Kalendereffekte Am Aktienmarkt

Stefan Winkler
Kalendereffekte am Aktienmarkt
Eine empirische Analyse von ausgewählten Aktienindizes in

Europa
Masterarbeit
zur Erlangung des akademischen Grades
eines Master of Science
der Studienrichtung Betriebswirtschaft
an der Karl-Franzens-Universität Graz
Prof. Dr. Erik Theissen
Institut für Banken und Finanzierung
Graz, im Juni 2016

Ehrenwörtliche Erklärung
Ich erkläre ehrenwörtlich, dass ich die vorliegende Arbeit selbstständig und ohne
fremde Hilfe verfasst, andere als die angegebenen Quellen nicht benutzt und die
den Quellen wörtlich oder inhaltlich entnommenen Stellen als solche kenntlich
gemacht habe. Die Arbeit wurde bisher in gleicher oder ähnlicher Form keiner an-
deren inländischen oder ausländischen Prüfungsbehörde vorgelegt und auch noch
nicht veröffentlicht. Die vorliegende Fassung entspricht der eingereichten elektro-
nischen Version.
20.06.2016 Unterschrift
Inhaltsverzeichnis
Inhaltsverzeichnis ................................................................................................. I
Abbildungsverzeichnis ....................................................................................... IV
Tabellenverzeichnis ........................................................................................... VII
Abkürzungsverzeichnis .................................................................................... VIII
1 Einleitung........................................................................................................ 1
1.1 Problemstellung ....................................................................................... 1
1.2 Zielsetzung der Arbeit und Forschungsfrage ........................................... 1
1.3 Aufbau der Arbeit ..................................................................................... 2
2 Theoretische Grundlagen.............................................................................. 4
2.1.1 Homo oeconomicus ...................................................................... 4
2.1.2 Das Capital Asset Pricing Model ................................................... 6
2.1.2.1 Kapitalmarktlinie ............................................................. 9
2.1.2.2 Wertpapiermarktlinie ..................................................... 10
2.1.2.3 Kritik am CAPM ............................................................ 12
2.1.3 Arbitrage Pricing Theory ............................................................. 12
2.1.4 Die Markteffizienz-Hypothese ..................................................... 15
2.1.4.1 Die Prämissen der Markteffizienz-Hypothese: .............. 16
2.1.4.2 Formen der Informationseffizienz ................................. 17
2.1.5 Random Walk Hypothese ........................................................... 19
3 Kalendereffekte ............................................................................................ 21
3.1 Abgrenzungsversuch von Anomalien an Finanz- und Kapitalmärkten ... 22
I
3.2 Januareffekt ........................................................................................... 22
3.3 Verkaufe-im-Mai-Effekt .......................................................................... 24
3.4 Monatswechseleffekt ............................................................................. 26
3.5 Wochentageffekt .................................................................................... 27
3.6 Erklärungsansätze für Saisonalitäten am Aktienmarkt .......................... 28
3.6.1 Behavioral Finance ..................................................................... 29
3.6.1.1 Noise Trading ............................................................... 30
3.6.1.2 Market Overreaction ..................................................... 31
3.6.2 Tax-Loss-Selling Hypothese ....................................................... 32
4 Empirische Untersuchung .......................................................................... 33
4.1 Vorgehensweise .................................................................................... 33
4.2 Aktienindizes ......................................................................................... 34
4.2.1 Anforderungen an Aktienindizes ................................................. 34
4.2.1.1 Inhaltliche Anforderungen ............................................. 35
4.2.1.2 Technische Anforderungen ........................................... 36
4.2.2 Berechnungsarten von Aktienindizes .......................................... 37
4.3 Auswahlkriterien .................................................................................... 38
4.3.1 Untersuchte Aktienindizes ........................................................... 38
4.3.2 Verwendete Daten ...................................................................... 41
4.4 Untersuchung des Januareffektes ......................................................... 42
4.5 Untersuchung des Verkaufe-im-Mai-Effekt ............................................ 49

II
4.6 Untersuchung des Wochentageffektes .................................................. 52
4.7 Untersuchung des Monatswechseleffektes ........................................... 55
4.8 Diskussion der Ergebnisse .................................................................... 58
5 Zusammenfassung ...................................................................................... 62
Literaturverzeichnis ........................................................................................... 64
Anhang ................................................................................................................ 73
5.1 Deutschland – DAX ............................................................................... 73
5.2 Österreich – ATX ................................................................................... 76
5.3 Belgien – BEL 20 ................................................................................... 79
5.4 Italien – FTSE MIB ................................................................................ 82
5.5 Niederlande – AEX ................................................................................ 85
5.6 Portugal – PSI 20 .................................................................................. 88
5.7 Spanien – IBEX 35 ................................................................................ 91
5.8 Finnland – OMX Helsinki 25 .................................................................. 94
5.9 Frankreich – CAC 40 ............................................................................. 97
5.10 Irland – ISEQ ....................................................................................... 100
5.11 EUROSTOXX 50 ................................................................................. 103
III
Abbildungsverzeichnis
Abbildung 1: Kapitalmarktlinie des CAPM ............................................................ 10
Abbildung 2: Wertpapiermarktlinie des CAPM...................................................... 11
Abbildung 3: Beziehung der Formen von Informationseffizienz............................ 18
Abbildung 4: Die durchschnittlichen Monatsrenditen im Vergleich ....................... 23
Abbildung 5: Monatsrenditen in ausgewählten Ländern ....................................... 25
Abbildung 6: Wochentagesrenditen im Vergleich ................................................. 28
Abbildung 7: Winter- vs. Sommermonate ............................................................. 51
Abbildung 1: Monatsrenditen im Überblick: DAX .................................................. 73
Abbildung 2: Vergleich Winter-/ Sommermonate: DAX ........................................ 74
Abbildung 3: Monatswechseleffekt: DAX .............................................................. 74
Abbildung 4: Renditen nach Wochentagen: DAX ................................................. 75
Abbildung 5: Monatsrenditen im Überblick: ATX .................................................. 76
Abbildung 6: Vergleich Winter-/ Sommermonate: ATX ......................................... 77
Abbildung 7: Monatswechseleffekt: ATX .............................................................. 77
Abbildung 8: Renditen nach Wochentagen: ATX ................................................. 78
Abbildung 9: Monatsrenditen im Überblick: BEL 20 ............................................. 79
Abbildung 10: Vergleich Winter-/ Sommermonate: BEL 20 .................................. 80
Abbildung 11: Monatswechseleffekt: BEL 20 ....................................................... 80
Abbildung 12: Renditen nach Wochentagen: BEL 20 ........................................... 81
Abbildung 13: Monatsrenditen im Überblick: FTSE MIB ....................................... 82

IV
Abbildung 14: Vergleich Winter-/ Sommermonate: FTSE MIB ............................. 83
Abbildung 15: Monatswechseleffekt: FTSE MIB ................................................... 83
Abbildung 16: Renditen nach Wochentagen: FTSE MIB ...................................... 84
Abbildung 17: Monatsrenditen im Überblick: AEX ................................................ 85
Abbildung 18: Vergleich Winter-/ Sommermonate: AEX ...................................... 86
Abbildung 19: Monatswechseleffekt: AEX ............................................................ 86
Abbildung 20: Renditen nach Wochentagen: AEX ............................................... 87
Abbildung 21: Monatsrenditen im Überblick: PSI 20 ............................................ 88
Abbildung 22: Vergleich Winter-/ Sommermonate: PSI 20 ................................... 89
Abbildung 23: Monatswechseleffekt: PSI 20 ........................................................ 89
Abbildung 24: Renditen nach Wochentagen: PSI 20 ............................................ 90
Abbildung 25: Monatsrenditen im Überblick: IBEX 35 .......................................... 91
Abbildung 26: Vergleich Winter-/ Sommermonate: IBEX 35 ................................ 92
Abbildung 27: Monatswechseleffekt: IBEX 35 ...................................................... 92
Abbildung 28: Renditen nach Wochentagen: IBEX 35 ......................................... 93
Abbildung 29: Monatsrenditen im Überblick: OMX Helsinki 25 ............................ 94
Abbildung 30: Vergleich Winter-/ Sommermonate: OMX Helsinki 25 ................... 95
Abbildung 31: Monatswechseleffekt: OMX Helsinki 25 ........................................ 95
Abbildung 32: Renditen nach Wochentagen: OMX Helsinki 25 ............................ 96
Abbildung 33: Monatsrenditen im Überblick: CAC 40 ........................................... 97
Abbildung 34: Vergleich Winter-/ Sommermonate: CAC 40 ................................. 98

V
Abbildung 35: Monatswechseleffekt: CAC 40....................................................... 98
Abbildung 36: Renditen nach Wochentagen: CAC 40 .......................................... 99
Abbildung 37: Monatsrenditen im Überblick: ISEQ ............................................. 100
Abbildung 38: Vergleich Winter-/ Sommermonate: ISEQ ................................... 101
Abbildung 39: Monatswechseleffekt: ISEQ......................................................... 101
Abbildung 40: Renditen nach Wochentagen: ISEQ ............................................ 102
Abbildung 41: Monatsrenditen im Überblick: Eurostoxx 50 ................................ 103
Abbildung 42: Vergleich Winter-/ Sommermonate: Eurostoxx 50 ....................... 104
Abbildung 43: Monatswechseleffekt: Eurostoxx 50 ............................................ 104
Abbildung 44: Renditen nach Wochentagen: Eurostoxx 50 ............................... 105
VI
Tabellenverzeichnis
Tabelle 1: Untersuchung des Januareffektes ....................................................... 46
Tabelle 2: Januarrenditen im Vergleich ................................................................ 48
Tabelle 3: Untersuchung des Verkaufe-im-Mai-Effektes ...................................... 50
Tabelle 4: Wochentagsrenditen im Überblick ....................................................... 54
Tabelle 5: Untersuchung des Monatswechseleffekts ........................................... 57
Tabelle 6: Deskriptive Daten: DAX ....................................................................... 73
Tabelle 7: Deskriptive Daten: ATX ....................................................................... 76
Tabelle 8: Deskriptive Daten: BEL 20 ................................................................... 79
Tabelle 9: Deskriptive Daten: FTSE MIB .............................................................. 82
Tabelle 10: Deskriptive Daten: AEX ..................................................................... 85
Tabelle 11: Deskriptive Daten: PSI 20 .................................................................. 88
Tabelle 12: Deskriptive Daten: IBEX 35 ............................................................... 91
Tabelle 13: Deskriptive Daten: OMX Helsinki 25 .................................................. 94
Tabelle 14: Deskriptive Daten: CAC 40 ................................................................ 97
Tabelle 15: Deskriptive Daten: ISEQ .................................................................. 100
Tabelle 16: Deskriptive Daten: Eurostoxx 50...................................................... 103
VII
Abkürzungsverzeichnis
AEX Amsterdam Exchange Index
AFL American Football League
α Periodenbezogene Rendite Alpha
APT Arbitrage Pricing Theory
ASE American Stock Exchange
ATX Austrian Traded Index
BEL Belgian
β Betafaktor
CAC Cotation Assistèe en Continu
CAPM Capital Asset Pricing Model
CRSP Center for Research in Security Prices
DAX Deutscher Aktienindex
EOE European Options Exchange
FTSE MIB Financial Times Stock Exchange Milano Indice Borsa
IBEX Iberia Index
ISEQ Irish Sock Exchange Overall
KML Kapitalmarktlinie
MW Mittelwert
NFL National Football League
VIII
NYSE New York Stock Exchange
OMX Optionsmäklarna Helsinki
PSI Portuguese Stock Index
STABW Standardabweichung
WML Wertpapiermarktlinie
IX
1 Einleitung
1.1 Problemstellung
„An der Börse haben sich die Menschen stets gleich verhalten. Ihre Motive waren
Gier, Angst, Unwissenheit und Hoffnung. Deshalb entstehen immer wieder die
gleichen numerischen Formationen und Muster.“1
Mit diesem einleitenden Zitat soll die Stimmungslage am Kapitalmarkt beschrieben

werden. Vorwiegendes Ziel für Anleger und Anlegerinnen ist die Vermehrung des
eingesetzten Kapitals. Der Kapitalmarkt bietet die Möglichkeit, sein Kapital kurz-,
mittel- und langfristig zu veranlagen. Wann jedoch der beste Zeitpunkt ist, um In-
vestitionen zu tätigen, erscheint unklar. Die jeweiligen Aktienkurse unterliegen täg-
lichen Schwankungen, die je nach Informationsgehalt der neu eingehenden Mel-
dungen höher oder geringer sein können. Diese Schwankungen sind völlig normal
und sind Teil eines funktionierenden Aktienmarktes. Trotzdem stellt sich die Frage,
ob man in diesen Auf- und Abwärtsbewegungen ein zyklisches Muster oder ent-
sprechende Regelmäßigkeiten beobachten kann.
1.2 Zielsetzung der Arbeit und Forschungsfrage
Die vorliegende Arbeit beschäftigt sich mit der Frage, ob und inwieweit es an Kapi-
talmärkten möglich ist, gewisse Saisonalitäten oder Muster in Aktienindizes zu
erkennen und diese im Vergleich zu anderen Indizes zu setzen.
Da zukünftige Aktienkurse nicht vorhanden sind, müssen für die Analyse histori-
sche Daten verwendet werden. Aufgrund von empirischen Untersuchen vergan-
gener Aktienindizes liegen Annahmen vor, dass positive aber auch negative Ren-
diten nicht gleichmäßig über ein Jahr verteilt sind. Demzufolge ist es möglich, bei
genauer Betrachtung bestimmte Muster und Auffälligkeiten im Jahresverlauf zu
erkennen, die in der Literatur auch des Öfteren als „Kalendereffekte“ bezeichnet
werden. Die Existenz solcher saisonalen Muster würde deshalb dazu führen, dass
1
Überliefertes Zitat von Jesse Livermore, ein berühmter Trader des frühen 20. Jahrhunderts
1
Investoren und Investorinnen aufgrund geschickter Kauf- und Verkaufsgeschäfte
von Aktientiteln in der Lage wären, dies zu ihrem eigenen Vorteil auszunutzen.
Basierend auf der Annahme von Eugene Fama, dass Finanzmärkte effizient sind
und alle vorhandenen Informationen bereits in den Titeln eingepreist sein müss-
ten,2 würde die Existenz solcher Muster eindeutig gegen die Markteffizienz-
Hypothese verstoßen, da es laut ihm nicht möglich ist, den Markt langfristig schla-
gen zu können. Neue, preisrelevante Informationen könnten deshalb nur mehr
zufällig auftreten, weshalb auch zukünftige Preise einem zufälligen Verlauf folgen
würden.
Diese Arbeit soll daher der Frage nachgehen, ob es aufgrund von theoretischen
Ansätzen wie der Markteffizienz-Hypothese überhaupt möglich ist, eine Daseins-
berechtigung für Kalendereffekte zu erhalten und ob diese saisonalen Muster auch
heute noch in europäischen Aktienindizes auffindbar sind.
Um dieses Problem zu beantworten, werden zunächst in der Literatur beschriebe-

ne Kalendereffekte näher betrachtet und analysiert, ob diese Effekte konstant im
historischen Verlauf aufgetreten oder schon wieder verschwunden sind.
1.3 Aufbau der Arbeit
Die vorliegende Arbeit ist in drei Abschnitte gegliedert. Im ersten Teil werden die
theoretischen Grundlagen von Kapitalmärkten näher durchleuchtet. Dazu werden
Modelle und entsprechende Annahmen vorgestellt, die einen wichtigen Faktor für
die Preisbildung an den Märkten darstellen.
Der zweite Abschnitt behandelt in der Literatur erfasste saisonale Effekte, die auf
Märkten bereits festgestellt wurden. Es wird auf historische Studien näher einge-
gangen und bestimmte Effekte gesucht, die dann in einer empirischen Untersu-
chung selbst auf Vorhandensein überprüft werden können.
2
Vgl. Fama (1970), S. 383ff.
2
Der dritte Teilabschnitt der Arbeit befasst sich mit der empirischen Auswertung
von europäischen Aktienindizes. So soll aufgrund einer Datenanalyse festgestellt
werden, ob gewisse Kalendereffekte heute noch feststellbar sind. Dazu werden
ausgewählte Indizes in Europa kurz vorgestellt und auf die in der Literatur gefun-
denen Kalendereffekte überprüft. Im Anschluss dazu kommt es zu einer Diskussi-
on der Ergebnisse und einer Zusammenfassung über die Arbeit.
3
2 Theoretische Grundlagen
Die Prognose von zukünftigen Renditen ist ein Themengebiet, dem in der Literatur
eine sehr große Bedeutung beigemessen wird, da Investitionsentscheidungen ei-
nen wohlbedachten Prozess darstellen sollten. Die Erklärungen in der Kapital-
marktheorie erfolgen grundlegend unter Einbeziehung von Modellen. Diese folgen
der Annahme, dass für die Preisfindung von Anlagetiteln den Parametern Rendite
und Risiko eine wesentliche Bedeutung zugesprochen wird.3
Im Vordergrund der Betrachtung stehen der Zusammenhang der erwarteten Ren-

dite eines Wertpapiers sowie dessen Risiko. Wie hoch die erwartete Rendite zum
erwarteten Risiko ist, versuchen die jeweiligen Modelle der Kapitalmarkttheorien
auf unterschiedliche Weise zu klären.4
Kalendereffekte werden in der Literatur als eine nicht gleichverteilte Entwicklung

von Renditen am Aktienmarkt bezeichnet. Dies bedeutet, dass der Zeitpunkt von
Geldanlagen eine entscheidende Rolle bei der weiteren Performance liefern wür-
de. Wenn diese zyklischen Bewegungen am Aktienmarkt existieren sollten, stellt
sich die Frage, warum diese nicht von allen Investoren und Investorinnen genützt
werden würden. Ist die Existenz von solchen Mustern überhaupt möglich, bzw.
erklärbar? Um diese Fragen näher zu erläutern, wird im Folgenden auf theoreti-
sche Grundlagen am Aktienmarkt näher eingegangen.
2.1.1 Homo oeconomicus
Das Verhalten der Kapitalmarktteilnehmer und Kapitalmarktteilnehmerinnen wird

in der neoklassischen Kapitalmarkttheorie über den sogenannten Homo oecono-
micus abgeleitet. Hierbei wird vereinfacht gesagt von einem Verhaltensmodell
ausgegangen, in dem der Mensch seinen Nutzen, unter Einbeziehung von rele-
vanten Faktoren, maximiert. In der Literatur wurde der Homo oeconomicus durch
zahlreiche Vertreter niedergeschrieben. Wer genau für die Anfänge dieses Mo-
3
Vgl. Perridon/Steiner (2007), S. 19ff.
4
Vgl. Steiner/Bruns (2007), S. 20
4
dells verantwortlich ist, lässt sich nur schwer eruieren. Eine sehr frühe Nennung
geht dabei auf das Werk von Léon Walras in der zweiten Hälfte des 19. Jahrhun-
derts zurück. Das Konstrukt des Homo oeconomicus war dabei notwendig, um
eine Übertragung von mathematischen Gesetzmäßigkeiten aus der mechanischen
Physik auf die Wirtschaft zu gewährleisten. Durch dieses erschaffene Konstrukt
war es in Folge möglich, die Wirtschaftswissenschaften als exakte Wissenschaft
zu positionieren.5
In dieser Wissenschaft wird der Homo oeconomicus als streng rationales Wesen
betrachtet, welches folgenden Annahmen unterliegt: 6
x Der Homo oeconomicus handelt eigeninteressiert
x Der Homo oeconomicus handelt rational

In den Wirtschaftswissenschaften handelt ein Individuum dann rational,
wenn es nach dem ökonomischen Prinzip handelt. Dies bedeutet, dass es
immer jene Alternative mit dem für ihn zielbezogenen Maximum bei einem
Minimum an eingesetzten Ressourcen wählt. Rationales Handeln wird im-
mer durch eine Knappheit an Gütern verursacht.
x Er maximiert seinen eigenen Nutzen

Das oberste Ziel des Homo oeconomicus ist neben rationalem, menschli-
chem Handeln die Nutzenmaximierung. Alle verfügbaren Alternativen wer-
den dabei bewertet und anhand eigener Präferenzen und der damit ver-
bunden Nutzenfunktion jene Alternative gewählt, die den höchsten Erwar-
tungswert des Nutzen liefert.
x Er reagiert auf Umweltbedingungen

Änderungen im Verhalten des Homo oeconomicus werden auf strukturelle,
äußere Bedingungen zurückgeführt.
5
Vgl. Ruckriegel (2009), S. 50f.
6
Vgl. Franz (2004), S. 4ff
5
x Er hat feststehende Präferenzen
Die Präferenzen des Homo oeconomicus werden als stabil vorgegeben,
womit man eine beständige Nutzenfunktion unterstellen kann.
x Er verfügt über vollständige Information

Der Homo oeconomicus ist über seine Handlungsalternativen informiert,
kann Auswirkungen und Konsequenzen seiner Handlungen abschätzen
und kann dies alles in seinen Entscheidungsprozess mit einfließen lassen.
Diese teils doch sehr realitätsfernen Annahmen führen dazu, dass große Zweifel
an diesem Konstrukt vorherrschen. Es wird Wissen unterstellt, über das kein
Mensch jemals verfügen wird. Die Prämissen implizieren jedoch, dass Menschen
bewusst ihre Ziele auswählen, welche sie im bestmöglichen Fall bereit sind zu su-
chen. Voraussetzung dabei ist, dass ihnen diejenigen Theorien bekannt und be-
wusst sind, welche ihnen einen Zusammenhang von Zielen und Mitteln liefern.7
Einen wesentlichen Aspekt für die Handlungen des Homo oeconomicus stellt die
Tatsache, dass Ressourcen knapp sind und von außen herbeigeführte Restriktio-
nen vorherrschen.8 Sowohl der Homo oeconomicus in der Theorie, als auch heuti-
ge Investoren und Investorinnen in der Praxis stehen somit vor dem Problem, aus
den gegebenen, knappen Ressourcen Wahlhandlungen durchführen zu müssen.
Unter Einbeziehung aller relevanter Informationen sollte somit jene Handlungsal-
ternative gewählt werden, die am besten die Präferenzen des jeweiligen Indivi-
duums erfüllt. Festzuhalten bleibt jedoch, dass die Modellannahmen des Homo
oeconomicus vorwiegend einen Beitrag zum Verständnis von sowohl wirtschaftli-
chen, als auch gesellschaftlichen Handlungen liefern sollen.9
2.1.2 Das Capital Asset Pricing Model
Das traditionelle Capital Asset Pricing Model (CAPM) ist ein einperiodiges Kapi-
talmarktmodell, das einen Zusammenhang zwischen der erwarteten Rendite einer
7
Vgl. Ramb/Tietzel (1993), S. 389
8
Vgl. Lüdemann (2006), S. 6
9
Vgl. Nell/Kufeld (2006), S. 7
6
Wertanlage und ihrem systematischen Risiko in Verbindung setzt. Das CAPM
wurde in den 1960er Jahren von William F. Sharpe, John Lintner und Jan Mossin
unabhängig voneinander entwickelt.10 Das CAPM beruht dabei auf den Entde-
ckungen von Markowitz, der bei seiner Portfoliotheorie eine Risikodiversifikation
bei der Aufnahme von weiteren Wertpapieren feststellen konnte.11
Grundlegende Annahme des CAPM ist es, eine Investition aufgrund des Erwar-
tungswertes und der Varianz ihrer Renditen zu bewerten.12 Wie anfangs erwähnt,
handelt es sich beim CAPM um ein einperiodiges Modell mit den Zeitpunkten t = 0
und t = 1. Die Zahlungen für die Periode hängen von der Auswahl der Titel ab. Es
besteht die Möglichkeit, ein sicheres Wertpapier mit einer fixen Auszahlung aus-
zuwählen (entspricht einem risikolosen Zinssatz von rf), oder einen riskanten Titel
zu erwerben, dessen Rückflüsse noch unsicher sind. Eine Risikoprämie kann so-
mit nur für Wertpapiere mit einem systematischen Risiko festgelegt werden, da
wertpapierspezifische Risiken durch Diversifikation beseitigt werden können. Das
normierte systematische Risiko spiegelt sich in der Kennzahl Beta wider. Die Be-
rechnungen des Betafaktors können dabei unterschiedlich gestaltet werden. Ver-
einfacht gesagt bedeutet je höher der Betafaktor eines Wertpapieres, desto höher
der erwartete Return.13 Im Gegensatz zur Portfoliotheorie von Markowitz kann
somit das Risiko neben der Standardabweichung auch durch den Betafaktor ge-
kennzeichnet werden.
Wie bei allen Modellen üblich, unterliegt auch das CAPM einer gewissen Anzahl
an Annahmen, die getroffen werden müssen:14
x Alle Investoren und Investorinnen sind risikoavers
10
Vgl. Sharpe (1964), S. 425ff., Lintner (1965), S. 13ff., Mossin (1966), S. 768ff.
11
Vgl. Markowitz (1952), S. 77
12
Vgl. Hausmann et al. (2002), S. 6
13
Vgl. Sharpe/Gordon (1990), S. 228
14
Vgl. Copeland (2005), S. 370f.
7
x Investoren und Investorinnen maximieren ihren Nutzen (sie handeln dem-
entsprechend effizient)
x Finanzgüter sind beliebig teilbar und jederzeit handelbar
x Es gibt eine fixe Anzahl an Gütern
x Am Markt herrscht perfekter Wettbewerb. Jeder Investor und jede Investorin

gilt daher als Preisnehmer(in)
x Informationen sind für jeden Marktteilnehmer und jede Marktteilnehmerin

frei zugänglich
x Alle haben dieselben Erwartungen betreffend Renditen in der Zukunft. Die

Renditen sind dabei normalverteilt
x Es gibt weder Steuern noch Transaktionskosten
x Es handelt sich um ein Ein-Perioden-Modell
Die entsprechende Form des CAPM lautet wie folgt:
= + ( )−
Mit:
der risikolose Zinssatz
E(r ) die zu erwartende Kapitalmarktrendite
( )− die zu erwartende Kapitalmarktrisikoprämie
( , )
= ( )
= ∗ relevantes Wertpapierrisiko
Diese doch sehr einfache Darstellung ermöglicht eine schnelle Bewertung von
Wertpapierrenditen. Durch diese Ausdrucksweise werden alle Veränderungen des
Aktienkurses nur auf eine Veränderung des Risikos, mit dem die Aktie behaftet ist,
zurückgeführt. Der Aktienpreis spiegelt dabei zu jeder Zeit dieses Risiko wider.
8
Für die Berechnung der erwarteten Renditen nach dem CAPM benötigt man daher
die erwartete Rendite ( ) und das Risiko des Marktportfolios, das alle Assets
im Verhältnis ihrer Marktwerte enthält.15
2.1.2.1 Kapitalmarktlinie
Ein wesentlicher Punkt des CAPM ist die Annahme, dass die Höhe der Erträge auf
den Finanzmärkten durch den „price of term“ und dem „price of risk“ bestimmt ist.
Daher gibt es 2 Teilmärkte des Kapitalmarkts: Einen Teilmarkt für risikolose Zinsti-
tel und einen Teilmarkt für riskant behaftete Finanzierungstitel. Die erzielbaren
Erträge auf dem ersten Teilmarkt sind dabei fixiert und durch kein Verlustrisiko
gekennzeichnet, da sie mit Sicherheit erfolgen. Auf dem zweiten Teilmarkt jedoch
gibt es Zusammenhänge zwischen der erwarteten Rendite und dem eingegangen
Risiko. Die Risikoprämie hängt daher von den Ertragserwartungen ab und spiegelt
sich in der Kapitalmarktlinie wider.16 Sie gibt jene Rendite an, die man auf einem
Portfolio zu erwarten hat. Wenn das besagte Portfolio auch den entsprechenden
erwarteten Ertrag liefert, gilt es als effizient und sollte gekauft werden. Liegt der
Ertrag unter dem berechneten Wert, sollten Investoren und Investorinnen von ei-
nem Kauf Abstand halten.17
Symbolisch geschrieben hat sie folgende Form:
( )
( ) = + [ ]
15
Vgl. Fischer/Braucher (2009), S. 11
16
Vgl. Eilenberger (1994), S. 211
17
Vgl. Radcliffe (1987), S. 243
9
Abbildung 1: Kapitalmarktlinie des CAPM18
Wie deutlich zu erkennen ist, handelt es sich bei der Kapitalmarktlinie um eine li-
neare Beziehung zwischen Risiko und Rendite. Die Efficient Frontier beschreibt in
der Grafik jene Portfolios, die laut Markowitz effizient sind. Der Schnittpunkt der
Kapitalmarktlinie mit der y-Achse entspricht dabei dem Wert des risikolosen Zins-
satzes.
2.1.2.2 Wertpapiermarktlinie
Die Wertpapiermarktlinie gibt die zusätzliche Möglichkeit an, neben Portfolios auch
einzelne Wertpapiere zu behandeln. Sie drückt den Ertrag aus, der in Bezug auf
den risikolosen Zinssatz und dem relativen Risiko auf das Wertpapier erwartet
wird.19 Die Ausdrucksweise erfolgt im Gegensatz zur KML mit Hilfe eines anderen
Risikomaßes, dem systematischen Risiko, dargestellt durch den Betafaktor ( ).
18
Vgl. Gabler Wirtschaftslexikon, eigene Darstellung
19
10
Symbolisch geschrieben hat sie folgende Form:
= + [ ( )− ]
Die erwartete Rentabilität eines Finanzierungstitels setzt sich dabei immer aus
dem Marktzins einer risikolosen Veranlagung sowie einer Risikoprämie zusam-
men. Das systematische und nicht diversifizierbare Marktrisiko wird durch den Be-
ta-Faktor dargestellt und unterliegt daher der Risikoprämie.
Abbildung 2: Wertpapiermarktlinie des CAPM20
Die Ermittlung der Steigung ist der wesentliche Punkt bei der Berechnung der
WML. Um diese zu ermitteln, benötigt man das Verhältnis der relativen Verände-
( )
rungen 'Y/'X. Anders ausgedrückt kommt man auf den folgenden Term .
Damit beträgt die Steigung der WPL den Wert der Risikoprämie E( )− .
20
Vgl. Gabler Wirtschaftslexikon, eigene Darstellung
11
2.1.2.3 Kritik am CAPM
Das CAPM baut auf der Prämisse auf, dass Investitionsentscheidungen von Inves-
toren und Investorinnen nur auf Basis von 2 Kennzahlen getroffen werden. Da-
durch, dass Risiko einzig allein durch die Varianz eines Wertpapiers gekennzeich-
net wird, ist es sehr einfach zu durchleuchten. Durch diese Vorgehensweise blei-
ben jedoch Eigenschaften wie die Schiefe einer Verteilung unberücksichtigt. Des-
weiteren werden Zahlungsausfälle oder Konkurse nicht berücksichtigt. 21 Die Exis-
tenz von Anomalien oder Mustern in den Kursverläufen von Finanzierungstiteln
lässt sich auch nur schwer mit den Modellaussagen des CAPM vereinbaren.
Desweiteren wird in Bezug auf die Stabilität der Risikoprämie Kritik bezogen. Stu-
dien haben gezeigt, dass sowohl die EKoeffizienten als auch die erwarteten
Überrenditen des Marktportfolios im Zeitverlauf starken Schwankungen unterlie-
gen.22 Trotzdem muss man berücksichtigen, dass es sich beim CAPM nur um ein
Modell handelt. Da Modelle nur bedingt die Realität darstellen können, sollten sie
immer in Zusammenhang mit der Gültigkeit ihrer Voraussetzungen betrachtet
werden. Da aber im Zeitverlauf immer wieder neue Tests auf die Gültigkeit des
CAPM durchgeführt wurden, haben diese zur Entwicklung neuerer Modellvarian-
ten wie der folgenden geführt.23
2.1.3 Arbitrage Pricing Theory
Die Arbitrage Pricing Theory (APT) ist ein weiteres Modell, das die Beziehung zwi-
schen erwarteter Rendite und Risiko beschreibt. Erstmals beschrieben wurde die-
ses Modell von Ross im Jahre 1976, der basierend auf den Erkenntnissen des
CAPM die APT entwickelt hat.24 Im Gegensatz zum CAPM wird bei der APT ne-
ben der einfachsten Form, dem Ein-Faktor Modell, in weiterer Folge von einem
Multi-Faktor Modell ausgegangen, was bedeutet, dass mehrere Faktoren, wie z.B.
21
Vgl. Löffler (1996), S. 19
22
Vgl. Oertmann/Zimmermann (1998), S. 12
23
Vgl. Pankoke/Petersmeier (2009), S. 128f.
24
Vgl. Ross (1976), S. 341ff.
12
Branchen- und makroökonomische Faktoren bei der Ermittlung der Wertpapier-
rendite berücksichtigt werden.25
Als zentraler Ausgangspunkt im Modell steht das Prinzip von einem in sich ge-
schlossenen Arbitragegebäude. Dadurch ist es möglich, den Aspekt der Portfolio-
theorie und des darauf resultierenden Modellrahmen des CAPM zu verlassen.
Trotzdem liefert das APT immer noch ein Gleichgewichtsmodell.26
Grundsätzlich bezeichnet Arbitrage einen Verlauf, in dem es möglich ist, Preisdif-

ferenzen auszunützen und somit risikolose Gewinne zu lukrieren.27 Die APT geht
der Annahme nach, dass es auf Märkten nicht möglich ist, Arbitrage zu betreiben.
Da es jedoch unterschiedliche Arbitragemodelle gibt, liegen den einzelnen Model-
len unterschiedliche Arbitragekonzepte zugrunde, weshalb man nicht immer von
einer zur Gänze erfüllten, arbitragefreien Bewertung ausgehen kann.28 Desweite-
ren benötigt der Vorgang von Arbitrage kein zusätzliches Kapital.
Das Modell unterliegt folgenden Annahmen:29
x Es herrscht ein vollkommener, sich im Gleichgewicht befindender Kapital-

markt vor
x Leerverkäufe sind jederzeit möglich
x Wertpapierrenditen hängen nicht von einem, sondern mehreren Faktoren

ab
x Die Anleger und Anlegerinnen sind risikoscheu und versuchen, den Risiko-
nutzen ihres Vermögens zu maximieren
x Es bestehen homogene Erwartungen in Bezug auf Wertpapierrenditen
25
Vgl. Pankoke/Petersmeier, (2009), S. 129
26
27
Vgl. Sharpe/Alexander (1999), S. 284
28
Vgl. Schneider (2001), S. 96
29
13
x Es existiert ein risikoloser Zinssatz für Kapitalaufnahme- und anlagemög-
lichkeiten
Um das Modell zu erklären, wird anfangs die einfachste Form des Modells, das
Single-Faktor Modell dargestellt:30
= ( )+ +
Mit:
Rendite der Aktie i
( ) erwartete Rendite der Aktie i
Sensitivitätsfaktor der i-ten Aktie
makroökonomischer Faktor, der Abweichungen vom tatsächlichen

Wert darstellt
Zufallsterm (unsystematisches Risiko)
Mit dieser Formel kann man sehr schön den Zusammenhang der Rendite aus der
erwarteten Rendite, einem volkswirtschaftlichen Faktor und einem firmenspezifi-
schen Faktor darstellen. In weiterer Folge gibt es noch Zwei-Faktor Modelle sowie
Multi-Faktor Modelle, die sich im Gegensatz zum CAPM viel deutlicher auf das
Argument der Arbitragefreiheit auf Märkten stützen. Aufgrund der Berücksichti-
gung von multiplen Risikofaktoren systematischer Art gleichen sich die Werte der
realen Welt besser an. Das modifizierte Modell wird in folgender Form verdeut-
licht:31
, = + , ∗ , + , ∗ , + …++ , ∗ , + ,
Im Vergleich zum CAPM ist die Berücksichtigung der Risikofaktoren nicht nur auf
einen Faktor ( -Faktor) zurückzuführen, sondern durch die Darstellung mittels se-
parater Risikofaktoren Fj (j =1, 2, … K). Diese Faktoren haben einen entscheiden-
30
Vgl. Bodie/Kane (2009), S. 320
31
Vgl. Daxhammer/Facsar (2012), S. 55
14
den Einfluss auf die vorhandenen Wertpapierrenditen. Neben diesen systemati-
schen Einflussfaktoren spielen wie im Single-Faktor Modell auch unsystematische
Risiken in Form des Zufallsterms , eine entscheidende Rolle.32
Als grundlegenden Zusammenhang zwischen der APT und dem CAPM ist die Bil-
dung einer linearen Kombination zwischen den erwarteten Renditen und deren
Kovarianzen mit anderen, zufälligen Variablen.33 Im Vergleich bieten sich jedoch
aufgrund der Mehrdimensionalität der Risikofaktoren, einer besseren ökonomi-
schen Interpretierbarkeit der Ergebnisse und insgesamt besserer empirischer
Testergebnisse einige Vorteile, wieso die APT dem CAPM zu bevorzugen ist.
Daneben ist jedoch zu berücksichtigen, dass über die Art der Risikofaktoren noch
immer Unklarheit herrscht und keine exakten Festlegungen für die Bewertung he-
rangezogen werden müssen. Außerdem bedingt die praktische Anwendung der
APT einen deutlich höheren Schätzaufwand bei der Ermittlung der Risikofakto-
ren.34
2.1.4 Die Markteffizienz-Hypothese
Die Bezeichnung Markteffizienz oder Informationseffizienz wird im Finanzwesen

für einen Markt verwendet, der Preise vollständig und korrekt mit allen zur Verfü-
gung stehenden Informationen zu jeder Zeit reflektiert. In diesem Zusammenhang
kann die Bedeutung für die Gesellschaft nicht überbewertet werden.35
Laut Eugene Fama sind Märkte dann effizient, wenn vorhandene Preise alle ver-
fügbaren Informationen enthalten, auch die, die nur ein kleiner Anteil an Investo-
ren und Investorinnen besitzen. Daher sei es auch keinesfalls möglich, durch neue
Informationen einen persönlichen Vorteil am Aktienmarkt zu erlangen, da diese mit
der Entstehung bereits im Preis berücksichtigt sein müssen.36 Da sehr viele (an-
32
33
Vgl. Huberman/Whang (2005), S. 1
34
35
Vgl. Martin et al (1988), S. 263
36
Vgl. Fama (1970), S. 383ff.
15
gebliche?) Effekte am Aktienmarkt bereits dokumentiert sind, stellt sich somit die
Frage, warum diese überhaupt existiert können, da sie ja eigentlich schon in den
Vorperioden berücksichtigt sein sollten. Demzufolge ist es nach Fama auch nicht
möglich, durch aktives Management Überrenditen bei Wertpapieranlageentschei-
dungen zu erzielen.
2.1.4.1 Die Prämissen der Markteffizienz-Hypothese:
Laut Fama gibt es drei hinreichende Bedingungen, die nötig sind, damit sich In-
formationseffizienz auf Kapitalmärkten einstellen kann:37
x Durch den Wertpapierhandel werden keine Transaktionskosten verursacht

x allen Marktteilnehmern und Marktteilnehmerinnen ist der kostenlose Zu-
gang zu allen vorhandenen Informationen gewährt
x die Beurteilung der vorhandenen Information erfolgt von allen gleich. Dies
gilt sowohl für momentane als auch die Verteilung bevorstehender Wertpa-
pierpreise.
Die Markteffizienz drückt daher im Rahmen dieser Bedingungen aus, dass alle
Marktteilnehmer und Marktteilnehmerinnen aufgrund der Beurteilung von vollstän-
dig und kostenlos zugänglichen Informationen zu denselben Schlussfolgerungen
hinsichtlich fairer Wertpapierpreise gelangen.38 Anzumerken ist jedoch, dass ein
effizienter Markt als eine Art Selbstkorrekturmechanismus zu betrachten ist, in
dem Ineffizienzen in regelmäßigen Abständen erscheinen, aber annähernd sofort
wieder durch das Aufspüren von Anleger und Anlegerinnen verschwinden. Wären
die Märkte jederzeit effizient, würden diese jedoch nicht mehr nach Ineffizienzen
suchen, was im Umkehrschluss zu ineffizienten Märkten führen würde.39
37
Vgl. Fama (1970), S. 387
38
Vgl. Vollmer (2008), S. 52 & Schildbach (1986), S. 19
39
Vgl. Damodaran (2002), S. 115
16
2.1.4.2 Formen der Informationseffizienz
Die Klassifizierung der vorherrschenden Informationseffizienzen kann laut Fama in

folgenden drei Formen getestet werden:40
Schwache Informationseffizienz: Alle Informationen über vergangene Er-

eignisse sind vollständig berücksichtigt. Aktienkurse folgen einem Zufalls-
prozess und sind voneinander unabhängig. Aufgrund dessen ist es nicht
möglich, mithilfe von technischen Analysen wie z.B. der Chartanalyse Vor-
teile zu erzielen. Würde die Möglichkeit bestehen, durch das Entdecken von
Mustern in alten Kursverläufen signifikante Überrenditen zu lukrieren, wür-
de dies von allen Investoren und Investorinnen genutzt werden.
Halbstrenge Informationseffizienz: Informationen, die der Öffentlichkeit

zur Verfügung stehen, sind vollständig in den Marktpreisen vorhanden. Da
öffentlich zugängliche Informationen bereits in den aktuellen Kursen enthal-
ten sind, ist auch eine fundamentale Analyse nutzlos und es lassen sich
auch hierdurch keine Marktvorteile erzielen.
Strenge Informationseffizienz: In den einzelnen Kursen sind sowohl öf-

fentliche als auch nicht öffentliche Informationen enthalten. Zu den nicht öf-
fentlichen Informationen zählen u.a. Insiderinformationen. Die Preise rea-
gieren daher auf alle verfügbaren Informationen, wodurch es keine essen-
tiellen Geheimnisse mehr gibt. Deshalb ist es nicht möglich, aufgrund von
neu erhaltenen Informationen jeglicher Art einen Marktvorteil zu erzielen.
40
Vgl. Fama E. (1970), S. 388
17
Abbildung 3: Beziehung der Formen von Informationseffizienz41
Wie aus obiger Grafik ersichtlich, schließt die höhere Form von Informationseffi-
zienz die jeweils niedrigere(n) Form(en) mit ein.42 Die auftretende Form der Markt-
effizienz gibt somit Aufschluss, welche Informationen in den Preisen enthalten sein
müssten. Dies bedeutet jedoch nicht, dass bei Finanzinvestitionen immer die er-
wartete Rendite auch der tatsächlichen Rendite entspricht. In Einzelfällen ist es
durchaus möglich, eine Rendite über der entsprechenden erwarteten Rendite zu
erreichen, was aber purem Zufall entspricht. Bei folgenden Investitionsentschei-
dungen kann daher genauso gut eine Rendite erwirtschaftet werden, die sich unter
der erwarteten Rendite befindet. Langfristig gesehen sollte die durchschnittlich
erzielte Rendite der erwarteten Rendite entsprechen.43 Fama ist der Ansicht, dass
die halbstrenge Informationseffizienz am Markt gegeben ist. Dies würde bedeuten,
dass durch aktives Portfoliomanagement keine Outperformance gegenüber dem
41
42
43
Vgl. Fischer (2013), S. 58
18
Markt erreichbar ist. Nur sehr schwer zugängliche Informationen wie Insiderinfor-
mationen könnten jedoch zu einem Vorteil gegenüber anderen verwendet wer-
den.44
Auf die Frage, ob sich Kalendereffekte mit der Effizienzthese vereinbaren ließen,
schrieb Richard Roll:
„I have personally tried to invest money, my client’s money and my own, in every
single anomaly and predictive device that academics have dreamed up (...) I have
attempted to exploit the so-called year-end anomalies and a whole variety of
strategies supposedly documented by academic research. And I have yet to make
a nickel on any of these supposed market inefficiencies (...) I agree with Bob
(Robert Shiller), that investor psychology plays an important role. But, I have to
keep coming back to my original point that a true market inefficiency ought to be
an exploitable opportunity. If there’s nothing investors can exploit in a systematic
way, time in and time out, then it’s very hard to say that information is not being
properly incorporated into stock prices (...) Real money investment strategies don’t
produce the results that academic papers say they should.45
2.1.5 Random Walk Hypothese
Die Idee von Zufallspfaden oder Random Walks ist ein Teil aus der Theorie von
stochastischen Prozessen. Dies bedeutet, dass Kursänderungen als Zufallsvariab-
len betrachtet werden, deren Erwartungswert Null ist. Als bester Schätzwert für
zukünftige Preisentwicklungen dient daher der Kurs von heute. 46 Preisschwankun-
gen unterliegen daher einer Verteilungsfunktion und sind voneinander unabhän-
gig. Es handelt sich dabei um eine spezielle Form eines fairen Spiels. In mathe-
matischer Betrachtungsweise lautet die Hypothese wie folgt:47
44
Vgl. Fama E. (1970), S. 388
45
Roll (1992), S. 29-33 & Schredelseker (2013), S. 394
46
Vgl. Uhlir (1979), S. 235
47
Vgl. Fama (1970), S. 386f.
19
(r , Φ = (r , )
Mit:
(r , ) Unsichere Rendite des Wertpapieres j für die Periode t bis t+1
Φ Alle zum Zeitpunkt t vorhandene Information
Die Kernaussage dieses Modells ist, dass für eine unabhängige Zufallsvariable
immer die gleiche Wahrscheinlichkeitsverteilung bestimmend ist. Wie bereits er-
wähnt wurde, kommt es nur zu Preisänderungen, sollten neue, bedeutende Infor-
mationen bekannt werden. Laut Definition sind neue Informationen als Zufall zu
bezeichnen. Würden neue Informationen einem identifizierbaren Trend unterlie-
gen, würde dieser von Investoren und Investorinnen wahrgenommen werden und
sich somit in den jeweiligen Preisen niederschlagen. Somit ist es klar, dass neue
Informationen Zufall sind. Da Preise sofort auf die Existenz von neuen, einflussrei-
chen Informationen reagieren, gelten auch Preisänderungen bei Aktientiteln als
Zufall.48 Eine häufige Fehlinterpretation der Random Walk Hypothese ist jene,
dass Aktienkurse zufällig erzeugt werden würden. Dies ist jedoch eine unschlüssi-
ge Behauptung. Die These besagt nur, dass das Erscheinungsbild einer zufällig
entstandenen Zahlenreihe entspricht.49 Als maßgebliche Grundlage für diese The-
orie ist somit die Markteffizienz-Hypothese unabdingbar. Damit die Random Walk
Hypothese ihre Gültigkeit bewahren kann, müssen alle vorherrschenden Informa-
tionen in den Preisen von Aktientiteln vorhanden sein. Die Idee von Zufallspfaden
von Aktien ist damit nur auf effizienten Märkten möglich.
Ist das Random Walk Model für alle Aktienkurse zwingend bindend, wäre dies der
Beweis dafür, dass die technische Analyse von historischen Kursverläufen keinen
Nutzen für den Anleger bringen würde. Somit würde die Existenz von vergange-
nen Korrelationen zwischen kalendarischen Merkmalen und dazugehörigen Rendi-
ten nichts über zukünftige Ereignisse aussagen.
48
49
Vgl. Schredelseker (2013), S. 409f.
20
3 Kalendereffekte
Im Duden wird das Wort Anomalie als „Abweichung vom Normalen“ oder „Abnor-
malität“ definiert. Da man am Kapitalmarkt mit erwarteten Größen rechnet und
Preise erstellt, können diese aufgrund von Anomalien zu Abweichungen führen.
Laut den traditionellen Theorien wie der Markteffizienz-Hypothese oder der Ran-
dom Walk Hypothese müsste die Existenz von Anomalien an Aktienmärkten nicht
feststellbar sein. Neben dem Widerspruch der Markteffizienz-Hypothese ist es
problematisch, auftretende Regelmäßigkeiten in den Renditen durch statische
Gleichgewichtsmodelle darzustellen. Speziell das CAPM kann keine Erklärungen
für saisonale Muster liefern. Das traditionelle Modell des CAPM bietet somit kein
geeignetes Modell auf Testung vorherrschender Kalendereffekte am Aktien-
markt.50 Auch die Testung mittels des APT Modells gestaltet sich als schwierig
und kann daher die saisonalen Muster nur bedingt widerspiegeln. So ist es zwar
möglich, ein Proxy für den jeweiligen Effekt zu integrieren, durch diesen Prozess
konnte jedoch nur der Januareffekt (der in Kapitel 3.2. besprochen wird) genauer
beschrieben werden.51
Nichtsdestotrotz gibt es empirische Untersuchungen, die gewisse saisonale Effek-

te (die einer Anomalie entsprechen) an internationalen Märkten beobachtet haben
und mit statistischer Signifikanz hinterlegen konnten. Treffend zu diesem Thema
kann ein Zitat von Mark Twain (1894) erwähnt werden: „Der Monat Oktober ist ein
besonders gefährlicher zum Spekulieren, die anderen sind Juli, Januar, Septem-
ber, April, November, Mai, März, Juni, Dezember, August und Februar.“
Da in dieser Arbeit nur Kalendereffekte am Aktienmarkt näher betrachtet werden,

wird im Folgenden eine Abgrenzung von vorhandenen Kapitalmarktanomalien
vorgenommen und im Anschluss auf bisherige Ergebnisse von Forschungen in
diesem Themengebiet näher eingegangen. Desweiteren werden Erklärungsansät-
ze kurz diskutiert, warum ein Auftreten dieser Effekte als möglich erachtet wird.
50
Vgl. Sapusek (1998), S. 141
51
Vgl. Gultekin/Gultekin (1987), S. 1223
21
3.1 Abgrenzungsversuch von Anomalien an Finanz- und Kapi-
talmärkten
Marktanomalien beschreiben grundsätzlich den Fall, dass beobachtbare Effekte

vorliegen, die gegen die These von effizienten Märkten sprechen. Bei den Kalen-
dereffekten handelt es sich um auftretende Regelmäßigkeiten, die eine Korrelation
zwischen einem bestimmten Datum und der dazugehörigen Performance aufwei-
sen. In Folge wird dieses Auftreten als saisonale Anomalie oder Kalendereffekt
bezeichnet.
Desweiteren gibt es gewisse Indikatoren, die nicht auf datumsbezogenen Effekten

basieren. Der Super-Bowl-Indikator sagt z.B. aus, wie sich Aktienmärkte entwi-
ckeln werden, einzig und allein auf der Grundlage, welches Team den Super Bowl
gewinnt. Dabei wurde historisch festgestellt, dass Siege eines NFL-Teams in Fol-
ge zu Bullenmärkten führen, während Siege eines AFL-Teams zu schlechten Ent-
wicklungen und somit zu einem Bärenmarkt führen. Obwohl diese Ereignisse
nichts miteinander zu tun haben, zeigt es ganz gut, dass Korrelationen zwischen
zwei unabhängigen Ereignissen erzeugt werden können.52 Desweiteren wurden
schon Ergebnisse erreicht, dass die Anzahl an Sonnenstunden am Vormittag mit
den Aktienkursverläufen einer Korrelation unterliegt. 53 In dieser Arbeit werden je-
doch nur Korrelationen von Renditen auf Tages- und Monatsbasis untersucht.
3.2 Januareffekt
Der Januareffekt wird in der Literatur auch als „Turn-of-the-year-effect” bezeichnet.

Kernaussage vieler Studien, die sich mit diesem Effekt beschäftigten, ist die Aus-
sage, dass die mittleren Renditen in diesem Monat des Jahres signifikant höher
seien als in den übrigen Monaten. Im Zusammenhang mit dem Januareffekt wird
in der Literatur die „Window-Dressing Hypothese“ genannt, die besagt, dass das
Vergütungssystem in den meisten verwalteten Fonds weitgehend von der Leistung
am Ende des Jahres, also dem 31. Dezember, abhängt. Demnach ist es bei vielen
52
Vgl. Malkiel (2000), S. 153
53
Vgl. Hirshleifer/Shumway (2003), S. 1010
22
Portfolio Managern und Managerinnen üblich, schlecht performende Aktien gegen
Jahresende zu verkaufen und den Wert des eigenen Portfolios zu stärken. 54 Der
Januareffekt ist daher umso größer, je mehr die entsprechenden Aktien im voran-
gegangen Jahr an Wert verloren haben.55
Bestätigt wurde diese These in vielen Arbeiten, darunter u.a. Rozeff/Kinney

(1976), Reinganum (1983), Roll (1981) und Gultekin/Gultekin (1983). In aktuelle-
ren Arbeiten wie von Cheung/Coutts (1999) oder Marquering (2002) konnte der
Januareffekt jedoch nicht mehr nachgewiesen werden. Fama prüfte diesbezüglich
Aktienpreise des S&P 500 in den Jahren 1941 bis 1990. Er verwendete für seine
Forschung jedoch nur Unternehmen mit geringer Börsenkapitalisierung. Auf Basis
seines gewichteten Portfolios konnte er feststellen, dass sowohl zwischen 1941
und 1981 als auch im Betrachtungszeitraum 1982 bis 1990 die durchschnittlichen
Januarrenditen höher waren als in den übrigen Monaten. 56 Bei der nachfolgenden
Abbildung lässt sich sofort erkennen, dass sich die Renditen in den restlichen Mo-
naten deutlich unter jenen des Januars befanden.
Abbildung 4: Die durchschnittlichen Monatsrenditen im Vergleich57
Der Januareffekt ist jedoch nicht in allen Ländern mit derselben Intensität ausge-
prägt. So wurde er von Gultekin/Gultekin (1983) in sechzehn Ländern nachgewie-
sen. Während in den USA dabei nur ein relativ geringer Effekt dargestellt werden
54
Vgl. Lakonishok/Smidt (1988), S. 413ff.
55
Vgl. Sapusek (1998), S. 150
56
Fama (1991), S. 1575ff.
57
Fama (1991), S. 1588
23
konnte, wurden in den Niederlanden, Italien und Belgien sogar durchschnittliche
Januarrenditen erzielt, die höher waren als die durchschnittlichen Kursgewinne in
den restlichen elf Monaten.58
3.3 Verkaufe-im-Mai-Effekt
Ein weiterer Effekt ist der sogenannte Verkaufe-im-Mai-Effekt (Sell-in-May-effect).

Im Gegensatz zum Januar Effekt wird hier nicht ein einzelner Monat behandelt, in
dem positive Renditen zu erwarten sind, sondern die Ankündigung von Verkaufs-
empfehlungen.
Eine dazugehörige Börsenweisheit lautet: „Sell in May and go away”. Es wird emp-
fohlen, seine Titel im Mai zu verkaufen und erst später wieder am Aktienmarkt zu
investieren. Der Zeitpunkt der Rückkehr ist auch nicht einheitlich definiert. Die
Weisheit wird mit den Prämissen „but remember to come back in September“ oder
„but buy back on St. Leger Day”59 vervollständigt. Dieser Erkenntnis nach gelten
die Renditen in den Monaten Mai bis September gegenüber den restlichen Mona-
ten des Jahres als unattraktiv.60
Bouman und Jacobson konnten in ihrer Untersuchung die Redewendung „Sell in

May and go away“ bestätigen. Ihren Ergebnissen zufolge konnten erhebliche Un-
terschiede von Renditen in den einzelnen Monaten festgestellt werden. Demzufol-
ge waren in den Monaten November – April hohe Renditen in den meisten Län-
dern zu beobachten, während sie in den Monaten Mai – Oktober nicht signifikant
von Null abwichen und teilweise sogar negativ waren.61
58
Vgl. Gultekin/Gultekin (1983), S. 469ff.
59
Enspricht dem Datum eines englischen Pferderennens, das traditionell an jedem zweiten Sams-
tag im September stattfindet.
60
Vgl. Bouman/Jacobsen (2002), S. 1618
61
Vgl. Bouman/Jacobsen (2002), S. 1630ff.
24
Abbildung 5: Monatsrenditen in ausgewählten Ländern62
Obige Abbildung liefert einen recht übersichtlichen Beitrag zu den Monatsrenditen

in den jeweiligen Ländern. Die Zeitspanne über den Betrachtungszeitraum variiert
in den einzelnen Märkten, als letzter Stichtag für die Untersuchung wird der De-
zember 1969 genannt. Man kann deutlich erkennen, dass die Renditen nicht über
alle Monate gleichverteilt sind, die Unterschiede jedoch auch von Land zu Land
stark voneinander abweichen können.63
62
Bouman/Jacobsen (2002), S. 1624
63
Vgl. Bouman/Jacobson (2002), S. 1623ff.
25
Auch Salm und Siemkes konnten mit ihrer Arbeit zeigen, dass Renditen am deut-
schen Aktienmarkt im Winterhalbjahr, mit wenigen Ausnahmen des DAX, immer
höher als in den Sommermonaten waren. Insgesamt konnten die Ergebnisse je-
doch nur für den Beginn der 70er Jahre und von 1995 bis 2002 signifikant bestä-
tigt werden. Die empirischen Ergebnisse zeigten auch, dass sich dieser Effekt in
den letzten Jahren deutlich abgeschwächt hat und teilweise schon ganz ver-
schwunden ist.64
Für den österreichischen Kapitalmarkt untersuchten Bank et al. (2004) den Zeit-
raum 1993 – 2002. In Anlehnung an Bouman/Jacobsen (2002) wurden die Monate
November bis April als „Winter“ und die Monate Mai bis Oktober als „Sommer“
bezeichnet. Bei dieser Klassifizierung konnten signifikante Unterschiede festge-
stellt werden. Für den Gesamtzeitraum konnte bei den Wintermonaten neben ei-
ner höheren Rendite auch eine geringere Standardabweichung gegenüber den
Sommermonaten beobachtet werden.65
3.4 Monatswechseleffekt
Eine weitere saisonale Anomalie besagt, dass die mittleren Renditen zum Mo-
natswechsel (Monatsende und Monatsbeginn) entsprechend höher sind, als die
mittleren Renditen in den restlichen Tagen eines Monats (wird in der Literatur
auch als „the monthly effect“ oder „the-turn-of-the-month effect“ bezeichnet).
Auch dieser Effekt konnte in vielen untersuchten Märkten nachgewiesen werden.

Am amerikanischen Aktienmarkt konnte dieser Effekt u.a. von Lakonishok/Schmidt
(1988) und Ariel (1987) signifikant bestätigt werden. Auch der ATX wurde in ver-
gangenen Untersuchungen berücksichtigt. Kunkel/Compton/Beyer (2003) konnten
für den Zeitraum 1988 – 2000 den Monatswechseleffekt für den österreichischen
Aktienmarkt bestätigen. Neben Österreich wurden 18 weitere Aktienmärkte unter-
sucht. In insgesamt 16 der 19 untersuchten Länder konnte der Monatswechselef-
64
Vgl. Salm/Siemkes (2009), S. 414f.
65
Vgl. Pilaj (2004), S. 345
26
fekt bestimmt werden.66 Eine Erklärung für diesen Effekt soll maßgeblich kumulier-
tes Kapital (Gehaltszahlungen, Zins-und Tilgungszahlungen, Dividendenausschüt-
tungen, etc.) liefern, das sich gegen Ende des Monats anhäuft.67
3.5 Wochentageffekt
Der Wochentageffekt impliziert den Effekt, in einer Kalenderwoche charakteristi-

sche Muster zu erkennen. Als Synonyme werden in der Literatur der „Day-of-
Week-Effect“, „Monday-Effect” oder “Weekend-Effect” genannt.
Einige Ökonomen, die sich bereits sehr früh mit diesem Effekt auseinandersetz-
ten, waren Cross68, French69 und Gibbons/Hess70. Als gemeinsames Ergebnis der
Studien konnte festgestellt werden, dass die durchschnittlichen Renditen über die
einzelnen Wochentage nicht gleichverteilt sind. Es stellte sich heraus, dass Rendi-
ten an Montagen schwächer als an anderen Tagen waren. Die Intensität dieses
Effekts kann jedoch an den verschiedenen Märkten abweichen. Dubois und Lou-
vet (1996) untersuchten dazu neun verschiedene Märkte, um Unterschiede in den
einzelnen Handelswochen festzustellen. Dabei fiel auf, dass besonders Frankreich
an Freitagen negativ abschließt. Bei den weiteren, untersuchten Ländern konnte
mit Ausnahme von Australien jeweils ein Wochentags-Effekt festgestellt werden.71
66
Vgl. Kunkel/Compton/Beeyer (2003), S. 207ff.
67
Vgl. Ogden (1987, 1990)
68
Vgl. Cross (1973), S. 67ff.
69
Vgl. French (1980), S. 55ff.
70
Vgl. Gibbons/Hess (1981), S. 579ff.
71
Vgl. Dubois/Louvet. (1996), S.1470f.
27
Abbildung 6: Wochentagesrenditen im Vergleich72
Abraham/Ikenberry (1984) verwendeten für ihre Untersuchung des Wochentagef-

fektes einen CRSP gleichgewichteten Index von NYSE und ASE Unternehmen.
Auch hier konnte festgestellt werden, dass Montage die signifikant schlechtesten
Returns liefern. Als bester Handelstag konnte auch in dieser Studie der Freitag
auserwählt werden.73
Auch für den österreichischen Aktienmarkt wurden Studien auf diesen Effekt
durchgeführt. Für den ATX und damit den österreichischen Aktienmarkt konnte
Pichler (1993) keinen Wochentags-Effekt nachweisen.74 An seiner Studie wurde
jedoch bekrittelt, dass diese nur für den sehr kurzen Zeitraum von 1986 – 1990
durchgeführt wurde.
3.6 Erklärungsansätze für Saisonalitäten am Aktienmarkt
Angesichts der großen Anzahl an wissenschaftlichen Publikationen im Bereich der

Kapitalmarktanomalien stellt sich die Frage, ob den bekannten Modellen nicht zu
viele abstrakte Annahmen, die nicht realitätsnah sind, unterstellt werden. Im Mit-
telpunkt der Diskussion steht die Markteffizienz-Hypothese, laut der es nicht mög-
72
Abraham/Ikenberry (1984), S. 267
73
Vgl. Abraham/Ikenberry (1984), S. 267
74
Vgl. Pichler (1993), S. 195ff.
28
lich ist, Überrenditen zu erwirtschaften. Aufgrund der vorgestellten Saisonalitäten
wäre es jedoch grundsätzlich möglich, durch gezielte Strategien einen höheren
Return aus den Kapitalanlagen zu lukrieren. In der Literatur gibt es einige Versu-
che, Irrationalitäten und Saisonalitäten auf Aktienmärkten zu erklären. Im Folgen-
den werden diese Versuche näher dargestellt, um Erklärungsversuche für die ei-
gene Forschung zu liefern.
3.6.1 Behavioral Finance
Der Forschungsansatz der Behavioral Finance befasst sich mit der Aufnahme,
Auswahl und Verarbeitung von Informationen und in Folge dessen mit der ent-
sprechenden Entscheidungsfindung.75 Eine weitere Beschreibung könnte dem-
nach folgend lauten: „Die Behavioral Finance-Theoretiker greifen neue Erkennt-
nisse aus der Psychologie auf, um das Anlageverhalten und andere Phänomene
in den Kapitalmärkten zu erklären.“76 Die Preisbildung an den Kapitalmärkten
hängt daher nicht nur von ökonomischen Faktoren ab, sondern wird über das Zu-
sammenwirken von ökonomischen, soziologischen und psychologischen Faktoren
erklärt.77
Im Mittelpunkt der neoklassischen Finanzierungstheorie steht der bereits be-

schriebene Homo oeconomicus (rational handelndes Individuum). In der Behavio-
ral Finance sind diese Annahmen jedoch nicht der zentrale Ansatzpunkt, da hier
die Marktteilnehmer und Marktteilnehmerinnen aufgrund psychologischer, menta-
ler und neuronaler Restriktionen nur zu einem gewissen Maß rationale Entschei-
dungen treffen und neben der Gewinnerzielung noch weitere Motive besitzen.78
Allerdings verfügen die Marktteilnehmer und Marktteilnehmerinnen nicht über voll-
ständige Information und besitzen daher nicht immer Zugang zu allen relevanten
Informationen, die ihre Entscheidungen beeinflussen können.79 Im Zeitverlauf
75
Vgl. Goldberg/Nitsch (2004), S. 27
76
Weber (1999), S. 6 & Jurczyk (2006), S. 81
77
Vgl. Shiller (1999), S. 1306
78
Vgl. Rapp (1997), S. 82
79
Vgl. Goldberg/Nitzsch (2004), S. 25
29
wurden jedoch immer mehr verhaltenswissenschaftliche Aspekte in den finanz-
wirtschaftlichen Bereich übertragen. Folglich ist es nicht auszuschließen, dass
psychodynamische bzw. behavioristische Komponenten einen viel stärkeren Ein-
fluss auf Kursbewegungen ausüben können, als dies in den entsprechenden Kapi-
talmarkttheorien dargestellt wird. Demzufolge müsste durch geschicktes Handeln
von Investoren und Investorinnen eine positive Beeinflussung anderer Anleger und
Anlegerinnen möglich sein, was zu höheren Aktienkursen führen kann.80
Agieren die Anleger und Anlegerinnen unabhängig voneinander, kann es zu un-

terschiedlichen Bewertungen der vorhandenen Informationen kommen. Als Bei-
spiel hierfür ist der Framing-Effekt zu nennen, der besagt, dass derselbe Tatbe-
stand positiv und negativ abgebildet werden kann. Dadurch besteht die Möglich-
keit, dass unterschiedliche Reaktionen vom gleichen Investor oder Investorin her-
vorgerufen werden können.81
Vor allem bei Kapitalanlagen wird der Prozess von begrenzter Rationalität sowie
der begrenzten Wahrnehmungs- und Verarbeitungskapazität verdeutlicht. So
kommt es vor, dass Investoren und Investorinnen auf kürzlich erlebte Gewinne mit
einer erhöhten Risikobereitschaft reagieren, die nicht durch objektive Größen fun-
diert ist. Im Falle von Verlusten ist es bei Anlegern und Anlegerinnen oft sehr
wahrscheinlich, die erlangten Verluste durch eine erhöhte Risikobereitschaft wie-
der ausgleichen zu wollen. Die sogenannte Kontrollillusion führt bei den Individuen
zu einem Verhalten, dass rational nicht begründbar ist, da sie oftmals das Gefühl
haben, dass ihre Fähigkeiten für eine deutlich bessere Performance in Frage
kommen.82
3.6.1.1 Noise Trading
Im Bereich der Behavioral Finance beschreibt der Begriff Noise Trading (in der
deutschen Literatur auch oft mit der unglücklichen Bezeichnung: „Rauschhandel“)
80
Vgl. Bruns/Meyer-Bullerdiek (2013), S. 156f.
81
Vgl. Kogan (2009), S.7 & Tversky/Kahneman (1981), S. 453ff.
82
30
eine nicht objektiv nachprüfbare Kurskomponente, die zwar essentiell für die Exis-
tenz von liquiden Märkten ist, jedoch keinesfalls zur Erzielung von Überenditen
verwendet werden kann. Dieser Begriff ist jedoch klar von der Charakteristik von
Informationen abzugrenzen. Laut Black ist Rauschen für Finanzmärkte möglich
und notwendig, verursacht aber einen unvollkommenen Markt. Ohne die Existenz
von Rauschen würde der Handel von Wertpapieren stark eingeschränkt sein.83
Die Einflussnahme von Rauschen führt jedoch auch dazu, dass Aktienkurse oft
verzerrt dargestellt sind und keine exakte Abbildung ihres tatsächlichen Wertes
darstellen.84 Einen wesentlichen Einfluss auf den Aktienwert nehmen daher „noise
traders“. Bei den sogenannten „noise traders“ handelt es sich um Individuen, die
sich nicht auf den Fundamentalwert einer Aktie beziehen. Sie sind oft bereit, ein
höheres Risiko einzugehen und handeln aufgrund ihrer teils zu optimistischen
Denkweise. Gelingen ihnen dennoch Gewinne, werden sie von anderen Investo-
ren und Investorinnen nachgeahmt, da sie nicht erkennen, dass deren Anlagestra-
tegie einzig und allein auf Zufall zurückzuführen ist und nicht auf einer besseren
Kenntnis der Marktlage. Dies führt jedoch dazu, dass nun zusätzliche, finanzielle
Mittel in den Aktienmarkt fließen, wodurch die Kurse und diesbezüglich auch die
Gewinne der „noise traders“ steigen. Aufgrund dessen besteht die Gefahr, dass
„noise traders“ noch handelsüchtiger werden und bereit sind, noch riskantere An-
lagen zu tätigen. Mit diesem Muster ist es möglich, dass sich Aktienkurse auch
über einen längeren Zeitraum vom entsprechenden Fundamentalwert unterschei-
den können.85
3.6.1.2 Market Overreaction
An Aktienmärkten kann es aufgrund der Bekanntmachung neuer kursrelevanter

Informationen zu einer übertriebenen Kursreaktion der Marktteilnehmer und Markt-
teilnehmerinnen kommen.86 De Bondt und Taler konnten schon in den 80er Jahren
83
Vgl. Black (1985), S. 529ff., Bruns/Meyer-Bullerdiek (2013), S. 159
84
Vgl. Bruns/Meyer-Bullerdiek (2013), S. 160
85
Vgl. Bak (2003), S. 45
86
31
feststellen, dass Märkte in gewissen Phasen zu Überreaktion führen können. So
führten Experimente dazu, dass das Handeln involvierter Probanden zu folgender
Aussage führte:
„… they overweight recent information and underweight base rate data”.87
Demzufolge ist es möglich, dass Aktienkurse vorübergehend von ihrem tatsächli-

chen Wert abweichen und zusätzlich eine erhöhte Volatilität zeigen können.88 Auf-
grund dieser Tatsache könnte es für Investoren und Investorinnen möglich sein,
mit gezielten Überlegungen und Täuschungen Kursbewegungen herbeizuführen,
die so eigentlich nicht stattfinden sollten. Kommst es in einem Markt zu steigenden
Kursen, findet eine abnehmende Risikowahrnehmung statt, wobei die dabei erziel-
ten Anlageerfolge als Beweis für eine nur scheinbar erreichte Beherrschbarkeit
des Marktes angesehen werden.89 Im Gegensatz dazu lässt sich mit der „Market
Overreaction“ auch das Verhalten erklären, das bei stark sinkenden Kursen zu
beobachten ist. Mit dem Einsetzen einer Phase sinkender Kurse kann es zu star-
ken Verlustängsten kommen, die zur Neigung führen können, sich stark an Mas-
senbewegungen zu orientieren.90
3.6.2 Tax-Loss-Selling Hypothese
Die Tax-Loss-Selling Hypothese besagt, dass Investoren und Investorinnen am

Ende der Einkommenssteuerperiode ihre „Verlierer-Aktien“ verkaufen, damit sie
diese Verluste bei der Einkommenssteuererklärung bei der Ermittlung der Bemes-
sungsgrundlage abziehen dürfen. Dieser Vorgang bewirkt eine Minderung der
Steuerlast.91 Da diese Periode für gewöhnlich Ende Dezember ist, bietet diese
Hypothese einen Erklärungsansatz für den Januar Effekt, da es in Folge zu erneu-
ten Investitionen in Wertpapiere kommt.
87
DeBondt/ Thaler (1987), S. 577
88
89
Vgl. Maas/Weibler (1997), S. 117
90
Vgl. Roßbach (2001), S. 17, Maas/Weibler (1997), S. 117, Schachter et al. (1987), S. 259ff.
91
Vgl. Vollmer (2008), S. 73
32
4 Empirische Untersuchung
4.1 Vorgehensweise
In dieser Studie werden die Tagesendkurse der jeweiligen Aktienindizes betrach-

tet. Die Daten wurden mittels Thomson Reuters Datastream bezogen. Auf Basis
der entsprechenden Tages- und Monatsrenditen erfolgt die Auswertung der jewei-
ligen Kalendereffekte. Wichtig dabei ist lediglich die Berücksichtigung von Han-
delstagen, da es sonst zu falschen Berechnungen kommen kann. Um die Arbeit
etwas übersichtlicher zu gestalten, wurde ein Anhang angefügt, der sämtliche Gra-
fiken über die untersuchten Aktienindizes enthält.
Die Renditen werden bei der Auswertung in logarithmierter Form berechnet. Aus
den täglichen Schlusskursen Pt werden die stetigen Renditen nach der Formel
= ln ( )
berechnet.
Die Verwendung logarithmierter Renditen hat den Vorteil, dass die empirische
Verteilung der Renditen besser durch die Normalverteilung approximiert werden
kann. Des Weiteren können durch die logarithmierte Formel auch negative Zah-
lenwerte ermittelt werden. So ist es auch unmöglich, jemals einen Stand von unter
Null zu erreichen.
Bei den verwendeten Datensätzen entsprechen die täglichen Schlusskurse den

Zeitraum zwischen dem 01.01.1990 und dem 31.12.2015. Dieser Zeitabschnitt
wird zusätzlich in drei Subperioden unterteilt, um mögliche Veränderungen im
Zeitverlauf feststellen zu können.
Gesamtperiode: 01.01.1990 – 31.12.2015
Subperiode 1: 01.01.1990 – 31.12.1999
Subperiode 2: 01.01.2000 – 31.12.2007
Subperiode 3: 01.01.2008 – 31.12.2015

33
Mit Ausnahme von Österreich (ab 1991), Italien (ab 1998) und Portugal (ab 1993)
beginnen alle untersuchten Indizes mit dem 01.01.1990.
4.2 Aktienindizes
Für die empirische Untersuchung werden europäische Aktienindizes verwendet.

Die Wahl von Einzeltiteln würde sich als unvorteilhaft gestalten, da diese von un-
ternehmensrelevanten Informationen geprägt sind und eine Betrachtung des Ge-
samtmarktes einen besseren Vergleich im Zeitverlauf zulässt.
Zu beachten ist jedoch, dass Aktienindizes untereinander nur bedingt vergleichbar

sind, da den Berechnungen der Kurse noch keine einheitliche Auslegung zugrun-
de liegt. Unabhängig von der Darstellung der Wertentwicklung haben alle Indizes
gemeinsam, Tatbestände zu messen, die bei einzelner Betrachtung der jeweiligen
Titel kaum, oder nur sehr schwer möglich wäre. Ein Vergleich von Entwicklungen
in den einzelnen Ländern würde nur sehr schwer möglich sein, wenn man nur
Kursbewegungen von Einzeltiteln zur Verfügung haben würde. Indizes erleichtern
daher länderübergreifende Vergleiche.92
4.2.1 Anforderungen an Aktienindizes
Bei den Anforderungen an Aktienindizes werden formale, inhaltliche und techni-

sche Kriterien unterschieden.93 Die formalen Anforderungen leiten sich aus histori-
schen Tests von Irving Fisher ab, 94 auf die aber nicht genauer eingegangen wird,
da sie zum einen sehr umfangreich sind und zum anderen eine Erfüllung von allen
formulierten Anforderungen Fishers durch einen einzigen Index de facto gar nicht
erreichbar ist.95 In Folge werden die inhaltlichen und technischen Anforderungen
näher dargestellt.
92
Vgl. Bleymüller (1966), S. 20f.
93
Vgl. Schmitz-Esser (2001), S. 103
94
Vgl. Fisher (1927)
95
Vgl. Eichhorn/Voeller (1976), S. 22ff.
34
4.2.1.1 Inhaltliche Anforderungen
In der Literatur werden folgende inhaltliche Anforderungen genannt:
x Erwartungstreue
Bei der Erwartungstreue wird von einem Index gefordert, dass er eine unver-
zerrte Stichprobe der Aktiengesamtheit enthält.96 Vor allem für die Informati-
onsfunktion ist die Erwartungstreue eine relevante Eigenschaft. Markteilneh-
mer und Marktteilnehmerinnen, die einen Zusammenhang mit einem Aktienin-
dex und allgemeiner Kursentwicklung erstellen, werden Veränderungen eines
Indexes auf Veränderungen des allgemeinen Kursniveaus zurückverfolgen.
Dieser Schluss ist jedoch nur bei einem erwartungstreuen Index richtig. Des-
weiteren ist es für Investoren und Investorinnen unerlässlich, in ein repräsenta-
tives Portfolio, deren erwartete Rendite mit der Marktrendite übereinstimmt, zu
investieren.97
x Diversifikation
Unter Diversifikation versteht man die Auffassung, dass ein Portfolio ein breit
gestreutes Feld von verschiedenen Aktien enthält, die möglichst genau der
Grundgesamtheit entsprechen. Aufbauend auf der Portfoliotheorie von Marko-
witz kommt man zu dem Ergebnis, dass das Gesamtrisiko eines Portfolios
nicht aus der Summe der einzelnen Varianzen der Einzeltitel besteht, sondern
auch die Kovarianzen zwischen den Titeln eine relevante Rolle spielen.98 Dies
bedeutet, dass eine höhere Anzahl an Aktien zu einer Verringerung des unsys-
tematischen Risikos führt. Durch Streuung des Anlagebetrages auf diverse In-
vestitionsmöglichkeiten kann man also das Risiko reduzieren, jedoch nicht
vollständig beseitigen.99
96
Vgl. Bleymüller (1966), S. 20
97
98
Vgl. Markowitz (1952) & (1959)
99
Vgl. Poddig/Brinkmann (2005), S. 53
35
x Investierbarkeit
Um einen Aktienindex nachbilden zu können, muss gewährleistet sein, dass

die im Index enthaltenen Einzelwerte auch erwerbbar sind, um so den Markt
nachbilden zu können. Daher beinhalten Indizes in der Regel Standardwerte
mit einem hohem Handelsvolumen, oder anders ausgedrückt Titel, die ausrei-
chende Liquidität an der Börse aufweisen.100 Die Investierbarkeit in Indexport-
folios kann in gewissen Situationen eingeschränkt sein. Neben rechtlichen Auf-
lagen können Anlagebeschränkungen und nicht makrokonsistente Märkte (z.B.
gleichgewichtete Märkte, in denen unabhängig von seiner Börsenkapitalisie-
rung jeder Titel das gleiche Indexgewicht erhält) zu Einschränkungen in der In-
vestierbarkeit führen.101
4.2.1.2 Technische Anforderungen
Bei den technischen Anforderungen werden folgende Merkmale unterschieden:
x Zuverlässigkeit
Die Funktion der Zuverlässigkeit verbindet die einheitliche Arbeitsweise bei der
Datenerhebung und Datenverarbeitung durch den Berechner eines Aktieninde-
xes. Die dafür zu verwendeten Daten müssen einer verlässlichen Quelle ent-
sprechen, um für die hinreichende Qualität zu sorgen. Desweitern sollen die
vorhandenen Berechnungsregeln so gering wie möglich verändert werden, um
eine gewisse Kontinuität zu erreichen. Kommt es zu Veränderungen, sorgt die
Konsistenz dafür, dass gleichartige Vorgänge der Indexpflege auch in Zukunft
nach demselben Prinzip durchgeführt werden. Desweiteren muss sichergestellt
werden, dass sich ein Index nicht durch einzelne Marktteilnehmer und Markt-
teilnehmerinnen manipulieren lässt.102
100
Vgl. Körner (2006), S.15f.
101
Vgl. Schmitz-Esser (2001), S. 105ff.
102
Vgl. Schmitz-Esser (2001), S. 107ff.
36
x Transparenz
Erfolgt die Struktur eines Indexes verständlich, vollständig dokumentiert und al-
len Marktteilnehmern und Marktteilnehmerinnen frei zugänglich, kann von
Transparenz gesprochen werden. Diese ist hauptverantwortlich dafür, dass ein
Aktienindex von Anleger und Anlegerinnen nachgebildet werden kann.103
x Verfügbarkeit
Die Verfügbarkeit von Aktienindizes bezieht sich auf die verschiedenen Publi-
kationsmedien, die zur Weiterleitung von Informationen an seine Nutzer und
Nutzerinnen gerichtet sind, die Ausdehnung der historischen Kursverläufe und
die verwendete Berechnungsfrequenz.104
4.2.2 Berechnungsarten von Aktienindizes
Ein Aktienindex soll besonders für Anleger und Anlegerinnen als Orientierungshilfe
für die Tendenz am Aktienmarkt sorgen. Die dabei errechneten Werte können je-
doch unterschiedlichen Berechnungsmethoden unterliegen. Die meisten Aktienin-
dizes werden als Kursindizes oder/und als Performanceindizes berechnet.
Die Berücksichtigung von Kursveränderungen lässt sich relativ simpel mit einem
Vergleich des Anfangs- und Endwertes ermitteln. Schwieriger gestaltet es sich bei
Einbeziehung von Dividendenzahlungen, da diese Zahlungsströme bei den Inves-
toren und Investorinnen auf unterschiedliche Art und Weise konsumiert werden
können (z.B. für Konsumzwecke wie Reisen oder diverse Wiederveranlagun-
gen).105 Beim Performanceindex werden nicht nur die vom Markt ausgehenden
Kursveränderungen berücksichtigt, sondern zusätzlich alle Dividenden und Be-
103
104
105
Vgl. Beike (1999), S. 61
37
zugsrechte automatisch in die jeweiligen Aktien wieder reinvestiert.106 Diese Be-
rechnungsmethode findet u.a. beim deutschen Leitindex DAX Verwendung.
Beim Kursindex sind Veränderungen rein auf Kursentwicklungen zurückzuführen.

Im Gegensatz zum Performanceindex erfolgt keine Bereinigung um Kapitalverän-
derungen oder Dividendenzahlungen.107 Als Beispiel hierfür kann der österreichi-
sche Leitindex ATX genannt werden. Bei einem Performancevergleich von Indizes
ist daher immer zu achten, um welche Arten es sich dabei handelt. Ein reiner Ver-
gleich zwischen Performanceindex und Kursindex würde daher ohne Bereini-
gungsfaktoren zu Fehlschlüssen hinsichtlich der errechneten Performancekenn-
zahlen führen.
4.3 Auswahlkriterien
Für die Untersuchung werden europäische Aktienindizes aus dem Euro-Raum in

Betracht gezogen. Nach derzeitigem Stand entspricht die Auswahl den 19 Län-
dern (Belgien, Deutschland, Estland, Finnland, Frankreich, Griechenland, Irland,
Italien, Lettland, Litauen, Luxemburg, Malta, Niederlande, Österreich, Portugal,
Slowakei, Slowenien, Spanien und Zypern), die als offizielles Zahlungsmittel den
Euro verwenden. Aus Relevanzgründen werden jedoch die „kleinen“ Aktienindizes
der einwohnerschwächsten Länder nicht berücksichtigt. Bei diesen handelt es sich
um Estland, Griechenland, Lettland, Litauen, Luxemburg, Malta, Slowakei, Slowe-
nien sowie Zypern. Die heimischen Aktienindizes sollen dabei die Performance
des heimischen Aktienmarktes zeigen und die Stimmung der Investoren und In-
vestorinnen bezüglich Aktien widerspiegeln. Zusätzlich zu den nationalen Indizes
wird der EURO STOXX 50 untersucht, da er sich ausschließlich aus europäischen
Aktien zusammensetzt und somit eine wesentliche Bedeutung für den europäi-
schen Raum besitzt. Unter diesen Bedingungen fließen somit 11 verschiedene
Aktienindizes in die Untersuchung mit ein.
4.3.1 Untersuchte Aktienindizes
106
Vgl. Büschgen (2012), S. 787
107
Vgl. Büschgen (2012), S. 639
38
Im Folgenden werden die untersuchten Aktienindizes überblicksmäßig vorgestellt:
Der deutsche Aktienindex (DAX) setzt sich aus den Aktienkursen der 30 wichtigs-
ten börsennotierten Unternehmen in Deutschland, den sogenannten Blue Chips,
zusammen. Diese werden anhand ihrer Streubesitz-Marktkapitalisierung unter-
schiedlich stark gewichtet. Beim DAX werden Dividendenzahlungen und Bezugs-
rechtserlöse berücksichtigt, daher handelt es sich um einen Performanceindex.
Der Index wurde so festgelegt, dass 1000 Punkte genau dem DAX-Stand am 31.
Dezember 1987 entsprechen.108
Beim Austrian Trading Index (ATX) handelt es sich um den wichtigsten österrei-
chischen Aktienindex, der die 20 liquidesten Aktien der Wiener Börse enthält. Er
ist somit ein guter Indikator für die Entwicklung des österreichischen Gesamtmark-
tes. Startdatum des ATX war der 02.01.1991.109
Der Belgian 20 Index (BEL 20) umfasst die Performance der 20 größten, börsen-
notierten Unternehmen Belgiens an der Börse in Brüssel. Erstmals veröffentlicht
wurde der BEL 20 am 18. März 1991 mit einem Basiswert von 1000 Punkten.110
Der Cotation Assistèe en Continu (CAC 40) ist der Leitindex der Pariser Börse. Er
wurde am 31. Dezember 1987 erstmals eingeführt. Im Index befinden sich die 40
umsatzstärksten Aktiengesellschaften aus Frankreich, die nach der Marktkapitali-
sierung und dem Börsenwert der sich im Streubesitz befindlichen Aktien gewichtet
werden. Kriterien für eine Aufnahme in den Index sind u.a. ein Firmensitz in Frank-
reich und der Fall, dass sich die Aktien des Unternehmens unter den 100 meist-
gehandelten Unternehmen an der Pariser Börse befinden.111
Der Portuguese Stock Index 20 (PSI 20) besteht aus 18 (Stand: 12.04.2016, bis
2014 waren es 20) Unternehmen mit der höchsten Marktkapitalisierung und den
108
Vgl. Godmode Trader, DAX
109
Vgl. Finanzen, ATX
110
Vgl. Euronext, BEL 20 Factsheet
111
Vgl. Finanzen, CAC 40
39
am meisten gehandelten Aktien an der portugiesischen Börse in Lissabon. Einge-
führt wurde der Index am 31. Dezember 1992 mit einem Startwert von 3000 Punk-
ten.112
Der Amsterdam Exchange Index (AEX) bildet die Performance der 25 größten Un-
ternehmen der Niederlande nach. Früher unter dem Namen EOE-Index bekannt,
starteten die Berechnungen des Leitindexes am 04.03.1983 mit einem Wert von
100 Gulden.113
Der Iberia Index 35 (IBEX 35) ist der spanische Leitindex an der Madrider Börse
und enthält die 35 größten, börsennotierten Unternehmen. Für die Aufnahme in
den Index müssen Unternehmen folgende Kriterien erfüllen: einen der größten
Börsenumsätze an der Madrider Börse, eine überdurchschnittliche Unterneh-
menskapitalisierung und die Aktien des Unternehmens müssen im Beobachtungs-
zeitraum an mindestens einem Drittel der Tage gehandelt worden sein. 114
Beim Financial Times Stock Exchange Milano Indice Borsa (FTSE MIB) handelt es
sich um den Leitindex in Italien. Er zeigt die Performance der 40 liquidesten und
kapitalstärksten Unternehmen Italiens. Als Basisdatum dient der 31. Dezember
1997.115
Als Stimmungsbarometer für den finnischen Raum dient der OMX Helsinki 25. Er
umfasst die 25 meistgehandelten Unternehmen von Finnland. Bei diesem Index
handelt es sich um einen Performanceindex. Damit keine einzelnen Unternehmen
einen dominanten Einfluss ausüben können, liegt die Einflussgrenze von einem
Unternehmen bei 10 %.116
112
Vgl. Euronext, PSI 20 Factsheet
113
Vgl. Euronext, AEX Factsheet
114
Vgl. Finanzen, IBEX 35
115
Vgl. FTSE Russel, Factsheet FTSE MIB Index
116
Vgl. Bloomberg, OMX Helsinki 25
40
Der Irish Stock Exchange Overall Index (ISEQ Overall Index) ist der wichtigste
Aktienindex in Irland. Er repräsentiert die Performance aller am irischen Aktien-
markt gelisteten Unternehmen (exklusive jener, die im Vereinigten Königreich ge-
listet sind). Der Startwert mit einer Basis von 1000 Punkten datiert am
04.01.1988.117
Der EUROSTOXX 50 beinhaltet die 50 größten Unternehmen in der Eurozone. Als

Grundlage für die Aufnahme in diesen Index wird die Marktkapitalisierung aller
sich im Streubesitz befindlichen Aktien als Grundlage herangezogen. Diese ist
auch Basis für die entsprechende Gewichtung. Nicht der gesamte Börsenwert ei-
nes Unternehmens, sondern nur der Wert der frei handelbaren Aktien ist entschei-
dend.118 Obwohl er erst im Februar 1998 eingeführt wurde, wurden seine Kurse
bis ins Jahr 1986 rückwirkend kalkuliert. Dieser Index wird oft als Indikator für den
gesamten Aktienmarkt in der Eurozone gesehen.119
4.3.2 Verwendete Daten
Mittels Thomson Reuters Datastream wurden historische Finanzmarktdaten ge-

wonnen. Durch die Funktion „Total Return“ konnte auch bei Aktienindizes, bei de-
nen es sich normalerweise um Kursindizes handelt, Performancedaten gewonnen
werden. In einigen Fällen jedoch erfolgt die Datenanalyse mittels Preisindex Da-
ten. Bei den Total Return Daten handelt es sich um die Märkte von Deutschland,
Österreich, Italien, Niederlande, Frankreich, Finnland, Spanien, Irland und dem
Eurostoxx 50. Bei Belgien und Portugal handelt es sich um einen Kursindex. Ein
direkter Vergleich zwischen diesen Märkten ist daher nicht sinnvoll. Die Testung
auf Signifikanz erfolgte in Folge mit dem Statistikprogramm SPSS. Erzielt der ent-
sprechende Test (t-Test für unabhängige Stichproben bzw. Einfaktorielle Varianz-
analyse) dabei einen niedrigeren Signifikanzwert als 0,05, können eindeutige Un-
terschiede zwischen den betrachteten Gruppen bestätigt werden.
117
Vgl. Trading Economies, ISEQ Overall Index
118
Vgl. Godmode Trader, Euro Stoxx 50
119
Vgl. Finanzen, EuroStoxx 50
41
4.4 Untersuchung des Januareffektes
Die ausgewählten Aktienindizes werden im Folgenden auf den Januareffekt unter-
sucht. Aus der Literatur lässt sich die Hypothese formulieren, dass die Monatsren-
diten im ersten Monat des Jahres am höchsten seien. Um diese Behauptung zu
überprüfen, werden die Monatsrenditen der jeweiligen Indizes einem Ranking un-
terworfen. Der jeweilige Rang wird durch die Ziffern 1-12 (1=höchste Rendite,
12=niedrigste Rendite) dargestellt.
1990-1999120 2000-2007 2008-2015 1990-2015

MW RANG MW RANG MW RANG MW RANG
Januar 0,0349 1 - 0,0070 9 0,0044 7 0,0138 5
Februar 0,0143 8 - 0,0078 10 - 0,0079 9 0,0012 9
März 0,0083 9 - 0,0060 8 0,0372 1 0,0126 6
April 0,0195 4 0,0308 2 0,0174 5 0,0222 3
Deutschland
Mai 0,0159 5 - 0,0006 5 - 0,0025 8 0,0056 7

Juni 0,0158 6 - 0,0055 7 - 0,0173 11 - 0,0003 10
Juli 0,0083 10 - 0,0239 11 0,0203 2 0,0023 8
August - 0,0301 11 - 0,0024 6 - 0,0411 12 - 0,0252 11
September - 0,0323 12 - 0,0504 12 - 0,0085 10 - 0,0306 12
Oktober 0,0156 7 0,0437 1 0,0176 4 0,0245 1
November 0,0273 3 0,0219 3 0,0198 3 0,0235 2
Dezember 0,0299 2 0,0058 4 0,0152 6 0,0180 4
Januar 0,0435 2 0,0341 1 - 0,0063 6 0,0238 1

Februar 0,0474 1 0,0148 7 - 0,0125 8 0,0178 4
März - 0,0262 10 0,0287 3 0,0365 1 0,0114 6
April 0,0169 4 0,0201 5 0,0249 2 0,0205 2
Mai 0,0234 3 0,0124 9 - 0,0010 5 0,0121 5
Österreich
Juni - 0,0049 7 0,0190 6 - 0,0240 11 - 0,0034 9

Juli - 0,0117 9 - 0,0076 11 0,0084 4 - 0,0039 10
August - 0,0264 11 0,0060 10 - 0,0183 10 - 0,0135 11
September - 0,0272 12 - 0,0108 12 - 0,0425 12 - 0,0268 12
Oktober 0,0005 6 0,0134 8 - 0,0084 7 0,0018 7
November - 0,0074 8 0,0229 4 - 0,0175 9 - 0,0009 8
Dezember 0,0135 5 0,0328 2 0,0181 3 0,0187 3
120
Österreich ab 1991, Italien ab 1998, Portugal ab 1993
42
1990-1999 2000-2007 2008-2015 1990-2015
Januar 0,0325 1 - 0,0123 11 0,0090 4 0,0112 4
Februar 0,0119 6 - 0,0124 10 - 0,0051 7 - 0,0008 8
März 0,0121 5 0,0038 6 0,0328 1 0,0159 2
April 0,0166 4 0,0170 3 0,0037 5 0,0128 3
Mai 0,0083 9 - 0,0079 8 - 0,0150 10 - 0,0039 9
Belgien
Juni 0,0095 8 0,0033 7 - 0,0291 12 - 0,0043 10

Juli 0,0030 10 - 0,0096 9 0,0156 3 0,0030 6
August - 0,0369 12 0,0195 2 0,0011 6 - 0,0079 11
September - 0,0235 11 - 0,0166 12 - 0,0137 8 - 0,0183 12
Oktober 0,0216 2 0,0151 4 - 0,0182 11 0,0074 5
November 0,0118 7 0,0043 5 - 0,0146 9 0,0014 7
Dezember 0,0191 3 0,0242 1 0,0243 2 0,0209 1
Januar 0,0753 3 0,0142 4 0,0015 5 0,0153 3

Februar 0,0261 6 0,0040 6 - 0,0274 12 - 0,0075 9
März 0,1246 1 - 0,0098 10 0,0298 1 0,0227 1
April - 0,0331 10 0,0208 3 0,0212 2 0,0150 4
Mai - 0,0055 8 - 0,0019 8 - 0,0118 8 - 0,0067 7
Italien
Juni 0,0180 7 0,0007 7 - 0,0220 11 - 0,0075 8

Juli - 0,0084 9 - 0,0272 11 0,0082 4 - 0,0094 11
August - 0,0684 11 0,0111 5 - 0,0132 9 - 0,0085 10
September - 0,0731 12 - 0,0421 12 - 0,0024 6 - 0,0279 12
Oktober 0,0504 5 0,0306 1 - 0,0084 7 0,0155 2
November 0,0620 4 0,0278 2 - 0,0201 10 0,0103 6
Dezember 0,1091 2 - 0,0060 9 0,0095 3 0,0137 5
Januar 0,0202 5 - 0,0049 7 - 0,0059 8 0,0045 7

Februar 0,0258 4 - 0,0123 10 - 0,0165 9 0,0011 9
März 0,0186 7 - 0,0068 9 0,0319 1 0,0149 4
April 0,0407 2 0,0268 2 0,0134 4 0,0280 1
Niederlande
Mai 0,0186 8 - 0,0054 8 0,0052 5 0,0071 6

Juni 0,0075 10 0,0043 5 - 0,0224 11 - 0,0027 10
Juli 0,0130 9 - 0,0319 11 0,0278 2 0,0037 8
August - 0,0202 11 0,0239 3 - 0,0177 10 - 0,0059 11
September - 0,0214 12 - 0,0422 12 - 0,0271 12 - 0,0296 12
Oktober 0,0190 6 0,0323 1 0,0031 6 0,0182 3
November 0,0272 3 0,0107 4 - 0,0034 7 0,0127 5
Dezember 0,0417 1 0,0024 6 0,0271 3 0,0251 2
43
1990-1999 2000-2007 2008-2015 1990-2015
Januar 0,0704 1 0,0309 1 - 0,0027 5 0,0312 1
Februar 0,0352 3 0,0165 3 0,0003 4 0,0165 3
März 0,0101 7 - 0,0101 8 0,0244 1 0,0080 5
April - 0,0102 11 - 0,0083 7 - 0,0028 6 - 0,0070 9
Mai 0,0096 8 - 0,0134 9 - 0,0430 12 - 0,0167 10
Portugal
Juni - 0,0060 9 - 0,0163 11 - 0,0365 11 - 0,0202 12

Juli 0,0287 5 - 0,0185 12 - 0,0208 9 - 0,0049 8
August - 0,0087 10 - 0,0027 6 0,0022 3 - 0,0028 7
September - 0,0293 12 - 0,0145 10 - 0,0079 7 - 0,0167 11
Oktober 0,0481 2 0,0159 4 - 0,0122 8 0,0159 4
November 0,0150 6 0,0210 2 - 0,0230 10 0,0039 6
Dezember 0,0334 4 0,0113 5 0,0100 2 0,0176 2
Januar 0,0347 2 0,0162 5 - 0,0272 11 0,0100 5

Februar 0,0204 7 0,0199 2 - 0,0214 10 0,0079 6
März - 0,0055 9 - 0,0109 9 0,0259 1 0,0022 7
April 0,0259 5 0,0082 6 - 0,0006 6 0,0128 3
Mai 0,0263 4 - 0,0090 8 - 0,0347 12 - 0,0022 8
Spanien
Juni 0,0013 8 - 0,0171 10 0,0011 5 - 0,0042 9

Juli - 0,0106 10 - 0,0206 11 0,0163 2 - 0,0056 10
August - 0,0286 11 0,0166 4 - 0,0079 8 - 0,0091 11
September - 0,0353 12 - 0,0237 12 0,0044 4 - 0,0201 12
Oktober 0,0328 3 0,0405 1 - 0,0046 7 0,0240 1
November 0,0423 1 0,0168 3 - 0,0183 9 0,0168 2
Dezember 0,0249 6 - 0,0033 7 0,0089 3 0,0113 4
Januar 0,0620 1 - 0,0041 6 0,0051 6 0,0242 3

Februar 0,0218 6 - 0,0136 8 - 0,0034 9 0,0038 7
März - 0,0018 9 - 0,0095 7 0,0241 1 0,0036 8
April 0,0446 2 0,0301 2 0,0062 5 0,0289 1
Mai 0,0055 8 - 0,0206 10 - 0,0136 10 - 0,0079 9
Finnland
Juni - 0,0045 10 - 0,0158 9 - 0,0356 12 - 0,0170 11

Juli 0,0294 4 - 0,0357 12 0,0146 3 0,0057 6
August - 0,0387 12 0,0141 4 - 0,0010 8 - 0,0119 10
September - 0,0188 11 - 0,0280 11 - 0,0166 11 - 0,0209 12
Oktober 0,0247 5 0,0458 1 0,0133 4 0,0276 2
November 0,0367 3 0,0244 3 0,0049 7 0,0236 4
Dezember 0,0212 7 - 0,0016 5 0,0157 2 0,0125 5
44
1990-1999 2000-2007 2008-2015 1990-2015
Januar 0,0296 1 0,0027 7 - 0,0125 9 0,0083 6
Februar 0,0194 7 - 0,0067 10 - 0,0063 8 0,0041 8
März 0,0219 5 0,0012 8 0,0313 1 0,0186 3
April 0,0222 4 0,0281 2 0,0119 4 0,0209 1
Mai - 0,0018 10 0,0146 3 0,0032 5 0,0045 7
Frankreich
Juni 0,0186 8 - 0,0062 9 - 0,0208 12 - 0,0004 10

Juli 0,0058 9 - 0,0271 11 0,0206 2 0,0004 9
August - 0,0320 12 0,0058 6 - 0,0134 10 - 0,0153 11
September - 0,0228 11 - 0,0380 12 - 0,0154 11 - 0,0251 12
Oktober 0,0261 2 0,0302 1 0,0028 6 0,0204 2
November 0,0204 6 0,0062 5 - 0,0036 7 0,0091 5
Dezember 0,0222 3 0,0092 4 0,0166 3 0,0165 4
Januar 0,0531 1 0,0061 8 0,0235 2 0,0295 1

Februar 0,0232 3 - 0,0017 9 0,0020 6 0,0096 5
März 0,0103 7 0,0139 4 0,0513 1 0,0235 2
April 0,0146 4 0,0075 7 0,0185 4 0,0136 4
Mai - 0,0039 10 0,0118 6 - 0,0164 9 - 0,0030 9
Irland
Juni 0,0037 9 - 0,0065 10 - 0,0295 12 - 0,0091 11

Juli 0,0061 8 - 0,0203 11 - 0,0146 8 - 0,0079 10
August - 0,0235 12 0,0243 2 0,0071 5 - 0,0003 8
September - 0,0096 11 - 0,0327 12 - 0,0171 10 - 0,0186 12
Oktober 0,0134 6 0,0320 1 - 0,0244 11 0,0077 7
November 0,0136 5 0,0120 5 - 0,0010 7 0,0088 6
Dezember 0,0291 2 0,0165 3 0,0222 3 0,0231 3
Januar 0,0361 1 - 0,0007 6 - 0,0185 10 0,0079 6

Februar 0,0163 6 - 0,0066 9 - 0,0165 8 - 0,0002 7
März 0,0152 7 - 0,0032 7 0,0318 1 0,0146 4
April 0,0221 4 0,0210 2 0,0039 5 0,0164 3
EUROSTOXX 50
Mai 0,0071 9 - 0,0065 8 - 0,0241 12 - 0,0062 10

Juni 0,0069 10 - 0,0100 10 - 0,0172 9 - 0,0052 9
Juli 0,0080 8 - 0,0360 11 0,0215 2 - 0,0011 8
August - 0,0289 12 0,0078 4 - 0,0229 11 - 0,0162 11
September - 0,0225 11 - 0,0363 12 - 0,0111 7 - 0,0232 12
Oktober 0,0212 5 0,0360 1 0,0055 4 0,0210 1
November 0,0260 3 0,0156 3 - 0,0028 6 0,0144 5
Dezember 0,0339 2 0,0066 5 0,0133 3 0,0192 2
45
Tabelle 1: Untersuchung des Januareffektes
Einleitend in der 2. Spalte kommt es zur Untersuchung der Subperiode 1990-

1999. Tatsächlich sind in diesem Untersuchungszeitraum in 7 von 11 Fällen die
Renditen im ersten Jahr des Monats am höchsten. In Österreich, Italien, Nieder-
lande und Spanien konnten in anderen Monaten eine höhere Rendite erzielt wer-
den. Im Zeitraum 2000 – 2007 konnte nur noch in zwei untersuchten Märkten (Ös-
terreich und Portugal) ein Höchstwert erreicht werden. Im Gegensatz dazu konnte
der Januar in der Periode 2008 – 2015 in keinem untersuchten Land den Spitzen-
rang erlangen.
Nimmt man den Gesamtzeitraum 1990-2015 als Maßstab, wird sichtbar, dass der
Monat Januar dreimal die höchste Rendite erzielt. Auch der Monat April konnte
dreimal Rang eins erzielen. Des Weiteren konnten zweimal die Monate März und
Oktober, sowie einmal der Monat Dezember den höchsten Mittelwert der Renditen
erreichen. Im gesamten Untersuchungszeitraum konnte somit der Januar nicht
eindeutig als börsenstärkster Monat bezeichnet werden.
Zusätzlich zu den Rängen soll jedoch in einem zweiten Schritt ein Signifikanztest
überprüfen, ob sich die Januarrenditen von den restlichen Monaten des Jahres
unterscheiden. Dazu wurden, ähnlich wie bei Fama, die Januarrenditen mit dem
Durchschnitt der restlichen Monate verglichen.121 Zusätzlich gibt die letzte Spalte
Aufschluss über die gesamten Durchschnittsdaten aller Zeiträume.
Bei der Hypothesenformulierung wird dabei ausgegangen, dass sich die Januar-
renditen nicht von den restlichen Monaten des Jahres unterscheiden sollten:
H0: = ,
wobei den jeweiligen Monatsrenditen entspricht.
121
Vgl.Fama (1991), S. 1575 ff.
46
JANUAR FEB-DEZ Signifikanz ALLE
MW Stabw MW Stabw MW Stabw
1990-1999 0.0349 0.0341 0.0089 0.0583 0.185 0.0111 0.0572
2000-2007 -0.0070 0.0350 0.0005 0.0675 0.506 0.0019 0.0655
Deutschland
2008-2015 0,0044 0.0619 0.0045 0.0619 0.575 0.0030 0.0643
1990-2015 0.0138 0.0598 0.0050 0.0622 0.481 0.0057 0.0620
1991-1999 0.0435 0.0661 -0.0002 0.0690 0.102 0.0031 0.0693

2000-2007 0.0341 0.0341 0.0138 0.0440 0.233 0.0155 0.0459
Österreich
2008-2015 -0.0063 0.0709 -0.0040 0.0795 0.936 - 0.0042 0.0785
1991-2015 0.0238 0.0673 0.0030 0.0662 0.151 0.0047 0.0664
1990-1999 0.0325 0.0535 0.0049 0.0484 0.089 0.0072 0.0492

2000-2007 -0.0123 0.0779 0.0037 0.0442 0.563 0.0023 0.0475
Belgien
2008-2015 0.0090 0.0522 -0.0020 0.0610 0.621 - 0.0011 0.0602
1990-2015 0.0112 0.0622 0.0024 0.0514 0.410 0.0031 0.0523
1998-1999 0.0753 0.0747 0.0183 0.0856 0.375 0.0231 0.0848

2000-2007 0.0142 0.0226 -0.0046 0.0592 0.235 0.0019 0.0531
Italien
2008-2015 0.0015 0.0827 -0.0033 0.0704 0.855 - 0.0029 0.0711
1998-2015 0.0153 0.0622 0.0009 0.0660 0.373 0.0021 0.0656
1990-1999 0.0202 0.0380 0.0155 0.0536 0.785 0.0159 0.0523

2000-2007 -0.0049 0.0518 0.0001 0.0619 0.824 - 0.0003 0.0609
Niederlande
2008-2015 -0.0059 0.0606 0.0019 0.0635 0.738 0.0013 0.0630
1990-2015 0.0045 0.0496 0.0066 0.0596 0.859 0.0064 0.0587
1993-1999 0.0704 0.0704 0.0114 0.0713 0.038 0.0164 0.0724

2000-2007 0.0309 0.0339 -0.0017 0.0506 0.078 0.0010 0.0502
Portugal
2008-2015 -0.0027 0.0770 -0.0099 0.0634 0.762 - 0.0093 0.0642
1993-2015 0.0312 0.0660 -0.0006 0.0623 0.020 0.0021 0.0631
1990-1999 0.0347 0.0438 0.0091 0.0697 0.258 0.0113 0.0682

2000-2007 0.0162 0.0484 0.0016 0.0559 0.475 0.0028 0.0553
Spanien
2008-2015 -0.0272 0.0739 -0.0028 0.0663 0.326 - 0.0048 0.0669
1990-2015 0.0100 0.0598 0.0031 0.0647 0.604 0.0037 0.0642
1990-1999 0.0620 0.0732 0.0118 0.0867 0.079 0.0160 0.0865

2000-2007 -0.0041 0.0507 -0.0010 0.0668 0.898 - 0.0012 0.0654
Finnland
2008-2015 0.0051 0.0653 0.0008 0.0659 0.859 0.0011 0.0656
1990-2015 0.0242 0.0692 0.0045 0.0748 0.198 0.0061 0.0744
47
Januar FEB-DEZ Signifikanz ALLE
MW Stabw MW Stabw MW Stabw
1990-1999 0.0296 0.0527 0.0098 0.0601 0.316 0.0114 0.0595
2000-2007 0.0027 0.0328 0.0016 0.0534 0.955 0.0017 0.0519
Frankreich
2008-2015 -0.0125 0.0731 0.0024 0.0574 0.492 0.0012 0.0586
1990-2015 0.0083 0.0559 0.0050 0.0572 0.775 0.0053 0.0570
1990-1999 0.0531 0.0437 0.0074 0.0559 0.013 0.0112 0.0563

2000-2007 0.0061 0.0357 0.0052 0.0530 0.960 0.0052 0.0517
Irland
2008-2015 0.0235 0.0300 -0.0002 0.0722 0.362 0.0018 0.0698
1990-2015 0.0295 0.0411 0.0044 0.0604 0.039 0.0065 0.0594
1990-1999 0.0361 0.0347 0.0102 0.0526 0.131 0.0124 0.0518

2000-2007 -0.0007 0.0311 -0.0010 0.0550 0.988 - 0.0010 0.0533
EUROSTOXX
2008-2015 -0.0185 0.0772 -0.0017 0.0609 0.465 - 0.0031 0.0621
1990-2015 0.0079 0.0542 0.0031 0.0561 0.673 0.0035 0.0559
Tabelle 2: Januarrenditen im Vergleich
Bei diesem Vergleich wird deutlich, dass nur in Portugal und Irland signifikante
Unterschiede zwischen den Januarrenditen und dem Durchschnitt der restlichen
Monatsrenditen festgestellt werden konnten. In diesen Ländern sind laut den Tests
die Renditen im Januar deutlich höher als in den restlichen Monaten. Bei den an-
deren Indizes, mit Ausnahme von den Niederlanden, sind die Januarrenditen zwar
höher, als die durchschnittlichen Jahresrenditen, dies jedoch nicht mit ausreichen-
der Signifikanz.
Insgesamt wird bei Betrachtung des Januareffektes ersichtlich, dass die Ergebnis-
se teils sehr stark variieren können. Erzielt ein Monat in einem Zeitraum ein gutes
Ergebnis, ist es keinesfalls eine Garantie dafür, in der nächsten Periode eine ähn-
lich gute Performance zu liefern. Grundlegende Erkenntnis aus der Rangfolge ist
offenbar die Tatsache, dass der Januar nur teilweise als rentabelster Monat des
Jahres bezeichnet werden kann. Von insgesamt 44 Untersuchungen konnte dem
Monat Januar 12-mal (entspricht 27,27%) Rang 1 vergeben werden. Übertroffen
wird diese Anzahl nur durch den Monat März, der gesamt 13-mal Rang 1 errei-
chen konnte. Ähnlich gut gestaltete sich auch der Monat Oktober, bei dem 11-mal
Rang 1 vergeben wurde. Aufgrund der Ergebnisse im Vergleich mit den restlichen
Monatsrenditen wird ersichtlich, dass der Januar nicht zwangsweise der Monat mit
48
den höchsten Renditen ist, jedoch in den meisten Fällen zu überdurchschnittlichen
Renditen führt. Die These, dass der Januar als börsenstärkster Monat des Jahres
gilt, kann somit nicht eindeutig bestätigt werden. Nichtsdestotrotz kann der erste
Monat des Jahres weiterhin zu den lukrativsten des Jahres gezählt werden.
4.5 Untersuchung des Verkaufe-im-Mai-Effekt
Da dieser Effekt in der Literatur nicht exakt einheitlich formuliert wird, wird die
Hypothese überprüft, ob es zu unterschiedlichen Renditen in den „Wintermonaten“
und „Sommermonaten“ kommt. Dazu kommt es zur Bildung der Wintermonate,
von Oktober bis April definiert, und der Sommermonate, die den Zeitraum Mai bis
September erfassen. Dies wird anhand folgender Hypothese dargestellt:
H0: = ,
wobei − die Renditen der Wintermonate Oktober bis April und − die
Renditen der Sommermonate Mai bis September erfassen.
Wintermonate Sommermonate Signifikanz

MW Stabw MW Stabw
1990-1999 0,02083 0,04741 -0,00591 0,06467 0,011
2000-2007 0,01655 0,05758 -0,01670 0,07623 0,025
Deutschland
2008-2015 0,01319 0,06440 -0,00980 0,06293 0,086
1990-2015 0,01735 0,05557 -0,01001 0,06708 0,000
1991-1999 0,00881 0,06300 -0,00740 0,07178 0,194

2000-2007 0,03016 0,04242 0,00288 0,04752 0,007
Österreich
2008-2015 0,00475 0,07635 -0,01547 0,08165 0,219
1991-2015 0,01357 0,06335 -0,00710 0,06930 0,008
1990-1999 0,01390 0,48585 -0,00549 0,04970 0,027

2000-2007 0,01011 0,04030 -0,00528 0,05305 0,135
Belgien
2008-2015 0,00420 0,05991 -0,00822 0,06133 0,326
1990-2015 0,00993 0,05023 -0,00627 0,05399 0,007
1998-1999 0,04118 0,07683 -0,01555 0,06739 0,028

2000-2007 0,01258 0,04448 -0,01474 0,05835 0,017
Italien
2008-2015 0,00184 0,07204 -0,00826 0,07067 0,498
1998-2015 0,01266 0,06455 -0,01199 0,06492 0,006
49
Wintermonate Sommermonate Signifikanz
MW Stabw MW Stabw
1990-1999 0,02442 0,04716 -0,00025 0,05501 0,007
2000-2007 0,00891 0,05275 -0,01208 0,07427 0,133
Niederlande
2008-2015 0,00824 0,05858 -0,00685 0,06850 0,264
1990-2015 0,01531 0,05265 -0,00546 0,06452 0,003
1993-1999 0,02355 0,06878 -0,00187 0,07505 0,089

2000-2007 0,01453 0,04131 -0,01393 0,05058 0,006
Portugal
2008-2015 -0,00075 0,06076 -0,02120 0,06833 0,128
1993-2015 0,01243 0,05925 -0,01227 0,06597 0,001
1990-1999 0,02149 0,06539 -0,00989 0,06837 0,009

2000-2007 0,01864 0,04538 -0,01151 0,05953 0,014
Spanien
2008-2015 -0,00388 0,06336 -0,00417 0,07199 0,984
1990-2015 0,01301 0,06071 -0,00856 0,06683 0,003
1990-1999 0,02762 0,08165 -0,01057 0,08565 0,011

2000-2007 0,01351 0,06829 -0,01149 0,05985 0,086
Finnland
2008-2015 0,01016 0,06034 -0,01044 0,07175 0,133
1990-2015 0,01849 0,07221 -0,01078 0,07464 0,001
1990-1999 0,02292 0,05148 -0,00643 0,06388 0,004

2000-2007 0,01128 0,04467 -0,01169 0,06067 0,049
Frankreich
2008-2015 0,00686 0,05636 -0,00516 0,06157 0,326
1990-2015 0,01484 0,05152 -0,00745 0,06190 0,001
1990-1999 0,02265 0,05070 -0,00455 0,05901 0,005

2000-2007 0,01211 0,04489 -0,00676 0,05903 0,100
Irland
2008-2015 0,01356 0,06665 -0,14088 0,07257 0,058
1990-2015 0,01704 0,05458 -0,00808 0,06313 0,000
1990-1999 0,02414 0,04283 -0,00708 0,05602 0,000

2000-2007 0,01019 0,04664 -0,01659 0,06224 0,027
EUROSTOXX
2008-2015 0,00357 0,06168 -0,01077 0,06248 0,269
1990-2015 0,01411 0,05077 -0,01078 0,05941 0,000
Tabelle 3: Untersuchung des Verkaufe-im-Mai-Effektes
Die Ergebnisse über den gesamten Zeitraum liefern ein recht deutliches Bild.
Während bei den Wintermonaten in allen Ländern ein positiver Wert ermittelt wer-
den konnte, gelingt den Sommermonaten in keinem einzigen untersuchten Markt
50
ein positives Ergebnis. Als Ergebnis konnte auch in allen Ländern ein signifikanter
Unterschied in der Gesamtperiode festgestellt werden. In den jeweiligen Subperi-
oden konnten durchwegs auch erzielbare Unterschiede festgestellt werden. Auf-
grund der geringeren Datenmenge konnte hier jedoch in nur 14 von 36 betrachte-
ten Zeiträumen Signifikanz hinterlegt werden. Interessant gestaltete sich der
jüngste Zeitraum von 2008 bis 2015. Auch hier konnten zwar durchwegs Unter-
schiede festgestellt werden, jedoch in keinem einzigen Fall mit statistischer Signi-
fikanz bestätigt werden.
Abbildung 7: Winter- vs. Sommermonate
Die dazugehörige Grafik liefert dazu einen sehr guten Überblick, wie deutlich Un-
terschiede feststellbar sind. Der vorliegende Spruch: „Sell in May and go away …
but return on the end of September” kann somit nicht direkt ins Reich der Fabeln
verbannt werden. Anscheinend ist es immer noch der Fall, dass die Stimmung in
den Wintermonaten an den Aktienmärkten deutlich besser als in den restlichen
Sommermonaten gesehen wird.
51
4.6 Untersuchung des Wochentageffektes
In weiterer Folge kommt es zur Analyse der Tagesrenditen. Laut den erforschten
Theorien ist es auch möglich, in den täglichen Renditen Muster zu erkennen. Für
diesen Punkt wurden die täglichen Renditen dem entsprechenden Wochentag zu-
geordnet und danach ein Mittelwert berechnet. Aufgrund der Literaturrecherche
kann vermutet werden, dass die Renditen an einem Freitag am höchsten seien
sollten, während die Werte an einem Montag den geringsten Wert annehmen
müssten. Grundsätzlich wird aber von einem Szenario ausgegangen, dass der
Wochentag keine Rolle für die erzielbaren Renditen spielen dürfte.
Überblicksweise wird also mit folgendem Szenario gerechnet:
E(rt/ t = Montag) =
E(rt/ t = Dienstag) =
E(rt/ t = Mittwoch) =
E(rt/ t = Donnerstag) =
E(rt/ t = Freitag) =
Bei dem Koeffizienten handelt es sich um die errechnete Rendite des jeweiligen
Wochentages t. Bei den statistischen Tests wird im Folgenden untersucht, ob in-
nerhalb einer Woche mit einer Gleichverteilung der Renditen zu rechnen ist:
Renditen: = = = =
Im ersten Schritt werden die Tagesrenditen der Aktienindizes mittels einer Einfak-
toriellen Varianzanalyse auf Unterschiede untersucht.
52
1990-1999 2000-2007 2008-2015 1990-2015
MW Stabw MW Stabw MW Stabw MW Stabw
Montag 0.00077 0.01480 0.00020 0.01677 -0.00015 0.01790 0.00031 0.01642
Deutschland
Dienstag 0.00035 0.01212 -0.00043 0.01494 0.00071 0.01518 0.00023 0.01401

Mittwoch 0.00110 0.01155 -0.00112 0.01523 0.00042 0.01444 0.00021 0.01369
Donnerstag -0.00026 0.01210 0.00092 0.01548 0.00013 0.01489 0.00023 0.01412
Freitag 0.00035 0.01187 0.00049 0.01483 -0.00088 0.01450 0.00001 0.01369
Signifikanz 0.514 0.359 0.645 0.990
Montag 0.00016 0.01373 0.00034 0.01062 -0.00147 0.02084 -0.00030 0.01561

Dienstag 0.00028 0.01173 0.00002 0.00952 -0.00003 0.01690 0.00010 0.01304
Österreich
Mittwoch 0.00007 0.01047 0.00094 0.00991 0.00040 0.01687 0.00045 0.01272

Donnerstag -0.00036 0.01138 0.00113 0.00986 -0.00072 0.01715 -0.00000 0.01314
Freitag 0.00038 0.01117 0.00098 0.00950 -0.00004 0.01697 0.00044 0.01288
Signifikanz 0.907 0.477 0.623 0.623
Montag -0.00001 0.01066 -0.00039 0.01200 -0.00045 0.01618 -0.00027 0.01305

Dienstag 0.00028 0.00846 -0.00048 0.01107 -0.00022 0.01327 -0.00012 0.01097
Belgien
Mittwoch 0.00034 0.00843 0.00019 0.01081 0.00038 0.01377 0.00031 0.01105

Donnerstag 0.00037 0.00888 0.00051 0.01262 0.00004 0.01356 0.00031 0.01170
Freitag 0.00045 0.00879 0.00036 0.01122 -0.00042 0.01323 0.00015 0.01109
Signifikanz 0.949 0.666 0.910 0.632
Montag 0.00364 0.02010 -0.00008 0.01297 -0.00164 0.02089 -0.00037 0.01776

Dienstag 0.00141 0.01642 -0.00040 0.01241 0.00049 0.01694 0.00020 0.01505
Italien
Mittwoch 0.00012 0.01649 -0.00010 0.01135 0.00075 0.01708 0.00031 0.01474

Donnerstag -0.00205 0.01757 0.00045 0.01212 -0.00002 0.01771 -0.00004 0.01545
Freitag 0.00088 0.01442 0.00016 0.01189 -0.00083 0.01723 -0.00020 0.01473
Signifikanz 0.219 0.899 0.315 0.888
Montag 0.00129 0.01255 -0.00049 0.01634 -0.00034 0.01823 0.00023 0.01570

0.00113 0.01049 -0.00055 0.01361 0.00067 0.01366 0.00047 0.01254
Niederlande
Dienstag
Mittwoch 0.00091 0.00997 -0.00107 0.01301 0.00024 0.01472 0.00009 0.01255
Donnerstag -0.00012 0.01042 0.00099 0.01554 -0.00019 0.01402 0.00020 0.01331
Freitag 0.00028 0.01021 0.00084 0.01381 -0.00064 0.01387 0.00017 0.01260
Signifikanz 0.191 0.167 0.756 0.964
Montag 0.00069 0.01111 -0.00051 0.00899 -0.00118 0.01654 -0.00040 0.01274

Dienstag 0.00099 0.00987 -0.00016 0.00968 -0.00061 0.01402 0.00001 0.01150
Portugal
Mittwoch 0.00075 0.01046 0.00000 0.00960 -0.00031 0.01412 0.00011 0.01165

Donnerstag 0.00009 0.01124 0.00025 0.00859 -0.00030 0.01442 0.00000 0.01170
Freitag 0.00089 0.00874 0.00083 0.00913 -0.00027 0.01316 0.00046 0.01064
Signifikanz 0.814 0.328 0.887 0.548
53
1990-1999 2000-2007 2008-2015 1990-2015
MW Stabw MW Stabw MW Stabw MW Stabw
Montag 0.00007 0.01356 -0.00081 0.01359 -0.00176 0.01908 -0.00078 0.01554
Dienstag 0.00106 0.01182 -0.00016 0.01256 0.00043 0.01586 0.00049 0.01343
Spanien
Mittwoch 0.00013 0.01197 -0.00046 0.01292 -0.00014 0.01626 -0.00014 0.01372

Donnerstag 0.00003 0.01301 0.00106 0.01285 0.00013 0.01666 0.00038 0.01421
Freitag 0.00118 0.01115 0.00050 0.01287 -0.00015 0.01709 0.00056 0.01376
Signifikanz 0.378 0.258 0.403 0.091
Montag 0.00011 0.01444 -0.00019 0.01430 -0.00042 0.01859 -0.00015 0.01579

Dienstag 0.00007 0.01445 -0.00090 0.01497 -0.00002 0.01590 -0.00025 0.01507
Finnland
Mittwoch 0.00071 0.01488 -0.00159 0.01536 0.00049 0.01560 -0.00007 0.01527

Donnerstag 0.00132 0.01505 0.00040 0.01618 0.00026 0.01602 0.00071 0.01570
Freitag 0.00085 0.01408 0.00146 0.01327 -0.00029 0.01477 0.00069 0.01406
Signifikanz 0.640 0.045 0.933 0.301
Montag -0.00025 0.01315 -0.00025 0.01474 -0.00061 0.01878 -0.00036 0.01561

Dienstag 0.00104 0.01150 -0.00057 0.01387 0.00055 0.01489 0.00038 0.01339
Frankreich
Mittwoch 0.00091 0.01161 -0.00092 0.01343 0.00034 0.01514 0.00017 0.01336

Donnerstag 0.00035 0.01262 0.00105 0.01468 0.00006 0.01532 0.00048 0.01415
Freitag 0.00041 0.01152 0.00074 0.01303 -0.00057 0.01537 0.00021 0.01329
Signifikanz 0.496 0.201 0.783 0.597
Montag 0.00065 0.00989 -0.00058 0.01118 -0.00158 0.01812 -0.00043 0.01339

Dienstag 0.00042 0.00892 0.00006 0.01047 -0.00031 0.01686 0.00008 0.01234
Irland
Mittwoch 0.00082 0.00936 -0.00060 0.01176 0.00029 0.01631 0.00022 0.01261

Donnerstag 0.00052 0.00898 0.00068 0.01111 0.00064 0.01621 0.00061 0.01224
Freitag 0.00012 0.00841 0.00132 0.00987 0.00079 0.01549 0.00070 0.01144
Signifikanz 0.802 0.056 0.263 0.151
Montag 0.00051 0.01197 -0.00049 0.01548 -0.00086 0.01887 -0.00021 0.01542

Eurostoxx 50
Dienstag 0.00074 0.01009 -0.00041 0.01399 0.00053 0.01502 0.00033 0.01297

Mittwoch 0.00071 0.00957 -0.00112 0.01347 0.00013 0.01486 -0.00002 0.01261
Donnerstag 0.00013 0.01018 0.00097 0.01483 0.00001 0.01548 0.00035 0.01345
Freitag 0.00054 0.00950 0.00053 0.01346 -0.00094 0.01568 0.00009 0.01287
Signifikanz 0.888 0.224 0.624 0.795
Tabelle 4: Wochentagsrenditen im Überblick

Insgesamt liefert der Wochentageffekt bei allen untersuchten Aktienindizes nur ein
signifikantes Ergebnis. Beim OMX Helsinki 25 (Finnland) konnte im Zeitraum
2000-2007 ein signifikanter Unterschied in den Tagesrenditen entdeckt werden.
Hier konnte bei einem Folgetest keine Homogenität der Varianzen festgestellt
54
werden, weshalb in weiterer Folge der Games-Howell in Verwendung gezogen
wurde. Bei diesem konnte festgestellt werden, dass der Mittwoch und Freitag die
zu betrachteten Tage sind. Während an Mittwochen die niedrigsten, negativen
Renditen erreicht wurden, gestaltete sich besonders der Freitag als jener Tag mit
den signifikant höchsten Renditen.
In den anderen Märkten konnten zwar Verschiedenheiten bei der Verteilung der
Tagesrenditen festgestellt werden, diese jedoch nie mit ausreichender Signifikanz
untermauert werden. Vor allem bei einem Blick auf die einzelnen Subperioden
wird deutlich, dass die Tagesrenditen einem zufälligen Verlauf folgen. Betreffend
der Volatilität konnte im gesamten Zeitraum beobachtet werden, dass sie an Mon-
tagen im Vergleich zu anderen Tagen immer den höchsten Wert erreichte. Wel-
cher Wochentag insgesamt die höchsten Renditen erzielt, kann pauschal nicht
gesagt werden und ist demzufolge nicht allgemein auf alle Märkte übertragbar.
4.7 Untersuchung des Monatswechseleffektes
Bei der Auswertung wird nun untersucht, ob in den jeweiligen Tagen innerhalb
eines Monats charakteristische Merkmale zu entdecken sind. Laut vorherrschen-
der Thesen sind die Tagesrenditen am Monatsbeginn bzw. Monatsende höher als
an den restlichen Tagen in der Monatsmitte. Demzufolge werden die letzten zwei
Tage eines Monats bzw. ersten zwei Tage des darauffolgenden Monats mit den
restlichen Tagesrenditen eines Monats verglichen.
Beim Monatswechseleffekt wird daher die Hypothese untersucht, ob der Mittelwert

der Tage um die Monatswende sich nicht signifikant vom Mittelwert der restlichen
Tage eines Monats unterscheidet. Dazu die Nullhypothese H 0: Rendite Tage um
die Monatswende = Rendite der Tage in der Monatsmitte.
55
Monatswechsel Monatsmitte Signifikanz
MW Stabw MW Stabw
1990-1999 0,000831 0,011767 0,000392 0,012691 0,515
2000-2007 0,001482 0,014985 - 0,000299 0,015551 0,050
Deutschland
2008-2015 - 0,000404 0,015376 0,000147 0,015430 0,545
1990-2015 0,000651 0,014011 0,000101 0,014496 0,247
1991-1999 0,000893 0,011304 - 0,000056 0,011807 0,161

2000-2007 0,002523 0,010088 0,000302 0,009806 0,000
Österreich
2008-2015 0,000336 0,017186 - 0,000511 0,017923 0,431
1990-2015 0,001231 0,013217 - 0,000088 0,013561 0,005
1990-1999 0,001003 0,008986 0,000145 0,009067 0,084

2000-2007 0,001296 0,010734 - 0,000224 0,011717 0,025
Belgien
2008-2015 0,000213 0,013745 - 0,000209 0,014099 0,607
1990-2015 0,000843 0,011243 - 0,000081 0,011656 0,016
1998-1999 - 0,000205 0,016419 0,000976 0,017283 0,769

2000-2007 0,000741 0,011962 - 0,000146 0,012184 0,565
Italien
2008-2015 - 0,000401 0,018198 - 0,000205 0,017991 0,853
1990-2015 0,000132 0,015485 - 0,000048 0,015596 0,769
1990-1999 0,000999 0,010469 0,000633 0,010823 0,528

2000-2007 0,001106 0,014769 - 0,000306 0,014462 0,096
Niederlande
2008-2015 0,000073 0,015134 - 0,000074 0,014955 0,866
1990-2015 0,000741 0,013469 0,000125 0,013365 0,160
1993-1999 0,000266 0,011466 0,000764 0,010076 0,462

2000-2007 0,000617 0,008661 - 0,000029 0,009316 0,236
Portugal
2008-2015 0,000331 0,013791 - 0,000719 0,014626 0,214
1993-2015 0,000413 0,011519 - 0,000042 0,011696 0,266
1990-1999 0,000851 0,012147 0,000418 0,012368 0,513

2000-2007 0,001053 0,012460 - 0,000185 0,013063 0,107
Spanien
2008-2015 - 0,000038 0,016462 - 0,000348 0,017141 0,757
1990-2015 0,000634 0,013734 - 0,000008 0,014237 0,169
1990-1999 0,001051 0,012738 0,000521 0,014941 0,453

2000-2007 0,001547 0,014922 - 0,000555 0,014853 0,017
Finnland
2008-2015 0,000293 0,016544 - 0,000051 0,016142 0,720
1990-2015 0,000971 0,014685 0,000013 0,015300 0,056
56
Monatswechsel Monatsmitte Signifikanz
MW Stabw MW Stabw
1990-1999 0,001351 0,012055 0,000327 0,012088 0,117
2000-2007 0,001270 0,014146 - 0,000255 0,013923 0,062
Frankreich
2008-2015 - 0,000164 0,015536 - 0,000018 0,016043 0,875
1990-2015 0,000846 0,013901 0,000038 0,013992 0,078
1990-1999 0,001319 0,009577 0,000336 0,009001 0,045

2000-2007 0,001470 0,012514 - 0,000080 0,010535 0,017
Irland
2008-2015 0,001249 0,017693 - 0,000280 0,016364 0,120
1990-2015 0,001344 0,013435 0,000017 0,012176 0,001
1990-1999 0,000953 0,009456 0,000436 0,010464 0,330

2000-2007 0,001241 0,014229 - 0,000391 0,014271 0,049
EUROSTOXX 50
2008-2015 - 0,000249 0,015651 - 0,000214 0,016126 0,970
1990-2015 0,000670 0,013111 - 0,000015 0,013578 0,114
Tabelle 5: Untersuchung des Monatswechseleffekts
Die Ergebnisse für den Monatswechsel liefern auch hier kein einheitliches Bild. In
der ersten Subperiode konnte nur in Irland ein signifikanter Unterschied festge-
stellt werden. Bei allen anderen betrachteten Aktienindizes konnte keine Ver-
schiedenheit beobachtet werden. Die zweite Subperiode brachte mit sechs signifi-
kanten Ergebnissen die statistisch gesehen wertvollsten Resultate. In Deutsch-
land, Österreich, Belgien, Finnland, Irland und beim EuroStoxx 50 konnte bei den
Tagen um die Monatswende ein deutlich höherer Mittelwert berechnet werden. In
der letzten Subperiode konnte bei keinem untersuchten Index ein Unterschied zu
den restlichen Tagen eines Monats ausgeforscht werden. Die Darstellung über
den gesamten Zeitraum brachte nur in Österreich, Belgien und Irland ein signifi-
kantes Ergebnis. Vor allem in Irland, mit drei signifikanten Ergebnissen in vier Ka-
tegorien, scheint der Monatswechseleffekt eine besondere Bedeutung zu haben.
In den anderen Ländern konnte nur teilweise, wie in Österreich oder Belgien, oder
vereinzelt (Deutschland, Finnland, EuroStoxx 50) ein Unterschied in den Tages-
renditen innerhalb eines Monats festgestellt werden. Aufgrund dieser Ergebnisse
und der geringen Anzahl an signifikanten Ergebnissen sollen die erzielten Resulta-
te nicht überbewertet werden. Da der Effekt nur vereinzelt erscheint und zwischen
den Ergebnissen teilweise starke Schwankungen auftreten, müssen auch die sig-
nifikanten Ergebnisse mit Vorsicht betrachtet werden. Für eine eindeutige Bestäti-
57
gung des Monatswechseleffekts variieren die vorhandenen Ergebnisse zu stark.
Dieser Kalendereffekt ist daher zwar kein Mythos, da in den meisten Fällen die
durchschnittlichen Renditen höher sind, als jene in den restlichen Monatstagen,
jedoch kann auch keine Bestätigung für diesen Effekt abgegeben werden, da die
Ergebnisse sehr hohen Schwankungen unterliegen und nur teilweise mit statisti-
scher Signifikanz bewiesen werden konnten.
4.8 Diskussion der Ergebnisse
Anknüpfend an die große Anzahl von Daten werden die Ergebnisse der einzelnen
Indizes nochmals diskutiert:
In Deutschland konnte der DAX in der Untersuchung des Januareffektes in der

Subperiode 1999-2000 die höchsten durchschnittlichen Renditen erzielen. In den
Folgeperioden und der Gesamtperiode konnte der Januareffekt nicht mehr nach-
gewiesen werden. Der „Verkaufe-im-Mai-Effekt“ konnte eindeutig nachgewiesen
werden. Bis auf die Subperiode 2008-2015, in der knapp keine Signifikanz fest-
stellbar war, konnte in allen Zeiträumen ein signifikantes Ergebnis berechnet wer-
den. Demzufolge liefern beim DAX die Wintermonate signifikant höhere Renditen
als in den Sommermonaten. Der Wochentageffekt brachte auch keine Unterschie-
de zum Ausdruck. Besonders im Gesamtzeitraum gleichen sich hier die jeweiligen
Tagesrenditen an einen ähnlich hohen Wert. Beim Monatswechseleffekt konnte im
Zeitraum 2000-2007 ein erkennbarer Unterschied bewiesen werden. Hier waren
die Renditen um den Monatswechsel signifikant unterschiedlich zu den restlichen
Tagen in der Monatsmitte. In den restlichen Perioden konnten keine Verschieden-
heiten errechnet werden.
Beim ATX wurde der Januar mit zwei ersten Rängen und einem zweiten Rang als
börsenstarker Monat bestimmt. Außerdem konnte sowohl in der Subperiode 2000-
2007, als auch im Gesamtzeitraum ein signifikanter Unterschied zwischen den
Winter- und Sommermonaten festgestellt werden. Bei den Wochentagen konnten
keine deutlichen Unterschiede festgestellt werden. In den einzelnen Subperioden
konnten Mittwoch, Donnerstag und Freitag je einmal den höchsten Mittelwert der
Renditen erreichen. Bei den Renditen um den Monatswechsel konnte zweimal
58
eine signifikante Abweichung deutlich gemacht werden. Sowohl im Zeitraum 2000-
2007 als auch in der Gesamtperiode wurden höhere Durchschnittsrenditen bei den
Tagen um die Monatswende errechnet.
Der BEL 20 konnte im Jänner des ersten Untersuchungszeitraumes (1990-1999)

gleich die höchste Rendite erreichen. Danach folgte jedoch mit dem elften Rang
beinahe das schlechteste Resultat. Insgesamt entwickelte sich hier der Dezember
als börsenstärkster Monat. Auch in Belgien konnte der Verkaufe-im-Mai-Effekt
nachgewiesen werden. Sowohl in Subperiode 1, als auch im Gesamtzeitraum
konnten wesentliche Unterschiede nachgewiesen werden. Bei den Wochentagen
wurden keine nennenswerten Ergebnisse erzielt. Beim Monatswechseleffekt konn-
ten zwei Unterschiedlichkeiten notiert werden. In der Subperiode 2 und dem Ge-
samtzeitraum waren die Renditen in der Monatsmitte deutlich geringer als an den
Randtagen eines Monats.
Beim FTSE MIB konnte der März den ersten Rang in der Gesamtperiode erzielen.
Der Januar belegte in diesem Ranking Platz drei. Der Verkaufe-im-Mai-Effekt
konnte bis auf Subperiode 3 in allen anderen Zeiträumen bestätigt werden. Im
Gegensatz dazu konnten bei den Wochentagen keine Verschiedenheiten statis-
tisch belegt werden. Auch der Monatswechseleffekt konnte hier nicht nachgewie-
sen werden.
Beim AEX in den Niederlanden konnte der Januar mit Gesamtrang 7 keinen Spit-
zenplatz erreichen. Hier gestaltete sich der Monat April als börsenstärkster Monat.
Ansonsten konnte die stärkere Performance der Wintermonate bestätigt werden,
zweimal, in Subperiode 1 und dem Gesamtzeitraum, mit signifikanten Ergebnis-
sen. Auch beim AEX konnte bei den Wochentagen kein wesentlicher Unterschied
festgestellt werden. Beim Monatswechseleffekt stellte sich zwar heraus, dass die
Renditen um die Monatswende immer höher waren als in den restlichen Mo-
natstagen, diese Ergebnisse aber statistisch nicht mit Signifikanz hinterlegt wer-
den konnten.
Der PSI 20 konnte bei den Januarrenditen den ersten Rang erzielen. Sowohl in
den ersten beiden Subperioden, als auch in der Gesamtperiode konnten die
59
höchsten Renditen erzielt werden. Dies konnte auch beim Test, ob die Januarren-
diten höher sind, als in den restlichen Monaten, bestätigt werden. Außerdem ver-
mochten die Wintermonate eine bessere Performance als die Sommermonate zu
erreichen. In Subperiode 2 und dem gesamten Zeitraum konnte dies auch signifi-
kant bestätigt werden. Bei den Tagesrenditen konnten sowohl bei den Wochenta-
gen, als auch den Tagen um die Monatswende keine eindeutigen Unterschiede
festgestellt werden.
Beim IBEX 35 konnte der Oktober die höchsten Renditen erzielen. Der Januar
erzielte insgesamt den fünften Rang. Beim Verkaufe-im-Mai-Effekt konnte bis auf
Subperiode 3 immer ein signifikanter Unterschied zwischen den Winter- und
Sommermonaten errechnet werden. Auch hier konnten weder bei den einzelnen
Tagesrenditen noch bei den Renditen um den Monatswechsel eindeutige Ver-
schiedenheiten zu den restlichen Tagen gezeigt werden.
Beim OMX Helsinki 25 konnte der Januar neben dem ersten Rang in Subperiode
1 den dritten Gesamtrang erreichen. Als börsenstärkster Monat konnte hier der
April gezeigt werden, obwohl er in keiner Subperiode den ersten Rang erzielen
konnte. Bei den Sommer- und Wintermonaten konnten deutliche Ungleichheiten
dargestellt werden, in Subperiode 1 und dem Gesamtzeitraum auch mit statisti-
scher Signifikanz. Bei den Wochentagen konnte in der zweiten Subperiode das
einzige, statistisch signifikante Ergebnis erlangt werden. In dieser Periode waren
die Renditen an Freitagen deutlich höher als an den restlichen Wochentagen. Im
gesamten Zeitraum konnte jedoch der Wochentag Donnerstag knapp besser ab-
schneiden als der Freitag. Beim Monatswechseleffekt konnte nur in Subperiode 2
ein deutlicher Unterschied gezeigt werden.
Auch beim CAC 40 erzielte in der Gesamtperiode der Monat April den ersten
Rang. Der Januar konnte nur in der ersten Subperiode den ersten Rang erreichen,
insgesamt wurde es Rang sechs. Der Verkaufe-im-Mai-Effekt konnte auch in
Frankreich nachgewiesen werden. Bis auf die dritte Subperiode konnte hier in al-
len Perioden ein statistisch signifikanter Unterschied zwischen den Winter- und
Sommermonaten errechnet werden. Sowohl beim Wochentageffekt, als auch beim
60
Monatswechseleffekt konnten jedoch keine deutlichen Verschiedenheiten festge-
stellt werden.
Der ISEQ konnte sowohl im Jänner der Subperiode 1, als auch im Gesamtzeit-
raum die höchsten Renditen erzielen, was in Folge im Vergleich mit den anderen
Monatsrenditen auch beim Test auf Signifikanz bestätigt werden konnte. In den
gleichen Perioden konnte auch der Verkaufe-im-Mai-Effekt statistisch signifikant
belegt werden. Auch in den anderen beiden Perioden (Subperiode 2 & 3) konnten
Unterschiede festgestellt werden, diese aber nicht mit ausreichendem Signifikanz-
level dargestellt werden. Bei den Wochentagen konnten, teils sehr knapp, keine
eindeutigen Unterschiede dargestellt werden. Ähnlich wie in Finnland konnten je-
doch in Subperiode 2 an Freitagen recht hohe, durchschnittliche Renditen gezeigt
werden. Bei den Renditen um den Monatswechsel konnten in drei Fällen, bis auf
Subperiode 3, immer deutlich höhere als in den Tagen der Monatsmitte errechnet
werden.
Der Eurostoxx 50 konnte in Subperiode 1 im Januar die höchsten Renditen errei-

chen. Im Gesamtzeitraum reichte es nur für Rang sechs. Den ersten Rang holte
sich hier der Monat Oktober. Bei den Wintermonaten konnte insgesamt dreimal
ein deutlicher Unterschied zu den Sommermonaten gezeigt werden. Nur im Zeit-
raum 2008-2015 konnte dieser nicht signifikant bestätigt werden. Der Wochentag-
effekt konnte in keinem Zeitraum belegt werden. Bei den Renditen um den Mo-
natswechsel konnte nur in Subperiode 2 ein deutlicher Unterschied festgestellt
werden.
61
5 Zusammenfassung
Ein Ziel der vorliegenden Arbeit war die Frage, ob Anomalien eine Daseinsberech-
tigung am Kapitalmarkt besitzen und ob diese in Form von Kalendereffekten auf-
treten können.
Dazu wurde im zweiten Kapitel der Arbeit, den theoretischen Grundlagen, auf ka-
pitalmarkttheoretische Modelle näher eingegangen. Dabei wurde vor allem die
Markteffizienzhypothese von Eugene Fama in den Vordergrund gerückt. Sie be-
sagt, dass stets alle Informationen in den Preisen am Kapitalmarkt enthalten sein
sollten. Demzufolge sei es mit vorhandenen Informationen nicht möglich, den
Preis von zukünftigen Finanzgütern eindeutig zu bestimmen. Nichtsdestotrotz
wurde bei der Literaturrecherche der Begriff von Finanzanomalien entdeckt, die im
dritten Kapitel behandelt wurden. Auf Basis von Anomalien, die auf wiederkehren-
den Ereignissen in Bezug auf kalendarischen Merkmalen beruhen, wurden vor-
handene Kalendereffekte näher betrachtet. Mit dem „Januareffekt“, „Verkaufe-im-
Mai-Effekt“, „Monatswechseleffekt“ und „Wochentageffekt“ wurden einige dieser
Effekte näher beschrieben.
Im umfangreichsten Teil dieser Arbeit, Kapitel 4, wurden ausgewählte europäische

Aktienindizes auf Basis von Monats- und Tagesrenditen auf die in der Literatur
gefundenen Effekte überprüft. Während der „Januareffekt“ und „Monatswechselef-
fekt“ vereinzelt in den untersuchten Ländern auftreten, konnte der „Wochentagef-
fekt“, bis auf Finnland in der Subperiode 2000-2007, statistisch gesehen nicht bes-
tätigt werden. Die Börsenweisheit „Sell in May and go away“ konnte über den ge-
samten Zeitraum gesehen bei allen Aktienindizes mit statistischer Signifikanz bes-
tätigt werden. Einen Einfluss auf diesen Effekt hat mit Sicherheit der Monat Janu-
ar, der zwar nicht zwingend als börsenstärkster Monat des Jahres bezeichnet
werden kann, trotzdem aber auch heute noch in den meisten Fällen zu überdurch-
schnittlichen Renditen führt. Die Unterteilung in Subperioden machte in Bezug auf
die erhaltenen Ergebnisse ebenfalls Sinn. So konnte man erkennen, dass die vor-
handenen Ergebnisse in einer Periode keinesfalls Garantie dafür sind, auch in der
Folgeperiode aufzutreten. Die meisten Kalendereffekte konnten daher nicht ein-
62
deutig bestätigt werden. Zwar liegt in jeder Börsenweisheit ein (kleiner) Funken
Wahrheit, jedoch ist es schon aus praktischen Gründen nicht möglich, dass alle
Effekte auch am Markt auftreten. Würde der Finanzmarkt auf Prinzipien von wie-
derkehrenden Mustern bestehen, würden kluge Investoren und Investorinnen die-
se ausnutzen und so schon vorab ihre Investitionen tätigen. Noch klügere Investo-
ren und Investorinnen würden noch früher investieren usw. Da das Verhalten von
den Marktteilnehmern und Marktteilnehmerinnen jedoch nicht voraussagbar ist
und nicht immer rationale Entscheidungen getroffen werden, bleibt der Finanz-
markt ein sehr komplexes Konstrukt, dessen Prognosefähigkeit nur bedingt statt-
finden kann. Das Auftreten von Mustern ist daher in manchen Fällen nachweisbar,
jedoch immer mit Vorsicht zu betrachten. Obwohl die Existenz von Kalendereffek-
ten teilweise statistisch signifikant nachgewiesen wurde, bietet sie keine Garantie
dafür, auch in den Folgeperioden wieder aufzutreten. Trotzdem konnte festgestellt
werden, dass sich Aktienmärkte in einem Jahr nicht immer in der gleichen Stim-
mungslage befinden. Vor allem der Sommer gilt momentan als sehr unattraktiver
Zeitpunkt für Investitionen am Kapitalmarkt. Da Märkte aber jedoch immer wieder
zu Veränderungen neigen, könnten die Kalendereffekte auch zukünftig einem Än-
derungsprozess unterliegen. So konnte zum Beispiel in der Subperiode 1 von
1990-1999 siebenmal der Januar als börsenstärkster Monat bezeichnet werden. In
der Subperiode 3, von 2008-2015, vermochte der Januar mit keinem untersuchten
Aktienindex die beste Monatsperformance zu erreichen. Dieser Wandel ist ein
deutliches Zeichen dafür, dass zukünftige Renditen nicht immer einwandfrei prog-
nostizierbar sind. Ob derzeitige Kalendereffekt damit auch in Zukunft auftreten,
bliebt kritisch zu hinterfragen. Treffend dazu meinte Albert Einstein: „Ich denke
niemals an die Zukunft. Sie kommt früh genug“.
63
Literaturverzeichnis
Abraham, A./Ikenberry, D. L., “The Individual Investor and the Weekend Effect”,
Journal of Financial and Quantitative Analysis 29, 1984, S. 263-277.
Bak, J., Aktienrecht zwischen Markt und Staat. Eine ökonomische Kritik des Prin-
zips der Satzungsstrenge, 1. Aufl., Deutscher Universitätsverlag, 2003.
Beike, R., Index-Zertifikate. Optimal vom Börsentrend profitieren, Schäffer Poe-

schel, Stuttgart, 1999.
Black, F., „Noise“, Journal of Finance 41, 1985, S. 529-543.
Bleymüller, J., Theorie und Technik der Aktienkursindizes, Gabler Verlag, Wies-
baden, 1966.
Bodie, Z./Kane, A., Investments, 8. Aufl. McGraw Hill International Edition, 2009.
Bouman, S., Jacobsen, B., “The Halloween Indicator: Sell in May and Go Away:
Another Puzzle”, The American Economic Review 92, 2002, S. 1618–1635.
Bruns, C./Meyer-Bullerdiek, F., Professionelles Portfoliomanagement. Aufbau,

Umsetzung und Erfolgskontrolle strukturierter Analagestrategien, 5. Aufl. Schäffer
Poeschel, Stuttgart, 2013.
Büschgen, H. E., Das kleine Börsen-Lexikon, 23. Aufl. Schäffer Poeschel, Stutt-
gart, 2012.
Cheung, K. C./Coutts J. A., “The January Effect and monthly seasonality in the
Hang Seng index: 1985 – 1997”, Applied Economic Letters 6, 1999, S. 121–123.
Copeland, T. E. et al, Financial Theory and Corparate Policy, 4. Aufl., Pearson

Addison Wesley, Boston, 2005.
Damodaran, A., Investment Valuation: Tools and Techniques for Determining the
Value of Any Asset. 2. Aufl., John Wiley & Sons, New York, 2002.
64
Daxhammer, R. J./Facsar, M., Behavioral Finance: Verhaltenswissenschaftliche
Finanzmarktforschung im Lichte begrenzt rationaler Marktteilnehmer, UVK Ver-
lagsgeschellschaft, München, 2012.
De Bondt, W.F.M./Thaler, R., “Further Evidence on Investor Overreaction and

Stock Market Seasonality”, Journal of Finance 42, 1987, S. 557–581.
Dubois, M./Louvet, P., “The day-of-the-week effect: The international evidence”,

Journal of Banking & Finance 20, 1996, S. 1463–1484.
Eichhorn, W./Voeller, J., Theory of the Price Index, Springer Verlag, Berlin, 1976.
Eilenberger, G., Betriebliche Finanzwirtschaft. Einführung in die Finanzpolitik und

das Finanzmanagement von Unternehmungen Investition und Finanzierung, 5.
Aufl., R. Oldenbourg Verlag, München, 1994.
Fama, E., „Efficient Capital Markets II“, Journal of Finance 46, 1991, S. 1575–
1617.
Fama, E., “Efficient Capital Markets: A Review of Theory and Empirical Work”,
Journal of Business 25, 1970, S. 383–417.
Fischer, E. O./Lind-Braucher, S., „Effiziente Asset Allocation im globalen Portfolio-

management“, Universität Graz, 2009, S. 2–12.
Fischer, E. O., Investmentanalyse und Portfoliomanagement, Universität Graz,

2013.
Fisher, I., The Making of Index Numbers, Houghton Mifflin, Boston/New York,
1927.
Franz, S., „Grundlagen des ökonomischen Ansatzes. Das Erklärungskonzept des

Homo Oeconomicus“, Working Paper, 2004.
French, K., “Stock Returns and the weekend effect”, “Journal of Financial Econom-
ics 8, 1980, S. 55–69.
65
Gibbons, M. R./Hess, P., “Day of the Week Effects and Asset Returns”, Journal of
Business 54, 1981, S. 579–596.
Goldberg, J./Nitzsch, R., Behavioral Finance: Gewinnen mit Kompetenz, 4. Aufl.,

FinanzBuch Verlag, München, 2004.
Gultekin, M./Gultekin, N. B., “Stock Return Anomalies and the Tests of the APT”,
Journal of Finance 58, 1987, S. 1213–1224.
Gultekin, M./Gultekin, N. B., “Stock market seasonality. International Evidence”,

Journal of Financial Economics 12, 1983, S. 469–481.
Hausmann, W., Diener, K., Derivate, Arbitrage und Portfolio-Selection: Springer

Verlag, 2002.
Hirshleifer, D./Shumway, T., “Good Day Sunshine: Stock Returns and the
Weather”, Journal of Finance 58, 2003, S. 1009–1032.
Hubermann, G./Wang, Z., ”Arbitrage Pricing Theory, Working Paper”, Federal Re-
serve Bank of New York Staff reports, 2005, S. 1–18.
Jurczyk, B., Behavioral Finance, 2. Aufl., Verlag Dr. Müller, 2006.
Kleeberg, J./Rehkugler, H., Portfoliomanagement: Strukturierte Ansätze für ein

modernes Wertpapiermanagement, Uhlenbruch Verlag, 2002.
Kogan, P., Marktanomalien bei IPOs: Frankfurter Freiverkehr und Londoner Alter-
native Investment Market, Igel Verlag, 2009.
Körner, F., Hedgefonds für Privatanleger. Anleitung zur Bewertung von Hedge-
fonds-Indizes, 1. Aufl., Salzwasser-Verlag, Bremen, 2006.
Kunkel, R. A./Compton, W. S./Beyer, S., “The turn-of-the-month effect still lives:

the international evidence” International Review of Financial Analysis 12, 2003, S.
207–222.
66
Lakonishok, J./Smidt, S., “Are seasonal anomalies real? A ninety-year perspec-
tive”, The Review of Financial Studies 1, 1988, S. 403–425.
Lintner, J., „The Valuation of Risk Assets and the Selection of Risky Investments
in Stock Portfolios and Capital Budgets”, The Review of Economics and Statistics
47, 1965, S. 13-37.
Löffler, A., Das traditionelle CAPM: Eine gleichgewichtstheoretische Untersu-

chung, Deutscher Universitätsverlag, Wiesbaden, 1996.
Lüdemann J., Die Grenzen des homo oeconomicus und die Rechtswissenschaft,
Max Planck Institute for Research on Collective Goods, Bonn, 2006.
Maas, P./Weibler, J., Immer unter Spannung - Crash-Konstellationen: Kontrollillu-

sionen und Streß an der Börse, 1977, in: Jünemann, B./Schellenberger, D. (Hrsg.)
(1997): Psychologie für Börsenprofis, Stuttgart, S. 109-122.
Malkiel B. G., Börsenerfolg ist kein Zufall. Die besten Investmentstrategien für das
neue Jahrtausend, 2. Aufl., FinanzBuch Verlag, München, 2000.
Markowitz, H., “Portfolio Selection”, The Journal of Finance 7, 1952, S. 77–91.
Markowitz, H., Portfolio Selection: Efficient Diversification of Investments, John

Wiley & Sons, New York, 1959.
Marquering, W., “Seasonal Predictability of Stock Market Returns”, Tijdschrift voor

Economie en Management 47, 2002, S. 557-576.
Martin, J. D./Cox S. H./ MacMinn, R. D., “The Theory of Finance: Evidence and
Applications”, The Dryden Press, Chicago, 1988.
Mossin, J., “Equilibrium in a Capital Asset Market”, Econometrica 34, 1966, S.

768-783.
Nell V., Kufeld, K., Homo oeconomicus: Ein neues Leitbild in der globalisierten
Welt?, Lit Verlag, Berlin, 2006.
67
Oertmann P./Zimmermann. H., „Risk and Return: Vom CAPM zur modernen Asset
Pricing Theory”, Working Paper Universität St. Gallen und Basel, 1998, S. 1–29.
Ogden J. P., “The end of the month as a preferred habitat. A test of operational
efficiency in the money market”, The Journal of Financial and Quantitative Analy-
ses 22, 1987, S. 329–344.
Ogden J. P., “Turn-of-Month Evaluations of Liquid Profits and Stock Returns: A

Common Explanation for the Monthly and January Effects”, The Journal of Fi-
nance 45, 1990, S. 1259–1272.
Osborne, M., “Periodic Structure in the Brownian Motion of Stock Prices”, Opera-
tions Research 10, 1962, S. 345–379.
Pankoke, T./Petersmeier, K., Der Zinssatz in der Unternehmensbewertung. Pra-

xishandbuch Unternehmensbewertung, hrsg. von Schacht, U./Fackler, M., 2. Aufl.,
Wiesbaden, 2009.
Perridon, L./Steiner, M., Finanzwirtschaft der Unternehmung, 14. Aufl., Vahlen-

Verlag, München, 2007.
Pichler, S., „Size Effect und Settlement Effect am österreichischen Aktienmarkt“,

Bankarchiv: Zeitschrift für das gesamte Bank- und Börsenwesen 41, 1993, S.
195–201.
Pilaj, H., „Saisonale Anomalien am österreichischen Aktienmarkt“, Österreichische

Bankwissenschaftliche Gesellschaft 12, 2004, S. 340–349.
Poddig, T./Brinkmann, U., Portfoliomanagement: Konzepte und Strategien, 2.

Aufl., Uhlenbruch Verlag, Bad Soden/Ts, 2005.
Radcliffe, R. C., Investment: Concepts, Analysis, and Strategy, 2. Aufl., Scott, Fo-
resman and Company, 1987.
Ramb, B. T./Titzel, M., Ökonomische Verhaltenstheorie, Vahlen-Verlag, München,

1993.
68
Rapp, H. W., Der tägliche Wahnsinn hat Methode - Behavioral Finance: Paradig-
menwechsel in der Kapitalmarktforschung, Jünemann, B./Schellenberger, D.
(Hrsg.), Psychologie für Börsenprofis, Stuttgart, 1997, S. 76–108.
Reinganum, R. J., “New Findings Regarding Day of the Week Returns over Trad-
ing and Non-Trading periods”, The Journal of Finance 39, 1984, S. 1603–1614.
Roll, R., “Volatility in U.S. and Japanese Stock Markets: A Symposium”. Journal of
Applied Corporate Finance 5, 1992, S. 29–33.
Roll. R., “A possible explanation of the small firm effect”, The Journal of Finance
36, 1981, S. 879–888.
Ross, S., “The arbitrage theory of capital asset pricing”, Journal of Economic The-
ory 13, 1976, S. 341–360.
Roßbach P., Behavioral Finance: Eine Alternative zur vorherrschenden Kapital-

markttheorie?, Arbeitsberichte der Hochschule für Bankwirtschaft 31, Frankfurt,
2001.
Rozeff, S./Kinney, W. R., “Capital Market Seasonality: The Case of Stock Re-
turns”, Journal of Financial Economics 3, 1976, S. 379–402.
Ruckriegel, K. H., „Der Homo Oeconomicus: ein realitätsfernes Konstrukt“, Orien-

tierung zur Wirtschafts- und Gesellschaftspolitik 12, 2009, S. 49–55.
Salm C./Siemkes, J., „Persistenz von Kalenderanomalien am deutschen Aktien-

markt“, Zeitschrift für Unternehmensfinanzierung und Finanzmanagement 11,
2009, S. 414-418.
Sapusek, A., Informationseffizienz auf Kapitalmärkten. Konzepte und empirische

Ergebnisse, Gabler-Verlag, Wiesbaden, 1998.
Schachter, S. et al., „Effects of trend and of profit or loss on the tendency to sell
stock”, Basic and Applied Social Psychology 8, 1987, S. 259-271.
Schildbach, T., Jahresabschluß und Markt, Berlin/Heidelberg, 1986.

69
Schmitz-Esser, V., Aktienindizes im Portfoliomanagement: Funktionen, Merkmale
und Indexeffekte, Uhlenbruch Verlag, Bad Soden/Ts, 2001.
Schneider, S., Kapitalmarktmodelle und erwartete Renditen am deutschen Akti-

enmarkt, Uhlenbruch Verlag, Bad Soden/Ts, 2001.
Schredelseker, K., Grundlagen der Finanzwirtschaft: Ein informationsökonomi-

scher Zugang, 2. Aufl., R. Oldenbourg Verlag, Wien, 2013.
Sharpe, W., „A Theory of Market Equilibrium under Conditions of Risk”, The Jour-
nal of Finance 19, 1964, S. 425-442.
Sharpe, W./Alexander, G. J./Bailey, J. V., Investments, 4. Aufl., Prentice Hall In-

ternational, 1999.
Sharpe, W./Gordon, A., Investments. 4. Aufl., Prentice-Hall, 1990.
Shiller, R. J., “Human Behavior and the Efficiency of the Financial System”, Hand-
book of Macroeconomics 1, 1999, S. 1305-1340.
Steiner, M./ Bruns, C., Wertpapiermanagement, 7. Aufl., Schäffer-Poeschel Ver-

lag, Stuttgart, 2000.
Steiner M./Bruns, C., Wertpapiermanagement. Professionelle Wertpapieranalyse

und Portfoliostrukturierung, 9. Aufl., Schäffer-Poeschel Verlag, Stuttgart, 2007.
Tversky, A./Kahneman, D., “The Framing of Decisions and the Psychology of

Choice”, Science, New Series 211, 1981, S. 453-458.
Uhlir, H., „Überprüfung der Random-Walk-Hypothese auf dem österreichischen

Aktienmarkt“, Österreichische Akademie der Wissenschaft, 1979, S. 235.
Vollmer, R., Rechnungslegung auf informationseffizienten Kapitalmärkten, 1. Aufl.,

Gabler Edition Wissenschaft, Wiesbaden, 2008.
Weber, M., Behavioral Finance: Idee und Überblick, Behavioral Finance Group,
Mannheim, 1999.
70
Internetquellen:
Bloomberg, OMX Helsinki 25, http://www.bloomberg.com/quote/HEX25:IND, Ab-

gerufen: 11.04.2016.
Euronext, „AEX-Index Factsheet“,

https://www.euronext.com/en/products/indices/NL0000000107-XAMS/market-
information, Abgerufen: 11.04.2016.
Euronext, „PSI 20 Factsheet“,

https://www.euronext.com/en/products/indices/NL0000000107-XAMS/market-
Euronext, „BEL 20 Factsheet“,

https://www.euronext.com/en/products/indices/BE0389555039-XBRU/market-
Finanzen, „ATX“, http://www.finanzen.at/index/ATX, Abgerufen: 11.04.2016.
Finanzen, „CAC 40“, http://www.finanzen.at/index/CAC_40, Abgerufen:

11.04.2016.
Finanzen, „EuroStoxx 50“, http://www.finanzen.at/index/Euro_Stoxx_50, Abgeru-

fen: 12.04.2016.
Finanzen, „IBEX 35“, http://www.finanzen.net/index/IBEX_35, Abgerufen:

11.04.2016.
FTSE Russel, „Factsheet FTSE MIB Index”,

http://www.ftse.com/analytics/factsheets/Home/Search, Abgerufen: 11.04.2016
Gabler Wirtschafslexikon, „Capital Asset Pricing Model“,

http://wirtschaftslexikon.gabler.de/Definition/capital-asset-pricing-model-
capm.html, Abgerufen: 01.04.2016
Godmode Trader, „DAX“, http://www.godmode-trader.de/themen/dax-

performance-index, Abgerufen: 11.04.2016.
71
Godmode Trader, “Euro Stoxx 50”, http://www.godmode-trader.de/indizes/estx-50-
index-price-eur-kurs,133942, Abgerufen: 11.04.2016.
Trading Economics, “ISEQ Overall Index”,

http://www.tradingeconomics.com/ireland/stock-market, Abgerufen: 11.04.2016.
72
Anhang
Da in Kapitel 4 der Arbeit schon unzählige Tabellen dominieren, werden hier, um
den Lesefluss nicht weiter zu stören, die Grafiken der einzelnen Länder gelistet.
Bei allen Abbildungen handelt es sich um eigene Darstellungen mit selbst errech-
neten Werten.
5.1 Deutschland – DAX
Deskriptive Daten
DAX
Start: 01.01.1990
Ende: 31.12.2015
(Anzahl Daten)
Monatsrenditen je Monat Sommermonate Wintermonate
1990-1999 10 50 70
2000-2007 8 40 56
2008-2015 8 40 56
1990-2015 26 130 182
Tagesrenditen Mo Di Mi Do Fr Gesamt
1990-1999 483 488 502 480 474 2427
2000-2007 394 393 404 409 403 2003
2008-2015 395 402 407 404 394 2002
1990-2015 1272 1283 1313 1293 1271 6432
Tabelle 5: Deskriptive Daten: DAX
Monatsrenditen im Überblick
DAX
6.00%
4.00%
1990-2000
2.00%
2000-2007
0.00%
2008-2015
-2.00% 1990-2015
-4.00%
-6.00%
Abbildung 8: Monatsrenditen im Überblick: DAX
73
Vergleich Winter-/ Sommermonate
DAX
0.02500 0.09000
0.02000 0.08000
0.01500 0.07000
Rendite
0.01000 0.06000
Stabw
0.00500 0.05000
0.00000 0.04000
-0.00500 0.03000
-0.01000 0.02000
-0.01500 0.01000
-0.02000 0.00000
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.02083 0.01655 0.01319 0.01735
MW -0.00591 -0.01670 -0.00980 -0.01001
Stabw 0.04741 0.05758 0.06440 0.05557
Stabw 0.06467 0.07623 0.06293 0.06708
Abbildung 9: Vergleich Winter-/ Sommermonate: DAX
Monatswechseleffekt
DAX
0.2000% 0.018000
0.016000
0.1500% 0.014000
0.012000
Rendite
Stabw
0.1000% 0.010000
0.0500% 0.008000
0.006000
0.0000% 0.004000
0.002000
-0.0500% -
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.0831% 0.1482% -0.0404% 0.0651%
MW 0.0392% -0.0299% 0.0147% 0.0101%
Stabw 0.011767 0.014985 0.015376 0.014011
Stabw 0.012691 0.015551 0.015430 0.014496
Abbildung 10: Monatswechseleffekt: DAX
74
Renditen nach Wochentagen
DAX
0.001500
0.001000
Renditen
0.000500
-
-0.000500
-0.001000
-0.001500
MW MW MW MW
1990-1999 2000-2007 2008-2015 1990-2015
Montag 0.000766 0.000196 -0.000150 0.000305
Dienstag 0.000355 -0.000434 0.000712 0.000225
Mittwoch 0.001099 -0.001123 0.000422 0.000205
Donnerstag -0.000265 0.000925 0.000127 0.000234
Freitag 0.000350 0.000485 -0.000883 0.000011
Abbildung 11: Renditen nach Wochentagen: DAX
75
5.2 Österreich – ATX
Deskriptive Daten
ATX
Start: 01.01.1991
Ende: 31.12.2015
(Anzahl Daten)
1991-1999 9 45 63
2000-2007 8 40 56
2008-2015 8 40 56
1991-2015 25 125 175
1991-1999 422 427 448 425 416 2138
2000-2007 373 377 394 377 369 1890
2008-2015 376 382 397 382 370 1907
1991-2015 1171 1186 1239 1184 1155 5935
Tabelle 6: Deskriptive Daten: ATX
ATX
6.00%
4.00%
2.00% 1991-1999
0.00% 2000-2007
-2.00%
2008-2015
-4.00%
1991-2015
-6.00%
-8.00%
-10.00%
Abbildung 12: Monatsrenditen im Überblick: ATX
76
ATX
4.000% 0.09000
3.000% 0.08000
0.07000
Rendite
2.000% 0.06000
Stabw
1.000% 0.05000
0.04000
0.000% 0.03000
-1.000% 0.02000
0.01000
-2.000% 0.00000
1991-1999 2000-2007 2008-2015 1991-2015
MW 0.881% 3.016% 0.475% 1.357%
MW -0.74% 0.29% -1.55% -0.71%
Stabw 0.06300 0.04242 0.07635 0.06335
Stabw 0.07178 0.04752 0.08165 0.06930
Abbildung 13: Vergleich Winter-/ Sommermonate: ATX
Monatswechseleffekt
ATX
0.3000% 0.020000
0.2500% 0.018000
0.2000% 0.016000
0.014000
Rendite
Stabw
0.1500% 0.012000
0.1000% 0.010000
0.0500% 0.008000
0.0000% 0.006000
0.004000
-0.0500% 0.002000
-0.1000% -
1991-1999 2000-2007 2008-2015 1991-2015
MW 0.0893% 0.2523% 0.0336% 0.1231%
MW -0.0056% 0.0302% -0.0511% -0.0088%
Stabw 0.011304 0.010088 0.017186 0.013217
Stabw 0.011807 0.009806 0.017923 0.013561
Abbildung 14: Monatswechseleffekt: ATX
77
ATX
0.001500
0.001000
0.000500
Renditen
-
-0.000500
-0.001000
-0.001500
MW MW MW MW
1991-1999 2000-2007 2008-2015 1991-2015
Montag 0.000157 0.000344 -0.001466 -0.000304
Dienstag 0.000279 0.000017 -0.000025 0.000098
Mittwoch 0.000073 0.000936 0.000396 0.000451
Donnerstag -0.000364 0.001129 -0.000718 -0.000003
Freitag 0.000382 0.000979 -0.000042 0.000437
Abbildung 15: Renditen nach Wochentagen: ATX
78
5.3 Belgien – BEL 20
Deskriptive Daten
BEL 20
Start: 01.01.1990
Ende: 31.12.2015
(Anzahl Daten)
1990-1999 10 50 70
2000-2007 8 40 56
2008-2015 8 40 56
1990-2015 26 130 182
1990-1999 459 475 499 487 474 2394
2000-2007 397 395 407 408 402 2009
2008-2015 400 404 411 408 397 2020
1990-2015 1256 1274 1317 1303 1273 6423
Tabelle 7: Deskriptive Daten: BEL 20
BEL 20
4.00%
3.00%
2.00% 1990-1999
1.00%
2000-2007
0.00%
2008-2015
-1.00%
1990-2015
-2.00%
-3.00%
-4.00%
Abbildung 16: Monatsrenditen im Überblick: BEL 20
79
BEL 20
0.02 0.07
0.015 0.06
0.05
0.01
Rendite
Stabw
0.04
0.005
0.03
0
0.02
-0.005 0.01
-0.01 0
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.0139 0.01011 0.0042 0.00993
MW -0.00549 -0.00528 -0.00822 -0.00627
Stabw 0.04858 0.0403 0.05991 0.05023
Stabw 0.0497 0.05305 0.06133 0.05399
Abbildung 17: Vergleich Winter-/ Sommermonate: BEL 20
Monatswechseleffekt
BEL 20
0.1400% 0.016000
0.1200% 0.014000
0.1000% 0.012000
0.0800%
Rendite
0.010000
Stabw
0.0600%
0.008000
0.0400%
0.0200% 0.006000
0.0000% 0.004000
-0.0200% 0.002000
-0.0400% -
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.1003% 0.1296% 0.0213% 0.0843%
MW 0.0145% -0.0224% -0.0209% -0.0081%
Stabw 0.008986 0.010734 0.013745 0.011243
Stabw 0.009067 0.011717 0.014099 0.011656
Abbildung 18: Monatswechseleffekt: BEL 20
80
BEL 20
0.000600
0.000500
0.000400
0.000300
Renditen
0.000200
0.000100
-
-0.000100
-0.000200
-0.000300
-0.000400
-0.000500
MW MW MW MW
1990-1999 2000-2007 2008-2015 1990-2015
Montag -0.000012 -0.000387 -0.000455 -0.000272
Dienstag 0.000278 -0.000477 -0.000225 -0.000116
Mittwoch 0.000341 0.000188 0.000378 0.000305
Donnerstag 0.000369 0.000514 0.000035 0.000310
Freitag 0.000452 0.000356 -0.000424 0.000149
Abbildung 19: Renditen nach Wochentagen: BEL 20
81
5.4 Italien – FTSE MIB
Deskriptive Daten
FTSE MIB
Start: 01.01.1998
Ende: 31.12.2015
(Anzahl Daten)
1998-1999 2 10 14
2000-2007 8 40 56
2008-2015 8 40 56
1998-2015 18 90 126
1990-1999 97 99 101 101 97 495
2000-2007 392 391 401 406 401 1991
2008-2015 394 402 406 402 392 1996
1990-2015 883 892 908 909 890 4482
Tabelle 8: Deskriptive Daten: FTSE MIB
FTSE MIB
15.00%
10.00%
1998-1999
5.00% 2000-2007
2008-2015
0.00%
1998-2015
-5.00%
-10.00%
Abbildung 20: Monatsrenditen im Überblick: FTSE MIB
82
FTSE MIB
0.05000 0.09000
0.04000 0.08000
0.07000
0.03000
Rendite
0.06000
Stabw
0.02000 0.05000
0.01000 0.04000
0.00000 0.03000
0.02000
-0.01000 0.01000
-0.02000 0.00000
1998-1999 2000-2007 2008-2015 1998-2015
MW 0.04118 0.01258 0.00184 0.01266
MW -0.01555 -0.01474 -0.00826 -0.01199
Stabw 0.07683 0.04448 0.07204 0.06455
Stabw 0.06739 0.05835 0.07067 0.06492
Abbildung 21: Vergleich Winter-/ Sommermonate: FTSE MIB
Monatswechseleffekt
FTSE MIB
0.1200% 0.020000
0.1000% 0.018000
0.0800% 0.016000
0.014000
Rendite
0.0600%
Stabw
0.0400% 0.012000
0.0200% 0.010000
0.008000
0.0000% 0.006000
-0.0200% 0.004000
-0.0400% 0.002000
-0.0600% -
1998-1999 2000-2007 2008-2015 1998-2015
MW -0.0205% 0.0741% -0.0401% 0.0132%
MW 0.0976% -0.0146% -0.0205% -0.0048%
Stabw 0.016419 0.011962 0.018198 0.015485
Stabw 0.017283 0.012184 0.017991 0.015596
Abbildung 22: Monatswechseleffekt: FTSE MIB
83
FTSE MIB
0.004000
0.003000
0.002000
Renditen
0.001000
-
-0.001000
-0.002000
-0.003000
MW MW MW MW
1998-1999 2000-2007 2008-2015 1998-2015
Montag 0.003640 -0.000080 -0.001639 -0.000367
Dienstag 0.001414 -0.000396 0.000490 0.000204
Mittwoch 0.000120 -0.000096 0.000750 0.000306
Donnerstag -0.002049 0.000446 -0.000018 -0.000037
Freitag 0.000885 0.000161 -0.000830 -0.000197
Abbildung 23: Renditen nach Wochentagen: FTSE MIB
84
5.5 Niederlande – AEX
Deskriptive Daten
AEX
Start: 01.01.1990
Ende: 31.12.2015
(Anzahl Daten)
1990-1999 10 50 70
2000-2007 8 40 56
2008-2015 8 40 56
1990-2015 26 130 182
1990-1999 485 490 509 499 485 2468
2000-2007 398 397 408 406 404 2013
2008-2015 401 405 411 408 396 2021
1990-2015 1284 1292 1328 1313 1285 6502
Tabelle 9: Deskriptive Daten: AEX
AEX
6.00%
4.00%
1990-1999
2.00%
2000-2007
0.00%
2008-2015
-2.00% 1990-2015
-4.00%
-6.00%
Abbildung 24: Monatsrenditen im Überblick: AEX
85
AEX
0.03000 0.08000
0.02500 0.07000
0.02000 0.06000
Rendite
0.01500
Stabw
0.05000
0.01000 0.04000
0.00500
0.00000 0.03000
-0.00500 0.02000
-0.01000 0.01000
-0.01500 0.00000
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.02442 0.00891 0.00824 0.01531
MW -0.00025 -0.01208 -0.00685 -0.00546
Stabw 0.04716 0.05275 0.05858 0.05265
Stabw 0.05501 0.07427 0.06850 0.06452
Abbildung 25: Vergleich Winter-/ Sommermonate: AEX
Monatswechseleffekt
AEX
0.1200% 0.016000
0.1000% 0.014000
0.0800% 0.012000
Rendite
Stabw
0.0600% 0.010000
0.0400% 0.008000
0.0200% 0.006000
0.0000% 0.004000
-0.0200% 0.002000
-0.0400% -
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.0999% 0.1106% 0.0073% 0.0741%
MW 0.0633% -0.0306% -0.0074% 0.0125%
Stabw 0.010469 0.014769 0.015134 0.013469
Stabw 0.010823 0.014462 0.014955 0.013365
Abbildung 26: Monatswechseleffekt: AEX
86
AEX
0.001500
0.001000
Renditen
0.000500
-
-0.000500
-0.001000
-0.001500
MW MW MW MW
1990-1999 2000-2007 2008-2015 1990-2015
Montag 0.001286 -0.000494 -0.000336 0.000228
Dienstag 0.001132 -0.000550 0.000674 0.000472
Mittwoch 0.000914 -0.001075 0.000236 0.000093
Donnerstag -0.000125 0.000991 -0.000195 0.000198
Freitag 0.000275 0.000836 -0.000638 0.000170
Abbildung 27: Renditen nach Wochentagen: AEX
87
5.6 Portugal – PSI 20
Deskriptive Daten
PSI 20
Start: 01.01.1993
Ende: 31.12.2015
(Anzahl Daten)
1993-1999 7 35 49
2000-2007 8 40 56
2008-2015 8 40 56
1993-2015 23 115 161
1993-1999 330 326 333 336 328 1653
2000-2007 393 391 399 399 393 1975
2008-2015 401 405 411 408 397 2022
1993-2015 1124 1122 1143 1143 1118 5650
Tabelle10: Deskriptive Daten: PSI 20
PSI 20
8.00%
6.00%
4.00% 1993-1999
2.00% 2000-2007
0.00% 2008-2015
-2.00% 1993-2015
-4.00%
-6.00%
Abbildung 28: Monatsrenditen im Überblick: PSI 20
88
PSI 20
0.03000 0.08000
0.02500 0.07000
0.02000
0.01500 0.06000
Rendite
Stabw
0.01000 0.05000
0.00500 0.04000
0.00000
-0.00500 0.03000
-0.01000 0.02000
-0.01500 0.01000
-0.02000
-0.02500 0.00000
1993-1999 2000-2007 2008-2015 1993-2015
MW 0.02355 0.01453 -0.00075 0.01243
MW -0.00187 -0.01393 -0.02120 -0.01227
Stabw 0.06878 0.04131 0.06076 0.05925
Stabw 0.07505 0.05058 0.06833 0.06597
Abbildung 29: Vergleich Winter-/ Sommermonate: PSI 20
Monatswechseleffekt
PSI 20
0.1000% 0.016000
0.0800% 0.014000
0.0600% 0.012000
Rendite
0.0400%
Stabw
0.010000
0.0200% 0.008000
0.0000%
-0.0200% 0.006000
-0.0400% 0.004000
-0.0600% 0.002000
-0.0800% -
1993-1999 2000-2007 2008-2015 1993-2015
MW 0.0266% 0.0617% 0.0331% 0.0413%
MW 0.0764% -0.0029% -0.0719% -0.0042%
Stabw 0.011466 0.008661 0.013791 0.011519
Stabw 0.010076 0.009316 0.014626 0.011696
Abbildung 30: Monatswechseleffekt: PSI 20
89
PSI 20
0.001000
0.000500
Renditen
-0.000500
-0.001000
-0.001500
MW MW MW MW
1993-1999 2000-2007 2008-2015 1993-2015
Montag 0.000687 -0.000506 -0.001180 -0.000396
Dienstag 0.000995 -0.000157 -0.000614 0.000013
Mittwoch 0.000751 0.000002 -0.000310 0.000108
Donnerstag 0.000086 0.000246 -0.000299 0.000004
Freitag 0.000892 0.000832 -0.000272 0.000457
Abbildung 31: Renditen nach Wochentagen: PSI 20
90
5.7 Spanien – IBEX 35
Deskriptive Daten
IBEX 35
Start: 01.01.1990
Ende: 31.12.2015
(Anzahl Daten)
1990-1999 10 50 70
2000-2007 8 40 56
2008-2015 8 40 56
1990-2015 26 130 182
1990-1999 476 488 493 482 482 2421
2000-2007 384 388 399 400 392 1963
2008-2015 399 405 408 404 394 2010
1990-2015 1259 1281 1300 1286 1268 6394
Tabelle 11: Deskriptive Daten: IBEX 35
IBEX 35
5.00%
4.00%
3.00%
1990-1999
2.00%
1.00% 2000-2007
0.00% 2008-2015
-1.00% 1990-2015
-2.00%
-3.00%
-4.00%
Abbildung 32: Monatsrenditen im Überblick: IBEX 35
91
IBEX 35
0.02500 0.08000
0.02000 0.07000
0.01500 0.06000
Rendite
Stabw
0.01000 0.05000
0.00500 0.04000
0.00000 0.03000
-0.00500 0.02000
-0.01000 0.01000
-0.01500 0.00000
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.02149 0.01864 -0.00388 0.01301
MW -0.00989 -0.01151 -0.00417 -0.00856
Stabw 0.06539 0.04538 0.06336 0.06071
Stabw 0.06837 0.05953 0.07199 0.06683
Abbildung 33: Vergleich Winter-/ Sommermonate: IBEX 35
Monatswechseleffekt
IBEX 35
0.1200% 0.018000
0.1000% 0.016000
0.0800% 0.014000
Rendite
0.0600% 0.012000
Stabw
0.0400% 0.010000
0.0200% 0.008000
0.0000% 0.006000
-0.0200% 0.004000
-0.0400% 0.002000
-0.0600% -
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.0851% 0.1053% -0.0038% 0.0634%
MW 0.0418% -0.0185% -0.0348% -0.0008%
Stabw 0.012147 0.012460 0.016462 0.013734
Stabw 0.012368 0.013063 0.017141 0.014237
Abbildung 34: Monatswechseleffekt: IBEX 35
92
IBEX 35
0.001500
0.001000
0.000500
Renditen
-
-0.000500
-0.001000
-0.001500
-0.002000
MW MW MW MW
1990-1999 2000-2007 2008-2015 1990-2015
Montag 0.000071 -0.000809 -0.001761 -0.000778
Dienstag 0.001057 -0.000161 0.000434 0.000491
Mittwoch 0.000127 -0.000457 -0.000141 -0.000136
Donnerstag 0.000025 0.001063 0.000133 0.000382
Freitag 0.001183 0.000497 -0.000150 0.000557
Abbildung 35: Renditen nach Wochentagen: IBEX 35
93
5.8 Finnland – OMX Helsinki 25
Deskriptive Daten
OMX Helsinki 25
Start: 01.01.1990
Ende: 31.12.2015
(Anzahl Daten)
1990-1999 10 50 70
2000-2007 8 40 56
2008-2015 8 40 56
1990-2015 26 130 182
1990-1999 474 490 500 481 470 2415
2000-2007 383 392 400 391 381 1947
2008-2015 385 398 403 394 376 1956
1990-2015 1242 1280 1303 1266 1227 6318
Tabelle 12: Deskriptive Daten: OMX Helsinki 25
OMX Helsinki 25
6.00%
4.00%
1990-1999
2.00% 2000-2007
2008-2015
0.00%
1990-2015
-2.00%
-4.00%
Abbildung 36: Monatsrenditen im Überblick: OMX Helsinki 25
94
OMX Helsinki 25
0.03000 0.09000
0.02500 0.08000
0.02000 0.07000
Rendite
0.01500 0.06000
Stabw
0.01000 0.05000
0.00500 0.04000
0.00000 0.03000
-0.00500 0.02000
-0.01000 0.01000
-0.01500 0.00000
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.02762 0.01351 0.01016 0.01849
MW -0.01057 -0.01149 -0.01044 -0.01078
Stabw 0.08165 0.06829 0.06034 0.07221
Stabw 0.08565 0.05985 0.07175 0.07464
Abbildung 37: Vergleich Winter-/ Sommermonate: OMX Helsinki 25
Monatswechseleffekt
OMX Helsinki 25
0.2000% 0.018000
0.1500% 0.016000
0.014000
Rendite
0.1000% 0.012000
Stabw
0.0500% 0.010000
0.008000
0.0000% 0.006000
-0.0500% 0.004000
0.002000
-0.1000% -
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.1051% 0.1547% 0.0293% 0.0971%
MW 0.0521% -0.0555% -0.0051% 0.0013%
Stabw 0.012738 0.014922 0.016544 0.014685
Stabw 0.014941 0.014853 0.016142 0.015300
Abbildung 38: Monatswechseleffekt: OMX Helsinki 25
95
OMX Helsinki 25
0.001500
0.001000
0.000500
Renditen
-
-0.000500
-0.001000
-0.001500
-0.002000
MW MW MW MW
1990-1999 2000-2007 2008-2015 1990-2015
Montag 0.000110 -0.000194 -0.000417 -0.000147
Dienstag 0.000074 -0.000898 -0.000023 -0.000254
Mittwoch 0.000708 -0.001591 0.000486 -0.000066
Donnerstag 0.001325 0.000398 0.000262 0.000708
Freitag 0.000850 0.001462 -0.000292 0.000690
Abbildung 39: Renditen nach Wochentagen: OMX Helsinki 25
96
5.9 Frankreich – CAC 40
Deskriptive Daten
CAC 40
Start: 01.01.1990
Ende: 31.12.2015
(Anzahl Daten)
1990-1999 10 50 70
2000-2007 8 40 56
2008-2015 8 40 56
1990-2015 26 130 182
1990-1999 464 479 499 490 481 2413
2000-2007 397 395 407 408 404 2011
2008-2015 401 405 411 408 397 2022
1990-2015 1262 1279 1317 1306 1282 6446
Tabelle 13: Deskriptive Daten: CAC 40
CAC 40
4.00%
3.00%
2.00% 1990-1999
1.00% 2000-2007
0.00%
2008-2015
-1.00%
1990-2015
-2.00%
-3.00%
-4.00%
Abbildung 40: Monatsrenditen im Überblick: CAC 40
97
CAC 40
0.02500 0.07000
0.02000 0.06000
0.01500 0.05000
Rendite
Stabw
0.01000 0.04000
0.00500
0.00000 0.03000
-0.00500 0.02000
-0.01000 0.01000
-0.01500 0.00000
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.02292 0.01128 0.00686 0.01484
MW -0.00643 -0.01169 -0.00516 -0.00745
Stabw 0.05148 0.04467 0.05636 0.05152
Stabw 0.06388 0.06067 0.06157 0.06190
Abbildung 41: Vergleich Winter-/ Sommermonate: CAC 40
Monatswechseleffekt
CAC 40
0.1600% 0.018000
0.1400% 0.016000
0.1200% 0.014000
0.1000%
Rendite
0.012000
Stabw
0.0800% 0.010000
0.0600% 0.008000
0.0400%
0.0200% 0.006000
0.0000% 0.004000
-0.0200% 0.002000
-0.0400% -
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.1351% 0.1270% -0.0164% 0.0846%
MW 0.0327% -0.0255% -0.0018% 0.0038%
Stabw 0.012055 0.014146 0.015536 0.013901
Stabw 0.012088 0.013923 0.016043 0.013992
Abbildung 42: Monatswechseleffekt: CAC 40
98
CAC 40
0.001200
0.001000
0.000800
0.000600
Renditen
0.000400
0.000200
-
-0.000200
-0.000400
-0.000600
-0.000800
-0.001000
MW MW MW MW
1990-1999 2000-2007 2008-2015 1990-2015
Montag -0.000245 -0.000248 -0.000610 -0.000362
Dienstag 0.001037 -0.000573 0.000545 0.000384
Mittwoch 0.000911 -0.000916 0.000337 0.000168
Donnerstag 0.000354 0.001049 0.000058 0.000479
Freitag 0.000414 0.000743 -0.000572 0.000212
Abbildung 43: Renditen nach Wochentagen: CAC 40
99
5.10 Irland – ISEQ
Deskriptive Daten
ISEQ
Start: 01.01.1990
Ende: 31.12.2015
(Anzahl Daten)
1990-1999 10 50 70
2000-2007 8 40 56
2008-2015 8 40 56
1990-2015 26 130 182
1990-1999 457 475 502 507 499 2440
2000-2007 379 374 402 407 403 1965
2008-2015 384 385 411 410 398 1988
1990-2015 1220 1234 1315 1324 1300 6393
Tabelle 6: Deskriptive Daten: ISEQ
ISEQ
6.00%
4.00% 1990-1999
2.00% 2000-2007
0.00% 2008-2015
1990-2015
-2.00%
-4.00%
Abbildung 44: Monatsrenditen im Überblick: ISEQ
100
ISEQ
0.04000 0.08000
0.02000 0.07000
0.00000
0.06000
-0.02000
Rendite
-0.04000 0.05000
Stabw
-0.06000 0.04000
-0.08000 0.03000
-0.10000
0.02000
-0.12000
-0.14000 0.01000
-0.16000 0.00000
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.02265 0.01211 0.01356 0.01704
MW -0.00455 -0.00676 -0.14088 -0.00808
Stabw 0.05070 0.04489 0.06665 0.05458
Stabw 0.05901 0.05903 0.07257 0.06313
Abbildung 45: Vergleich Winter-/ Sommermonate: ISEQ
Monatswechseleffekt
ISEQ
0.1600% 0.020000
0.1400% 0.018000
0.1200% 0.016000
0.1000% 0.014000
Rendite
Stabw
0.0800% 0.012000
0.0600% 0.010000
0.0400% 0.008000
0.0200% 0.006000
0.0000% 0.004000
-0.0200% 0.002000
-0.0400% -
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.1319% 0.1470% 0.1249% 0.1344%
MW 0.0336% -0.0080% -0.0280% 0.0017%
Stabw 0.009577 0.012514 0.017693 0.013435
Stabw 0.009001 0.010535 0.016364 0.012176
Abbildung 46: Monatswechseleffekt: ISEQ
101
ISEQ
0.001500
0.001000
0.000500
Renditen
-
-0.000500
-0.001000
-0.001500
-0.002000
MW MW MW MW
1990-1999 2000-2007 2008-2015 1990-2015
Montag 0.000654 -0.000579 -0.001582 -0.000433
Dienstag 0.000415 0.000056 -0.000309 0.000080
Mittwoch 0.000817 -0.000599 0.000290 0.000220
Donnerstag 0.000521 0.000681 0.000640 0.000607
Freitag 0.000122 0.001322 0.000790 0.000699
Abbildung 47: Renditen nach Wochentagen: ISEQ
102
5.11 EUROSTOXX 50
Deskriptive Daten
Eurostoxx 50
Start: 01.01.1990
Ende: 31.12.2015
(Anzahl Daten)
1990-1999 10 50 70
2000-2007 8 40 56
2008-2015 8 40 56
1990-2015 26 130 182
1990-1999 512 516 519 515 513 2575
2000-2007 400 397 408 409 406 2020
2008-2015 403 406 413 410 399 2031
1990-2015 1315 1319 1340 1334 1318 6626
Tabelle 7: Deskriptive Daten: Eurostoxx 50
EUROSTOXX 50
4.00%
3.00%
2.00% 1990-1999
1.00% 2000-2007
0.00%
2008-2015
-1.00%
1990-2015
-2.00%
-3.00%
-4.00%
Abbildung 48: Monatsrenditen im Überblick: Eurostoxx 50
103
EUROSTOXX 50
0.03000 0.07000
0.02500 0.06000
0.02000
0.01500 0.05000
Rendite
Stabw
0.01000 0.04000
0.00500
0.00000 0.03000
-0.00500 0.02000
-0.01000 0.01000
-0.01500
-0.02000 0.00000
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.02414 0.01019 0.00357 0.01411
MW -0.00708 -0.01659 -0.01077 -0.01078
Stabw 0.04283 0.04664 0.06168 0.05077
Stabw 0.05602 0.06224 0.06248 0.05941
Abbildung 49: Vergleich Winter-/ Sommermonate: Eurostoxx 50
Monatswechseleffekt
EUROSTOXX 50
0.1400% 0.018000
0.1200% 0.016000
0.1000% 0.014000
0.0800%
Rendite
0.012000
Stabw
0.0600% 0.010000
0.0400% 0.008000
0.0200%
0.0000% 0.006000
-0.0200% 0.004000
-0.0400% 0.002000
-0.0600% -
1990-1999 2000-2007 2008-2015 1990-2015
MW 0.0953% 0.1241% -0.0249% 0.0670%
MW 0.0436% -0.0391% -0.0214% -0.0015%
Stabw 0.009456 0.014229 0.015651 0.013111
Stabw 0.010464 0.014271 0.016126 0.013578
Abbildung 50: Monatswechseleffekt: Eurostoxx 50
104
EUROSTOXX 50
0.001000
0.000500
Renditen
-0.000500
-0.001000
-0.001500
MW MW MW MW
1990-1999 2000-2007 2008-2015 1990-2015
Montag 0.000511 -0.000492 -0.000862 -0.000215
Dienstag 0.000739 -0.000406 0.000528 0.000329
Mittwoch 0.000712 -0.001123 0.000134 -0.000025
Donnerstag 0.000133 0.000971 0.000012 0.000353
Freitag 0.000543 0.000534 -0.000937 0.000092
Abbildung 51: Renditen nach Wochentagen: Eurostoxx 50
105

Kalendereffekte Am Aktienmarkt

Hochgeladen von

Dokumentinformationen

Originaltitel

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

Kalendereffekte Am Aktienmarkt

Hochgeladen von

Copyright:

Verfügbare Formate

Stefan Winkler

Eine empirische Analyse von ausgewählten Aktienindizes in

zur Erlangung des akademischen Grades

eines Master of Science

der Studienrichtung Betriebswirtschaft

an der Karl-Franzens-Universität Graz

Prof. Dr. Erik Theissen

Institut für Banken und Finanzierung

Graz, im Juni 2016

Tabellenverzeichnis ........................................................................................... VII

Abkürzungsverzeichnis .................................................................................... VIII

1.1 Problemstellung ....................................................................................... 1

1.2 Zielsetzung der Arbeit und Forschungsfrage ........................................... 1

1.3 Aufbau der Arbeit ..................................................................................... 2

2.1.1 Homo oeconomicus ...................................................................... 4

2.1.2 Das Capital Asset Pricing Model ................................................... 6

2.1.2.1 Kapitalmarktlinie ............................................................. 9

2.1.2.2 Wertpapiermarktlinie ..................................................... 10

2.1.2.3 Kritik am CAPM ............................................................ 12

2.1.3 Arbitrage Pricing Theory ............................................................. 12

2.1.4 Die Markteffizienz-Hypothese ..................................................... 15

2.1.4.1 Die Prämissen der Markteffizienz-Hypothese: .............. 16

2.1.4.2 Formen der Informationseffizienz ................................. 17

2.1.5 Random Walk Hypothese ........................................................... 19

3.1 Abgrenzungsversuch von Anomalien an Finanz- und Kapitalmärkten ... 22

3.3 Verkaufe-im-Mai-Effekt .......................................................................... 24

3.4 Monatswechseleffekt ............................................................................. 26

3.5 Wochentageffekt .................................................................................... 27

3.6 Erklärungsansätze für Saisonalitäten am Aktienmarkt .......................... 28

3.6.1 Behavioral Finance ..................................................................... 29

3.6.1.1 Noise Trading ............................................................... 30

3.6.1.2 Market Overreaction ..................................................... 31

3.6.2 Tax-Loss-Selling Hypothese ....................................................... 32

4 Empirische Untersuchung .......................................................................... 33

4.1 Vorgehensweise .................................................................................... 33

4.2 Aktienindizes ......................................................................................... 34

4.2.1 Anforderungen an Aktienindizes ................................................. 34

4.2.1.1 Inhaltliche Anforderungen ............................................. 35

4.2.1.2 Technische Anforderungen ........................................... 36

4.2.2 Berechnungsarten von Aktienindizes .......................................... 37

4.3 Auswahlkriterien .................................................................................... 38

4.3.1 Untersuchte Aktienindizes ........................................................... 38

4.3.2 Verwendete Daten ...................................................................... 41

4.4 Untersuchung des Januareffektes ......................................................... 42

4.5 Untersuchung des Verkaufe-im-Mai-Effekt ............................................ 49

4.7 Untersuchung des Monatswechseleffektes ........................................... 55

4.8 Diskussion der Ergebnisse .................................................................... 58

5.1 Deutschland – DAX ............................................................................... 73

5.2 Österreich – ATX ................................................................................... 76

5.3 Belgien – BEL 20 ................................................................................... 79

5.4 Italien – FTSE MIB ................................................................................ 82

5.5 Niederlande – AEX ................................................................................ 85

5.6 Portugal – PSI 20 .................................................................................. 88

5.7 Spanien – IBEX 35 ................................................................................ 91

5.8 Finnland – OMX Helsinki 25 .................................................................. 94

5.9 Frankreich – CAC 40 ............................................................................. 97

5.10 Irland – ISEQ ....................................................................................... 100

5.11 EUROSTOXX 50 ................................................................................. 103

Abbildung 2: Wertpapiermarktlinie des CAPM...................................................... 11

Abbildung 3: Beziehung der Formen von Informationseffizienz............................ 18

Abbildung 4: Die durchschnittlichen Monatsrenditen im Vergleich ....................... 23

Abbildung 5: Monatsrenditen in ausgewählten Ländern ....................................... 25

Abbildung 6: Wochentagesrenditen im Vergleich ................................................. 28