Diese Seite verwendet Cookies

Um Ihnen das bestmögliche Erlebnis zu bieten, verwendet die GAM-Website Cookies. Sie können vollständige Informationen über die Verwendung von Cookies hier lesen. Ihre Privatsphäre ist uns wichtig und wir empfehlen Ihnen, unsere Datenschutzerklärung hier zu lesen.

Ok
Nicht nur in den Rückspiegel blicken

4. Juli 2019

In den vergangenen Jahren unterschied das Marktverhalten häufig von den bekannten Verlaufsmustern. Dr. Daniele Lamponi von GAM Systematic erläutert, weshalb Experten für quantitative Anlagen ihre Anlagemodelle kontinuierlich verfolgen und überprüfen müssen, um sie auf das sich wandelnde Marktumfeld anzupassen. Nachfolgend erläutert er diesen Vorgang anhand von Trendmodellen für den Anleihenmarkt.

Die verborgene Wirkung veränderter Marktbedingungen auf systematische Trendmodelle für Anleihen

Als Spezialisten für quantitative Anlagen stützen wir uns auf Daten, um Anlageentscheidungen zu treffen und eine gute Performance zu erzielen oder Risikoengagements für unsere Kunden einzugehen. In der Regel fliessen Vergangenheitsdaten in die Entwicklung von Anlagemodellen ein. Diesen Prozess bezeichnen wir als «Backtesting»: Wir simulieren mithilfe historischer Daten eine Anlagestrategie und analysieren die Risiken, Performance, Verluste und das Verhalten systematischer Strategien im Hinblick auf unterschiedliche Marktgegebenheiten und Parametrisierungen. Ferner hilft uns das Backtesting, das logische Grundprinzip einer systematischen Strategie zu beurteilen. Überzeugt uns das Grundprinzip und das Verhalten einer Strategie, folgen letztendlich Kapitalzusagen und Investitionen. Während des gesamten Prozesses von der Ideenentwicklung bis zur Kapitalzusage spielen Daten eine wesentliche Rolle: Sie ermöglichen uns, zu analysieren und zu verstehen, wie sich eine Anlagestrategie in der realen Welt verhält. Die Erfahrung hat jedoch gezeigt, dass Daten nur ein Teil der Wahrheit sind, da sie uns lediglich eine Rückschau liefern und keinen Blick in die Zukunft eröffnen.


«Autofahren mit ständigem Blick in den Rückspiegel funktioniert nur, solange nichts vor dir auftaucht.»

Bill Joy, Softwareentwickler und Mitbegründer von Sun Microsystems


Wir halten es für wichtig, eine Anlagestrategie einschliesslich ihrer Annahmen, Risiken und Performancetreiber genau zu verstehen. Daher überwachen die Experten von GAM Systematic ständig ihre Anlagemodelle – auch die erfolgreichen – und stimmen diese auf das jeweilige Marktumfeld ab. In diesem Artikel untersuchen wir, welche weitreichenden Auswirkungen neue Marktparadigmen auf die Modellkonstruktion haben können. Insbesondere zeigen wir am Beispiel von Trendmodellen für den Anleihenmarkt, wie marktrelevante Veränderungen, beispielsweise eine veränderte Geldpolitik, Methoden zur Portfoliokonstruktion und Modelldynamiken beeinflussen können.

Trendmodelle verfolgen eine Anlagestrategie, die Wertpapiere, welche zuletzt eine positive Kursentwicklung verzeichneten, kauft («Long-Positionen») und Wertpapiere mit negativen Kursentwicklungen verkauft («Short-Positionen»). Dadurch sollen sie die Dauerhaftigkeit von Erträgen in bestimmten ausgewählten Märkten nutzen. Diese auch als «Zeitreihen-Momentum» oder «Trendfolge» bezeichneten Strategien wurden eingehend in der Praxis und von Wissenschaftlern erprobt1. CTAs, Managed Futures und systematische Global-Macro-Hedgefonds versuchen, preisbasierte Trendfolgealgorithmen für Terminkontrakte zu verwenden. Wie aus Abbildung 1 hervorgeht, bestehen Trendmodelle meist aus vier Bausteinen: verfügbares Anlageuniversum, Signalerzeugung, Portfolioaufbau und Risikomanagement.

Abbildung 1: Die vier Säulen einer systematischen Trendfolgestrategie

Quelle: GAM Investments. Nur zur Veranschaulichung

Insbesondere Trendmodelle für Anleihen tendieren zu Allokationen in Anleihen-Futures unterschiedlicher Duration (Fälligkeiten von Anleihen, die zur Zinssensitivität beitragen) und Märkte. Zu den typischen Anlagen zählen die in Abbildung 2 dargestellten Kontrakte. Zur Identifizierung des Trends werden in der Praxis unzählige Signale wie einfache gleitende Durchschnitte2, Bollinger-Bänder3 und/oder lineare zeitliche Regressionen4 herangezogen. Zahlreiche Methoden, die die Profis zum Extrahieren von Trendsignalen verwenden, werden in der Fachliteratur behandelt5. Eine weit verbreitete Methode der Portfoliokonstruktion besteht darin, Allokationen entsprechend der inversen Volatilität vorzunehmen (misst die Schwankungsbreite von Anlageerträgen). Demzufolge rechtfertigen Kontrakte mit geringerer Volatilität höhere Allokationen. Gelegentlich wird auch die Summe der Gewichtungen auf ein geeignetes Bruttoengagement normiert.

Abbildung 2: Typisches Anlageuniversum mit Trendfolgestrategien für Anleihen, das verschiedene Regionen und Laufzeiten umfasst

Quelle: GAM Investments. Nur zur Veranschaulichung. Allokationen und Positionen können Veränderungen unterliegen.

Unter diesen Rahmenbedingungen werden alle Positionen so bemessen, dass sie zu gleichen Teilen zur Volatilität beitragen, um gleichzeitig Diversifikation zu erzielen und das Portfoliorisiko jedes Marktes zu begrenzen. Es kommen jedoch auch andere Ansätze zum Einsatz: Diese reichen von Gleichgewichtungen bis zu komplexeren Systemen, in denen die Allokationen auf Kombinationen aus der Signalstärke und der Volatilität beruhen. Schliesslich stellt das Risikomanagement sicher, dass das Leverage-, Gesamtpositionsgrössen- und Ex-ante-Risiko in Übereinstimmung mit den Anlagezielen und Richtlinien gemanagt wird.

Die inverse Volatilität findet in der Praxis breite Anwendung und hat sich als eine äusserst erfolgreiche Methode zur Portfoliokonstruktion erwiesen, da sie robust, einfach und zuverlässig ist. Damit ist sie ganz nach unserem Geschmack: Sie erfüllt ihren Zweck ohne unnötige Komplexität. Wie sich allerdings noch zeigen wird, muss sie aufgrund des sich wandelnden Marktumfelds umgestaltet werden. An dieser Stelle kommen rückblickende und zukunftsgerichtete Anlageentscheidungen ins Spiel. Ohne belehrend wirken zu wollen, muss nochmals betont werden, dass Daten aus der Vergangenheit nicht immer ein guter Gradmesser für aktuelle und/oder künftige Ergebnisse sind. Wir sind davon überzeugt, dass sowohl der rückblickende als auch der zukunftsgerichtete Ansatz wesentlich dazu beitragen, Modelldynamiken und Auswirkungen zu verstehen und letzten Endes gute Anlageentscheidungen zu treffen.

In den vergangenen Jahren haben Zentralbanken weltweit ihre Zinssätze herabgesetzt, um den Deflationsszenarien entgegenzuwirken. Letztendlich haben sie Rekordtiefs erreicht und liegen in einigen Fällen sogar im negativen Bereich. Obwohl es sich bei Negativzinsen um ein unkonventionelles geldpolitisches Instrument handelt, sind diese mittlerweile Normalität geworden. Bereits in den 1970er Jahren hat die Regierung der Schweiz hat de facto eine Negativzinspolitik betrieben, indem sie von Ausländern Strafzinsen für die Erhöhung ihrer Bareinlagen in Schweizer Franken verlangte. Damit reagierte sie auf die Aufwertung des Schweizer Franken, in den Anleger aus Angst vor einer Inflation in anderen Teilen der Welt flüchteten. Nach der Finanzkrise im Jahr 2008 setzten alle wichtigen Industrienationen sehr niedrige Zinssätze ein, um das Wachstum anzukurbeln und den Deflationsdruck abzufangen. Im Juli 2009 setzte die schwedische Zentralbank Negativzinsen in Form eines Tagesgeldsatzes von –0,25% fest. Die Europäische Zentralbank (EZB) zog im Juni 2014 nach und senkte ihren Einlagenzinssatz auf –0,1%. Andere europäische Länder (z. B. die Schweiz und Dänemark) und Japan haben sich mittlerweile ebenfalls für negative Zinssätze entschieden. Obwohl der Leitzins der US-Notenbank noch nicht im negativen Bereich liegt, bewegt er sich bereits seit Jahren um die Null-Linie.

Warum aber beeinflusst die Geldpolitik die Methode zur Portfoliokonstruktion? Dies lässt sich auf mindestens zwei Gründe bzw. Zusammenhänge zurückführen: Einerseits haben sich die statistischen Merkmale von Anleihenzeitreihen in den letzten Jahren geändert, andererseits verhält sich auch die Zinsstrukturkurve strukturell anders. Für uns bedeutet dies, dass wir die Methode zur Portfoliokonstruktion sowie die Signalerzeugung überdenken und anpassen müssen.

Die Anleihenzeitreihen veränderten sich, da bei sehr niedrigen Zinsniveaus weitere erhebliche Senkungen weniger wahrscheinlich sind. Zwar könnte man einwenden, dass das Niveau in den negativen Bereich gesunken ist, obwohl es sich bereits vor einigen Jahren um null bewegte, doch die Markterwartungen legen eine tiefere Untergrenze für Zinsniveaus fest. Je mehr wir uns dieser Grenze nähern, desto verzerrter wird die Renditeverteilung (siehe Abbildung 3).

Abbildung 3: Die Verteilung von Zinsbewegungen kann bei einer Annäherung an die erwartete Untergrenze sehr asymmetrisch ausfallen. Gleichzeitig nimmt die Volatilität ab, da die Verteilung komprimierter ist.

Quelle: GAM Investments. Nur zur Veranschaulichung

Zur Veranschaulichung unterstellen wir, dass die Zinsen bei Null lägen und deshalb nicht weiter sinken könnten. In unserem Beispiel gibt es somit nur die beiden Möglichkeiten, dass sie steigen oder gleich bleiben; das heisst, sie verursachen eine Asymmetrie in der Verteilung. Liegen die Zinsen hingegen bei 3%, sodass sowohl ein Anstieg als auch ein Rückgang möglich wäre, sieht die Situation anders aus. In einem solchen Fall der asymmetrischen Verteilung eignet sich die Volatilität nach unserer Einschätzung nicht mehr zur Risikobeurteilung. Bei einer Komprimierung der Ertragsverteilung nimmt die realisierte Volatilität ab und kann zu einer Verzerrung der Portfoliogewichtungen führen. Tatsächlich erhalten asymmetrische Kontrakte meist höhere Gewichtungen, die das Verhalten der Strategie potenziell ändern. Je nach der zur Portfoliokonstruktion verwendeten Methode und dem verfügbaren Anlageuniversum können sich enorme Auswirkungen ergeben. Die neuen Marktbedingungen zwingen uns, die Berücksichtigung der Volatilität im Modell infrage zu stellen und diese aufmerksam zu überwachen, wenn sie bei der Signalerzeugung oder der Definition des Gewichtungsschemas verwendet wird.

Abbildung 4: Zinsstrukturkurve von US-Treasuries Ende Dezember 2016 mit der typischen aufwärts gerichteten Struktur

Quelle: Bloomberg. Nur zur Veranschaulichung

Die Zinsstruktur zeigt die Werte der Zinssätze für eine Anlageklasse mit unterschiedlichen Laufzeiten. Sie wird in Form einer Zinsstrukturkurve dargestellt. Ein Beispiel hierfür ist in Abbildung 4 zu sehen. Normalerweise ist sie aufwärts gerichtet, bei konjunkturellen Veränderungen verschiebt sich die Kurve jedoch und der Verlauf passt sich an. Darüber hinaus gibt die Kurve Aufschluss über die unterschiedlichen Konjunkturphasen im Zeitablauf. Eine Reihe wissenschaftlicher Forschungen dokumentiert, dass sie in der Vergangenheit exakt dafür häufig verwendet wurde. In «normalen» Zeiten legen die Zentralbanken kurzfristige Zinssätze fest, um die verfügbare Geldmenge zu steuern6. Während der jüngsten Finanzkrise wurde die quantitative Lockerung eingeführt, eine Form der Geldpolitik, mit der sich die Geldmenge weiter erhöhen lässt. Wenn die Zentralbanken kurzfristige Zinssätze festlegen, verschiebt sich die gesamte Zinsstruktur: Quantitative Analysen der Zinsstruktur belegen, dass diese Parallelverschiebung die meisten Bewegungen der Zinsstrukturkurve erklärt. Die beiden weiteren Hauptbewegungen sind die Veränderung der Steigung und der Krümmung7. In Abbildung 5 sind die Verläufe der Zinsstrukturkurve dargestellt. Leider kann die Situation völlig anders aussehen, wenn es bei den kurzfristigen Zinssätzen wenig Bewegungsspielraum gibt8. Abbildung 6 zeigt die Sensitivität gegenüber Zinsbewegungen in den USA und Europa zu verschiedenen Zeitpunkten in der Zinsstrukturkurve jeweils nach zwei, fünf und zehn Jahren. Sie veranschaulicht, dass sich das Verhalten durch die Einführung sehr niedriger Zinssätze ändert. Dies kann sich massiv auf eine systematische Anlagestrategie auswirken, die Anleihentrends nutzt, da ein kurzfristiger Kontrakt auf eine Art und Weise reagieren könnte, die aus keiner historischen Zeitreihe abzuleiten ist.

Abbildung 5: Die Hauptbewegungen einer Zinsstrukturkurve: Parallelverschiebung, Steigung und Krümmung

Quelle: GAM Investments. Nur zur Veranschaulichung

Interessant ist, dass diese beiden Effekte miteinander interagieren können. Tatsächlich erhöht sich bei einer auf inverser Volatilität beruhenden Allokationsmethode die Allokation, sobald die Volatilität von kurzfristigen Kontrakten abnimmt. Gleichzeitig verändert sich ihr Verhalten drastisch, wie wir gesehen haben. Das Strategieengagement könnte daher abgewandelt werden. Zudem muss aufmerksam geprüft werden, ob sie noch ihre Rolle bei der wirksamen Erschliessung von Prämien aus dem Momentum-Risiko am Anleihenmarkt erfüllt.

Abbildung 6: Zinssensitivität zu verschiedenen Zeitpunkten in der Zinsstrukturkurve für die USA und Europa nach zwei, fünf und zehn Jahren

Quelle: Bloomberg und GAM Investments. Nur zur Veranschaulichung

Wie diese Überlegungen gezeigt haben, geht es bei quantitativen Anlagen und insbesondere bei der Nutzung von Risikoprämien nicht nur darum, eine allgemeingültige empirische Strategie zu konstruieren und diese anzuwenden. Historische Daten sind nur die halbe Wahrheit. Neben einem rückblickenden ist auch ein zukunftsgerichteter Ansatz ebenso von zentraler Bedeutung, wie ein grundlegendes Verständnis des für die Anlagen verwendeten Algorithmus einschliesslich aller zugehörigen Auswirkungen. Wie sonst in der Finanzwelt liegt der Teufel auch hier im Detail. Nachlässigkeiten können zu unzulänglichen Modellen und einer unterdurchschnittlichen Performance führen.


1Fung, W. und D. A. Hsieh (2001), «The risk in hedge fund strategies: Theory and evidence from trend followers.» Review of Financial Studies 14(2), 313. Moskowitz, T., Y. H. Ooi, und L. H. Pedersen (2012). «Time series momentum» Journal of Financial Economics Vol. 104 (2), pp. 228–250
2Dies ist ein arithmetischer gleitender Durchschnitt, der wie folgt berechnet wird: Die jüngsten Schlusskurse geteilt durch die Zahl der im Berechnungsdurchschnitt verwendeten Zeiträume.
3Bollinger-Bänder bestehen aus einer mittleren Linie (gleitender Durchschnitt) und jeweils einem Kursbereich (Band) oberhalb und unterhalb dieser Linie. Die Bänder werden anhand der „standard deviation of the returns“ berechnet. Wenn die Kurse das obere bzw. das untere Band über- bzw. unterschreiten, wird eine positive bzw. negative Einschätzung angenommen, bis die Kurse einen langfristigen gleitenden Durchschnitt erreichen und die Position neutralisiert wird.
4Gleitende Durchschnitte werden zeitlich rückblickend entwickelt. Sobald der absolute Wert der T-Statistik des Zeitkoeffizienten einen Schwellenwert überschreitet, wird eine Position eingeleitet. Die Positionen werden neutralisiert, wenn der Trendkoeffizient sein Vorzeichen ändert.
5Guilleminot, B., J.-J. Ohana, und S. Ohana (2014). «Risk- versus Trend-Driven Global Tactical Asset Allocation» The Journal of Portfolio Management, 40 (3), pp. 21–33
6Modigliani, F., R. Rasche, und J. P. Cooper (1970). «Central Bank Policy, the Money Supply, and the Short-Term Rate of Interest» Journal of Money, Credit and Banking, Vol. 2 (2), pp. 166–218
7Steeley, J.M. (1990). «Modelling the dynamics of the term structure of interest rates.» Economic and Social Review, vol. 21 (4), pp. 337–361. Litterman, R. und Scheinkman, J. (1991). «Common Factors Affecting Bond Returns.» The Journal of Fixed Income, Vol. 1, pp. 54–61.
8Grisse, C. und S. Schumacher (2017). «The response of long-term yields to negative interest rates: evidence from Switzerland.» SNB Working Papers 10/2017

Wichtige rechtliche Hinweise
Die Angaben in diesem Dokument dienen lediglich zum Zwecke der Information und stellen keine Anlageberatung dar. Die in diesem Dokument enthaltenen Meinungen und Einschätzungen können sich ändern und geben die Ansicht von GAM unter den derzeitigen Konjunkturbedingungen wieder. Für die Richtigkeit und Vollständigkeit der Angaben wird keine Haftung übernommen. Die vergangene Performance ist kein Indikator für die laufende oder künftige Wertentwicklung.
Scroll to top