Schlagwort-Archive: Aktien

Personalisierung: Können nur Nackte reich werden? Oder: Fremd- versus Selbstpersonalisierung

Personalisierung ist ein heisses Thema: Der im Mai erschiene Global Retail Banking Report der Boston Consulting Group wurde „The Power of Personalization“ genannt. Aber im aktuellen Digital Banking Report mit dem Titel „The Power of Personalization“ heisst es: „94% of Banking Firms Unable to Deliver on ‘Personalization Promise“ (The Financial Brand, 4.9.2018). Dass Produktanbieter Vorteile durch Personalisierung haben ist klar. Aber gilt das auch für Anleger? Weiterlesen

Wie sollte man 3.000 Euro langfristig anlegen?

Ich habe mich mit „Regelbasiert-optimierungsfreie Geldanlage“ beim Comdirect Finanzblog Award beworben (Dort kann man die Bewerbung unterstützen, s.a. Comdirect Community). Dafür soll ich die folgende Frage beantworten: „Angenommen Du gewinnst den #fba18 und erhältst 3.000 Euro Siegprämie. Wie würdest Du diesen Betrag langfristig anlegen?“: Weiterlesen

Passive Outperformance von Indizes

Hier sind meine 10 Thesen zu Möglichkeiten der Outperformance von „Märkten“ (Die Thesen  und ihre Begründungen wurden zuerst am 3.8.2018 auf dem  RoboAdvisor Portal veröffentlicht):

  1. „Den Markt“ gibt es nicht: Das Multi-Asset Problem (siehe hier).
  2. Es fehlen gute Multi-Asset Benchmarks aber es gibt gute Selbsttestmöglichkeiten (siehe  www.portfoliocharts.com und www.portfoliovisualizer.com)
  3. „Passiv gibt es nicht“ bzw. das Index-Selektionsproblem (siehe  Indexselektion)
  4. Manche Indizes sind einfach zu schlagen
  5. Outperformance-Illusion von Faktorinvestments und Smart Beta
  6. Viele Studien zeigen, dass traditionelle Indizes auch ohne Faktorwetten einfach zu schlagen sind (siehe z.B. Söhnholz, D. (2012): Renditenorientierte Diversifikation 2.0 und Risiko-Overlays: Prognosefreie systematische Umsetzung, Arbeitspapier Söhnholz Advisors GmbH, 27.6 oder auch hier).
  7. Effiziente Trendfolge und die Outperformance-Illusion aktiver Risikomanager
  8. Größtes Problem ist falsches Anlegerverhalten bzw. falsches Market Timing (siehe z.B. hier).
  9. Empfehlung für Anleger: Einfach-Passiv ist besser als aktiv und ESG schadet nicht (siehe hier)
  10. Empfehlung auch für Robo-Advisors: Einfach-Passiv ist besser als aktiv und ESG schadet nicht (siehe auch hier).

PureESG ist besser als als SmartESG

Verantwortungsvolle ESG (= Environment, Social, Governance) Kapitalanlagen sind im Aufwind. Das gilt auch für sogenannte Smart Beta Investments. Neuerdings werden auch SmartESG Anlagen angeboten. Dabei besteht das Risiko der Überquantifizierung bzw. des Data Mining. PureESG halte ich für attraktiver.  Weiterlesen

„PureESG“ und „Reverse-ESG-Integration“: Beweisumkehr nötig!

Bei Wissenschaftlern und institutionellen Anlegern scheint sich die Meinung durchzusetzen, dass Geldanlage mit Berücksichtigung von Environment, Social und Governance (ESG) Kriterien weder Renditen senkt noch Risiken erhöht. Oft werden sogar positive Auswirkungen festgestellt (siehe auch hier). Dabei müssen ESG Anlagen gar nicht besser performen als andere Anlagen. Bei gleicher Performance spricht fast alles für die nachhaltige beziehungsweise verantwortungsvolle Geldanlage (s.a. hier). Daher ist eine Beweisumkehr nötig: Ignoranten von ESG-Kriterien müssen beweisen, dass ihr Ansatz besser ist! ESG-ETFs bzw. PureESG Portfolios von Diversifikator können dafür als Benchmarks genutzt werden.

Weiterlesen

Geldanlageinnovationen sind einfacher, als gedacht

Es gibt bereits tausende von Investmentfonds, zunehmend mehr ETFs (Exchange Traded Fonds) und viele andere Produkte wie Zertifikate am Markt. Aber Regulierungs- und interne Anforderungen an neue Produkte nehmen zu und die Vermarktungskosten steigen an. Inzwischen können neue Fonds allein aufgrund von Restriktionen bei Depotbanken kaum noch gegründet werden, wenn nicht schon zu Beginn mindestens 10 Millionen Euro Anlagevolumen sicher sind. Und große Fondsanbieter erwarten oft ein Absatzpotential von mehreren hundert Millionen Euro, bevor sie ein OK für ein neues Produkt geben. Oft brauchen sie ein Jahr Vorlauf, um einen neuen Fonds zu starten. Es wird also immer schwieriger, echte Geldanlageinnovationen zu finden und erfolgreich an den Markt zu bringen. Anbei ein paar neue Innovationsbeispiele: Weiterlesen

Anlageberater, Robo Advisors oder Modellportfolios: Wer wird gewinnen?

Meine Idealvorstellung für die Kapitalanlage: Kombination der besten Finanzplaner mit den besten Modellportfolios, den besten Unterstützungstools und den besten Depotbanken. Dabei spielen Depotbanken eine entscheidende Rolle.  Weiterlesen

Robo-Tools: Was beim Kauf zu beachten ist

Robo-Advisor Technologie für die Geldanlage wird immer mehr zur Commodity. Schon in 2015, bei der Gründungsvorbereitung für Diversifikator, gab es in den USA kostenlose Robo-Advisor Shareware  (s. z.B. wealthbot.io und diesen Blogbeitrag). Inzwischen gibt es auch in Deutschland mehrere kommerzielle Anbieter. Es ist davon auszugehen, dass immer mehr Banken, Assetmanager und andere Vermögensverwalter und auch Fondsvermittler künftig Robo-Tools nutzen werden.  Weiterlesen

Musterportfolios haben Vorteile gegenüber Fonds

Vermögensverwalter, Anlageberater und Banken sind normalerweise keine großen Anhänger von Muster- bzw. Modellportfolios (s.a. Musterportfolios). Die meisten verkaufen lieber Investmentfonds und andere Produkte. Selbst ETFs, die kostengünstigen passiven Fonds, werden Anlegern bisher selten aktiv angeboten.

Auch die Finanzpresse scheint Musterportfolios nicht sehr zu schätzen. Dabei werden solche Musterportfolios in den Fachmedien oft sogar kostenlos angeboten. Vielleicht wird angenommen: Was nichts kostet, kann auch nichts taugen. Musterportfolio ist aber nicht gleich Musterportfolio. Interessant: In den USA (s. Blogbeitrag) und UK (s. Blogbeitrag) kann man mit Musterportfolios viel Geld verdienen.  Weiterlesen

Big Data und Machine Learning verschlechtern die Anlageperformance und Small Data ist attraktiv

„Maschinelles Lernen ist ein Oberbegriff für die „künstliche“ Generierung von Wissen aus Erfahrung: Ein künstliches System lernt aus Beispielen und kann diese nach Beendigung der Lernphase verallgemeinern. …. Das Thema ist eng verwandt mit …. „Data-Mining“ (Wikipedia, 19.11.2017). Unter Data-Mining „versteht man die systematische Anwendung statistischer Methoden auf große Datenbestände (insbesondere „Big Data“ bzw. Massendaten) mit dem Ziel, neue Querverbindungen und Trends zu erkennen.“ (Wikipedia, 19.11.2017).

Während sich maschinelles Lernen zunächst gut anhört, wird „Data-Mining“ von unabhängigen Finanzexperten schon lange stark kritisiert. Mit meiner Firma Diversifikator verfolge ich bewußt einen möglichst einfachen Ansatz, der ohne (No Data) bzw. mit wenig (Small Data) Daten auskommt (s. auch  Evidenzbasierung und Researchbasierung ).

Weiterlesen