Beruflich Dokumente
Kultur Dokumente
Kalendereffekte am Aktienmarkt
Masterarbeit
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
1 Einleitung........................................................................................................ 1
2 Theoretische Grundlagen.............................................................................. 4
3 Kalendereffekte ............................................................................................ 21
I
3.2 Januareffekt ........................................................................................... 22
5 Zusammenfassung ...................................................................................... 62
Literaturverzeichnis ........................................................................................... 64
Anhang ................................................................................................................ 73
III
Abbildungsverzeichnis
Abbildung 1: Kapitalmarktlinie des CAPM ............................................................ 10
VI
Tabellenverzeichnis
Tabelle 1: Untersuchung des Januareffektes ....................................................... 46
VII
Abkürzungsverzeichnis
AEX Amsterdam Exchange Index
BEL Belgian
β Betafaktor
KML Kapitalmarktlinie
MW Mittelwert
VIII
NYSE New York Stock Exchange
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
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.
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
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
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.
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
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
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)
= + ( )−
Mit:
( , )
= ( )
= ∗ 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
( )
( ) = + [ ]
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
Vgl. Radcliffe (1987), S. 243
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.
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
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
x Die Anleger und Anlegerinnen sind risikoscheu und versuchen, den Risiko-
nutzen ihres Vermögens zu maximieren
25
Vgl. Pankoke/Petersmeier, (2009), S. 129
26
Vgl. Steiner/Bruns (2000), S. 30
27
Vgl. Sharpe/Alexander (1999), S. 284
28
Vgl. Schneider (2001), S. 96
29
Vgl. Steiner/Bruns (2000), S. 31
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:
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
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
Vgl. Daxhammer/Facsar (2012), S. 55
33
Vgl. Huberman/Whang (2005), S. 1
34
Vgl. Daxhammer/Facsar (2012), S. 56
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.
Laut Fama gibt es drei hinreichende Bedingungen, die nötig sind, damit sich In-
formationseffizienz auf Kapitalmärkten einstellen kann:37
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
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
Vgl. Steiner/Bruns (2000), S. 41
42
Vgl. Steiner/Bruns (2007), S. 39
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
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:
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
Vgl. Radcliffe (1987), S. 319
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
50
Vgl. Sapusek (1998), S. 141
51
Vgl. Gultekin/Gultekin (1987), S. 1223
21
3.1 Abgrenzungsversuch von Anomalien an Finanz- und Kapi-
talmärkten
3.2 Januareffekt
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
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
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
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
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).
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
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
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.
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.
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
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
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
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
Vgl. Daxhammer/Facsar (2012), S. 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
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
Vgl. Bruns/Meyer-Bullerdiek (2013), S. 158
31
feststellen, dass Märkte in gewissen Phasen zu Überreaktion führen können. So
führten Experimente dazu, dass das Handeln involvierter Probanden zu folgender
Aussage führte:
87
DeBondt/ Thaler (1987), S. 577
88
Vgl. Bruns/Meyer-Bullerdiek (2013), S. 158
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
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.
4.2 Aktienindizes
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
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
Vgl. Schmitz-Esser (2001), S. 104
98
Vgl. Markowitz (1952) & (1959)
99
Vgl. Poddig/Brinkmann (2005), S. 53
35
x Investierbarkeit
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
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
Vgl. Schmitz-Esser (2001), S. 109
104
Vgl. Schmitz-Esser (2001), S. 109
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.
4.3 Auswahlkriterien
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
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.
120
Österreich ab 1991, Italien ab 1998, Portugal ab 1993
42
1990-1999 2000-2007 2008-2015 1990-2015
MW RANG MW RANG MW RANG MW RANG
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
43
1990-1999 2000-2007 2008-2015 1990-2015
MW RANG MW RANG MW RANG MW RANG
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
44
1990-1999 2000-2007 2008-2015 1990-2015
MW RANG MW RANG MW RANG MW RANG
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
45
Tabelle 1: Untersuchung des Januareffektes
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: = ,
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
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
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.
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.
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
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.
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.
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
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
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.
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.
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
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
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.
Anknüpfend an die große Anzahl von Daten werden die Ergebnisse der einzelnen
Indizes nochmals diskutiert:
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.
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.
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.
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.
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.
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.
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.
Eichhorn, W./Voeller, J., Theory of the Price Index, Springer Verlag, Berlin, 1976.
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.
Fisher, I., The Making of Index Numbers, Houghton Mifflin, Boston/New York,
1927.
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.
Gultekin, M./Gultekin, N. B., “Stock Return Anomalies and the Tests of the APT”,
Journal of Finance 58, 1987, S. 1213–1224.
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.
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.
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.
Lüdemann J., Die Grenzen des homo oeconomicus und die Rechtswissenschaft,
Max Planck Institute for Research on Collective Goods, Bonn, 2006.
Malkiel B. G., Börsenerfolg ist kein Zufall. Die besten Investmentstrategien für das
neue Jahrtausend, 2. Aufl., FinanzBuch Verlag, München, 2000.
Martin, J. D./Cox S. H./ MacMinn, R. D., “The Theory of Finance: Evidence and
Applications”, The Dryden Press, Chicago, 1988.
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.
Osborne, M., “Periodic Structure in the Brownian Motion of Stock Prices”, Opera-
tions Research 10, 1962, S. 345–379.
Radcliffe, R. C., Investment: Concepts, Analysis, and Strategy, 2. Aufl., Scott, Fo-
resman and Company, 1987.
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.
Rozeff, S./Kinney, W. R., “Capital Market Seasonality: The Case of Stock Re-
turns”, Journal of Financial Economics 3, 1976, S. 379–402.
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.
Sharpe, W., „A Theory of Market Equilibrium under Conditions of Risk”, The Jour-
nal of Finance 19, 1964, S. 425-442.
Shiller, R. J., “Human Behavior and the Efficiency of the Financial System”, Hand-
book of Macroeconomics 1, 1999, S. 1305-1340.
Weber, M., Behavioral Finance: Idee und Überblick, Behavioral Finance Group,
Mannheim, 1999.
70
Internetquellen:
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.
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
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%
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
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
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
75
5.2 Österreich – ATX
Deskriptive Daten
ATX
Start: 01.01.1991
Ende: 31.12.2015
(Anzahl Daten)
Monatsrenditen je Monat Sommermonate Wintermonate
1991-1999 9 45 63
2000-2007 8 40 56
2008-2015 8 40 56
1991-2015 25 125 175
Tagesrenditen Mo Di Mi Do Fr Gesamt
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
Monatsrenditen im Überblick
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%
76
Vergleich Winter-/ Sommermonate
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
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
77
Renditen nach Wochentagen
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
78
5.3 Belgien – BEL 20
Deskriptive Daten
BEL 20
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 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
Monatsrenditen im Überblick
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%
79
Vergleich Winter-/ Sommermonate
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
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
80
Renditen nach Wochentagen
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
81
5.4 Italien – FTSE MIB
Deskriptive Daten
FTSE MIB
Start: 01.01.1998
Ende: 31.12.2015
(Anzahl Daten)
Monatsrenditen je Monat Sommermonate Wintermonate
1998-1999 2 10 14
2000-2007 8 40 56
2008-2015 8 40 56
1998-2015 18 90 126
Tagesrenditen Mo Di Mi Do Fr Gesamt
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
Monatsrenditen im Überblick
FTSE MIB
15.00%
10.00%
1998-1999
5.00% 2000-2007
2008-2015
0.00%
1998-2015
-5.00%
-10.00%
82
Vergleich Winter-/ Sommermonate
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
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
83
Renditen nach Wochentagen
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
84
5.5 Niederlande – AEX
Deskriptive Daten
AEX
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 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
Monatsrenditen im Überblick
AEX
6.00%
4.00%
1990-1999
2.00%
2000-2007
0.00%
2008-2015
-2.00% 1990-2015
-4.00%
-6.00%
85
Vergleich Winter-/ Sommermonate
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
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
86
Renditen nach Wochentagen
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
87
5.6 Portugal – PSI 20
Deskriptive Daten
PSI 20
Start: 01.01.1993
Ende: 31.12.2015
(Anzahl Daten)
Monatsrenditen je Monat Sommermonate Wintermonate
1993-1999 7 35 49
2000-2007 8 40 56
2008-2015 8 40 56
1993-2015 23 115 161
Tagesrenditen Mo Di Mi Do Fr Gesamt
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
Monatsrenditen im Überblick
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%
88
Vergleich Winter-/ Sommermonate
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
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
89
Renditen nach Wochentagen
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
90
5.7 Spanien – IBEX 35
Deskriptive Daten
IBEX 35
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 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
Monatsrenditen im Überblick
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%
91
Vergleich Winter-/ Sommermonate
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
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
92
Renditen nach Wochentagen
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
93
5.8 Finnland – OMX Helsinki 25
Deskriptive Daten
OMX Helsinki 25
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 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
Monatsrenditen im Überblick
OMX Helsinki 25
6.00%
4.00%
1990-1999
2.00% 2000-2007
2008-2015
0.00%
1990-2015
-2.00%
-4.00%
94
Vergleich Winter-/ Sommermonate
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
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
95
Renditen nach Wochentagen
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
96
5.9 Frankreich – CAC 40
Deskriptive Daten
CAC 40
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 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
Monatsrenditen im Überblick
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%
97
Vergleich Winter-/ Sommermonate
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
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
98
Renditen nach Wochentagen
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
99
5.10 Irland – ISEQ
Deskriptive Daten
ISEQ
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 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
Monatsrenditen im Überblick
ISEQ
6.00%
4.00% 1990-1999
2.00% 2000-2007
0.00% 2008-2015
1990-2015
-2.00%
-4.00%
100
Vergleich Winter-/ Sommermonate
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
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
101
Renditen nach Wochentagen
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
102
5.11 EUROSTOXX 50
Deskriptive Daten
Eurostoxx 50
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 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
Monatsrenditen im Überblick
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%
103
Vergleich Winter-/ Sommermonate
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
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
104
Renditen nach Wochentagen
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
105