbewertungsmodellesindWertschöpfungsmodelleundMultiplikatoren.
DerPreisoptionsfreierAnleihenwirdmiteinemCashflow-Modellermittelt.Hierzuwerden
dieKuponsundderNominalwertamFälligkeitstagmitdererwartetenRenditederInvestoren
diskontiert.BeiAnleihenmiteingebettetenOptionenistdieBewertung
anspruchsvoller. Anleihen mit eingebetteten Kündigungsoptionen und Wandelanleihen

werdenmitdemBinomialmodellbewertet.
Die Preisbestimmung von Derivaten (Forwards, Futures, Swaps und Optionen) basiert auf
dem Replikationsansatz, wobei das Arbitragekonzept eine wichtige Rolle spielt. Bei
OptionenkannaucheinrisikoneutralesBewertungsverfahrenverwendetwerden.
Das Risikomanagement stellt einen Prozess dar, der sich aus der Identifikation, Mes- sung,
Steuerung und Berichterstattung der Risiken zusammensetzt. Dabei findet die Steuerung
finanziellerRisiken(alsoMarkt-undKreditrisiken)ineinemPortfoliomitDerivatenstatt.
Der Portfoliomanagementprozess besteht aus den drei Phasen Planung, Ausführung und
Feedback. Die strategische Asset-Allokation eines Portfolios ist das Ergebnis der
Planungsphase. Hierzu sind die Finanzmärkte und die Kundenbedürfnisse zu analysieren
unddielangfristigeAnlagepolitikzuformulieren.
Die Auswahl einer passiven oder aktiven St rategie im Portfoliomanagement hängt von der
Markteffizienz ab. Sindetwa die Finanzmärkte effizient, so ist eine passive gegen-über einer
aktiven Anlagestrategie die bessere Wahl, weil sämtliche Informationen im Anlagepreis
enthaltensindundsomitkeineüberdurchschnittlicheRenditeerzieltwer-denkann.
Literatur
Black, F., Scholes, M.: The Pricing of Options and Corporate Liabilities. In: Journal of Political Economy
81 (3), 637–654 (1973)
Clarke,R.,deSilva,H.,Thorley,S.:PortfolioConstraintsandtheFundamentalLawofActiveManagement.
In:FinancialAnalystsJournal 58 (5), 48–66 (2002)
Cox, J. C., Ross, S. A., Rubinstein, M.: Option Pricing: A Simplified Approach. In: Journal of Financial
Economics 7 (3), 229–263 (1979)
Fama, E. F.: Efficient Capital Markets: A Review of Theory and Empirical Work, In: Journal of Finance
25 (2), 383–417 (1970)
Grinold, R. C.: The Fundamental Law of Active Management. In: Journal of Portfolio Management 15
(3), 30–37 (1989)
Lintner, J.: The Valuation of Risk Assets and the Se lection of Risky Investments in Stock Portfolios and
CapitalBudgets.In:TheReviewofEconomicsandStatistics 47 (1), 13–37 (1965)
Markowitz, H.: Portfolio Selection. In: Journal of Finance 7 (1), 77–91 (1952)
Merton, R. C.: Theory of Rational Option Pricing. In: Bell Journal of Economics and Management
Science 4 (1), 141–183 (1973)
Modigliani, F., Miller, M. H.: Dividend Policy, Gr owth and the Valuation of Shares. In: Journal of
Business 34 (4), 411–433 (1961)
Modigliani, F., Miller, M. H.: The Cost of Capital, Corporation Finance, and the Theory of Invest-
ment. In: American Economic Review 48 (3), 261–297 (1958)
Mossin, J.: Equilibrium in a Capital Asset Market. In: Econometrica 34 (4), 768–783 (1966)
Ross, S. A.: The Arbitrage Theory of Capital Asset Pricing. In: Journal of Economic Theory 13 (3),
341–360 (1976)
Literatur 11
Sharpe, W. F.: Capital Asset Prices: A Theory of Market Equilibrium Under Conditions of Risk. In: Journal
ofFinance 19 (3), 425–442 (1964)
Tobin, J.: Liquidity Preference as Behavior Towards Risk. In: Review of Economic Studies 25 (2),
65–86 (1958)
Treynor,J.L.,Black,F.:HowtoUseSecurityAnalysistoImprovePortfolioSelection.In:JournalofBusiness
46 (1), 66–88 (1973)
Williams, J. B.: The Theory of Investment Value, Cambridge (1938)
Rendite,RisikoundMarkteffizienz
2
2.1 Einleitung
In der Portfoliotheorie wird die Beziehung zwischen der Rendite und dem Risiko von Anlagen
dargestellt.BeispielsweisewerdenfürdieBestimmungdesoptimalenPortfoli-osverschiedene
Faktoren und Anlagecharakteristiken berücksichtigt. Dabei spielen die
Rendite-Risiko-Eigenschaften von einzelne n Anlagen eine wichtige Rolle. In diesem Ka- pitel
werden zuerst die verschiedenen Rend itegrößen wie die periodische Anlagerendite, die
geldgewichtete Rendite und die erwartete Rendite vorgestellt und gewürdigt. Anschlie- ßend
findet eine Risikodiskussion statt. Die hierzu verwendeten Risikogrößen sind die Varianz bzw.
Standardabweichung und Downside-Risikogrößen wie der Value at Risk. Da die empirische
Renditeverteilung von Anlagen in der Regel nicht vollumfänglich durch die erwartete Rendite
und die Standardabweichung erklärt werden kann, werden auch höhere zentrale Momente der
Verteilung wie die Schi efe und die Kurtosis beschrieben. Darüber hinaus sind für die
Beurteilung von Anlagen auch deren Markteigenschaften wichtig. Der Wert von
Finanzprodukten wird durch die Informationseffizienz und die Liquidität der Märkte
beeinflusst.LetzterehateinenwesentlichenEinflussaufdieHöhederHandels-kosten.
2.2 Rendite
Die Rendite von finanziellen Anlagen setzt sich aus den folgenden zwei Komponenten
zusammen:
Periodische Einnahmen wie Dividenden bei Aktien und Kupons bei Anleihen (ein-
schließlichZinserträgeauswiederangelegtenEinnahmen)sowie
Kapitalgewinne und -verluste, die aufgrund von Preisänderungen entstehen.
© Springer Fachmedien Wiesbaden GmbH 2017 13

E. Mondello, Finance, DOI 10.1007/978-3-658-13199-9_2
14 2 Rendite,RisikoundMarkteffizienz
Einzelne finanzielle Anlagen weisen nur eine oder beide Renditekomponenten auf. Bei-
spielsweise werden bei einem Kursindex (Preisindex) nur die Aktienpreisänderungen für die
Ermittlung des Indexstandes berücksich tigt. Dividendenzahlungen fließen nicht in die
Berechnungein.
1
ImGegensatzdazuverwendeteinPerformanceindex(TotalReturn
Index)sowohldieAktienpreisänderungenalsauchdiebezahltenDividendenfürdieBe-
stimmungdesIndexstandes. 2
ÜblicherweisewerdenbedeutendeAktienindizeswiederSMI
(SwissMarketIndex)oderderDAX(DeutscherAktienindex)alsKurs-sowieauchals
Performanceindexberechnet. 3
DieindenMedienveröffentlichtenIndexständesindinder
RegelPerformanceindizes(z.B.DAX). 4
2.2.1 PeriodischeAnlagerendite
Renditen können entweder für eine oder für me hrere Perioden berechnet werden. Die pe-
riodischeAnlagerendite(HoldingPeriodReturn)stelltdieRenditeausdemHalteneinerAnlage
füreinebestimmteZeitperiodedar.DiePeriodekann1Tag,1Woche,1Monat,1Jahr,2Jahreoder
eine andere Zeitperiode sein. Kauft man heute, also zu Beginn der Periode t, eine Aktie für EUR
100 und verkauft diese später am Ende der Periode t zu einem Preis von EUR 110, beträgt die
periodische Anlagerendite 10 %. Erhält man am Ende des Anlagehorizonts eine Dividende von
EUR5,beläuftsichdieRenditeauf15%.DieperiodischeAnlagerendite
.r/ , bestehend aus Kapital- und Dividendenrendite, berechnet

sich wie folgt:
.Pt P0 / C Divt Pt P0 Divt
rD D C
P0 P0 P0 (2.1)
D Kapitalrendite C Dividendenrendite
wobei:
P0 D Preis der Anlage zum Zeitpunkt 0 (zu Beginn der Periode t), Preis
Pt D derAnlageamEndederPeriodet,
Divt D Dividende am Ende der Periode t.
1
FallenDividendenan,soreduziertsichderAktienpreisentsprechend.BeieinemKursindexwirdnurdie
PreisänderungundnichtdieDividendenzahlungfürdieBerechnungdesIndexstandesver-
wendet.
2
Neben Preisänderungen und Dividendenzahlungen fließen auch sonstige Einnahmen aus dem Hal-
ten von Aktien wie etwa Bezugsrechtserlöse in die Berechnung des Indexstandes ein. 3
DerSMIbeinhaltetdie20liquidestenTitelderAktiengesellschaftenmitdergrößtenMarktkapitali-
sierungimSchweizerAktienmarkt.DerDAXhingegenumfasstdie30größtenundumsatzstärksten
Unternehmen,dieanderDeutschenBörseinFrankfurtnotiertsind.BeideAktienindizesbildendas
SegmentderBlueChipsinihrenLändernab.
4
Der in den Medien dargestellte SMI ist ein Kursindex. Als Performanceindex wird der SMIC (SMI
Cum Dividend) berechnet.
2.2 Rendite 15
Im Beispiel wurde die Dividende am Ende de r Periode t ausbezahlt. Würde man die Divi- dende
während der Anlagedauer erhalten (also zwischen Beginn und Ende der Periode), müsste man
für die Renditeberechnung die Zinseinnahmen aus den wieder angelegten Dividenden
berücksichtigen.
DieperiodischeAnlagerenditekannauchübermehrereTeilperiodenermitteltwerden.Die
RenditeübereinenAnlagehorizontvon4JahrenlässtsichmitvierjährlichenRenditenwiefolgt
bestimmen:
r.4/ D Œ.1 C r1 / .1 C r2 / .1 C r3 / .1 C r4 / 1; (2.2)
wobei:
r1 ; : : :; r4 D jährliche Renditen der Jahre 1 bis 4.
2.2.2 ArithmetischeRendite
Weisen Anlagen Renditen über mehrere Perioden auf, kann es für Vergleichs- oder Ver-
ständniszweckenützlichsein,einedurchschnittlicheRenditezuermitteln.DereinfachsteAnsatz,um
die durchschnittliche Rendite zu berechnen, ist, die Summe der periodischen Renditen durch die
AnzahlderPeriodenbzw.derRenditenzudividieren(arithmetischeRendite):
1X
T
r 1 C r2 C : : : C rT
rD D rt ; (2.3)
T T tD1
wobei:
r D durchschnittliche Rendite (arithmetisches Mittel),

r1 D Rendite für die Periode t D 1,
T D Anzahl Perioden bzw. Renditen.
Liegen drei jährliche Renditen von 40 %,25%und30%vor,beträgtdiearithmetische%

Rendite 5 %ŒD .40 % C 25 % C 30 /=3. Die arithmetische Rendite kann einfach
ermittelt werden und besitzt bekannte statistische Eigenschaften, die ermöglichen, die
Standardabweichung zu berechnen. Die Standardabweichung gibt an, wie weit die einzelnen
RenditenimDurchschnittvonderdurchschnittlichenbzw.erwartetenRenditeabweichen.
5
5
Vgl Abschn. 2.3.1 .
2.2.3 GeometrischeRendite
Die arithmetische Rendite stellt die durchschnittlich erzielte Rendite eines Finanzprodukts dar
undsetztvoraus,dassderangelegteBetragzuBeginnjederPeriodegleichbleibt.InWirklichkeit
verändert sich der Anlagebetrag durch die erzielte Rendite (Einnahmen sowie Kapitalgewinne
und -verluste) von Periode zu Periode. Die geometrische Rendite berücksichtigt den
Verzinsungseffekt der Renditen bzw. das Anwachsen des anfänglichen Anlagebetrags durch
dieerzieltenRenditen.
Unterstelltman,dasssichderursprünglicheInvestitionsbetragwährenddergesamten
Anlagedauernichtverändert,dannstelltdiegeometrischeRenditeaufgrunddesVerzin-
sungseffektseinebesserePerformancegrößeimVergleichzurarithmetischenRenditedar.Die
geometrischeRenditer
G lässt sich wie folgt ermitteln:
" #1=T
Y
T
1=T
rG D Œ.1 C r1 / .1 C r2 / : : : .1 C rT / 1D .1 C rt / 1: (2.4)
tD1
Liegen drei jährliche Renditen von 40 %,25%und30%vor,beträgtdiegeometrische 13

Rendite 0;84 %ŒD .0;60 1;25 1;30/ = 1.
Investiert man zum Beispiel EUR 100 für 3 Jahre und geht von jährlichen Renditen
von 40 %, 25 % und 30 % aus, dann ergibt das unter Berücksichtigung des Verzinsungs-
effekts einen Betrag von EUR 97,50 am Ende des 3. Jahres (siehe Tab. 2.1 ). Die Rendite
von 25 % im 2. Jahr erzielt man auf den Anfangsbetrag des 2. Jahres von EUR 60ŒD
EUR 100 .1 0;4/, woraus ein Endbetrag von EUR 75ŒD EUR 60 .1 C 0;25/ resul-
tiert. Im 3. Jahr wächst dieser Betrag um 30 % auf EUR 97;50ŒD EUR 75 .1 C 0;3/.
Nimmt man die arithmetische Rendite von 5 %, resultiert daraus ein Betrag am Ende des
3. Jahres von EUR 115;76ŒD EUR 100 .1;05/3 . Dieser Endbetrag von EUR 115,76 ist
größer als der tatsächlich erzielte Betrag von EUR 97,50. Je volatiler die jährlichen Anla-
gerenditen sind, desto höher fällt die arithme tische Rendite aus. In diesem Beispiel liegen
positivewieauchnegativeRenditenvor,waseinezuhohearithmetischeRenditezurFolgehat.
Die geometrische Rendite beträgt 0;84 %undistimVergleichzurarithmetischen

Rendite von 5 % niedriger. Wird die geometrische Rendite von 0;84 % zugrunde ge-
legt, erhält man den tatsächlich angefallenen Endbetrag von EUR 97,50. Aufgrund des
Verzinsungseffekts ist die geometrische Rendite immer niedriger oder gleich groß wie die
arithmetische Rendite. Sind die vorliegenden Renditen hingegen gleich groß, sind die
geometrischeunddiearithmetischeRenditeidentisch.
2.2.4 GeldgewichteteRendite(InternerZinsfuß)
Die oben beschriebenen Renditegrößen enthalten nicht die während des Anlagehorizonts
investiertenGeldbeträge.InvestierteinAnlegerbeispielsweiseEUR1000im1.Jahrund
2.2 Rendite 17
Tab.2.1 Arithmetische versus geometrische Rendite

Jahre Jährliche Jahresendbe- Jahresendbetrag anhand Jahresendbetrag anhand
Renditen trag arithmetischer Rendite geometrischer Rendite
(in%) von 5 % (in EUR) von
(in EUR) 100,00 0;84 % (in EUR)
0 100,00 100,00
1 40 60,00 105,00 99,16
2 25 75,00 110,25 98,33
3 30 97,50 115,76 97,50
jeweils EUR 100 im 2. und 3. Jahr, dann führt eine Rendite von 40 % im 1. Jahr zu einem
wesentlichen Vermögensrückgang. Legt hingegen ein Investor EUR 100 im 1. Jahr an, hat
die negative Rendite von 40 % einen weniger starken Vermögensschwund von EUR 40 anstatt
EUR400zurFolge.
DiegeldgewichteteRendite(MoneyWeightedRateofReturn)berücksichtigtunter-
schiedlichinvestierteGeldbeträgewährendderAnlagedauerundgibtdemInvestorAuf-schluss
überdietatsächlicherzielteRenditedeseingesetztenKapitals.InvestierteGeld-beträgestellen
ausderSichtdesInvestorseinenZahlungsausgangdar,währendKapi-talrückzahlungensowie
derEndbetragamEndedesAnlagehorizontsZahlungseingängesind.DieseZahlungsströme
werdenverwendet,umdeninternenZinsfuß(IRRbzw.In-ternalRateofReturn)zuberechnen.
DasnachfolgendeBeispielzeigtdieBerechnungdergeldgewichtetenRendite.
Beispiel
Berechnung der geldgewichteten Rendite
Zu Beginn des 1. Jahres legt ein Investor EUR 1000 in einen Anlagefonds an. Er investiert
weitere EUR 2000 zu Beginn des 2. Jahres und zieht am Ende des 2. Jahres EUR 800 ab. Der
Anlagehorizont beträgt 3 Jahre unddie jährlichen Renditen des An- lagefonds belaufen sich
auf
%,25%und30%.Wiehochistdiegeldgewichtete40
Rendite?
Lösung
Es fallen folgende Zahlungsströme an (in EUR):
Jahre 1 2 3
Betrag des Vorjahres 0 600 2450
Geldanlage zu Beginn des Jahres (Geldabfluss) 1000 2000 0
NettobetragzuBeginndesJahres 1000 2600 2450
Anlagegewinn bzw. -verlust 400 650 735
Geldrückzahlung am Ende des Jahres (Geldzufluss) 0 800 0
Betrag am Ende des Jahres 600 2450 3185
IstdieSummederdiskontiertenCashflowsEUR0,dannentsprichtderDiskontsatzdem
internenZinsfuß(IRR)bzw.derAnlagerendite,waszufolgenderFormelfürdieBerechnung
desIRRbzw.dergeldgewichtetenRenditeführt:
T
Cashflowst
Xt D 0: (2.5)
D0
.1 C IRR/t
Die Cashflows können sowohl positiv als auch negativ sein. Ein positiver Cashflow zeigt
einen Geldzufluss für den Investor, während ein negativer Cashflow einen Geld- abgang
widerspiegelt. Die Investitionssumme zu Beginn des Jahres entspricht einem Geldabfluss
vonEUR1000.DieGeldanlagezuBeginndes2.Jahresstellteinenweite-renGeldabgangvon
EUR 2000 dar. Demgegenüber sind die Geldentnahme des Inves- tors am Ende des 2. Jahres
von EUR 800 und der Betrag am Ende des 3. Jahres von EUR 3185 Geldzuflüsse.
ZusammengefasstlassensichdieZahlungsströmewiefolgtaufführen(inEUR):
Cashflow 0 D 1000,
Cashflow 1 D 2000,
Cashflow 2 D C800,
Cashflow 3 D C3185.
WirddieuntenstehendeGleichungnachdemDiskontsatzbzw.IRRaufgelöst,erhältmaneine
geldgewichteteRenditevon14,21%: 6
EUR 1000 EUR 2000 EUR 800 EUR 3185

EUR 0 D 0
C 1
C 2
C :
.1 C IRR/ .1 C IRR/ .1 C IRR/ .1 C IRR/3
Die geldgewichtete Rendite zeigt, wie viel der Investor durchschnittlich pro Jahr durch das
investierte Kapital verdient hat. Der Nach teil besteht darin, dass diese Rendite nicht mit den
Renditen anderer Investoren verglichen werden kann, weil die Geldabflüsse und -zuflüsse
beijedemeinzelnenInvestorunterschiedlichsind.
Beispiel
Berechnung und Gegenüberstellung von Renditen
Ein Portfoliomanager untersucht die Performance des Gamma-Anlagefonds. Er ist der
Meinung, dass eine Periode von 4 Jahren für die Analyse angemessen ist. Er hat für den
AnlagefondsfolgendeInformationenzusammengestellt:
6
Benutzt man zum Beispiel den für die CFA® -Prüfungen zugelassenen Taschenrechner Texas In-
strument BAII Plus, lässt sich die geldgewichtete Rendite wie folgt berechnen: CF, CF 0 D 1000, ˙,
ENTER, #, C01 D 2000, ˙, ENTER, #, #, C02 D 800, ENTER, #, #, C03 D 3185, ENTER, #, #,
IRR, CPT.
2.2 Rendite 19
Jahre Verwaltete Vermögen zu Beginn des Nettorendite (in %)

Jahres (in Mio. EUR)
1 50 12
2 65 10
3 45 8
4 52 5
Der Portfoliomanager möchte für Vergleichszwecke mit anderen Fondsanlagen fol-

gende Renditegrößen des Gamma-Anlagefonds berechnen:
1. Anlagerendite für den gesamten Investitionszeitraum von 4 Jahren,

2. arithmetischejährlicheRendite,
3. geometrische jährliche Rendite,
4. geldgewichtete jährliche Rendite.
Lösungzu1
Die Anlagerendite für die Zeitdau er von 4 Jahren beträgt 14,31 %:
Anlagerendite D .1;12/ .0;90/ .1;08/ .1;05/ 1

D 0;1431 D 14;31 %:
Lösungzu2
0;12 C .0;10/ C 0;08 C 0;05
arithmetische jährliche Rendite D
4
D 0;0375 D 3;75 %
Lösungzu3
geometrische jährliche Rendite D Œ.1;12/ .0;90/ .1;08/ .1;05/1=4 1
D 0;03399 D 3;40 %
Lösungzu4
Es fallen folgende Cashflows an (in Mio. EUR):
Jahre 1 2 3 4
Betrag des Vorjahres 0,0 56,0 58,5 48,6
Geldanlage zu Beginn des Jahres (Geldabfluss) 50,0 9,0 0,0 3,4
GeldrückzahlungzuBeginndesJahres(Geldzufluss) 0,0 0,0 13;5 0,0
Nettobetrag zu Beginn des Jahres 50,0 65,0 45,0 52,0
Anlagegewinn bzw. -verlust 6,0 6;5 3,6 2,6
Betrag am Ende des Jahres 56,0 58,5 48,6 54,6
Die Cashflows können demnach wie folgt zusammengefasst werden (in Mio. EUR):
Cashflow 0 D 50,
Cashflow 1 D 9,
Cashflow 2 D 13,5,
Cashflow 3 D 3;4,
Cashflow 4 D 54,6.
WirddiefolgendeGleichungnachdemIRRaufgelöst,erhältmaneinegeldgewichtetejährliche
Renditevon2,69%. 7
EUR 50 Mio. EUR 9 Mio. EUR 13;5 Mio.

EUR 0 D 0
C 1
C
.1 C IRR/ .1 C IRR/ .1 C IRR/2
EUR 3;4 Mio. EUR 54;6 Mio.
C 3
C :
.1 C IRR/ .1 C IRR/4
2.2.5 RealeRendite
Die nominale Rendite .r/ besteht aus drei Komponenten, nämlich dem realen risikolosen r
Zinssatz für den Aufschub des Konsums . /,derInflationalsEntschädigungfürdie
RFreal
verlorene Kaufkraft .INFL/ und einer Risikoprämie für das eingegangene Risiko .RP/.
Die nominale Rendite .r/ lässt sich demnach wie folgt berechnen:
r D .1 C rRFreal / .1 C INFL/ .1 C RP/ 1: (2.6)
Demgegenüber besteht die reale Rendite (rreal ) aus dem realen risikolosen Zinssatz und
der Risikoprämie:
rreal D .1 C rRFreal / .1 C RP/ 1 (2.7)
oder
.1 C r/
rreal D 1: (2.8)
.1 C INFL/
Verändern sich die Inflationsraten über die Zeit hinweg, erlaubt der Einsatz von realen
Renditen einen Performancevergleich der An lage. Darüber hinaus ist der Einbezug von realen
Renditen vorteilhaft, wennRenditen in verschiedenen Währungen vorliegen. Dies ermöglicht
es,RenditenvonLändernmitunterschiedlichhoherInflationmiteinanderzuvergleichen.
DiePerformanceeinerAnlagelässtsichdurchdierealeRenditenachSteuernmes-sen.Diese
RenditegrößestellteineEntschädigungfürdenaufgeschobenenKonsum,das
7
MitdemTexasInstrumentBAIIPluslässtsichdiegeldgewichteteRenditewiefolgtberechnen:D
CF, CF0 50, ˙, ENTER, #, C01 D 9, ˙, ENTER, #, #, C02 D 13,5, ENTER, #, #, C03 D 3,4,
˙, ENTER, #, #, C04 D 54,6, ENTER, #, #, IRR, CPT.
2.2 Rendite 21
eingegangene Risiko und die b ezahlten Steuern dar. Die reale Rendite nach Steuern ist eine
verlässliche Benchmark für die getätigten Anlageentscheidungen des Investors. In der
Portfoliotheorie wird die reale Rendite nach Steuern grundsätzlich nicht angewandt, da es nicht
möglich ist, für sämtliche Investoren einen einheitlichen Steuersatz zu bestimmen.
Beispielsweise hängt die Höhe der Steuern vom spezifischen Steuersatz des Investors (z. B.
durch Progression), von der Länge der Anlageperiode und vom Steuereffekt der An- lage
(steuerfreiodernormalbesteuert)ab.
Beispiel
Berechnung der realen Rendite nach Steuern
Ein Investor hat eine nominale Rendite von 10 % aus einer Anlage erzielt. Der Steu- ersatz
beträgt 30 %, während die Inflationsrate bei 3 % liegt. Wie hoch ist die reale Rendite nach
Steuern?
Lösung
Zuerst ist die nominale Rendite nach Steuern von 7 % zu berechnen, da die Steuern auf den
nominalenBetragbezahltwerden:
Nominale Rendite nach Steuern D 10 % .1 0;30/ D 7 %:
Berücksichtigt man die Inflationsrate von 3 %, dann ergibt sich eine reale Rendite nach
Steuernvon3,88%:
1;07
Reale Rendite nach Steuern D 1 D 0;0388 D 3;88 %:
1;03
2.2.6 HistorischeunderwarteteRendite
Die erwartete Rendite ist eine nominale Rendite, die aus dem realen risikolosen Zinssatz, der
erwartetenInflationsrateE Œ .INFL/ und der erwarteten RisikoprämieŒE .RP/ besteht.
Der reale risikolose Zinssatz ist aufgrund des Konsumaufschubs in der Regel positiv. In ei-
nem inflationären Umfeld ist die erwartete Inflationsrate ebenfalls positiv. Liegt hingegen eine
Deflation vor, ist die Inflationsrate negativ. Da sich die Marktteilnehmer im Durch- schnitt
risikoavers verhalten, geht man von einer erwarteten Risikoprämie aus, die positiv ist. Je höher
das Risiko ist, desto höher ist die erwartete Rendite. Diese Zusammenhänge führen zur
folgendenGleichungfürdieBerechnungdererwartetenRendite
ŒE .r/:
E .r/ D .1 C rRFreal / Œ1 C E .INFL/Œ1 C E .RP/ 1: (2.9)
DiehistorischeRenditespiegeltdieinderVergangenheittatsächlicherzielteRenditewi-der.Da
eine Anlage risikoreich ist, besteht keine Gewissheit, dass die tatsächlich angefal- lene
Durchschnittsrendite der erwarteten Rendite in der nächsten Periode entspricht. Liegt eine
genügend lange Zeitreihe vor (z. B. 50 oder 100 Jahre), kann man davon ausgehen, dass die
durchschnittlichehistorischeRenditeeinguterIndikatorfürdieerwarteteRendite
ist. Diese Annahme setzt allerdings stabile Renditen voraus. Sie wird in der Portfoliotheo- rie
üblicherweise verwendet, obwohl keine Gewissheit besteht, dass die durchschnittlich
historischeRenditedieerwarteteRenditeangemessenprognostiziert. 8
2.3 Risiko
WiebeidenRenditen,gibtesauchfürdasRisikounterschiedlicheGrößen.Esistschwie-rig,einen
allgemeinenKonsenszufinden,wiemandasRisikodefiniert.DieRisiko-wahrnehmungistbeiden
Finanzakteuren unterschiedlich und hängt unter anderem von der Zusammensetzung des
Portfolios, der Art des Investors (privater oder institutionel- ler Investor) und von der
Risikoeinstellung des Anlegers ab. Für eine Pensionskasse oder Versicherung beispielsweise
bestehtdasRisikodarin,dassdieVerbindlichkeitennichtdurchVermögenswertegedecktsind.
DasRisikoeinesAnlagefondsistdurchdieRen-diteabweichungdesAnlageportfoliosvoneiner
Benchmarkgekennzeichnet.EinprivaterInvestorhingegendefiniertRisikoalseinenmöglichen
Verlustbetrag aus seiner Anlage. In den folgenden Ausführungen werden verschiedene
Risikogrößenvor-undeinanderge-genübergestellt.
2.3.1 VarianzundStandardabweichung
Eine einfache Risikogröße stellt die durchschnittliche Abweichung der Renditen dar, die sich
fürdieGrundgesamtheitderhistorischenRenditedatenwiefolgtbestimmenlässt:
1X
T
Durchschnittliche Abweichung der Renditen D .rt /; (2.10)
T tD1
wobei:
rt D Rendite für die Periode t,

D erwartete Rendite der Grundgesamtheit.
Berechnet man die durchschnittliche Abweic hung der Renditen von der erwarteten Ren- dite,
heben sich positive und negative Abweichungen gegenseitig auf. Dies führt zu einer
durchschnittlichen Abweichung von null. Der Grund hierfür liegt in der Definition der
durchschnittlichen Rendite, welche die Mitte a ller möglichen Renditebeobachtungen ist,
sodasssichpositiveundnegativeAbweichungengegenseitigaufheben.UmdiesesPro-blemzu
lösen,kanndieabsolutedurchschnittlicheAbweichungderRenditenermitteltwerden:
1X
T
Absolute durchschnittliche Abweichung der Renditen D jrt j: (2.11)
T tD1
8
Für den Schätzfehler der erwarteten Rendite vgl. Abschn. 4.2.1 über die Konstruktion der Effizi-
enzkurve mit historischen Daten.
2.3 Risiko 23
Der Begriff „absolut“, der durch di e vertikalen Betragsstriche in ( 2.11 ) gekennzeichnet ist,
bedeutet, dass negative Renditen als positive Größen in die Berechnung eingebunden werden.
Diese absolute durchschnittliche Rendite ist einfach zu berechnen und intuitiv. Allerdings
besitzen absolute Zahlen Eigenschaften, welche die statistische Analyse wie etwa die
Portfoliooptimierungerschweren.
Eine bekannte statistische Größe ist die Varianz, die das Problem der durchschnittlichen
Abweichung von null löst.9 SiestellteinestatistischeGrößedar,welchediedurchschnitt-
lichequadrierteAbweichungderRenditenvondererwartetenRendite(arithmetisches
Mittel) misst. Eine größere Varianz bedeutet eine größere Streubreite der Renditen und
demzufolgeeinegrößereVerlustgefahr.DieVarianz( ¢ 2 ) der Grundgesamtheit der Rendi-
tedaten kann wie folgt berechnet werden:
1X
T
2
¢ D .rt /2 : (2.12)
T tD1
Eine Größe zu verwenden, die quadrierte Abweichungen benutzt, hat verschiedene Vor-
teile. Erstens heben sich positive und negative Abweichungen nicht gegenseitig auf, da alle
Abweichungen positiv sind. Zweitens führt die Quadrierung der Abweichungen zu einem
stärkeren Gewicht von großen Abweichungen. Dies ist mit dem Risikobegriff inso- fern
konsistent,alsgrößereAbweichungeneinehöhereVerlustgefahrdarstellen.Drittensbesitztdie
Varianz statistische Eigenschaften, die sich für die Portfoliooptimierung gut eignen. Daher
überrascht es nicht, dass die ersten Arbeiten in der Portfoliotheorie die Va- rianz als Risikomaß
verwendethaben.
10
DieVarianz(durchschnittlichequadrierteRenditeabweichung)hatnichtdiegleicheEinheit
wiedieRendite,dieinProzentangegebenwird.DaherrechnetmandieVarianzindie
Standardabweichungum,sodassmandiegleicheEinheit(Prozent)wiebeidenRenditenhat.Die
Standardabweichung(
¢ ) der Grundgesamtheit der Renditedaten lässt
sich wie folgt bestimmen (Wurzel der Varianz):
v
u
u1 X T
¢D t .rt /2 : (2.13)
T tD1
Die Standardabweichung wird an den Finanzm ärkten als Volatilität bezeichnet und ist
dieammeistenverbreiteteKennzahlfürFinanzmarktrisiken.LiegteineStichprobeundnichtdie
GrundgesamtheitderRenditedatenvor,dividiertmaninderFormelderVarianz
9
DasQuadrierenistfürdieBerechnungderVarianzerforderlich,dadieAbweichungenvondererwarteten
Renditepositivodernegativseinkönnen,wasbeieinerAdditionderStreubreitenzuei-
ner Varianz von null führen kann. Werden hingegen die Streubreiten quadriert, erhält man positive Werte.
Beispiel: Die erwartete Rendite einer Anlage ist 10 %. Es treten Renditen von 20 %, 10 % und 0 % auf. Die
Streubreitenbetragendemnach10%,0%und
10 %, was zu einer Gesamtab-
weichung vom Erwartungswert von 0 % führt. Dies entspricht aber nicht den Schwankungen um
den Erwartungswert von C10 %, 0 % und 10 %. Werden hingegen die Streubreiten quadriert, er-
hält man positive Werte, die sich nach der gewichteten Addition durch die Wurzeloperation in die
Standardabweichung transformieren lassen.
10
Vgl. z. B. Markowitz 1959 : Portfolio Selection: Efficient Diversification of Investments, S. 72 ff.
bzw. der Standardabweichung durch T 1 und nicht durch T. Das führt zu folgender Q
Stichprobenvarianz (Q¢ 2 ) und -standardabweichung (¢ ):
v
u
1 XT u 1 X T
2
¢Q D .rt r/ 2
und ¢Q D t .rt r/2 ; (2.14)
T 1 tD1 T 1 tD1
wobei:
r D erwartete Rendite der Stichprobe.
DieStichprobenvarianzstellteineAnnäherungandieVarianzderGrundgesamtheitdar.Siewird
mit der erwarteten Rendite der Stichprobe und nicht mit der erwarteten Rendi- te der
GrundgesamtheitderDatenberechnet.DieStichprobenvarianzwirddurchT
1
und nicht durch T dividiert, was sicherstellt, dass die auf der Basis einer Stichprobe ermittelte
Varianz im Durchschnitt (bei wiederholtem Ziehen von zufälligen Stichproben) der Varianz
derGrundgesamtheitentspricht.DieeinzelnenTerme
.rt r/2 in ( 2.14 )für
die Stichprobenvarianz hängen vom Erwartungswert der Stichprobe und nicht vom Er-
wartungswert der Grundgesamtheit ab. Der Erwartungswert der Stichprobe wird durch die
einzelnenBeobachtungenderStichprober t ermittelt. Werden zufälligerweise kleine
r -Werte gezogen, so wird auch der Erwartungswert klein und damit die Terme t.rt r/2 .
Dieser Effekt wird in der Formel für die Stichprobenvarianz durch die Division durch T 1
(anstatt durch das Dividieren durch T) korrigiert. Diese Vorgehensweise erlaubt es, eine
erwartungstreueSchätzungfürdieVarianzzubestimmen. 11
EinweitererAspektbeiderBerechnungderVarianzbzw.Standardabweichungstelltdie
VerwendungstetigerRenditen(r)dar,die
s
sichanhandeinfacher(diskreter)Rendi-
ten (r) mithilfe einer logarithmischen Transformation [rs D ln.1 C r/] ermitteln lassen. Da
man bei Anlagen wie etwa Aktien zum einem nicht mehr als deren Wert verlieren kann
und zum anderen keine Preisobergrenze besteht, bewegen sich die einfachen Renditen
zwischen % und C1. DieRenditeverteilungistdemnachrechtsschief.Wirdunter-
stellt, dass 1100
plus die einfachen Renditen (1 C r) logarithmisch normalverteilt sind, dann
folgt daraus, dass die stetigen Renditen [r s D ln.1 C r/] normalverteilt sind. In der Finanz-
markttheorie wird vielfach von dieser Annahme ausgegangen. So werden beispielsweise
für die Berechnung von Korrelationen und Betas sowie für ökonometrische Analysen üb-
licherweise stetige Renditen benutzt, weil diese im Gegensatz zu einfachen Renditen eher
normalverteiltsind.
WirddieStandardabweichungmitstetigenRenditenbestimmt,solässtsichdieer-wartete
RenditealsarithmetischesMittelderstetigenRenditenberechnen,dadiesedieEigenschaftder
Addidivitätbesitzen.DieStandardabweichungmitstetigenRenditenlässtsichwiefolgt
bestimmen:
v
u
u 1 X
T
¢Q stetig Dt .rs ; t r s /2 ; (2.15)
T 1 tD1
11
Die Quantität T 1 ist auch als die Anzahl Freiheitsgrade (Degree of Freedom) bekannt, die für
die Berechnung der Varianz der Stichprobe verwendet wird.
2.3 Risiko 25
wobei:
rs;t D stetigeRenditefürdiePeriodet,D
rs erwartete stetige Rendite.
Um die Standardabweichung einfacher Rendite n zu ermitteln, kann die Standardabwei- chung

derstetigenRenditenwiefolgtumgerechnetwerden:
¢Q D e¢Q stetig 1: (2.16)
Ferner sind die Wahl der historischen Zeitperiode und die Frequenz der beobachteten Da- ten für
die Volatilitätsbestimmung entscheidend. Es besteht ein Trade-off zwischen der Anzahl an
Renditebeobachtungen (T) und der Länge des historischen Zeitintervalls. Ist die Volatilität
stationär über die Zeit hinweg, dann sollte eine möglichst lange Zeitperi- ode mit einer großen
Anzahl Renditen genommen werden, um eine statistisch signifikante Standardabweichung zu
ermitteln. Ist hingege n die Volatilität nicht stationär, dann führt eine lange Zeitperiode zu einer
Standardabweichung,diedasaktuelleRisikoderAnla-genichtwiedergibt.IndiesemFallisteine
eher kurze Zeitperiode zu wählen, die zwar einerseits einen Strukturbruch in den Daten besser
berücksichtigt, aber andererseits eine Volatilitätsgröße produziert, die aufgrund der kleinen
AnzahlanRenditebeobachtungenstatistischnichtsignifikantseinkann.
12
Beispiel
Berechnung der Volatilität von Aktien
Für eine bestimmte Aktie liegen die folgenden monatlichen Preise und Renditen vor:
Monate Aktienpreise (in EUR) Einfache Renditen (in %)

Anfang Januar 100
Ende Januar 105 5,00
Ende Februar 112 6,67
Ende März 104 7;14
Ende April 98 5;77
Ende Mai 85 13;27
Ende Juni 100 17,65
Ende Juli 103 3,00
Ende August 105 1,94
Ende September 108 2,86
Ende Oktober 110 1,85
Ende November 112 1,82
Ende Dezember 114 1,79
Wie hoch ist die annualisierte Volatilität der stetigen und der einfachen Renditen
dieser Aktie?
12
Als Richtgröße gilt, dass die Volatilität mit nicht weniger als 24 Renditen zu rechnen ist, da sonst
die statistische Relevanz der Risikogröße nicht gegeben ist.
Lösung
ZunächstsinddiestetigenRenditenzuermitteln.DiestetigeRenditers im Monat Ja-
nuarvon4,88%kannwiefolgtberechnetwerden:
EUR 100 ers 1 D EUR 105;

rs D ln .EUR 105= EUR 100/ D 0;0488 D 4;88%:
Die Summe der quadrierten monatlichen R enditeabweichungen von 0,0639 lässt sich wie
folgtermitteln:
Monate Monatliche stetige Renditen Quadrierte monatliche

h Rendi-
i
(rs ) teabweichungen .rs rs /2
Anfang Januar
Ende Januar 0,0488 0,0014
Ende Februar 0,0645 0,0029
Ende März 0;0741 0,0072
Ende April 0;0594 0,0049
Ende Mai 0;1423 0,0235
Ende Juni 0,1625 0,0230
Ende Juli 0,0296 0,0003
Ende August 0,0192 0,0001
Ende September 0,0282 0,0003
Ende Oktober 0,0183 0,0001
Ende November 0,0180 0,0001
Ende Dezember 0,0177 0,00005
Summe 0,1310 0,0639
Durchschnitt (erwartete Ren- 0,0109
dite, rs )
Die Standardabweichung der monatlichen stetigen Renditen beträgt 7,62 %:

v
u r
u 1 X T
0;0639
¢Q stetig D t 2
.rs;t rs / D D 0;0762 D 7;62%:
T 1 tD1 12 1
Wenn man davon ausgeht, dass die Renditen unabhängig voneinander anfallen (also nicht
miteinander korrelieren), dann lä sst sich die annualisierte Volatilität von 26,4 % durch die
MultiplikationmitderWurzelvon12Monatenwiefolgtermitteln:
p
¢Q stetige Rend iten annualisiert D 0;0762 12 D 0;2640 D 26;40%:
Die annualisierte Volatilität der stetigen Re nditen von 26,4 % kann in eine Standardab-
weichungdereinfachenRenditenvon30,21%folgendermaßenumgerechnetwerden:
¢Q D e¢Q stetig 1 D e0;2640 1 D 0;3021:

2.3 Risiko 27
DieimBeispielberechneteVolatilitätderstetigenRenditenvon26,4%basiertaufeinersehr
kleinenDatenreihevonnur12Renditebeobachtungen.UmeinelängereDaten-reihezu
erhalten,könnentäglicheAktienpreiseundRenditenüberdasletzteJahrhinwegverwendet
werden.Da1Jahrausrund250Handelstagenbesteht,lässtsicheinestatistischsignifikante
Volatilitätausrund250täglichenRenditenbestimmen.EineZeitperiodevon1Jahristinsofern
sinnvoll,daetwaigeStrukturbrücheindenDatenimVergleichzulän-gerenZeitintervallen
besserberücksichtigtwerdenkönnen.DarüberhinauskannmandenRenditeabweichungen
unterschiedlicheGewichtezuordnen.KürzlichangefalleneRendi-teabweichungenerhalten
einhöheresGewichtundhabensomiteinenstärkerenEinflussaufdieBerechnungder
Volatilität.DieaufdieseWeiseberechneteRisikogrößespiegeltdieaktuelleVerlustgefahrder
Aktiebesserwider.
13
Die Standardabweichung basiert auf dem statistischen Konzept der Normalverteilung

– auch bekannt als die Gauß‘sche Verteilung.14 Die Normalverteilung ist die am weitesten
verbreitete Verteilung. Sie besitzt die folgenden statistischen Eigenschaften:
Sämtliche Normalverteilungen sind durch di e gleiche Verteilungsform gekennzeichnet.

DieVerteilungistglockenförmigundverfügtnurübereinen„Gipfel“(eingipflig)inderMitte
der Verteilung. Der Erwartungswert (arithmetisches Mittel), der Median (Mitte aller Werte)
undderModus(häufigsterWert)sindgleichgroßundbefindensichinderVerteilungsmitte.
Die Normalverteilung ist symmetrisch um den Erwartungswert verteilt. Links und rechts
vomErwartungswertistdieVerteilungspiegelbildlichangeordnet.
Die Normalverteilung fällt vom Erwartungswert in beide Richtungen leicht und asym-
ptotisch ab. Die Häufigkeiten der Beobachtungen werden immer kleiner, berühren aber die
X-Achsenie.FolglichistdieSpannbreitevonminusunendlichbisplusunendlich.
68,3 % aller Renditebeobachtungen liegen innerhalb einer Spannbreite von plus/minus
einmal die Standardabweichung vom Erwartungswert, 95,5 % bei plus/minus zweimal die
Standardabweichung vom Erwartungswert und 99,7 % bei plus/minus dreimal die
StandardabweichungvomErwartungswert.
Ferner spricht für die Verwendung der Normalverteilung, dass eine Verteilung bei einer
genügendgroßenAnzahlanunabhängigenundzufälligenBeobachtungenzueiner
13
ZumBeispielkanndieVolatilitätmitderexponentiellgeglättetenMittelwertmethodebzw.dem
ExponentiallyWeightedMovingAverageModel(EWMA)berechnetwerden.DabeiwirdeinZer-
fallsfaktor, der zwischen 0 und 1 liegt, verwendet. Dieser Faktor ist für die Zuordnung der Gewichte
verantwortlich und nimmt ab, je älter die Renditebeobachtung ist. Im Modell fallen die Gewichte
exponentiell.
14
DieNormalverteilungisteinestetigeZufallsverteilung.DerBegriffder„Normalverteilung“wur-de
vomGöttingerMathematikerundAstronomenCarlFriedrichGauss(1777–1827)geprägt.Daherwirdfür
dieseVerteilungimdeutschsprachigenRaumoftderBegriff„Gauß‘scheVerteilung“ver-wendet.
(Häufig-
keit)
68,3%
95,5%
99,7%
–21,77 –14,15 –6,53 8,71 16,33 23,95

erwartete (Renditen in %)
Rendite von
1,09%
Abb.2.1 Erwartete Rendite und Standardabweichung
Normalverteilung konvergiert. Diese Approximationseigenschaft wird als zentraler

Grenzwertsatz bezeichnet. Daher ist es be i einer großen Anzahl an unabhängigen und
zufälligen Renditen sinnvoll, eine Normalverteilung zu unterstellen, auch wenn die Ren-
diteverteilung eines Portfolios nicht exakt normalverteilt ist. In einem solchen Fall könnenalle
statistischen Eigenschaf ten der Normalverteilung für die Rendite- und Risikoanalyse einer
Investitioneingesetztwerden.
EinemonatlicherwarteteRenditevon1,09%undeineStandardabweichungdermo-
natlichenRenditenvon7,62%bedeutet,dassmiteinerWahrscheinlichkeitvon68,3%die
RenditenineinerBandbreitevon
6;53 % und 8,71 % liegen. Mit einer Wahrscheinlich-
keit von 95,5 % fallen die Renditen innerhalb einer Spannbreite von zwei Standardabwei-
chungen um den Erwartungswert an, was zu einer Renditebandbreite von 14;15 % und
16,33 % führt. Des Weiteren beträgt die Wahrscheinlichkeit 99,7 %, dass die Renditen
drei Standardabweichungen um den Erwartungswert zu liegen kommen (also zwischen
%und23,95%).Abb. 2.1zeigtdenZusammenhangzwischenerwarteterRendite21;77
und Standardabweichung.
2.3.2 Downside-Risiko
Intuitivbetrachtet,stelltdieStandardabweichungeineattraktiveRisikogrößedar.Sieisteinfach
zu berechnen, basiert auf bekannten statistischen Konzepten wie etwa der Normal- verteilung
und ist einfach zu interpretieren. Die Standardabweichung weist als Risikogrö- ße auch
Nachteileauf.ErstensmisstsiedieAbweichungderRenditenvondererwarteten
2.3 Risiko 29
Rendite und setzt voraus, dass die Renditen normalverteilt und unabhängig sind. Positi- ve wie
auch negative Abweichungen von der erwarteten Rendite fallen gleichmäßig an. In der Regel
sind die meisten Renditeverteilungen nicht normal und weisen auch keine symmetrische
Verteilung auf. So können zwei Anlagen über die gleiche erwartete Ren- dite und Volatilität
verfügen, aber unterschiedlich hohe zentrale Momente der Verteilung aufweisen wie die
SchiefederVerteilung(Skewness)unddieKurtosis.
15
AußerdemstelltsichdieFrage,obdieInvestorendasRisikoalsAbweichungvoneiner
erwartetenRenditedefinieren.VieleInvestorennehmendasRisikoalsdasNichterrei-cheneiner
bestimmtenangestrebtenRenditewahr,wieetwadasErreichendesrisikolo-senZinssatzesoder
eineranderenBenchmarkrendite.EinePensionskassebeispielsweisemusseinebestimmte
RenditemitdemverwaltetenVermögenerzielen,damitsiekeineUnterdeckungaufweistund
dieEinlagenerhöhtwerdenmüssen.DabeiwirddieVerlust-gefahralseinenegative
AbweichungvondergewünschtenRendite(undnichtalspositiveAbweichung)verstanden.
DarüberhinaussindBehavioral-Finance-AspektebeiprivatenInvestorenzuberücksichtigen.
PrivateInvestorenbesitzeneinehoheAversiongegenüberVerlusten.Verluste(negative
Abweichungen)habeneinehöhereBedeutungalsGewinne(positiveAbweichungen).Daher
müsstemanbeiderBerechnungderVolatilitätnegativeAbweichungenimVergleichzu
positivenAbweichungenstärkergewichten.DieStandard-abweichungalsRisikogrößenimmt
dieseUnterscheidungnichtvor.
DieseAusführungenzeigen,dassdieRisikobeurteilungeinerAnlageanhandderStan-
dardabweichungkritischistundzufalschenSchlussfolgerungenführenkann.Nimmtman
beispielsweiseeineProtective-Put-Strategie,bestehendauseinerAktieundeineramGeld
liegendenLong-Put-Option
16
,dannistdieRenditeverteilungpositivschiefver-
teilt.DasDownside-RisikoistaufdiebezahlteOptionsprämiebeschränkt,währenddas
Gewinnpotential unbegrenzt ist (Zunahme des Aktienpreises reduziert um die bezahlte
Optionsprämie). Da der Verlust auf die bezahlte Optionsprämie begrenzt ist, wird die Stan-
dardabweichung durch die höheren Schwankungen der Gewinne beeinflusst. Die höheren
GewinnabweichungenführenzueinergrößerenUnsicherheitüberdiezuerzielendenGe-winne,
währenddermaximaleVerlustdurchdiebezahlteOptionsprämiegegebenist.Abb. 2.2zeigtdas
Gewinn-Verlust-Diagramm einer Protective-Put-Strategie bei Fällig- keit. Betragen zum
BeispieldieOptionsprämiefürdenLongPutEUR4undderAkti-
15
Für die Schiefe der Verteilung vgl. Abschn. 2.4.1.2 und für die Kurtosis der Verteilung vgl. Ab-
schn. 2.4.1.3 .
16
FürdieProtective-Put-Strategievgl.Abschn. 12.5.2.3.EineLong-Put-OptionstellteineVerkaufs-
optiondar.DerInhaberdergekauftenPut-OptionhatdasRecht,denzugrundeliegendenBasiswert
(z.B.Aktie)zumAusübungspreiszuverkaufen.DiePut-OptionistimGeld(in-the-money),wennderPreis
des Basiswertes unterhalb des Ausübungspreises liegt und es sich lohnt, die Option aus- zuüben. Sind der
Preis des Basiswerts und der Ausübungspreis gleich, befindet sich die Option am Geld (at-the-money).
Eine Put-Option ist aus dem Geld (out-of-the-money), wenn der Preis des Ba- siswertes höher als der
Ausübungspreis ist. Bei Fälligkeit werden nur Optionen ausgeübt, die im Geld sind (ohne
Berücksichtigung von Handelskosten), weil sie den Verlust der b ezahlten Options- prämie reduzieren
odereinenGewinnabwerfen.Vgl.Abschn. 12.5.2.1.
(Gewinn/
Long-Aktie
Verlust)
Protective
Long Put (am Geld) Put
+
unbegrenztes
Gewinnpotential
EUR 0
(Aktienpreis)
bezahlte
Options-
prämie
(EUR 4)
Ausübungs-
– preis =
Aktienkurs (EUR 100)
Verlustpotential
beschränkt auf bezahlte
Optionsprämie
Abb.2.2 Gewinn-Verlust-Diagramm einer Protective-Put-Strategie bei Fälligkeit
enpreis EUR 100, dann kann der Wert dieser Absicherungsstrategie nicht unter EUR 96 fallen.
Im Gegensatz dazu reduziert sichdas unbeschränkte Gewinnpotentialder Aktie umdie bezahlte
OptionsprämievonEUR4. 17
EineWeiterentwicklungderStandardabweichung,diedenaufgeführtenPunktenRech-nung
trägt,stellenDownside-RisikogrößenwiedieSemi-VarianzundderValueatRiskdar.Im
GegensatzzurStandardabweichungberücksichtigtdasDownside-Risikonurnega-tive
Abweichungen,alsonurRenditen,dieunterhalbeinerbestimmtenZielrenditezulie-gen
kommen.Renditen,dieoberhalbeinerZielrenditeanfallen,werdenalsGewinnchanceundnicht
alsVerlustgefahrbetrachtet.DemzufolgerichtetsichderFokusimRisikoma-nagementaufdie
SteuerungdesDownside-RisikosundnichtderStandardabweichung.Abb. 2.3gibtdasKonzept
desDownside-Risikoswieder.
UmdasDownside-Risikozuberechnen,werdenfürdiejenigenRenditenauseinerDa-
tenreihe,diekleineralsdieZielrenditesind,dienegativenRenditeabweichungeneruiert,
währendAbweichungenfürRenditenoberhalbderZielrenditeaufnullgesetztwerden.
17
FälltzumBeispielderAktienpreisvonEUR100aufEUR90(EUR70),resultiertdarauseinVer-lustvon
EUR10(EUR30).DerVerlustausderAktienpositionwirddurchdenGewinnvonEUR6
(EUR 26) bei der Long-Put-Option teilweise aufgefangen und beträgt EUR 4. Unabhängig davon, um wie
viel der Aktienpreis fällt, der Verlust wird nie größer als EUR 4 sein und der minimale Wert der Strategie
beträgtmindestensEUR96.SteigthingegenderAktienkursaufEUR110(EUR130),resultierteinGewinn
vonEUR10(EUR30).DadieLong-Put-OptionausdemGeldliegt,istsiezumFälligkeitszeitpunktwertlos
und wird nicht ausgeübt. Daher reduziert sich der Gewinn von EUR 10 (EUR 30) um die bezahlte
OptionsprämievonEUR4aufEUR6(EUR26).
2.3 Risiko 31
(Häufig-
keit)
Renditen, die
unterhalb der
Zielrendite
liegen, werden in
die
Risikobetrachtun
g einbezogen.
Zielrendite (Renditen)
erwartete
Rendite
Abb.2.3 Konzept des Downside-Risikos
Das Downside-Risiko lässt sich wie folgt bestimmen:

v
u
u 1 X 2
T
Downside-Risiko D t Z; (2.17)
T 1 tD1 t
wobei:
( )
rt r wenn rt < r
Zt D ;
0 wenn rt > r
T D Anzahl Renditen,
r D Zielrendite.
Die Wahl der Zielrendite hat einen wesentlichen Einfluss auf die Risikogröße. Die Ziel- rendite
kann als erwartete historische Rendite, risikoloser Zinssatz, null Prozent oder als eine andere
Benchmarkrenditedefiniert werden.WirdalsZielrenditedie erwartetehisto-rischeRenditein(
2.17)eingesetzt,lässtsichdiesogenannteSemi-Standardabweichungberechnen.
18
DieseistproportionalzurStandardabweichungundführtimVergleichzur
NormalverteilungnichtzugrößerenErkenntnisseninderRisikobetrachtungeinerAnlage
bzw. eines Portfolios. Nimmt man hingegen als Zielrendite null Prozent, bestimmt man die
18
MarkowitzstelltinseinerArbeitüberdiePortfoliotheoriedieSemi-Varianzvor,umeineAlterna-tivezur
VarianzalsRisikogrößeaufzuzeigen.AllerdingsverwendeterinseinerPortfoliotheoriedie
VarianzundnichtdieSemi-Varianz,weildieseeinfacherzuberechnenistundfürdiePortfolioop-timierung
geeignete statistische Eigen schaften aufweist. Vgl. Markowitz 1959 : Portfolio Selection: Efficient
DiversificationofInvestments,S.188ff.
VariabilitätvonnegativenRenditen(alsoVerlusten).DieseRisikogrößestelltfürrisiko-averseprivate
InvestoreneingeeignetesVerlustmaßdar.DesWeiterenkanndieZielrenditeauchalsrisikoloser
Zinssatz oder als Marktrendite definiert werden. Vor allem institu- tionelle Investoren wie ein
Anlagefonds, der beispielsweise eine passive Aktienstrategie verfolgt, können einen
AktienmarktindexalsBenchmarkeinsetzenunddieVerlustgefahralsnegativeAbweichungenvom
Marktindexmessen.
Downside-RisikogrößenermöglicheneinbesseresVerständnisdesAnlagerisikos.Al-
lerdingsbasierenmehreredieserRisikogrößenaufderNormalverteilung.Siedrückendie
VerlustgefahrproportionalzurVolatilitätausundbietendarüberhinauskeinezusätzlichen
Risikoinformationen.Außerdemisteswichtig,dassmandieBerechnungsweiseversteht,weil
unterschiedlicheAnnahmendieVergleichbarkeitvonDownside-Risikogrößener-schweren
bzw.unmöglichmachen.
EineweitereDownside-RisikogrößeistdiesogenannteShortfallProbability,welchedie
Wahrscheinlichkeitangibt,dassRenditenuntereinerZielrenditezuliegenkommen.Die
ZielrenditekannnullProzent,derrisikoloseZinssatz,dieMarktrenditeodereinean-dere
Zielgrößesein.DieShortfallProbabilitygibtnurdieWahrscheinlichkeitan,dassRenditenunter
dieZielrenditefallen,abernichtdenmöglichenVerlustbetrag.Istbeispiels-weisedie
ZielrenditenullProzentundsind40von100Renditennegativ,dannbeträgtdieShortfall
Probability40%(
D 40=100).
2.3.3 ValueatRisk
DerValueatRisk(VAR)isteinerelativjungeRisikogrößeundhatsichinden1990er-Jahrenalsdas
wichtigste Konzept der Risikomessung in der Finanzindustrie etabliert. Er wird vor allem
eingesetzt,umPortfolioverluste,resultierendausdemMarktrisiko,zuberechnen.
19
DerVARkannauchverwendetwerden,umVerlusteausdemKreditrisi-kound
operationellenRisikozumessen. 20
IndiesemAbschnittwerdendieDefinition,die
BerechnungsweiseanhandderVarianz-Kovarianz-MethodefüreineAnlagesowiedie
Problematik der Verwendung des VAR als Risikogröße beschrieben.
2.3.3.1 De nition
Der Value at Risk gibt den Verlustbetrag einer Anlage an, den man mit einer bestimmten
Wahrscheinlichkeit über eine vordefinierte Zeitperiode hinweg unter normalen Marktver-
hältnissen verlieren kann. Diese potentielle Verlustgröße ist durch die zwei Parameter
WahrscheinlichkeitundZeitperiodegekennzeichnet.DerVARkannsowohlalseinema-
19
UnterMarktrisikoverstehtmanVerluste,dieaufgrundvonÄnderungenderAktienpreise,Zinssät-ze,
FremdwährungenundRohstoffpreiseentstehen.Besitztmanbeispielsweiseeinefestverzinsliche
Anleihe, dann führt ein Zinssatzanstieg zu einem Preisrückgang der Anleihe bzw. zu einem Verlust. Vgl.
Abschn.9.2.3.
20
Die VAR-Berechnung für das Kreditrisiko und operationelle Risiko ist unter anderem aufgrund
der Datenverfügbarkeit schwieriger als die Ermittlung des VAR für das Marktrisiko.
2.3 Risiko 33
(Häufig-
keit)
maximaler VAR
(95 %-VAR)
minimaler VAR
(5 %-VAR)
95 %
5%
VAR von (Marktwert-

EUR 1 Mio. veränderungen
des Portfolios)
Abb.2.4 Maximaler und minimaler Value at Risk
ximale als auch eine minimale Verlustgröße interpretiert werden. Beispielsweise lässt sich der
VAReinesAnlageportfolioswiefolgtumschreiben:
Maximaler VAR: „Der Value at Risk eines Portfolios beträgt EUR 1 Mio. für 1 Tag mit einer
Wahrscheinlichkeit von 95 %.“ Diese Aussage lässt sich wie folgt interpretieren: Mit einer
Wahrscheinlichkeitvon95%istderVerlustamEndedesnächstenTagesnichtgrößeralsEUR
1Mio.
Minimaler VAR: „Der Value at Risk eines Portfolios beträgt EUR 1 Mio. für 1 Tag mit einer
Wahrscheinlichkeit von 5 %.“ Dies bedeutet, dass mit einer Wahrscheinlichkeitvon 5 % der
VerlustamEndedesnächstenTagesgrößeralsEUR1Mio.ist.
Es ist mit dem VAR nicht möglich, die Höhe des maximalen Verlustes vorauszusagen. Mit
absoluter Sicherheit weiß mannur, dass man nicht mehr alsdenWer teines Portfolios bestehend
aus Long-Positionen (ohne Leverage) verlieren kann. Insbesondere sagt der VAR nichts über
den möglichen Verlust aus, der mit einer bestimmten Restwahrscheinlichkeit anfällt. Abb. 2.4
zeigt den maximalen und minimalen Value at Risk unter der Annahme, dass die
MarktwertveränderungendesPortfoliosnormalverteiltsind.
Ausgedrückt mit der Wahrsch einlichkeitstheorie, ist d er VAR bei einem p %-Konfi-
/
denzniveau das p%Quantil derVerteilungderMarktwertveränderungendesPortfo-.1
lios. Bei einem VAR mit einem Konfidenzniveau von 95 % ist das Quantil der Verteilung
5 %.D 1 95 %/.
2.3.3.2 Berechnung
Die Berechnung des Value at Risk hängt von einer Vielzahl von Entscheidungen wie etwa der
WahlderWahrscheinlichkeitundderZeitperiodeab.BeiderMessungdesMarktrisi-
Tab.2.2 Wahrscheinlichkeitsverteilung von Portfo liorenditen über eine bestimmte Zeitperiode

Portfoliorenditen Wahrscheinlichkeit Kumulierte Wahrscheinlichkeiten
weniger als 30 % 0,01 0,01
30 % bis 25 % 0,02 0,03
25 % bis 18 % 0,02 0,05
18 % bis 10 % 0,05 0,10
10 % bis 5 % 0,10 0,20
5 % bis 2 % 0,13 0,33
2 % bis 0 % 0,17 0,50
0 % bis 2 % 0,17 0,67
2 % bis 5 % 0,13 0,80
5 % bis 10 % 0,10 0,90
10 % bis 18 % 0,05 0,95
18 % bis 25 % 0,02 0,97
25 % bis 30 % 0,02 0,99
mehr als 30 % 0,01 1,00
1,00
kos werden üblicherweise Wahrscheinlichkeiten von 1 %, 2,5 % oder 5 % verwendet. Eine

kleinere Wahrscheinlichkeit (z. B. 1 % im Vergleich zu 5 %) führt zu einem größeren (kon-
servativeren) VAR-Wert. Die Wahl der Zeitp eriode hat ebenfalls einen Einfluss auf den
Verlustbetrag. Je länger das gewählte Zeitintervall, desto höher der VAR. Über eine länge- re
ZeitperiodehinwegkannmaneinengrößerenVerlusterleidenalsübereinenkürzerenZeitraum.
FinanzinstituteberechnenüblicherweisedenVAReinesHandelsportfoliosmit einer Zeitdauer
von1Tagund/oder10TagensowiemiteinerWahrscheinlichkeitvon1%,2,5%und/oder5%.
UmVergleichezwischenverschiedenenVAR-Größenzuerleichtern,wirdderVARvielfach
inProzent(alsRenditegröße)undnichtineinemabsolutenVerlustbetragange-geben.DerVAR
lässtsichauseinerWahrscheinlichkeitsverteilungderPortfoliorenditenbestimmen.Nimmtman
dieDatenausTab. 2.2,dannbeträgtderprozentualeVARmiteiner5%-Wahrscheinlichkeit
18 %. Um diesen Verlustbetrag von 18 % zu erhalten,

werden die Wahrscheinlichkeiten addiert, bis man zu einer kumulierten Wahrscheinlich-
keitvon5%gelangt.EsbestehteineWahrscheinlichkeitvon1%,dassderWertdesPortfoliosum
mindestens %fällt.DieWahrscheinlichkeitist2%,dassdieWertmin-30
derung zwischen 30 % und 25 % ausfällt. Ein Wertrückgang des Portfolios zwischen
25 % und 18 % fällt mit einer Wahrscheinlichkeit von 2 % an. Folglich beträgt der
prozentuale 5 %-VAR 18 %.UmdenabsolutenVARzubestimmen,kannder5%-VARvon
18 % mit dem Marktwert des Portfolios multipliziert werden. Wird ein Marktwert
des Portfolios von EUR 1 Mio. unterstellt, beträgt der absolute 5 %-VAR EUR 180:000.D
0;18 EUR 1:000:000).
2.3 Risiko 35
NachdemmandieWahrscheinlichkeitunddieZeitperiodedefinierthat,istdieBe-
rechnungsmethodefürdenVARfestzulegen.DiedreiBerechnungsmethodensinddie
analytischeoderVarianz-Kovarianz-Methode,diehistorischeSimulationunddieMonte-
Carlo-Simulation.DiebeidenletztgenanntenVAR-Berechnungsmethodenbestimmendie
MarktwertveränderungendurchNeubewertungendesPortfolios.BeiderhistorischenSi-
mulationsmethodewirddasPortfoliofürdieinderVergangenheiteingetretenenSzenarienneu
bewertet(derSimulationspfadistdurchdieVergangenheitgegeben).ImGegensatzdazu
werdenbeiderMonte-Carlo-SimulationmeistenszehntausendRunsmiteinemZu-
fallszahlengeneratordurchgeführt,umfürjedeseinzelneSzenariodiePortfoliowertebzw.die
darausabgeleitetenMarktwertveränderungenzuermitteln.
DieVarianz-Kovarianz-MethodeberuhtaufderAnnahme,dassdieMarktwertverände-
rungenbzw.dieRenditendesPortfoliosnormalverteiltsind.DieFormelnfürdieBerech-nungdes
ValueatRiskanhanddiesesparametrischenAnsatzes 21
lauten wie folgt:
VARabsolut D E .r/ V C z’ ¢V; (2.18)

VARin % D E .r/ C z’ ¢; (2.19)
wobei:
E.r/ D erwartete Rendite des Portfolios,

V D Marktwert des Portfolios,
z’ D Standardnormalvariable beim linken Quantil ’ der Verteilung,
¢ D Standardabweichung der Portfoliorenditen.
Eine Standardnormalverteilung ist durch einen erwarteten Wert von 0 und eine Standard-
abweichung von 1 definiert. Ein Wert aus einer nicht standardisierten Normalverteilung kann in
eine Standardnormalvariable überführt werden, indem vom Wert der erwartete Wert
subtrahiertundanschließenddurchdieStandardabweichungdividiertwird.
22
Bei
einer Standardnormalverteilung liegen 5 % aller möglichen Werte unterhalb der Standard-
normalvariablenvon . Dahernimmtmanfürden5%-VAReineStandardnormalva-
riable von 1;65. 1;65
21
EinparametrischerAnsatzunterstelltbeiderBerechnungdesVAReinebestimmteVerteilungder
MarktwertveränderungendesPortfolios(z.B.dieNormalverteilungbeiderVarianz-Kovarianz-
Methode).
22
ZumBeispiel:EineVerteilunghateineerwarteteRenditevon7%undeineStandardabweichungvon30
%.MöchtemandieWahrscheinlichkeit(ShortfallProbability)bestimmen,dassmaneineRenditevon
wenigerals10%erhält,dannistdieStandardnormalvariableanhanddererwartetenRenditevon7%undder
Standardabweichungvon30%zuberechnen.DieStandardnormalvaria-bleist0,10[
D .0;10 0;07/=0;30]. Nimmt man eine Standardnormalverteilungstabelle oder eine

Spreadsheet-Funktion von Microsoft Excel [STANDNORMVERT(0,10)], erhält man eine Wahr-
scheinlichkeitvon0,5398.DemzufolgebeträgtdieWahrscheinlichkeit53,98%,dassdieRenditeweniger
als10%ist.
Vielfach wird der Value at Risk mit einer erwarteten Rendite von 0 % gerechnet, weil
man von einer zufälligen Veränderung des Portfoliowertes ausgeht (Random Walk).23 Ein
zufällig veränderter Wert besitzt über eine s ehr kurze Zeitperiode einen Erwartungswert von
annäherungsweisenull,dazufälligauftretendepositiveundnegativeWertveränderun-gensich
gegenseitigaufheben.DerVARlässtsichdannanhandderfolgendenFormelnberechnen:
VARabsolut D z’ ¢V; (2.20)

VARin % D z’ ¢: (2.21)
Beispiel
Berechnung des Value at Risk von einer Anlage
Ein Portfolio hat einen Marktwert von EUR 1 Mio. Die erwartete jährliche Portfolio- rendite
beträgt 10 %, während die annualisierte Volatilität der Renditen bei 30 % liegt. Folgende
FragensindanhandderVarianz-Kovarianz-Methodezubeantworten:
1. Wie hoch ist der absolute 5 %-VAR für 1 Jahr?

2. Wie hoch ist der absolute 1 %-VAR für 1 Jahr?
Wie hoch ist der absolute 5 %-VAR für 1 Monat?
3. Wie hoch ist der absolute 1 %-VAR für 1 Woche?
4.
Lösungzu1
5 %-VARabsolut D 0;10 EUR 1:000:000 C .1;65/ 0;30 EUR 1:000:000
D EUR 395:000
MiteinerWahrscheinlichkeitvon5%wirdfürdasnächsteJahreinenhöherenVerlustalsEUR
395:000 erwartet.
Lösungzu2
Bei einer Standardnormalverteilung liegt 1 % aller möglichen Werte unterhalb der Stan-
dardnormalvariablenvon 2;33. Daher beträgt die Standardnormalvariable für die Be-
rechnung des 1 %-VAR 2;33.

D EUR 599:000
FürdasnächsteJahrerwartetmanmiteinerWahrscheinlichkeitvon1%einenhöherenVerlus ta
lsEUR 599:000.
23
BeieffizientenMärktensindsämtlicheInformationenindenAnlagepreisenenthalten,sodasssichdie
PreiselediglichaufgrundneuerInformationenverändern.DabewertungsrelevanteInformatio-
nen rein zufällig auftreten, folgen die Anlagepreise einer Zufallsbewegung (Random Walk).
2.3 Risiko 37
Lösungzu3
Zuerst sind die jährliche erwartete Re ndite und die annualisierte Volatilität in monatliche
Werteumzurechnen.Dabeigilteszubeachten,dassdieVarianz-Kovarianz-Methodeaufder
Annahme beruht, dass die Renditen normalverteilt sind und unab- hängig voneinander
anfallen, sodass die e rwartete Rendite proportional zur Zeit und die Volatilität proportional
zurWurzelderZeit(dieVarianzistproportionalzurZeit)stehen.
24
0;10
Erwartete monatliche Rendite D D 0;0083
12 Monate
0;30
Volatilität der monatlichen Renditen D p D 0;0866
12 Monate
D EUR 134:590
Mit einer Wahrscheinlichkeit von 5 % erwartet man einen höheren Verlust als EUR
134:590 über 1 Monat hinweg.
Lösungzu4
Zunächst sind die jährliche erwartete R endite und die annualisierte Volatilität in wö-
chentlicheWerteumzurechnen:
0;10
Erwartete wöchentliche Rendite D D 0;0019;
52Wochen
0;30
Volatilität der wöchentlichen Renditen D p D 0;0416:
52Wochen
Der wöchentliche 1 %-VAR von EUR 95:028 berechnet sich wie folgt:

D EUR 95:028:
Für die nächste Woche erwartet man mit ei ner Wahrscheinlichkeit von 1 % einen hö- heren
VerlustalsEUR 95:028.
2.3.3.3 Problematik
Sind die Marktwertveränderungen des Portfolios nicht normalverteilt, dann führt die
Varianz-Kovarianz-MethodezueinemVAR-Wert,derentwederdasPortfoliorisikoüber-oder
unterschätzt.BesitzteinPortfolioOptionenoderFinanzwertemiteingebetteten
24
DieSkalierungdesVARmitderWurzelausderZeit(z.B.Tage,Wochen,Monate)undnichtmitder
eigentlichenZeitlässtsichausderStatistikherleiten.InjedemProzess(wiederGeometric
Brownian Motion), bei dem die Ereignisse normalverteilt sind und unabhängig voneinander anfallen,
nimmt die Varianz proportional zur Anzahl derEreignisse zu. Da die Standardabweichung ausder Wurzel
derVarianzbestimmtwird,erfolgtdieAnpassungderHaltedauermitderWurzelausderZeit.
(Häufigkeit) Long-Optionen
Value at Risk
(Marktwertveränderungen
des Optionsportfolios)
(Häufigkeit)
Short-Optionen
Value at Risk
(Marktwertveränderungen
des Optionsportfolios)
Abb.2.5 Value at Risk von Long- und Short-Optionen
Optionen wie beispielsweise Wandelanleihen oder kündbare Anleihen, ist die Verteilung der
Marktwertveränderungen nicht mehr normal. Ein Portfolio, das aus Long-Call- und
Put-Optionen besteht, verfügt über eine rechtsschiefe Verteilung. Den maximalen Ver- lust
stellen die bezahlten Op tionsprämien dar. Der maximale Gewinn hingegen ist bei den
Long-Call-Optionenunbeschränkt und beid en Long-Put-Optionen auf die Differenzzwischen
Ausübungspreis und Preis desBasiswerts von null begrenzt. Berechnet man denVAR anhand
der Varianz-Kovarianz-Methode, würde man den potentiellen Verlust von Long-Optionen
überschätzen. Besteht das Portfolio hingegen aus Short-Optionen, ist die Verteilung
linksschief, weil Verlu ste im Vergleich zu Gewinnen (begrenzt auf erhalteneOptionsprämien)
mit einer höheren Wahrscheinlichkeit eintreten. Der Einsatz der Varianz-Kovarianz-Methode
unterschätztdieVerlustgefahr.Abb. 2.5zeigtdiesenZusammenhang.
BeinichtnormalenVerteilungenmüssenfürdieBerechnungdesVARNeubewer-
tungsansätzewiediehistorischeSimulationsmethodeoderdieMonte-Carlo-Simulation
eingesetztwerden.ImVergleichzurVarianz-Kovarianz-MethodeistbeidenNeubewer-
tungsansätzendieAnnahmederNormalverteilungnichterforderlich.
DesWeiterenkannderValueatRiskdieEigenschaftderSubadditivitätverletzen,so-dassdie
SummevonzweiVAR-PositionenkleinerausfallenkannalsderVARdieserbeidenPositionen
kombiniertineinemPortfolio.DieSubadditivitätstellteinewichtigeEigenschaftfürein
Risikomaßdar.WirdeinPortfoliomitAnlagenerstellt,soistdieSum-
2.3 Risiko 39
Tab.2.3 Value at Risk und Subadditivität

Szenario Verlust Anlage A Verlust Anlage B Ve r l u s t AC B
(P ortfolio)
1 0 0 0
2 0 0 0
3 0 0 0
4 0 0 0
5 0 0 0
6 0 0 0
7 0 0 0
8 0 0 0
9 0 2 2
10 2 0 2
VAR95 % 2 2 2
VAR84 % 0 0 2
me der Risiken der einzelnen Anlagen größer oder gleich dem Risiko des Portfolios:25
VAR.A/ C VAR .B/ VAR .A C B/ : (2.22)
Die Eigenschaft der Subadditivität kann bei der Ermittlung des Value at Risk durch Neu-
bewertungsansätze verletzt werden, die den VAR-Wert über das Ablesen des Quantils einer
Verteilung bestimmen. Wird hingegen für die Berechnung des VAR die Varianz-
Kovarianz-Methode verwendet, ist die Eigenschaft der Subadditivität erfüllt. Unterstellt man
einenKorrelationskoeffizientenvonkleinerals
C1, ist die Standardabweichung ei-
nes Portfolios kleiner als die Summe der Standardabweichungen der einzelnen Anlagen.26
Tab.2.3zeigtdieVerlustevonzweiAnlagenAundBund10möglicheSzenarien.Die
Verlusteder10SzenarienmüssenfürdieeinzelnenAnlagenzuerstvomgrößtenzum
kleinstenVerlustgeordnetwerden
Œ2;0;0;:::;0 . Wird diese Verlustverteilung bei ei-
nem Konfidenzniveau von zum Beispiel 95 % abgeschnitten, erhält man jeweils einen
VA R v o n 2 für die einzelnen Anlagen A und B. Wird hingegen ein Konfidenzniveau
von 84 % angewandt, resultiert für jede einzelne Anlage ein VAR von 0. Bildet man mit
den beiden Anlagen A und B ein Portfolio, weisen die Szenarien 9 und 10 jeweils einen Verlust
von 2 auf. Bei einem Konfidenzniveau von 84 % ergibt sich ein Portfolio-VAR
von 2. Folglich ist der VAR des Portfolios größer als die Summe des VAR der beiden ein-
zelnen Anlagen A und B. In diesem Beispiel verletzt der VAR bei einem Konfidenzniveau
von 84 % die Eigenschaft der Subadditivität. Dies führt zu einem Anreiz, das Portfolio
25
EinekohärentesRisikomaßmussdiefolgendenEigenschaftenaufweisen:Monotonie,Transla-
tionsinvarianz,positiveHomogenitätundSubadditivität.AufgrundderverletztenEigenschaftder
Subadditivität ist der Value at Risk kein kohärentes Risikomaß. Vgl. diesbezüglich Artzner et al. 1999 :
CoherentMeasuresofRisk,S.203ff.
26
Für den Diversifikationseffekt vgl. Abschn. 3.6 .
bestehendauszweiAnlageninzweieinzelneAnlagenaufzuteilen,umdasRisikozure-duzieren.
AufgrundderfehlendenEigenschaftderSubadditivitätistderEinsatzdesVARzumBeispielfür
die Portfoliooptimierung, die interne Kapitalallokation und für risikoadjustierte
Entschädigungsprogrammeproblematisch.
DerValueatRiskgibtdenmöglichenVerlustbetragunternormalenMarktverhältnis-sen
wieder.VerlusteausextremenMarktbewegungenwerdenimVARnichtabgebildet.Daheristder
VARimRahmendesRisikomanagementsimmerzusammenmiteinemWorst-Case-Verlust
anzugeben.StresssimulationenerlaubendemManager,dasPortfo-liounterbestimmten
risikoreichenWorst-Case-Szenarienzuanalysieren.DieKorrelationunterdenMärktenistin
Krisenzeitensehrhoch,weildieFinanzmärkterundumdenGlo-busengmiteinanderverflochten
sind,waszueinerbedeutendenAnsteckungsgefahrführt(Contagion-Effekt).FälltzumBeispiel
dieBörseinNewYork,sindandereinternatio-naleBörsenplätzewieetwaTokio,London,
FrankfurtundZürichdavonmöglicherweiseauchbetroffenunderleidenebenfallsVerluste.
MöglicheExtremszenarienmüssensolcheglobalenAnsteckungseffekteberücksichtigen.Die
Szenarienkönnensowohlaushypothe-tischenEreignissen(z.B.Terrorangriffmitbiologischen
WaffenineinemFinanzzentrumwieLondonodereinerneuterGolfkrieg)oderauchaus
vergangenenKrisenwiedemOktober-CrashimJahre1987bestehen.
27
Ferneristesmöglich,einzelnebedeutendeRi-
sikofaktorenineinemöglichstungünstigeRichtungzuverändern,sodasseinextremer
Portfolioverlustentsteht.
2.4 WeitereAnlagecharakteristiken
WerdenAnlagenmitdemErwartungswert(erwarteteRendite)undderVarianz(Risiko)analysiert,
unterstelltmanzweiwichtigeAnnahmen.Erstens,dieRenditensindnormal-verteiltundkönnen
durch die ersten beiden zentralen Momente der Verteilung – Erwar- tungswert und Varianz –
vollständigbeschriebenwerden.Zweitens,dieFinanzmärktesindsowohlinformationseffizientals
auchoperationelleffizient.
28
Treffen die Annahmen
der Normalverteilung und der Markteffizienz nicht zu, müssen weitere Verteilungs- und
Markteigenschaften einbezogen werden, um die Anlage beurteilen zu können.
27
Am19.Oktober1987(„SchwarzerMontag“)verlorderDow-Jones-Index22,6%seinesWertes,was
denstärkstenprozentualenTagesrückgangseitdemerstenWeltkriegdarstellte,alsdieNew
YorkerBörsenachKriegsbeginnfürMonategeschlossenwarundbeiWiedereröffnungüber24%nachgab.
AngestecktdurchdenDow-Jones-IndexbrachenauchandereBörsenaufderWeltein.Soverlorderdamalige
SwissindexamMontagdes19.Oktober198711,3%undamDienstagaufgrundderversetztenHandelszeitenmitden
USAweitere3,7%,währendsichdieKurseanderWallStreetbereitswiederleichterholten.
28
Der Finanzmarkt besteht aus dem Geldmarkt und dem Kapitalmarkt. Vgl. Abschn. 8.1 .
2.4 WeitereAnlagecharakteristiken 41
2.4.1 EigenschafteneinerVerteilung
2.4.1.1 Normalverteilung
DieAnnahmederNormalverteilungistsehrverlockend,dadiestatistischenEigenschaf-tender
Verteilungbekanntsind. 29
MitdererwartetenRenditeundderVarianzlässtsichdie
Anlagebeurteilen.AllerdingssinddieRenditenoftnichtnormalverteilt.Einerseits
können die Renditen schiefverteilt sein. Das heißt, sie fallen nicht mehr symmetrisch um den
Erwartungswert an. Andererseits kann die Wahrscheinlichkeit von Extremereignissen im
Vergleich zur Normalverteilung größer oder kleiner sein. Empirisch betrachtet, fallen größere
Marktbewegungen auf den Finanzmärkten häufiger an, als man dies aufgrund der
Normalverteilungerwartenwürde.
2.4.1.2 Schiefe
Die Schiefe (Skewness) ist das dritte zentrale Moment einer Verteilung.30 Siemisstden
SymmetriegradderRenditenumdenErwartungswert.EineSchiefevonnullbedeutetei-ne
symmetrischeVerteilung.SinddieRenditenrechtsschiefverteilt,sosinddieVerlustekleinund
häufig,währenddieGewinneextremhochundwenigerhäufigsind.Einelinks-schiefe
VerteilunghingegenistdurchmehrkleineGewinnesowiedurchwenigeextremhoheVerluste
gekennzeichnet.EineInvestitionineinesolcheAnlageistnichtattraktiv.
31
Abb. 2.6 zeigt eine links- und eine rechtsschiefe Verteilung.

DieFormelfürdieBerechnungderSchiefebeinhaltetdiedurchschnittlicheAbwei-chung
derRenditenvondererwartetenRenditehochdreidividiertdurchdieStandardab-weichungder
Renditenhochdrei.DieSchiefederVerteilungeinerStichprobelässtsichwiefolgtermitteln:
PT
T tD1 .rt r/3
Schiefe D ; (2.23)
.T 1/. T 2/ ¢Q 3
wobei:
T D Anzahl an Renditebeobachtungen in der Stichprobe,

rt D Rendite für die Periode t,
r D erwartete Rendite,
¢Q D Standardabweichung der Renditen.
DieSchiefederVerteilungbesitztkeineEinheit,aberkannsowohlpositivwieauchne-gativ
sein.Diesdeshalb,weildieSchiefe(siehe( 2.23))mitderAbweichungderRenditen
29
Vgl. Abschn. 2.3.1 .
30
DasersteMomenteinerVerteilungistderErwartungswert,währenddaszweitezentraleMomentdurch
dieVarianzgegebenist.HöherezentraleMomentesinddieSchiefeunddieKurtosisderVerteilung.
31
Investoren bevorzugen Anlagen mit einer hohen erwarteten Rendite, mit niedriger Varianz, posi-
tiver Schiefe und niedriger Kurtosis.
linksschiefe rechtsschiefe
Verteilung Verteilung
(Renditen)
Abb.2.6 Links- und rechtsschiefe Verteilungen
von der erwarteten Rendite mit einem Exponenten von drei berechnet wird, sodass das
Vorzeichen der Abweichung erhalten bleibt. Das Ergebnis ist ein numerischer Wert für die
Ausdehnung der Verteilung in die eine oder andere Richtung. Eine Normalverteilung ist
symmetrisch und verfügt über eine Schiefe von null. Eine rechtsschiefe Verteilung hat eine
positiveSchiefe,währendeinelinksschiefeVerteilungeinenegativeSchiefebesitzt.
2.4.1.3 Kurtosis
DieKurtosisistdasviertezentraleMomentderVerteilung.SiemisstdenGradderSteil-heitinder
Verteilungsmitte und den Grad der Ausbuchtungen an den beiden Enden der Verteilung. Bei
einer Normalverteilung liegt die Kurstosis bei 3 (mesokurtisch). Eine Verteilung weist eine
Kurtosis von größer als 3 auf (leptokurtisch), wenn mehr Extrembe- obachtungen im Vergleich
zu einer Normalverteilung vorliegen. Graphisch gesehen, ist die Verteilung steil in der Mitte
(steilgipflig)undverfügtübergrößereAusbuchtungen.DieVerteilungbesitzteineKurtosisvon
kleiner als 3 (platykurtisch), wenn die Renditen dicht um die Mitte der Verteilung
zusammengedrängtsind.GrafischgesehenistdieVerteilunginderMitteflach(flachgipflig)und
dieAusbuchtungensindwenigerstarkausgeprägt.
VielfachwirdinderPraxisdiesogenannteExcess-KurtosisberechnetundvonderKurtosisdie
Zahl3abgezogen.DieBerechnungderKurtosisbeinhaltetdiedurchschnitt-licheAbweichungder
RenditenvondererwartetenRenditehochvierdividiertdurchdieStandardabweichungderRenditen
hochvier.MathematischlässtsichdieExcess-KurtosiseinerStichprobewiefolgtbestimmen:
PT !
T .T C 1/ tD1 .rt r/4
Excess-Kurtosis D
.T 1/. T 2/. T 3/ ¢Q 4
3 .T 1/2
: (2.24)
.T 2/. T 3/
DieKurtosisisteinheitsfrei.EineNormalverteilungbesitzteineExcess-Kurtosisvonnull.Istdie
Excess-Kurtosisgrößeralsnull,sprichtmanvoneinerpositivenKurtosis,ansonsten
Normal-
verteilung
(mesokurtisch) Verteilung mit
positiver Excess-
Kurtosis (leptokurtisch)
Verteilung mit
negativer Excess-
Kurtosis (platykurtisch)
(Renditen)
Abb.2.7 Normalverteilung und Verteilung mit positiver und negativer Excess-Kurtosis
von einer negativen Kurtosis (kleiner als null).32 Abb. 2.7 zeigt die Normalverteilung im
Vergleich zu einer Verteilung mit einer positiven und einer negativen Excess-Kurtosis.
DieNormalverteilungbesitzteineSchiefevonnullundeineExcess-Kurtosisvonnull.Daher
istsiedurchdieerstenbeidenMomentederVerteilung–ErwartungswertundVari-anz–definiert.
Verteilungen,dienichtnormalverteiltsind,verfügenüberhöherezentraleMomentewiedie
SchiefeunddieKurtosis.Folglichisteswichtig,dassmandieAnalysebeiVerteilungen,dievon
derNormalverteilungabweichen,umdiesebeidenKennzahlenerweitert.
Beispiel
Berechnung der erwarteten Rendite, Standardabweichung, Schiefe und Excess-
KurtosiseinerRenditeverteilung
Für ein Portfolio liegen die zehn jährliche Renditen von 2008 bis 2017 vor:
Jahre Renditen (in %)

2008 7,40
2009 2,25
2010 16,65
2011 10,15
2012 14,40
2013 4,60
2014 1,90
2015 6,55
2016 0,80
2017 6;50
32
Ibbotson und einige statistische Softwarelösungen wie etwa Microsoft Excel verwenden die
Excess-Kurtosis (Kurtosis 3). Bei einer Normalverteilung ist die Excess-Kurtosis 0 (D 3 3).
1. Wie hoch ist die erwartete Rendite?

2. Wie hoch ist die Standardabweichung?
3. Wie hoch ist die Schiefe der Verteilung?
4. Wie hoch ist die Excess-Kurtosis der Verteilung?
5. Wie lässt sich die Renditeverteilung a nhand der berechneten Momente interpretieren?
Lösungzu1
DieerwarteteRenditervon5,82%lässtsichalsDurchschnittswert(arithmetischesMittel)der
historischenRenditenwiefolgtberechnen(in%):
7;4 C 2;25 C 16;65 C 10;15 C 14;40 C 4;60 C 1;90 C 6;55 C 0;80 C .6;50/
rD
10
D 5;82:
Lösungzu2
Jahre Renditen (in %) rt r .rt r/2

2008 7,40 1,58 2,496
2009 2,25 3;57 12,745
2010 16,65 10,83 117,289
2011 10,15 4,33 18,749
2012 14,40 8,58 73,616
2013 4,60 1;22 1,488
2014 1,90 3;92 15,366
2015 6,55 0,73 0,533
2016 0,80 5;02 25,2
2017 6;50 12;32 151,782
Summe 419,264
Die Standardabweichung der jährlichen Renditen von 6,825 % kann wie folgt bestimmt
werden(in%):
v
u r
u 1 X
T
419;264
¢Q D t .rt r/2 D D 6;825:
T 1 tD1 10 1
Lösungzu3

2008 7,40 1,58 3,944
2009 2,25 3;57
45;499
1270,239
2010 16,65 10,83
2011 10,15 4,33 81,183
2012 14,40 8,58 631,629
2013 4,60 1;22 1;816
2014 1,90 3;92 60;236
2015 6,55 0,73 0,389
2016 0,80 5;02 126;506
2017 6;50 12;32 1869;959
Summe 116;632
Die Schiefe der Verteilung von 0;051 lässt sich folgendermaßen ermitteln:
PT 3
T tD1 .rt r/
Schiefe D
.T 1/. T 2/ ¢Q 3

10 116;632
D
.10 1/ .10 2/ .6;825/3
D 0;051:
Das Portfolio weist jeweils 5 positive und 5 negative Abweichungen auf. Zwei große positive
Abweichungen sind in den Jahren 2010(10,83 %) und2012 (8,58 %) aufgetre- ten, die durch
diebeidennegativenAbweichungenindenJahren2017(
12;32%) und
2016 (5;02%) ungefähr kompensiert wurden. Negative und positive Abweichungen
treten mit gleicher Frequenz auf und große positive wie negative Abweichungen heben sich
ungefähr gegenseitig auf. Dies lässt die Schlussfolgerung zu, dass die Portfolio- renditen
approximativsymmetrischsind(leichtschiefverteilt).
Lösungzu4

2008 7,40 1,58 6,232
2009 2,25 3;57 162,432
2010 16,65 10,83 13.756,686
2011 10,15 4,33 351,521
2012 14,40 8,58 5419,374
2013 4,60 1;22 2,215
2014 1,90 3;92 236,126
2015 6,55 0,73 0,284
2016 0,80 5;02 635,06
2017 6;50 12;32 23.037,897
Summe 43.607,827
Die Excess-Kurtosis der Verteilung von 0,047 lässt sich wie folgt berechnen:
PT !
4
T .T C 1/ tD1 .rt r/ 3 .T 1/2
Excess-Kurtosis D
.T 1/. T 2/. T 3/ ¢Q 4 .T 2/. T 3/

10 .10 C 1/ 43:607;827
D
.10 1/ .10 2/ .10 3/ .6;825/4
3 .10 1/2

.10 2/ .10 3/
D 0;047:
Eine Excess-Kurtosis nahe bei 0 (0,047) bedeutet, dass die Verteilung annäherungswei- se
normalist.
Lösungzu5
Sowohl die Schiefe als auch die Excess-Kurtosis der Verteilung liegen ungefähr bei 0. Die
Renditen des Portfolios sind über die untersuchte Periode von 10 Jahren annähernd
normalverteilt.
MithilfederSchiefeundderKurtosisderVerteilungistesmöglich,dieAnnahmeder
NormalverteilungmitstatistischenTestszuüberprüfen.EinerderbekanntestenTestsistder
Jarque-Bera-Test. 33
DabeihandeltessichumeinenHypothesentest.DieNullhypo-these
besagt,dassdieeigentlichenRenditennormalverteiltsind.DieAlternativhypothese
hingegen geht davon aus, dass die Renditen nicht normalverteilt sind. Eine Normalvertei- lung
impliziert,dassdieSchiefeunddieExcess-KurtosisderStichprobenverteilungnahe
33
Vgl. Jarque und Bera 1987 : A Test for Normality of Observations and Regression Residuals, 163 ff.
S.
bei 0 liegen. Der Jarque-Bera-Test überführt die Schiefe und die Excess-Kurtosis in eine
statistische Kennzahl, um zu überprüfen, ob die gerechnete Kennzahl signifikant vom
Erwartungswertabweicht.DieJarque-Bera-Statistikistwiefolgtdefiniert: 34
" #
T 2 .Excess-Kurtosis/2
Jarque-Bera-Statistik D .Schiefe/ C ; (2.25)
6 4
wobei:
T D Anzahl Renditen in der Stichprobe.
DieJarque-Bera-StatistikbasiertaufeinerChiquadratverteilungmitzweiFreiheitsgraden.Sind
dieRenditenungefährnormalverteilt,soergibtsichausderFormelinfolgedergerin-genSchiefe
und Excess-Kurtosis ein niedriger Wert für die Jarque-Bera-Statistik. Ist die von einer
Stichprobe berechnete Jarque-Bera- Statistik größer als der kritische Wert, wird die
Nullhypothese der Normalv erteilung abgelehnt. Der relevante kritische Wert hängt vom
gewünschtenSignifikanzniveauab.BeispielsweisebeträgtbeieinemSignifikanzni-veauvon5
%bzw.1%derkritischeWert5,99bzw.9,21.
BeimJarque-Bera-TesthandeltessichumeinenasymptotischenTest,derfürkleine
Stichprobennichtgeeignetist.ImobenaufgeführtenBeispielmachtesaufgrundderklei-nen
Stichprobevonnur10RenditenkeinenSinn,denJarque-Bera-Testanzuwenden.Die
Stichprobesolltemindestens30Renditebeobachtungenenthalten.
35
Geht man beispielsweise von einer genügend großen Stichprobe von 250 Renditen aus,
deren Verteilung eine Schiefe von 0;051 und eine Excess-Kurtosis von 0,047 besitzt, so
beträgt die Jarque-Bera-Statistik 0,13:
" #
250 2 .0;047/2
Jarque-Bera-Statistik D .0;051/ C D 0;13: (2.26)
6 4
Bei einem Signifikanzniveau von 5 % liegt der kritische Wert bei 5,99. Da die Jarque-Bera-
Statistik von 0,13 kleiner als der kritische Wert von 5,99 ist, kann die Nullhypothese, dass die
Renditennormalverteiltsind,nichtabgelehntwerden.
2.4.2 Markteigenschaften
2.4.2.1 InformationseffizienzderFinanzmärkte
In einem informationseffizienten Markt reagieren die Anlagepreise rasch und rational auf neue
Informationen.DemzufolgesindindenPreisensämtlichevergangenenundgegen-
34
InderFormelwerdendieSchiefeunddieExcess-Kurtosisquadriert,wasdazuführt,dassdie
Jarque-Bera-StatistikimmereinepositiveZahlist.WürdemandieSchiefeunddieExcess-Kurtosis
nicht quadrieren, könnte etwa eine negative Schiefe eine positive Excess-Kurtosis in der Formel
auf- heben, sodass die Jarque-Bera-Statistik fälschlicherweise eine Normalverteilung anzeigen
würde. 35
Vgl. z. B. DeFusco et al. 2004 : Quantitative Methods for Investment Analysis, S. 153.
wärtigen Informationen verarbeitet. Konsistente höhere risikoadjustierte Renditen sind in

einemeffizientenMarktnichtmöglich. 36 EinepassiveAnlagestrategiegeneriertdieglei-che
RenditewieeineaktiveAnlagestrategie,aberweistimVergleichniedrigereKostenwieetwa
Transaktions-undAnalysekostenauf.IstderMarkthingegenineffizient,dannenthaltendie
PreisenichtsämtlicheInformationen,sodassesmiteineraktivenAnlagestra-tegiemöglichist,
Marktineffizienzenauszunutzenundüberdurchschnittliche(abnormale)Renditenzuerzielen.
IneinemineffizientenMarktkanneineaktiveInvestitionsstrategiegegenübereinerpassiven
AnlagestrategiezueinerhöherenRenditeführen.Daheristeswichtig,dassFinanzakteuredie
EigenschaftenvoneffizientenMärktenverstehenundinderLagesind,denEffizienzgradder
Märktezubeurteilen.
Fama (1970) unterscheidet in Abhängigkeit von den in den Preisen vorhandenen Infor-
mationen drei unterschiedliche Grade der Markteffizienz:37
Schwache (weak) Form,

halbstrenge (semi-strong) Form,
strenge (strong) Form.
In der schwachen Form der Informationseffizienz weisen die Preise alle verfügbaren his-
torischen Informationen auf. Da die gegenwär tigen Preise alle vergangenen Handelsdaten
beinhalten, ist es nicht möglich, historische P reise zu extrapolieren und einen Preistrend
vorauszusagen. Preise bewegen sich nur aufgrund von neuen und nicht aufgrund von al- ten
Informationen,weildiesebereitsindenPreisenverarbeitetsind.Zwaruntersuchtdietechnische
Analyse vergangene Preisbewegungen, um einen zukünftigen Preistrend bzw. ein Kauf oder
Verkaufssignalzubestimmen.
38
IstderMarktjedochinderschwachenForm
informationseffizient,sosindmitdieserStrategiekeineüberdurchschnittlichenRen-
diten möglich. Empirische Untersuchungen gelangen zu der Schlussfolgerung, dass in
entwickelten Märkten mithilfe der technischen Analyse keine erhöhten risikoadjustierten
Renditenerzieltwerdenkönnen. 39
In Schwellenländern hingegen, etwa in Ungarn, Bang- 40
ladesch und der Türkei, sind überdurchschnittliche Renditen möglich.
IneinemMarkt,indemdiehalbstrengeFormderInformationseffizienzvorherrscht,re-
flektierendiePreisenichtnurvergangene,sondernauchneueöffentlicheInformationen.
36
EinehöhererisikoadjustierteoderüberdurchschnittlicheRenditebedeutet,dassdieerzielteRendi-te
größeristalsdieaufgrunddesRisikosderAnlageerwarteteRendite.Dierisikogerechteerwartete
Rendite kann zum Beispiel mit dem Capital Asset Pricing Model (Einfaktormodell) oder mit dem
Fama/French-Modell (Multifaktorenmodell) berechnet werden. Die so ermittelte überdurchschnitt-
licheRenditestelltdassogenannteAlphadar.
37
Vgl. Fama 1970 : Efficient Capital Markets: A Review of Theory and Empirical Work, S. 383 ff.
38
FürdietechnischeAnalysevgl.Abschn. 6.4.39
Vgl.z.B.BessembinderundChan 1998:MarketEffficiencyandtheReturnstoTechnicalAna-lysis,S.5
ff.,undFifieldetal. 2005:AnAnalysisofTradingStrategiesinElevenEuropeanStockMarkets,S.531ff.
40
Vgl.Fifieldetal.2005:AnAnalysisofTradingStrategiesinElevenEuropeanStockMarkets,531ff.
S.
Beispiele von öffentlich zur Verfügung stehenden Informationen sind Daten aus den Jah-
resrechnungen und Medienmitteilungen (z. B. Di videnden, operative Cashflows, Gewinne,
ÄnderungenimManagementundinderStrategiedesUnternehmens)sowieFinanzmarkt-daten
(z. B. Anzahl gehandelter Aktien). In einem solchen Markt ist es nicht möglich, über- oder
unterbewertete Titel anhand öffentlich zugänglicher Informationen zu identi- fizieren, weil
diese Informationen bereits inden Preisen verarbeitet sind. Ein einzelner Investor hat keinen
Zugang zu öffentlichen Informationen, die ein anderer Anleger nicht bereits besitzt. Daher
können auf der Grundl age von öffentlich zur Verfügung stehenden Daten keine
überdurchschnittlichen Renditen erzielt werden. Gelangen neue öffentliche Nachrichten auf
den Markt, so verändern sich die Preise schnell und reflektieren den neuen Informationsstand.
Gibt ein Unternehmen einen nicht erwarteten hohen Gewinn bekannt, dann reagieren die
Marktteilnehmerauf diese Nachricht, sodass die neue Information schnell in den Preis einfließt.
In einem informationseffizienten Markt der halbstrengen Form sind überdurchsc hnittliche
GewinneaufderGrundlagesolcherNachrichtendahernichtmöglich.
InderRegelwerdenEreignisstudieneingesetzt,umempirischzuprüfen,obdieIn-
formationseffizienzaufeinemMarkthalbstrengist.ZuerstmussdasEreignisdefiniertwerden,
wieetwaeinnichterwarteterhoheroderniedrigerUnternehmensgewinn. 41
In
einemzweitenSchrittlegtmaneinebestimmteZeitperiodefestundidentifiziertUnter-nehmen,
dienichterwarteteGewinnewährenddieserZeitperiodeveröffentlichthaben.Fürjedeeinzelne
AktiewirddieerwarteteRendite amTagderGewinnveröffentlichungberechnet.Die erwartete
AktienrenditekannanhandverschiedenerFaktormodellewiedemCapitalAssetPricingModel
(Einfaktormodell)unddemFama/French-Modell(Mul-tifaktorenmodell)bestimmtwerden.
42
DieDifferenzzwischenderbeimEreignisrealisier-ten
RenditeunddererwartetenRenditestelltdieabnormalebzw.überdurchschnittliche
Rendite dar. Ein Hypothesentest gibt Aufsc hluss, ob die überdur chschnittliche Rendite
statistisch von null abweicht. In einem informationseffizienten Markt der halbstrengen Form
reagiert der Aktienpreis schnell und angemessen auf die neue öffentliche Infor- mation. Liegt
eine überdurchschnittliche Rendite am Gewinnveröffentlichungstag vor, ist das ein Indiz für
eineninformationseffizientenMarktderhalbstrengenForm,weilderPreisdieneueInformation
rasch absorbiert hat. Demgegenüber ist die Annahme der halbstrengen
Marktinformationseffizienz verletzt, wenn beispielsweise abnormale Renditen Tage nach der
Gewinnveröffentlichung vorliegen. In wissenschaftlichen Arbeiten werden verschiedene
Ereignisstudien durchgeführt und unternehmensspezifische Informationen wie Fusionen,
Änderungen der Dividende, Aktiensplits und unerwartete Gewinne sowie weltweit
ökonomisch relevante Ereignisse wie Gesetzes- und Steueränderungen untersucht. Die
empirischenErgebnissezeigenmehrheitlichundaufkonsistenterBasis,dass
41
EinnichterwarteterüberraschendhoherGewinnstellteineguteNachrichtdar,sodassderAkti-enkurs
steigt.EinüberraschendniedrigerGewinnodereinunerwarteterVerlustwirdhingegenals
eine schlechte Nachricht wahrgenommen und der Preis der Aktie fällt. 42
Vgl. Abschn. 4.4 für das Capital Asset Pricing Model und Abschn. 5.6.2 für das Fama/French-
Modell.
in entwickelten Ländern eine halbstrenge Informationseffizienz der Märkte besteht. In

Schwellenländern hingegen zeigen die Forschungsergebnisse, dass die Märkte grundsätz- lich
nichtinhalbstrengerForminformationseffizientsind. 43
IneineminformationseffizientenMarktderstrengenFormsindsämtlichehistorischen,
öffentlichenundprivatenInformationenindenPreisenverarbeitet.PerDefinitionistein
informationseffizienterMarktderstrengenFormsowohlinderschwachenalsauchinder
halbstrengenForminformationseffizient.MitprivatenInformationenistesineinemsolchen
Marktnichtmöglich,überdurchschnittlicheRenditenzugenerieren.DiePreisespiegeln
privateInformationwider,etwadasWissendesManagementsüberdiefinan-zielleLageseines
Unternehmens,dasnichtöffentlichverbreitetwurde.LiegteinMarktmitstrenger
Informationseffizienzvor,führenprivateInformationenwieInsiderwissennichtzu
überdurchschnittlichenRenditen,weildieseInformationenbereitsindenPreisenenthalten
sind.EmpirischeTestszeigen,dassüberdurchschnittlicheRenditenmitpriva-ten(alsonicht
öffentlichen)Informationenerzieltwerdenkönnen.DaherexistierenkeineFinanzmärkteinder
strengenForm.
44
DerGradderMarkteffizienzistfürdieMarktteilnehmerinsofernwichtig,alsdieserdenWert
vonAnlagenbeeinflusst.DieFinanzmärkte(Wertpapiermärkte)entwickelterLänderweisen
hinsichtlichihrerInformationseffizienzgrundsätzlichfolgendeEigenschaftenauf:
Die Finanzmärkte besitzen eine schwache For m der Informationseffizienz. Investoren

können auf der Basis historischer Preise und deren Extrapolation in die Zukunft keine
überdurchschnittlichenRenditenerwirtschaften.
Die Finanzmärkte sind halbstreng informationseffizient. Investoren und Analysten müssen
inihrerAnlageentscheidungberücksichtigen,obneueöffentlicheInformatio-nenbereitsim
PreisenthaltensindundwieneueInformationendenWertbeeinflussen.
Die Finanzmärkte sind nicht in der strengen Form informationseffizient. Private Infor-
mationen sind in der Regel nicht öffen tlich zugänglich und können somit nicht allen
Investoren bekannt sein. Allerdings schützen Insidergesetze die Anleger davor, dass
Marktteilnehmer aufgrund von privaten Informationen (Insiderwissen) handeln und sich
einenVorteilverschaffen.
Sind die Märkte halbstreng informationseffizient, so können mit historischen und neuen
öffentlichen Informationen keine überdurchschnittlichen Renditen erzielt werden. In einem
solchen Marktumfeld ist eine passive Anlagestrategie grundsätzlich rentabler als eine aktive
Strategie.EineempirischeUntersuchungvonMalkiel(1995)zeigt,dassAnlage-fondsmiteiner
aktivenStrategiedenGesamtmarktimDurchschnittaufrisikoadjustierter
43
Vgl.z.B.Ganetal.2005:RevisitingShareMarketEfficiency:EvidencefromtheNewZealand
Australia,USandJapanStockIndices,S.996ff.,undRajaetal. 2009:TestingtheSemi-Strong
Form Efficiency of Indian Stock Market with Resp ect to Information Content of Stock Split An-
nouncements–AStudyofITIndustry,S.7ff.
44
Vgl. z. B. Rozeff und Zaman 1988 : Market Efficiency and Insider Trading: New Evidence, 25 ff.
S.
Basis nicht schlagen.45 AnlagefondsweisenvordemEinbezugvonManagementgebühren

undanderemAufwandimDurchschnittdiegleicheRenditewiederMarktauf,während
nach Abzug der Managementgebühren und de s anderen Aufwands die Rendite im Durch-
schnitttieferliegt.
2.4.2.2 Marktpreisanomalien
Grundsätzlich sind die Märkte in entwickelten Ländern informationseffizient in halbstren- ger
Form. Dennoch zeigen empirische Studien, dass eine Reihe von Marktineffizienzen bzw.
-anomalien bestehen, die fehlbewertete Anlagen zur Folge haben. Anhaltende Markt-
preisanomalien stellen Ausnahmen der Marktinformationseffizienz dar. Eine Marktpreis-
anomalie liegt immer dann vor, wenn der Preis einer Anlage nicht durch die zur Verfügung
stehendenInformationengerechtfertigtist.
EinePreisanomaliemussübereinelängereZeitperiodebestehen,ansonstenistsieein
ZufallsprodukteinerarbiträrgewähltenZeitperiode.DasAuffindengewinnbringen-der
MarktineffizienzenkanneinErgebnisderDatengewinnung(Data-Mining)sein.JemehrDaten
mitunterschiedlichenstatistischenMethodenuntersuchtwerden,destoeherfindetsichdas
gewünschteResultatbzw.eineprofitableAnomalie.Dahersolltemanzu-nächstdieHypothese
einermöglichenMarktineffizienzaufgrundrationalökonomischerÜberlegungendefinieren
understineinemzweitenSchrittanhandempirischerDatenüberprüfen.Dabeigilteszu
beachten,dassmithistorischenDateneineAnomalieentdecktwerdenkann,diezuGewinnenin
derVergangenheitgeführthat.WendetmanfürdieseMarktineffizienzeineHandelsstrategiean,
bedeutetdiesnichtzwingend,dasseineüber-durchschnittlicheRenditeanfällt.Esistdurchaus
möglich,dasseinevergangeneMarktin-effizienzheutenichtmehrvorliegt,weildiesedurch
Marktteilnehmerbereitsausgenutztwurde.IneineminformationseffizientenMarktistes
schwierig,dasseineAnlagestra-tegieaufkonsistenterBasiszukünftigeüberdurchschnittliche
Renditenabwirft.VielmehrwirdeineentdeckteMarktineffizienzsofortmiteinerStrategie
gewinnbringendumgesetzt,sodassderMarktindiesemTeilbereichwiedereffizientwirdund
überschüssigeGewin-nenichtmehrmöglichsind.
46
FernersindbeijederAnlagestrategiezumAusnutzenvon
MarktanomaliendasjeweiligeRisikounddieHandelskostenzuberücksichtigen.
EsgibteineVielzahlentdeckterPreisanomalien.Dieselassensichabhängigvonder
untersuchtenMethodeindreiKategorieneinteilen.DieersteKategorievonMarktinef-
fizienzenwieKalender-undMomentumanomalienistdurchdieAnalysevonMusternin
Renditezeitreihengegeben.AnhaltendeQuerschnittsmusterinRenditen,diesichauf
unterschiedlicheMerkmalewiezumBeispielGröße,WertundKurs-Gewinn-Verhältnis
stützen,stellendiezweiteKlassifizierungdar.AndereAnomalienwerdendurchunter-
schiedlicheMethoden,etwaEreignisstudien,bestimmt.Abb. 2.8gibteinenÜberblicküber
Preisanomalien,wobeidieseListenichtabschließendist.EinigedieserAnomalienwerden
nachfolgendbeschrieben.
45
Vgl. z. B. Malkiel 1995 : Returns from Investing in Equity Mutual Funds 1971 to 1991, S. 549 ff.
46
Vgl. Bodie et al. 2009 : Investments, S. 350.
Abb.2.8 Übersicht über Marktpreisanomalien
Zeitreihenanomalien
Mit Kalenderstudien versucht man, anhalte nde Zeitreihenmuster von Renditen während des
Kalenderjahreszufinden.EinsolchesRenditemusterstelltbeispielsweisederJanuar-effektdar,
der in den 1970er- und 1980er-Jahren in mehreren wissenschaftlichen Studien festgehalten
wurde.
47
AktienrenditensindimJanuarverglichenmitdenrestlichenMona-ten
imJahrwesentlichgrößer.DabeifallenüberdurchschnittlicheRenditenvorallemin
den ersten fünf Handelstagen im Januar an. Der Januareffekt verletzt die Hypothese infor-
mationseffizienter Märkte, weil die überdurchschnittlichen Renditen im Januar nicht auf
relevante neue Informationen zurückzuführen sind. Das Auftreten dieser Marktineffizienz
kannaufmehrerenGründenberuhen,dienachstehendaufgeführtsind.
InvestorenneigenausSteuerüberlegungendazu,VerlusteausAktienamEndedesJahreszu
realisieren.DerKapitalverlustausdenverkauftenPapierenvermindertdieSteu-erlastausden
Kapitalgewinnen.AmAnfangdesfolgendenJahreswerdenentwederdieverkauftenPapiereoder
neueattraktiveTitelgekauft.DiesesVerhaltenderInvestorenführtzufallendenAktienmärkten
EndeNovemberundimDezemberundzueinemAnstei-genderPreiseimJanuar.
48
EineweitereErklärungstelltdieSchönfärbereidesPortfolios
bzw.dasWindowDressingdurchPortfoliomanagerdar,dierisikoreicheWertpapiereamEnde
desJahresverkaufen.AufdieseWeisebesitztdasPortfoliofürdieBerichterstattung
47
Vgl. z. B. Dyl 1977 : Capital Gains Taxation and Year-End Stock Market Behavior, S. 165 ff., und
Roll 1983 : Vas Ist Das?, S. 18 ff.
48
DieverkauftenTitelsindmehrheitlichAktienvongeringerMarktkapitalisierungundmithoher
Volatilität.EbenfallsliegteinJanuareffektbeiAnleihenvor.DieserEffektistbeiAnleihenmiteinem
niedrigen Rating am größten.
am 31. Dezember weniger Risiken. Am Anfang des folgenden Jahres kaufen Portfolio-
manager, mit der Absicht, höhere Renditen z u erzielen, Anlagen mit höheren Risiken. Studien
jüngeren Datums zeigen, dassder Januareffekt bei Aktien und Anleihen nicht an- haltend ist und
folglich keine Marktpreisanomalie darstellt. Nimmt man eine angemessene Korrektur des
Risikos vor, sind überdurchschnittliche Renditen durch das Ausnutzen des Januareffekts nicht
möglich.
AndereKalendereffektesindderMonatsübergang,TagderWoche,dasWochenendeund
Ferien.BeimMonatsübergangseffektsinddieRenditenamletztenHandelstagdesMonatsim
VergleichzudenerstendreiHandelstagendesfolgendenMonatsgrößer.Beim
Tag-der-Woche-EffektistdieRenditeamMontagimDurchschnittnegativundkleinerver-
glichenmitdenRenditenderanderenvierWochentage,dieallesamtpositivsind.Beim
WochenendeffektsinddieRenditenamWochenendekleiner.DerFerieneffektistgekenn-
zeichnetdurchhoheRenditenvordenHandelsferien.
DieMomentum-MarktpreisanomalienbeziehensichaufkurzfristigePreisbewegungenvon
Aktien.SohandelnInvestorenbeiderVeröffentlichungvonnichterwartetenIn-formationen
überstürzt.BeigutenNachrichtensteigendiePreiseübermäßig,währendsiebeischlechten
Neuigkeitenzustarkfallen.ÜberträgtmandiesenEffektderÜber-reaktionineine
gewinnbringendeStrategie,mussman„Verlierer“-Anlagenkaufenund„Gewinner“-Anlagen
verkaufen.FindetimFolgendeneinePreiskorrekturaufdenMärk-tenstatt,realisiertmaneine
überdurchschnittlicheRendite.
Querschnittsanomalien
Geht man von einem effizienten Markt aus, liegen sämtliche Anlagen auf der Wertpa-
piermarktlinie, die für einzelne Titel die erwartete Rendite in Beziehung zum systematischen
Risikowiedergibt. 49
AlleAnlagenverfügenübereineaufderWertpapiermarktlinie
liegenderisikoadjustierteRendite,weildiePreisesämtlicherelevantenöffentlichenIn-
formationen,welchedieVerlustgefahrbeeinflussen,widerspiegeln.Querschnittsstudien
untersuchen,obesmitöffentlichenInformationenmöglichist,diezukünftigeVerteilungvon
risikoadjustiertenRenditeneinerAnlagezuermitteln.Findetmanunter-oderüberbe-wertete
Titel,liegteinePreisanomalievor.
50
EineStudievonFamaundFrench(1998)zeigt,dassAktienmiteinerWertorientierung
(Value-Aktien)imVergleichzuAktienmiteinerWachstumsorientierung(Growth-Aktien)
konsistenthöhererisikoadjustierteRenditenüberlängereZeitperiodenaufweisen. 51
Ak-
tien mit Wertorientierung sind durch unterdurchschnittliche Kurs-Gewinn-Verhältnisse und
Kurs-Buchwert-Verhältnisse sowie durch überdurchschnittliche Dividendenrendi-
ten gekennzeichnet. Diese Anomalie bei Value-Aktien verletzt die halbstrenge Form der
49
Für die Wertpapiermarktlinie vgl. Abschn. 4.4.3 .
50
DieempirischenQuerschnittstestszeigen,obrisikoadjustierteRenditeninderZukunftvorausge-sagt
werdenkönnen.DieErgebnissekönnenentwederaufdieMarktineffizienz(Preisanomalie)oderaufdas
verwendetefinanzmarkttheoretischeModellzurückgeführtwerden.EinModell,welchesdasRisiko
falschmisst,führtzufehlerhaftenrisikoadjustiertenRenditen.
51
Vgl. z. B. Fama und French 1998 : Value versus Growth: The International Evidence, S. 1975 ff.
Markteffizienz, weil die Informationen zur Klassifizierung von Value- und Growth-Aktien
öffentlichzurVerfügungstehen.
Unternehmensgröße Sie gelangen zu dem Schluss, den dass
Einfluss
Aktien
Banz
mit
dergeringer Marktkapita
lisierungund
(1981) im Vergleich
Reinganum zu (1981)
Titeln mit
haben
großer
(Marktkapitalisierung)
Marktkapitalisierung konsistent
52 höhere
auf risikoadjustierte
risikoadjustierte Renditen
Renditen
aufweisen.
untersucht.
In nachfol- genden Studien konnte dieser
Größeneffekt nicht mehr eindeutig nachgewiesen werden.
53
Ebenfalls zeigen Untersuchungen von Brown, Kleidon und Marsh (1983), dass sich der
GrößeneffektüberdieZeithinwegnichtstabilverhält.IneinigenZeitperioden(z.B.von1967bis
1975) haben Aktien mit großer Marktkapitalisierung verglichen mit Titeln von geringer
MarktkapitalisierunghöhererisikoadjustierteRenditenerzielt.
54
AndereAnomalien
Ein geschlossener Investmentfonds gibt eine bestimmte Anzahl an Anteilsscheinen aus, die
nach der Emission auf dem Aktienmarkt (Sekundärmarkt) gehandelt werden. Die Prei- se der
Anteilsscheine auf dem Markt werden durch Angebot und Nachfrage bestimmt. Der Wert der
Papiere entspricht dem Nettovermöge nswert, der aus der Differenz zwischen dem
Vermögenswert abzüglich Verbindlichkeiten dividiert durch die Anzahl ausstehender An-
teilsscheine besteht. Eine Studie von Dimson und Minio-Kozerski (1983) zeigt, dass die Titel
miteinemPreisabschlagzumNettovermögenswertgehandeltwerden.DerPreisab-schlagliegt
imDurchschnittzwischen4%und10%.
55
Diese Abschläge können unter
anderem durch Managementgebühren, erwar tete Performanceauszahlungen an Manager,
Steuerverbindlichkeiten aufgrund von nicht realisierten Kapitalgewinnen und -verlusten,
Marktliquidität und Fehlern bei der Berechnung des Nettovermögenswerts erklärt werden.
Berücksichtigt man die Transaktionskosten, lohnt sich das Ausnutzen dieser Preisanoma- lie
nicht.
56
EsexistierenauchEreignisstudien,wieetwaUntersuchungenüberdieBekanntgabevon
Gewinnüberraschungen,welchediehalbstrengeFormderMarktinformationseffizienzinfrage
stellen.DerunerwarteteTeildesUnternehmensgewinnsistbeieineminformati-onseffizienten
MarktnichtimAktienpreisenthalten.DaherfindeteinePreiskorrekturstatt,wenneinunerwartet
hoherodertieferGewinnbekanntgegebenwird.Positive(negative)Gewinnüberraschungen
führenbeiderVeröffentlichungzueinemhöheren(niedrigeren)
52
Vgl.Banz1981:TheRelationshipbetweenReturnandMarketValueofCommonStocks,S.3ff.,und
Reinganum1981:MisspecificationofCapitalAssetPricing:EmpiricalAnomaliesBasedon
Earnings’ Yields and Market Values, S. 19 ff. 53
Vgl.FamaundFrench2008:DissectingAnomalies,S.1653ff.DerGrößeneffektliegtnurbeiAktien
miteinerMikrokapitalisierungvor.BeiAktienmitkleinerundgroßerMarktkapitalisierungbestehtkeine
Preisanomalie.
54
Vgl.Brownetal. 1983:NewEvidenceontheNatureofSize-RelatedAnomaliesinStockPrices,33ff.
S.
55
Vgl. Dimson und Minio-Kozerski 1999 : Closed-End Funds: A Survey, S. 1 ff.
56
Vgl. Pontiff 1995 : Closed-End Fund Premia and Returns Implications for Financial Market Equi-
librium, S. 341 ff.
Aktienpreis. Empirische Studien zeigen, dass sich die neue Information in den Preisen
niederschlägt, wobei die Preisanpassung allerdings nicht immer effizient ist. Bei einer
GewinnüberraschungerfolgtdiePreiskorrekturvor,währendundauchnachderBekannt-gabe.
57
DieselangsamePreisanpassungermöglichtes,nachderVeröffentlichungmitdem
Kaufbzw.VerkaufderAktieneineüberdurchschnittlicheRenditezuerzielen.Be-rücksichtigt
manTransaktionskostenunddieRisikenderStrategie,reduziertsichdasGewinnpotentialaus
dieserPreisanomalieallerdingserheblich.
BeieinemInitialPublicOffering(IPO)bieteteinUnternehmenzumerstenMaleinenTeil
seinerAktienanderBörsean.DerBörsengangwirddurcheineInvestmentbankun-terstützt,die
beiderPreisbestimmungundVermarktungderPapierehilft.DabeistelltdieFestlegungeines
angemessenenAktienpreiseseinschwierigesUnterfangendar,weilkeinMarktpreisfürdie
Titelvorhandenist.AufgrunddieserUnsicherheiterstauntesnicht,dassderEmissionspreiszu
niedrigangesetztwirdundderAktienpreisamEndedeserstenHandelstagesdeutlichhöherist.
EineStudievonHanley(1993)zeigt,dassInvestorenbeieinemIPOimDurchschnittabnormale
Renditenerzielen,wennsiediePa-pierezumEmissionspreiskaufen.
58
ZumBeispielstiegendieAktienpreiseetwawährendder
Hightech-Blasevon1995bis2000beieinerVielzahlvonBörsengängenamEndedesersten
Handelstagesumrund100%.DiesePerformanceistjedochnichtimmerzubeobachten.Esist
auchmöglich,dassderEmissionspreiszuhochangesetztwirdundderPreisdesWertpapiersam
EndedeserstenHandelstagesniedrigerist.
59
Fernerbe-
stätigteineStudievonRitter(1991),dassderAktienkaufnachdemBörsengangkeine
überdurchschnittlichenGewinneabwirft,weilderMarktpreisraschdeninnerenWertderAktie
widerspiegelt.AuchdieseErkenntnissescheinenzuzeigen,dassdieFinanzmärktevonder
halbstrengenFormderInformationseffizienzgeprägtsind.
60
DasAusnutzenderbeschriebenenMarktpreisanomalienistinderPraxisnichteinfach.
EmpirischeStudienargumentieren,dassAnomaliendieMarktinformationseffizienznicht
verwerfen,weilsiedasResultatvonverwendetenstatistischenMethodensind.Korrigiertman
diesenEffekt,verschwindendiemeistenPreisanomalien.AußerdemkönnenMarkt-akteure
beimEintreffenneuerInformationenüber-oderunterreagieren,waswiederumdazuführt,dass
dieFinanzmärkteimDurchschnitteffizientsind.
61
57
Vgl. Jones et al. 1984 : Stock Returns and SUEs During the 1970’s, S. 18 ff.
58
Vgl.z.B.Hanley1993:TheUnderpricingofInitialPublicOfferingsandthePartialAdjustment
Phenomenon,S.231ff.,undIbbotsonetal.1994:TheMarket’sProblemswiththePricingofInitialPublic
Offerings,S.66ff.
59
EinBeispieleineszuhohenAusgabepreisesistdieEmissionderFacebook-Aktienvom18.Mai2012.In
denerstendreiHandelstagenistdieAktievonUSD38aufUSD31,12gefallen,waseinen
Preisrückgang von rund 18 % darstellt.
60
Vgl. Ritter 1991 : The Long-Run Performance of Initial Public Offerings, S. 3 ff.
61
Über- und Unterreaktionen heben sich gegenseitig auf. Vgl. Fama 1998 : Market Efficiency, Long-
Term Returns, and Behavioral Finance, S. 283 ff.
2.4.2.3 BehavioralFinanceundMarkteffizienz
Die Denkweise und das Verhalten von Marktteilnehmern beeinflussen die Preise auf den
Finanzmärkten. Die Behavioral-Finance-Theorie versucht zu erklären, ob die Anlageent-
scheidungenvonIndividuenrationaloderirrationalsind. 62
DabeiliegtderSchwerpunkt
aufdenkognitivenVerzerrungenbeidenInvestitionsentscheidungen.DieMarkteffizienzund
diemeistenBewertungsmodellesetzenvoraus,dassderMarktrationalundinforma-
tionseffizientist.Daheristessinnvollzuuntersuchen,obdasVerhaltenderMarktakteureeinen
EinflussaufdieMarkteffizienzunddieAnlagepreisehat.
DiemeistenfinanzmarkttheoretischenModelleberuhenaufderAnnahme,dassdie
Marktteilnehmerrisikoaverssind.Risikoaversionbedeutet,dassAnlegerfüreinehöhe-re
VerlustgefahrmiteinerhöherenerwartetenRenditeangemessenkompensiertwerdenmöchten.
WirddasRisikoindenModellenmitderStandardabweichunggemessen,füh-rensowohl
positivealsauchnegativeAbweichungenvondererwartetenRenditezueinerErhöhungdes
Anlagerisikos.TatsächlichnehmenIndividuendasRisikoeinerAnlageal-lerdings
asymmetrischwahr.SoreagierensiestärkeraufVerlustealsaufGewinne.Sieverhaltensich
demnachverlust-undnichtrisikoavers,weilsiegroßeVerlustängstehaben.BeiVerlustenfindet
eineÜberreaktionstattunddiePositionenwerdeninderHoffnunggehalten,dasssichderPreis
wiedererholt.DemgegenüberwerdenAnlagenmitGewin-nenoftvielzuschnellveräußert.Es
wirdmehrZeitundEnergieindieVermeidungvonVerlustenalsindieErzielungvonGewinnen
eingesetzt.
EineweitereVerhaltenseigenschaftstelltdasübermäßigeVertrauenindieeigenenFä-
higkeitenbeiderAuswahlvonAnlagendar.WirddaseigeneVerständnisüberschätzt,istman
nichtinderLage,Informationensachgerechtzuverarbeiten.DiesführtzuFehl-entscheidungen
undfolglichbeieinemMassenverhaltenzuFehlbewertungenaufdenMärkten.
BeimsogenanntenTrugschlussdesSpielers(Gambler’sFallacy)bestehtdiefalsche
Vorstellung,dasseinzufälligesEreigniswahrscheinlicherwird,jelängeresnichteinge-treten
ist.DieserDenkfehlerhateinefalscheEinschätzungvonWahrscheinlichkeitenund
InvestitionsentscheidungenzurFolge(derZufallhatkeinGedächtnis).
DasPrinzipdermentalenBuchhaltung(MentalAccounting)kannbeiAnlegernbe-obachtet
werden,dieverschiedenePositionen,welcheGewinneundVerlusteaufweisen,gedanklichin
separateEinheitenaufteilen.DieseDenkweiseverhindert,dassdieAnlagenausderPortfolio-
unddamitausderDiversifikationsperspektivebetrachtetwerden,waszusuboptimalen
Anlageentscheidungenführt.
KognitiveVerzerrungenwiezumBeispielmentaleBuchhaltungundVerlustaversionkönnen
zueinemHerdenverhaltenodereinerInformationskaskadeführen.DiesozialeIn-teraktionunddie
darausresultierendeAnsteckungmitVerhaltensmusternsindwichtigeFaktoren,um
Preisänderungenzuerklären,dienichtaufneuerelevanteInformationenzu-
62
BehavioralFinancebeschäftigtsichmitdemVerhaltenvonIndividueninwirtschaftlichenSitua-tionen.
DabeiwerdenVerhaltensweisenuntersucht,dieimWiderspruchzudenModellannahmen
wie etwa Risikoaversion stehen.
rückzuführen sind. Marktweite Preisanomalien können nur durch kognitive Verzerrungen

entstehen,wennvieleIndividuendiesesunvernünftigeVerhaltenannehmen.
DasHerdenverhaltenistcharakterisiertdurchInvestoren,dieirrationalundgetriebendurch
Emotionen,wieGierundVerlustängste,einemPreistrendnacheifern.Sowerdenetwaaufgrund
vonGewinnmöglichkeitenbeieinerMarktblaseAktiengekauft,währenddiesebeieinem
BörsencrashausAngstvorVerlustenveräußertwerden.DasHandelnderMarktteilnehmermuss
sichentsprechendnichtaufdieVerarbeitungvonInformationenstützen.Beider
InformationskaskadehingegenkaufenundverkaufenInvestorenwegenandererAnleger,die
zuerstgehandelthaben.DabeiwerdendieAnlageentscheidungenvonanderenbeobachtetund
dannunabhängigvondeneigenenPräferenzenimitiert.DiesesVerhaltenkannzu
gleichgerichtetenAktienrenditenführenundentsprichtderPreisano-malieauseiner
ÜberreaktionderMarktteilnehmer.ObdasAnlageverhaltendurchdieInformationskaskade
rationalist,hängtvondenMarktteilnehmernab,diezuerstgekauftbzw.verkaufthaben.Agieren
diesevernünftigundsindsiegutinformiert,dannkönnendieKäufebzw.Verkäufedernicht
informiertenNachahmermitrationalemMarktverhal-tengleichgesetztwerden.Ineinem
solchenFallhelfendienichtinformiertenInvestoren,dierelevantenInformationenindiePreise
einfließenzulassen,wasdieMarkteffizienzerhöht.
DieBehavioral-Finance-Theorievermagzuerklären,wieMärktefunktionierenundPreise
bestimmtwerden.DabeibleibtdieFrageoffen,obdasunvernünftigeVerhaltenvonInvestoren
Preisanomaliengeneriert.Grundsätzlichistzwischenindividuellemundgesellschaftlichem
irrationalenVerhaltenzuunterscheiden.ErstereskanndurchdenMarktausgeglichenwerden,
währenddasZweitedenMarktineffizientmachtunddiePreisevonihreminnerenWertentfernt.
DieAnnahmederMarkteffizienzkannnichtaufrechterhaltenwerden,wennInvestoren
rationalhandelnmüssen,damitdieMärkteeffizientsind.Esbestehenzuvielekogniti-ve
Verzerrungen,dieeinirrationalesVerhaltenderIndividuenzurFolgehaben.Demist
entgegenzuhalten,dassempirischeStudienmehrheitlichzudemSchlussgelangen,dassdie
MärkteinentwickeltenLänderngrundsätzlichinderhalbstrengenForminformations-effizient
sind.MithistorischenundneuenöffentlichenInformationenkönnendemnachrisikobereinigt
keineüberdurchschnittlichenRenditenerzieltwerden.
2.4.2.4 MarktliquiditätundHandelskosten
Die vorherrschende Marktliquidität beeinflusst den Wert von Anlagen. Finanzwerte mit
geringer Liquidität weisen eine große Geld-Brief-Spanne bzw. Bid Ask Spread auf. Die
Geld-Brief-Spanne bestehtausderDifferenzzwischen demKauf-und Verkaufspreis.Je größer
dieser Differenzbetrag ist, desto höher sind die Handelskosten. In einem quotegesteuerten
Markt
63
werden die Kauf- und Verkaufspreise von Händlern gestellt. Für den
63
DerHandelfindetgrundsätzlichauffolgendenMärktenstatt:quotegesteuerterMarkt,auftragsge-
steuerterMarktundBroker-Markt.IneinemquotegesteuertenMarkthandelnInvestorendirektmit
den Händlern, während in einem auftragsgesteuerten Markt der Handel zwischen den Investoren
Händler stellt der Bid-Preis den Ankaufspreis für eine bestimmte Anzahl an Wertschriften dar,
während der Ask-Preis den Verkaufspreis widerspiegelt. Dabei ist der Ask-Preis höher als der
Bid-Preis. Aus der Perspektive eines Investors ist die Ausführungeines Kaufauf- trags zu einem
niedrigen Ask-Preis vorteilhaf t. Bei einem Verkaufsauftrag hingegen wird ein hoher Bid-Preis
angestrebt.
Beispiel
Bid Ask Spread
Ein Portfoliomanager einer Bank übermittelt der eigenen Handelsabteilung einen Kauf-
auftrag für 500 Aktien. Die Aktien werden in einem quotegesteuerten Markt gehandelt. Der
MarktfürdieseAktienwirddurchdiedreiHändlerX,YundZgemacht.DieHandelsabteilung
sieht um 09.23 Uhr auf dem Bildschirm die folgenden von den drei Händlern eingegebenen
Preisangebote(inEUR):
Händler X: Bid von 55,85 für 300 Aktien und Ask von 55,95 für 600 Aktien,
Händler Y: Bid von 55,82 für 400 Aktien und Ask von 55,98 für 300 Aktien,
Händler Z: Bid von 55,80 für 300 Aktien und Ask von 55,90 für 400 Aktien.
Nachstehend sind die Bid-Preise vom höchsten bis niedrigsten Preis angeordnet, wäh- rend
die Ask-Preise vom niedrigsten bis höchsten Preis aufgeführt sind. Diese Reihen- folge
berücksichtigt den besten Kauf- und Verkaufspreis für die Handelsabteilung der Bank
(höchsterBid-bzw.niedrigsterAsk-Preis).
Bid Ask
Händler Zeit der Preis Quantität Händler Zeit der Preis Quantität
Eingabe (in EUR) Eingabe (in EUR)
X 09.22 55,85 300 Z 09.20 55,90 400
Y 09.21 55,82 400 X 09.22 55,95 600
Z 09.18 55,80 300 Y 09.18 55,98 300
Zu welchen Preisen kann die Handelsabteilung der Bank diesen Auftrag ausführen?
Lösung
DieHandelsabteilungderBankkauft400AktienvonHändlerZzueinemPreisvonEUR55,90
und100AktienvonHändlerXzueinemPreisvonEUR55,95proAktie.
Im Beispiel beträgt die Markt-Geld-Brie f-Spanne EUR 0,05 und berechnet sich aus der
Differenz zwischen tiefstem Ask-Preis und höchstem Bid-Preis (EUR 55;90EUR 55;85).
Die Markt-Geld-Brief- Spanne ist niedriger als die Bid Ask Spreads der einzelnen Händ-
ler.HändlerX,YundZhabenSpreadsvonEUR0,10,EUR0,16undEUR0,10,dieallesamtgrößer
alsdieMarkt-Geld-Brief-SpannevonEUR0,05sind.
(ohne Intermediation von Händlern) abgewickelt wird. In einem Broker-Markt hingegen stützt sich der
HändleraufeinenBroker,umeineGegenparteifürdenHandelzufinden.
WeistzumBeispieleineAktie,diezuEUR100gehandeltwird,einenBidAskSpreadvonEUR0,20
auf,beträgtderSpreadimVerhältniszumAktienpreis0,2%.EineAktiehingegen,dieeinenPreisvon
EUR10unddengleichenSpreadvonEUR0,20aufweist,besitzteineGeld-Brief-SpanneimVerhältnis
zumPreisvon2%.DemzufolgeverfügtdiezweiteAktiemiteinemhöherenSpread-Preis-Verhältnis
von2%überhöhereHandels-kosten.
DieHandelskostenbestehenausexplizitenundimplizitenKosten.DieexplizitenKos-ten
setzensichausdendirektenHandelskostenzusammenwieetwaKommissionenfürBroker,
SteuernundbezahlteGebührenfürdieBörse.DerHändlerbzw.InvestorerhältfürdieseKosten
eineRechnung.ImpliziteHandelskostenhingegenweisenkeineRech-nungaufundsetzensich
ausdenfolgendenKostenzusammen:
Geld-Brief-Spanne.
Auswirkung eines Handelsauftrags auf den Preis der Transaktion. Ein Händler bei-
spielsweiseteiltdenKaufvon800AnleiheninzweigleichgroßeAufträgevonje400Anleihen
auf.DieGeld-Brief-Spannebeträgt98,355zu98,675. 64
DerersteKaufauf-
tragvon400AnleihenerfolgtzueinemAsk-Preisvon98,675.NachdieserTransaktion
verändertsichdieGeld-Brief-Spanneauf98,371zu98,732.DerzweiteAuftragzumKauf
von400AnleihenwirdzueinemAsk-Preisvon98,732abgewickelt.DieersteTransaktion
hatzueinemPreisanstiegaufdemMarktgeführt,sodassdiezweiteTrans-aktionzueinem
höherenPreisvon
0;057.D 98;732 98;675/ durchgeführt wurde.
Beträgt der Nominalwert einer Anleihe EUR 5000, dann hat dies höhere Transaktions-
kosten von EUR 1140.D EUR 5000 0;00057 400/ zur Folge.
Opportunitätskosten entstehen aus einem nicht ausgeführten Kauf- bzw. Verkaufsauf-
trag.ZumBeispielgibteinHändlereinenlimitiertenKaufauftragfürAnleihenzueinemPreis
von 102,500 oder besser gut für 1 Tag in das System ein. Die Markt- Geld-Brief-Spanne
beträgt zu diesem Zeitpunkt 102,505 zu 102,846. Nach 1 Tagist der Auftrag nicht ausgeführt
worden und der Markt-Bid-Ask-Spread ist 102,524 zu 103,106. Die Differenz von 0,26
zwischen den beiden Markt-Ask-Preisen von 103,106 und 102,846 entspricht den
OpportunitätskostenfürdennichtdurchgeführtenKaufauf-trag.
Wartekosten entstehen, weil es nicht möglich ist, den Kauf- bzw. Verkaufsauftrag wäh-
rend der gewünschten Zeitdauer durchzuführen. Aufgrund der Größe des Auftrags und der
nicht gegebenen Marktliquidität kann d er Auftrag nur über eine längere Zeitperi- ode
abgewickelt werden. Während dieser Zeit dringen Informationen auf den Markt, die den
PreisbeeinflussenkönnenundsomithöhereimpliziteHandelskostenzurFolgehaben.
Einen Ansatz, um die expliziten wie auch impliziten Handelskosten auszurechnen, stellt der
AnsatzdesvolumengewichtetenDurchschnittspreises(VolumeWeightedAverage
64
Preise von Anleihen werden in Prozent des Nominalwerts gehandelt. Zum Beispiel bedeutet ein
Bid-Preis von 98,355 einen Preis von 98,355 % des Nominalwerts. Vgl. Abschn. 8.2 .
Price) dar. Der volumengewichtete Durchschnittspreis (VGDP) eines Wertpapiers ist sein
Durchschnittspreis während des Handelstages, der als Summe der volumengewichteten
Auftragspreise berechnet wird. So zum Beispiel werden während eines Handelstages zu
unterschiedlichen Zeitpunkten Aktien von Delta gekauft: 500 Aktienzu einem Titelpreis von
EUR 100, 600 Aktien zu einem Titelpreis von EUR 101 und 900 Aktienzu einem Titelpreis von
EUR103.DerVGDPvonEUR101,65lässtsichwiefolgtbestimmen:
500 EUR 100 C 600 EUR 101 C 900 EUR 103

VGDP D D EUR 101;65:
2000
Werden die 900 Aktien zu einem Preis von EUR 103 pro Titel gekauft, betragen die impliziten
HandelskostenEUR 1215ŒD .EUR 103 EUR 101;65/ 900. Der Nachteil dieses
Ansatzes besteht darin, dass der Händler den Zeitpunkt seiner Kauf- und Verkaufsaufträ-
ge mit der Höhe des VGDP abstimmen und so die impliziten Handelskosten beeinflussen kann.
Darüber hinaus werden die berechneten i mpliziten Handelskosten nicht weiter auf- geteilt,
sodass die Auswirkungen des Handelsau ftrags auf den Preis der Transaktion, die Wartekosten
und die Opportunitätskosten nicht bekannt sind. Ein besserer Ansatz, um die expliziten und
impliziten Handelskosten auszurechnen, stellt die Implementation Short- fall dar, die von
Händlern weniger gut manipuliert werden kann und auch die Herkunft der impliziten
Handelskostenwiedergibt.
65
2.5 Zusammenfassung
Die Rendite einer Finanzanlage besteht aus den Einnahmen (Dividenden bei Aktien
und Kupons bei Anleihen) und den Preisänderungen (Kapitalgewinne und -verluste). Die
periodischeAnlagerenditekannübereineodermehrerePeriodenermitteltwerden.
VergleichtmanunterschiedlicheAnlagenübermehrerePeriodenhinweg,lässtsicheinsolcher
VergleichmitderdurchschnittlichenRenditeanhanddesarithmetischenunddesgeometrischen
Mittelsdurchführen.DiearithmetischeRenditeisteinfachzube-rechnenundverfügtüberbekannte
statistische Eigenschaften. Die geometrische Ren- dite hingegen berücksichtigt den
Verzinsungseffekt und stellt bei einem sich nicht verändernden Anlagebetrag die bessere
PerformancegrößeimVergleichzurarithme-tischenRenditedar.VerändertsichderimPortfolio
investierteGeldbetragüberdieAnlagedauer,istdiegeldgewichteteRenditezuermitteln.
Die reale Rendite wird ohne Einbezug der Inflation als Entschädigung für die verlorene
Kaufkraftberechnet.SiebestehtausdemrealenrisikolosenZinssatz,dereineEntschädigung
für den Aufschub des Konsums darstellt, und einer Risikoprämie. Die reale Rendite nach
Steuern ist eine verläss liche Benchmark für die getätigten Anlage- entscheidungen eines
Investors.
65
Für die Implementation Shortfall vgl. Mondello 2015 : Portfoliomanagement: Theorie und An-
wendungsbeispiele, S. 50 ff.
2.5 Zusammenfassung 61
Die erwartete Rendite wird in der Portfoliotheorie vielfach auf der Basis von histori-
schen Renditen ermittelt. Dabei wird unterstellt, dass sich die Zukunft gleich verhält wie die
Vergangenheitbzw.dieRenditenstabilsind.
Das Risiko einer Anlage lässt sich durch eine Vielzahl von Größen wie etwa die Varianz bzw.
Standardabweichung, Semi-Varianz, Shortfall Probability und den Value at Risk
bestimmen.
Die Standardabweichung berechnet sich als Wurzel der durchschnittlich quadrierten
Renditeabweichungen. Je größer die Renditeabweichungen sind, desto größer ist die
Standardabweichung. Die Standardabweichung weist sowohl positive als auch negative
Abweichungen von einer erwarteten Größe auf. Positive Abweichungen stellen eine
Gewinnchance,negativeAbweichungeneineVerlustgefahrdar.
Das Downside-Risiko berücksichtigt hingegen nur negative Abweichungen von einer

Zielrendite und verkörpert das Risiko bzw. die Verlustgefahr besser als die Standard-
abweichung.
DerValueatRiskspiegeltdenVerlustbetrageinerAnlageunternormalenMarktver-hältnissen
wider, den man mit einer bestimmten Wahrscheinlichkeit über eine gewisse Zeitperiode
hinwegverlierenkann.DieseVerlustgrößekannsowohlalsmaximalerwieauchalsminimaler
VAR definiert werden. Es gibt verschiedene Berechnungsmetho- den für den VAR wie die
analytischeoderVarianz-Kovarianz-Methode,diehistori-scheSimulationsmethodeunddie
Monte-Carlo-Simulation. Verfügt beispielsweise das Portfolio über Optionen, sind die
Marktwertveränderungen nicht normalverteilt. Die Berechnung des VAR eines solchen
PortfolioserfolgtmitderhistorischenSimulati-onsmethodeoderMonte-Carlo-Simulation.
Zusätzlich kann der VAR die Eigenschaft der Subadditivität verletzen. Da der VAR unt er
normalenMarktverhältnissenberech-netwird,gibterbeiextremenMarktbewegungenbzw.
beieinemCrashkeineAuskunftüberdenmöglichenVerlustbetrag.
Neben der erwarteten Rendite und dem Risiko sind weitere Anlageeigenschaften wie die
Schiefe und die Kurtosis einer Renditeverteilung, aber auch die Informationseffizi- enz der
MärkteundderenLiquiditätzuberücksichtigen.
DieSchiefederVerteilungmisstdenSymmetriegradderRenditenumdenErwartungs-wert.
Eine Normalverteilung weist eine Schiefe von null auf. Bei einer rechtsschiefen Verteilung
sinddieVerlustekleinundhäufig,währenddieGewinneextremhochundwenigerhäufigsind.
Eine linksschiefeVerteilung hingegen ist durch mehr kleine Ge- winne sowie durch wenige
extremhoheVerlustegekennzeichnet.
Die Kurtosis misst den Grad der Steilheit in der Verteilungsmitte und den Grad der
Ausbuchtungen an den beiden Verteilungsenden. Eine Normalverteilung besitzt eine
Kurtosis von 3, während die Excess-Kurtosis bei 0 liegt. Sind die Renditen nicht nor-
malverteilt, muss die Analyse durch den E inbezug von höheren zentralen Momenten der
VerteilungwiedieSchiefeundKurtosiserweitertwerden.
Der Grad der Informationseffizienz eines Marktes hat einen Einfluss auf den Wert von
Anlagen.FamaunterscheidetdreiFormenderMarkteffizienz:schwach,halbstreng
und streng. Die Informationseffizienz eines Marktes ist schwach, wenn nur historische
Informationen im Preis enthalten sind. Marktteilnehmer sind nicht in der Lage, über-
durchschnittliche Renditen zu erzielen, wenn sie aus historischen Preisen Trends ex-
trapolieren. Bei einer halbstrengen Form der Informationseffizienz spiegeln die Markt-
preise sowohl historische als auch neue öffentliche Informationen wider. Öffentliche
Informationen bestehen aus Jahresrechnungs- und Finanzmarktdaten. Werden öffent- lich
zur Verfügung stehende Informationen verwendet, sind in einem informationseffizienten
Markt der halbstrengen Form keine überdurchschnittlichen Renditen möglich. In der
strengen Form der Informationseffizienz sind sämtliche historischen, öffentli- chen und
privaten Informationen in den Prei sen verarbeitet. In einem solchen Markt ist es sogar
unmöglich,überdurchschnittlicheRenditenmitprivatenInformationen(Insi-derwissen)zu
erzielen. Empirische Untersuchungen zeigen, dass entwickelte Länder eine halbstrenge
Form der Markteffizienz aufweisen, während in Schwellenländern Fi- nanzmärktemiteiner
schwachenFormderInformationseffizienzdieRegelsind.
Es gibt eine Vielzahl von Marktpreisanomalien, die sich durch die untersuchten
Methoden in drei Kategorien einteilen lassen: Zeitreihen (z. B. Januareffekt), Quer-
schnitte (z. B. Größe und Wert-Effekt, Kurs-Gewinn-Verhältnis sowie Kurs-Buchwert-
Verhältnis) und andere (z. B. Gewinnüberraschung und IPO). Das Auffindenvon
Anomalienistnichteinfach.KorrigiertmandiefürdieIdentifikationderMarktineffizi-enzen
eingesetztenstatistischenMethoden,verschwindendiemeistenPreisanomalien.Ferner
findetbeimEintreffenneueröffentlicherInformationenentwedereineÜber-oder
UnterreaktionderInvestorenaufdemMarktstatt,wasdazuführt,dasssichdiegegenläufigen
ReaktionenaufhebenunddieMärkteimDurchschnitteffizientsind.
Da die Analyse von öffentlichen Informationen in einem informationseffizienten Markt der

halbstrengen Form zu keinen überdurchschnittlichen Renditen führt, ist eine passive
AnlagestrategiegegenübereineraktivenStrategievonVorteil.
Die vorherrschende Liquidität beeinflusst die Preise der Anlagen auf dem Markt. Die
Handelskosten setzen sich aus expliziten und impliziten Kosten zusammen. Zu den
impliziten Handelskosten gehören die Auswirkung des Handelsauftrags auf den Preis der
Transaktion,dieWartekostenunddieOpportunitätskosten.
2.6 Aufgaben
Aufgabe1
Ein Investor hat am Anfang des Quartals 200 Aktien für einen Preis von EUR 25 pro Titel
gekauft.AmEndedesQuartalserhältereineDividendevonEUR5proAktieundderPreisdes
PapiersbeträgtEUR30.WiehochistdieAnlagerenditefürdasQuartal?
2.6 Aufgaben 63
Aufgabe2
Es liegen folgende jährliche Renditen einer Aktie vor:
Jahre Jährliche Renditen

2013 12 %
2014 24 %
2015 35 %
2016 10 %
a) WiehochistdieAnlagerenditeüberden4-jährigenZeitraumvon2013bis2016?Wiehoch
b) istdiejährlichearithmetischeRendite?
c) Wie hoch ist die jährliche geometrische Rendite?
Aufgabe3
Es liegen die folgenden Renditen von vier Anlagefonds vor:
Anlagefonds Zeitdauer nach Fondsauflegung Rendite seit Fondsauflegung

Delta 78 Tage 3;52 %
Gamma 136 Tage 4;58 %
Vega 18 Wochen 4;81 %
Rho 14 Monate 20,44 %
Welche der vier Anlagefonds verfügt über die höchste jährliche Rendite?
Aufgabe4
Für vier Anlageklassen sind die folgenden Renditen bekannt:
Anlageklassen Renditen
Aktien 9,5 %
Unternehmensanleihen 4,4 %
Unverzinsliche Schatzanweisungen (risikolos) 2,1 %
Inflation 1,3 %
a) Wie hoch ist die reale Rendite bei Aktien und Unternehmensanleihen?
b) Wie hoch ist die Risikoprämie bei Aktien und Unternehmensanleihen?
c) Der Steuersatz beträgt 30 %. Wie hoch s ind die realen Renditen nach Steuern für Aktien
undUnternehmensanleihen?
Aufgabe5
Ein Portfoliomanager hat von einem Kunden CHF 1 Mio. erhalten, die er in einem gut
diversifiziertenAktienportfolioanlegt.Nach1JahristderWertderAnlageum8%gestiegen.
Der Kunde ist mit dem Portfoliomanager zufrieden und übergibt ihm am Ende des 1. Jahres
nochmalsCHF
1 Mio.zurVerwaltung.Im2.JahrnimmtderWertder
Anlagekombinationum12%zu.Im3.JahrfälltderPortfoliowertum4%undder
Kunde zieht CHF 500:000 ab.Im4.,5.und6.JahrverändertsichderMarktwertder%und12
Anlage um 16 %, 8 %.AmEndedes6.JahreszahltderKundewiederum
CHF 1 Mio. ein. Im 7. und 8. Jahr verändert sich der Wert der Anlagekombination um
4 % und 8 %.
a) Wie hoch sind die geldgewichtete Rendite und die geometrische Rendite dieser Anlage?
b) Welches sind die Unterschiede zwischen der geldgewichteten Rendite und der geo-
metrischenRendite?
Aufgabe6
Esliegenfolgendejährliche,stetigeRenditeneinerAktievor(Annahme:Grundge-samtheit
derRenditedaten):
Jahre Jährliche Anlagerenditen

2013 12 %
2014 24 %
2015 35 %
2016 10 %
a) Wie hoch ist die durchschnittliche Abweichung der stetigen Renditen?

b) Wie hoch ist die absolute durchschn ittliche Abweichung der stetigen Renditen? Wie
c) hochistdieStandardabweichungderstetigenunddereinfachenRenditen?
Aufgabe7
EineBankhatimGeschäftsberichtfürdasHandelsportfolioeinentäglichenValueatRiskvon
EUR 25 Mio. mit einem Konfidenzniveau von 95 % veröffentlicht. Wie lässt sich diese
Risikogrößeinterpretieren?
2.6 Aufgaben 65
Aufgabe
Es liegt die folgende Wahrscheinlichkeitsverteilung von jährlichen Portfoliorenditen vor:
Portfoliorenditen Wahrscheinlichkeit
weniger als 25 % 0,01
25 % bis 20 % 0,02
20 % bis 12 % 0,02
12 % bis 5 % 0,05
5 % bis 0 % 0,20
0 % bis 5 % 0,15
5 % bis 12 % 0,15
12 % bis 16 % 0,15
16 % bis 22 % 0,10
22 % bis 25 % 0,10
mehr als 25 % 0,05
1,00
Der Marktwert des Portfolios beträgt EUR 25 Mio.
a) Wiehochistderabsolute1%-VARfüreineZeitperiodevon1Jahr?Wiehoch
b) istderabsolute5%-VARfüreineZeitperiodevon1Jahr?
Aufgabe9
Ein Portfolio weist einen Marktwert von CHF 2 Mio. auf. Die erwartete jährliche Port-
foliorendite beläuft sich auf 8 %, während die annualisierte Volatilität bei 25 % liegt. Die
normalverteilten Renditen des Portfolios fallen unabhängig voneinander an und sind
demnachnichtmiteinanderkorreliert.
a) Wie hoch ist der absolute 5 %-VAR für 1 Jahr?

b) Wie hoch ist der absolute 5 %-VAR für 1 Monat?
c) Wie hoch ist der absolute 2,5 %-VAR für 1 Woche?
d) Wie hoch ist der absolute 1 %-VAR für 1 Tag (250 Handelstage pro Jahr)?
Aufgabe10
DieTabellezeigtdenjeweiligenSchlussstanddesSMIunddiejährlichenRenditenvon2001
bis2011.
Jahre Schlussstand des SMI Veränderung Jährliche Renditen

2001 6417,84
2002 4630,75 1787;09 27;85 %
2003 5487,81 857,06 18;51 %
2004 5693,17 205,36 3;74 %
2005 7583,93 1890,76 33;21 %
2006 8785,74 1201,81 15;85 %
2007 8484,46 301;28 3;43 %
2008 5534,53 2949;93 34;77 %
2009 6545,91 1011,38 18;27 %
2010 6436,04 109;87 1;68 %
2011 5936,23 499;81 7;77 %
Die Analyse der Renditeverteilung des SMI erfolgt über die ersten vier Momente
der Verteilung: Zentraltendenz, Dispersion, Schiefe und Kurtosis.
a) Um die Zentraltendenz der Renditeverteilung zu beschreiben, müssen für die Ren- diten
in der Stichprobe der arithmetische Mittelwert, der Modalwert und der Me- dianwert
ermitteltwerden.WiehochsinddiearithmetischeRenditeunddieMedi-anrendite?
b) Um die Breite bzw. Dispersion der Renditeverteilung zu analysieren, können die

absolute durchschnittliche Abweichung, die Standardabweichung und die Semi-
Varianz berechnet werden. Wie hoch ist die Standardabweichung der Renditen?
Um das Ausmaß der Abweichung der Renditeverteilung von der Normalverteilung
c) zu beurteilen, sind die Schiefe und die Kurtosis zu bestimmen. Wie hoch sind die
Schiefe und die Excess-Kurtosis für den SMI und wie können diese Größen inter-
pretiert werden?
Aufgabe11
Es liegen folgende Aussagen über die Informationseffizienz der Märkte vor:
1. Es besteht eine halbstrenge Form der Informationseffizienz, wenn Anlagepreise his-

torischeundneueöffentlicheInformationenwiderspiegeln.
2. Informationseffiziente Märkte in der halbstrengen Form sind nicht unbedingt
schwach informationseffizient.
3. In einem halbstrengen informationseffizienten Markt generiert man mit einer passiven
Anlagestrategie gegenüber einer aktiven Strategie in der Regel eine höhere Renditen

Sprache

Mondello 2017

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Mondello 2017

Hochgeladen von

Copyright:

Verfügbare Formate

Multilizer PDF Translator Free version - translation is limited to ~ 3 pages per translatio

ISBN 978-3-658-13198-2 ISBN 978-3-658-13199-9 (eBook)

Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier.

Springer Gabler ist Teil von Springer Nature

nern führen. Schließlich kann das vorliegende Werk auch in Weiterbildungslehrgängen an

Risch, im Juli 2017 Dr. Enzo Mondello

1 Einführung in die Finance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2 Rendite, Risiko und Markteffizienz . . . . . . . . . . . . . . . . . . . . . . . . . 13

4 Einfaktormodelle .................................... 143

4.3 Instabilität der Effizienzkurve ......................... 162 Capital Asset

5 Multifaktorenmodelle ................................. 203

6 Aktienanalyse ....................................... 261

7 Aktienbewertung .................................... 319

Teil III Anleihen

8 Anleihen: Grundlagen ................................. 405

9 Preis- und Renditeberechnung von optionsfreien Anleihen 9.1 ......... 485

9.3.2Risikolose Zinsstrukturkurve (Basiszinskurve) ......... 512

10 Risikoanalyse von Anleihen .............................. 557

10.3.2 Bonitätsrating ............................. 603

11 PreisberechnungvonAnleihenmiteingebettetenOptionen11.1 ......... 629

11.7.1 P r e i s b e r e c h n u n g ............................ 673

Teil IV Finanzderivate und Risikomanagement

12 Finanzderivate: Grundlagen ............................. 697

13 Forwards und Futures ................................. 763

13.2.4 E r w a r t u n g s m o d e l l ........................... 773

14 Swaps ............................................ 845

14.3.1 Komparative Vorteile und Währungsrisiken ........... 867

15 Optionen .......................................... 917

15.7.5 Gamma ................................. 974

17 Passives, aktives und semiaktives Portfoliomanagement ...........1063

ABS Asset Backed Securities

DCM Direct Clearing Member

iBunds inflationsindexierte Bundeswertpapiere mit einer Ursprungslaufzeit von

ICMA International Capital Markets Association

SMI Swiss Market Index

Abb. 2.1 Erwartete Rendite und Standardabweichung . . . . . . . . . . . . . . . . . 28

Abb. 6.8 Trendanalyse:KursentwicklungderDaimler-Aktievom24.August2011

Abb. 11.15 Preisberechnung der 3-jährigen variabel verzinslichen Anleihe mit

Abb. 15.15 Zusammenhang zwischen Vega, Basiswertpreis und Restlaufzeit der

Tab. 2.1 Arithmetische versus geometrische Rendite .................. 17

Tab. 9.3 Übersicht über Berechnungsweise von Spreads für optionsfreie

Tab. 15.3 Preisobergrenzen und -untergrenzen für europäische und amerikanische

© Springer Fachmedien Wiesbaden GmbH 2017 3

in den 1960er-Jahren und der Arbitragepreis-Theorie (APT)6 in den 1970er-Jahren. Das

Die strategische Asset-Allokation eines Po rtfolios wird in der Planungsphase erstellt.

sikoziele des Investors unter Berücksichtigung der Anlagerestriktionen erreicht werden

anspruchsvoller. Anleihen mit eingebetteten Kündigungsoptionen und Wandelanleihen

© Springer Fachmedien Wiesbaden GmbH 2017 13

.r/ , bestehend aus Kapital- und Dividendenrendite, berechnet

r.4/ D Œ.1 C r1 / .1 C r2 / .1 C r3 / .1 C r4 / 1; (2.2)

r1 ; : : :; r4 D jährliche Renditen der Jahre 1 bis 4.

r D durchschnittliche Rendite (arithmetisches Mittel),

Liegen drei jährliche Renditen von 40 %,25%und30%vor,beträgtdiearithmetische%

Liegen drei jährliche Renditen von 40 %,25%und30%vor,beträgtdiegeometrische 13

Die geometrische Rendite beträgt 0;84 %undistimVergleichzurarithmetischen

Tab.2.1 Arithmetische versus geometrische Rendite

EUR 1000 EUR 2000 EUR 800 EUR 3185

Jahre Verwaltete Vermögen zu Beginn des Nettorendite (in %)

Der Portfoliomanager möchte für Vergleichszwecke mit anderen Fondsanlagen fol-

1. Anlagerendite für den gesamten Investitionszeitraum von 4 Jahren,

Anlagerendite D .1;12/ .0;90/ .1;08/ .1;05/ 1

EUR 50 Mio. EUR 9 Mio. EUR 13;5 Mio.

r D .1 C rRFreal / .1 C INFL/ .1 C RP/ 1: (2.6)

VAR.A/ C VAR .B/ VAR .A C B/ : (2.22)