Schlagwort-Archive: Risikomanagement

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).

Multi-Asset Benchmarks: Gibts nicht, will keiner. Oder doch?

Bei der Kapitalanlage geht es darum, eine gute Rendite mit einem akzeptablen Risiko zu erreichen. Was „gut“ und „akzeptabel“ ist, wird meist anhand von Benchmarks bzw. Indizes gemessen. Obwohl fast alle Geldanleger „Multi-Asset“ Strategien verfolgen, gibt es keine anerkannten Multi-Asset Benchmarks. Das sollte sich ändern.  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

Einfaches Risikomanagement kann erstaunlich gut funktionieren

Ein angeblich fehlendes Risikomanagement war bisher der Hauptkritikpunkt an den Portfolios meiner Firma Diversifikator (die „Online Portfolio Strategen“). Diversifikator bietet bisher nur besonders passive Portfolios an, für die nicht einmal ein regelmäßiges Rebalancing zwingend vorgesehen ist.  Diversifikator verfolgt ein B2B(&C) Konzept und Beratern fällt es offenbar schwer, „zu einfache“ Portfolios anzubieten. Dabei ist die bisherige „echte“ Performance der Portfolios sogar noch besser als die schon sehr guten Rückrechnungen. Weiterlesen

Mit mehr Mut zur Einfachheit könnten viel bessere Anlage-Ergebnisse erreicht werden

Anleger sollten mehr Mut haben: In den letzten 10 Jahren haben kapitalgewichtet-aggregierte Fonds gleichgewichtet-aggregierte Fonds  outperformt, was für gute Fondselektionsfähigkeiten von Anlegern spricht (s. Rekenthaler für US Fonds, wie die meisten der u.g. Studien). Die Outperformance kommt vor allem dadurch zustande, dass Weiterlesen

Robo-Advisors nützen auch Firmenkunden

Sind Robo-Advisors für Firmenkunden interessant? Firmenkunden bzw. die Manager von Firmenliquidität wollen doch persönlich beraten werden und brauchen auch keine voll automatisierte Anlage. Auch die Umsetzung machen doch Berater für sie, oder etwa nicht? Weiterlesen

Faktorallokation ist konzeptionell und operationell schwierig, Faktoranalysen sind aber wichtig

Das Grundproblem einer faktorbasierten Allokation (Faktorallokation) ist dem der Assetklassen-Diversifikation sehr ähnlich: Es gibt keinen Konsens darüber, welche Assetklassen bzw. Faktoren die Basis der Allokation sein sollten. Ebenso wie unter einer Assetklasse kann Vieles als „Faktor“ verstanden werden. Grundsätzlich ist damit eine Variable gemeint, die einen systematischen Einfluß auf Renditen oder Risiken von Kapitalanlagen hat. Weiterlesen