Entscheidend für Anleger ist aber, dass sie verstehen, warum welche Restriktionen, Daten und Modelle genutzt werden und was das für Konsequenzen für sie hat.
Ob institutionelles Consulting automatisiert werden kann, ist eine ziemlich ketzerische Frage, weil die individuelle Beratung von institutionellen Anlegern, also solchen mit sehr großen Anlagevolumina, als besonders komplex gilt. Ich meine, dass viele Elemente gut digitalisierbar sind. Das versuche ich am Beispiel einer kostenlos nutzbaren US Webseite zu zeigen.
Asset-Allocation,
Manager-Selektion und Risikomanagement im Vordergrund
Von 1999 bis 2011 habe ich bei einem der führenden deutschen
institutionellen Investmentconsultants gearbeitet. Dort war ich für alternative
Investments zuständig. Zusammen mit zwei Kollegen habe ich in 2010 ein Buch zu
dem Thema Asset
Allocation, Risiko-Overlay und Manager-Selektion: Das Diversifikationsbuch
geschrieben. Auf diese drei Themen werde ich im Folgenden im Hinblick auf die
Digitalisierungsmöglichkeit eingehen.
Asset-Allocation Consulting: Restriktionen entscheidend
Die Bestimmung einer optimalen Verteilung des Anlagevolumen auf Anlageklassen ist eine der wichtigsten Aufgaben im institutionellen Consulting. Wie wir in unserem Buch gezeigt haben, ist die optimale Asset Allocation sehr stark von den genutzten Restriktionen abhängig. Vereinfacht gesagt wird das simulierte Anlageergebnis besser, je mehr Anlageklassen zugelassen werden (siehe auch aktuellere DVFA Online Schulung zum Thema Evidence Based Investment Analysis).
Dieses Ergebnis beruht darauf, dass für die unterschiedlichen Anlageklassen in der Regel attraktive Risiko-/Renditeverhältnisse angenommen werden und zugleich angenommen wird, dass Korrelationen unter 1 liegen, also Diversifikation typischerweise zu verbesserten Portfolios führt. Das sind typische Annahmen im institutionellen Consulting bzw. von Asset Allocation Optimierungsmodellen generell.
Entscheidend für die Gestaltung optimaler Portfolios sind also die Prognosen für Renditen, Risiken und Korrelationen von Anlageklassen. Finanzprognosen sind allerdings schwierig, besonders wenn sie die Zukunft betreffen (unbekannter Verfasser).
„Grüne Wiese“ Allokation
Es gibt grundsätzlich zwei Wege, um zu einer „optimalen“
Allokation zu kommen. Der erste Weg ist der Bottom-Up oder „Grüne Wiese“ Weg:
Man hat grundsätzlich alle Anlageklassen zur Verfügung und bildet ein optimales
Portfolio auf Basis von Rendite-, Risiko- und Korrelationsprognosen jeder
Anlageklasse im Rahmen seiner Restriktionen. Die Prognosen sind oft
Fortschreibungen von Vergangenheitsdaten. Das ist der Weg, den institutionelle Anleger
in der Theorie typischerweise nutzen.
Top-Down Allokation
Der zweite Weg ist der Top-Down Weg, den ich nutze, der aber so nicht von institutionellen Anlegern genutzt wird. Ich bilde sogenannte Weltmarktportfolios, die alle real genutzten Anlageklassen berücksichtigen, indem sie von der aggregierten Anlage aller Kapitalanleger weltweit ausgehen. Implizit gehe ich davon aus, dass die Anlageklassen Geld von Anlegern bekommen, weil die Anleger positive Erwartungen/Prognosen für die genutzten Anlageklassen haben.
Ausgehend von diesem Marktportfolio bilden Anleger individuelle restriktionsabhängige Ableitungen. Anleger, die bestimmte Segmente nicht mögen, z.B. Alternatives, oder die Limits z.B. für Aktien setzen, erhalten entsprechend veränderte Weltmarktportfolios (weiterführend siehe Das Soehnholz ESG und SDG Portfoliobuch).
Genutzt wird vor
allem ein dritter Allokationsweg
Institutionelle Consultants tun oft so, als würden sie den „Grüne Wiese“ Weg verfolgen. Am stärksten scheint die Allokationsempfehlungen aber von der bisherigen Allokation des Investors und der seiner Vergleichs- oder Peergruppe abzuhängen. Eine „optimale“ Allokation darf in den seltensten Fällen stark von bisherigen oder Peerallokationen abweichen (siehe z.B. Multi-Asset Benchmarks: Gibts nicht, will keiner. Oder doch? – Responsible Investment Research Blog (prof-soehnholz.com)). Das ist eher ein Top-Down Ansatz.
Alle drei Ansätze können gut digitalisiert werden.
Manager-Selektions-Consulting: Kosten und Eigeninvestments entscheidend
Für die Umsetzung der Allokation sind ManagerInnen erforderlich. Das können Angestellte oder Externe sein. Typischerweise werden externe Fondsmanager gesucht, welche die Allokation des Investors mit geringen Abweichungen von den Assetklassenbenchmarks umsetzen sollen. Morningstar identifiziert vor allem zwei Kriterien, die für künftige Performance von Fonds wichtig sind: Niedrige Kosten und hohes eigene Investment der Manager in ihre Fonds.
Da aktive Manager passive Benchmarks nur selten schlagen,
kommen heute oft Indexfonds zum Einsatz. Wichtigste Kriterien für
Indexfondsselektionen sind Tracking Differenzen, also möglichst geringe
Abweichungen von den Benchmarks.
Die Manager- bzw. Fondsselektion lässt sich in Bezug auf liquide Investments relativ einfach digitalisieren, wie z.B. die Tools von Morningstar zeigen (siehe www.morningstar.de). Schwieriger ist das für nicht zum öffentlichen Vertrieb zugelassen Fonds. Aber auch dafür gibt es zunehmend Online-Anbieter (siehe einige Beispiele hier).
Risiko-Management-Consulting: Auch keine Outperformance?
Die meisten institutionellen Consultants in Deutschland sind
unreguliert und dürfen daher weder Portfolio- noch Risikomanagement selbst
betreiben. Mein ehemaliger Arbeitgeber ist einer der wenigen regulierten
Anbieter. Das hauseigene Risikomanagement- bzw. Overlaysystem ist im o.g. Diversifikationsbuch
beschrieben.
Andere Consultants haben externe Risikomanager für institutionelle Anleger selektiert. Es gibt Studien zur – nicht überzeugenden – Auswahl von Fondsmanagern durch institutionelle Consultants. Ich kenne aber keine Studien zum Erfolg von eigenen oder selektierten Risikomanagementsystemen. Außer Alpha Portfolio Advisors wirbt meines Wissens in Deutschland auch kein Consultant mit Erfolgen in diesem Bereich. Ich gehe davon auch, dass das an mangelnden Erfolgen liegt.
Amerikanisches
Online-Tool, das Investment Consultants (fast) ersetzen kann
Eine meiner Lieblings-Webseiten bietet online sogar kostenlos
und frei zugänglich zahlreiche Daten und Tools, die auch institutionelle
Anleger bei der Asset-Allokation, der Fondsselektion und dem Risikomanagement
unterstützen können. (Institutionelle) Anleger mit ein wenig
Kapitalmarktverständnis können mit den Daten und Tools zu guten
Anlageergebnissen kommen. Allerdings ist diese Webseite für US Anleger gemacht
worden. Für deutsche institutionelle Anleger könnte jedoch durchaus etwas Vergleichbares
aufgesetzt werden.
Wer sich nicht traut, komplett in Eigenregie vorzugehen,
kann diese Tools aber dazu nutzen, die Vorschläge von Anlageberatern und Produktverkäufern
zu prüfen. Wenn man das konsequent machen würde, könnte man viele
Marketingstories als Märchen entlarven.
Ich meine www.portfoliovisualizer.com. In früheren Beiträgen habe ich schon über diese Webseite berichtet (siehe hier) bzw. die Tools genutzt (siehe hier).
Beispiele für institutionelle
online Asset Allokationen
Hier erkläre ich einen möglichen Weg, wie „institutionelle
Selbstberatung“ erfolgen kann. Die Daten und Tools ermöglichen aber auch viele alternative
Vorgehensweisen.
Für die strategische Asset Allocation nutze ich zunächst das Tool „Backtest Portfolio Asset Allocation“, weil ich meinen imaginären institutionellen Anlagegremien nur ein Portfolio vorschlagen kann, das in der Vergangenheit ordentlich abgeschnitten hätte. Ich würde idealerweise mit dem Weltmarktportfolio starten, also einem kapitalgewichteten Multi-Asset Portfolio. Im zweiten Schritt würde ich Änderungen vornehmen, um mir vorliegende Restriktionen wie eine maximale Aktienquote zu erfüllen.
Das Weltmarktportfolio gehört leider (noch) nicht zu den im
Tool voreingestellten Portfolios. Da ich möglichst wenig Aufwand haben möchte,
nutze ich ein unter „Asset Allocation“ voreingestelltes Portfolio als
Startportfolio, z.B. das David Swensen Yale Endowment Portfolio.
Gute Ergebnisse mit einfachen Allokationen
Wenn ich keine weiteren Änderungen an den Standard-Voreinstellungen
vornehmen, hätte ich von Januar 2001, dem Startpunkt der verfügbaren Datenhistorie,
bis Februar 2019 folgende Ergebnisse erzielt: Rendite von 7,5% p.a., -24,4% im
schlechtesten Jahr und einen maximalen Verlust von 40,6%.
Deutsche Versicherungen dürfen typischerweise maximal 35% in
Aktien anlegen. Dazu kann man im Onlinetool über die Funktion „Custom
Portfolios“ die Hälfte der 30% US-Aktien in langfristige Staatsanleihen ändern
und erhält dann folgende Kennzahlen: Rendite
ebenfalls 7,5% p.a., 15,5% Verlust im schlechtesten Jahr und maximal 31,2%
Verlust. Das wäre aufgrund der guten Anleiheperformance in der selektierten Periode
also sogar besser als das Swensen Portfolio gewesen.
Um die Ergebnisse im Detail nachzuvollziehen, sollte man
sich die im Tool dokumentierten Annahmen hinter den Berechnungen ansehen.
5 Online-Optimierungsmodelle
Statt nur auf die Vergangenheit zu setzen und zu hoffen, dass man mit der Wahl des richtigen Ausgangsportfolios und diskretionären Änderungen zu einem guten Portfolio kommt, kann man auch „optimieren“. Dazu gibt es unter Portfolio-Optimizer fünf verschiedene Optimierungsmodelle. Je nach Modell und auch nach den genutzten Prognosen für Renditen, Risiken und Korrelationen können sehr unterschiedliche optimierte Allokationen erzeugt werden.
Wenn man sich nicht auf spezifische Prognosen festlegen
möchte, kann man sogar Simulationen selbst erzeugen mit dem ebenfalls zur
Verfügung stehenden Monte-Carlo Simulationstool. Bei der Nutzung muss man sich
entscheiden, ob man lieber mit historischen, statistischen, prognostizierten
oder parametrisierten Daten arbeiten möchte. Außerdem können vier verschiedene
„Withdrawal“ bzw. Auszahlungsmodelle gewählt werden.
Hohes Risiko von Pseudo-Optimierungen
Auch hier gilt: Je nach Auswahl unterscheiden sich die
„optimalen“ Ergebnisse. Welche Simulation bzw. welches Szenario künftig am
besten passen wird, kann so nicht festgestellt werden. Ich spreche deshalb
meist von pseudo-optimierten Ergebnissen (siehe hier).
Asset Allocation kann also ziemlich gut online umgesetzt werden. Dabei ist jedoch unklar, welche Ansätze bzw. Modelle digitalisiert werden sollten. Meiner Erfahrung nach verfolgen institutionelle Consultants unterschiedliche Ansätze/Modelle. Sie klären Anleger jedoch meines Wissens selten über die Unterschiede zu anderen Ansätzen/Modellen auf bzw. über die Abhängigkeiten von Modellen, Restriktionen oder Prognosen.
Beispiele für
institutionelle online Managerselektion
Ebenfalls auf www.portfoliovisualizer.com
findet man unter Fund Screener ein einfaches Tool zur Fondselektion basierend
auf Rendite, Risiko, Kosten etc. wie auch in Deutschland z.B. von Morningstar
kostenlos für Privatanleger angeboten wird. Die anderen unter „Asset Analytics“
zur Verfügung stehenden Tools sind interessanter. Mit ihnen kann man z.B. die
Korrelationen von Assetklassen oder einzelnen Investments testen. Noch
interessanter sind die Faktoranalysetools, mit denen Anlageklassen, einzelne
Investments aber auch Portfolios selbst auf Faktorabhängigkeiten getestet
werden können.
So kann man den Multi-Asset Fonds von AQR (AQRRX)
analysieren und erhält für die die Faktorabhängigkeiten der letzten Jahre.
Es wäre sicher interessant, sogenannte Smart-Beta oder
Faktorprodukte mit solchen Tools zu analysieren. Auch hier wird allein schon
durch die Wahlmöglichkeiten deutlich, dass die Ergebnisse wiederum von der
Analysemethode bzw. den genutzten Faktormodellen abhängen.
Online-Beispiele für
institutionelles Risikomanagement
Unter „Timing Models“ finden sich ebenfalls mehrere regelbasierte
Risikomanagementmodelle. Das einzig richtige Modell gibt es wohl nicht, aber
die 200Tage Linie hat sich seit Langem bewährt und deshalb nutze ich sie gerne.
Unter „Moving Average“ sind 10 Monate voreingestellt, die den 200 Tagen
entsprechen. Wenn mir die oben genannte Risikoreduktion des David Swensen Yale
Endowment Portfolios nicht ausreicht, kann ich versuchen, das Risiko durch
Market Timing weiter zu reduzieren.
Dazu wähle ich unter Portfolio Asset das Yale Portfolio aus
und rechne aus, was die Anwendung der Standard-Timing Modells gebracht hätte.
Dabei ist zu beachten, dass die Periode, für die Daten verfügbar sind, also
Januar 2004 bis Februar 2019, eine etwas andere als die oben genutzte ist.
Während das Buy-and-Hold Portfolio ähnliche Kennzahlen wie
oben zeigt, bringt dieses einfache Markettiming erstaunlich gute Ergebnisse:
6,5% Rendite p.a., maximaler Jahresverlust 5,4 und maximaler Gesamtverlust
10,5%. Wenn man annehmen könnte, dass die Zukunft wie die Vergangenheit
performt, hätte man ein attraktives institutionelles Portfolio gefunden. Mit
Optimierung hat das aber nichts zu tun.
Alternative: Reines
Aktienportfolio mit einfachem Timing
Ich gehe nicht davon aus, dass Anleihen künftig so gute
Renditen bei so wenig Risiko wie in der Vergangenheit bringen. Deshalb möchte
ich noch eine Alternative zum Yale Portfolio mit Trendfolge rechnen, nämlich
ein reines Aktienportfolio mit Timing. Der Einfachheit halber nehme ich dabei
an, dass das Aktienportfolio nur aus der vom Tool standardmäßig genutzten Benchmark,
dem Vanguard 500 Index Investor besteht. Bei einem Start in 2004 erhalte ich
eine Rendite von 8% bei einem schlechtesten Jahr von 6,3% und einem maximalen
Verlust von 16,8%. Das reine Aktienportfolio hätte 8,3% Rendite mit 37% bzw.
51% Verlusten gebracht.
Ein reines Aktienportfolio mit einfachstem Timing hätte also
ähnlich gut performt wie das Swensen Portfolio mit Timing aber erheblich besser
als das Swensen Portfolio ohne Timing oder das Aktienportfolio ohne Timing.
Ich denke nicht, dass allen institutionellen Anlegern bewusst
ist, wie viele relativ einfache und trotzdem sehr unterschiedliche Allokations-
und Risikomanagementmöglichkeiten es gibt. Diese Tools können einfach
automatisiert werden. Die Selektion des richtigen Ansatzes ist viel schwieriger.
Consulting-Modellauswahl digitalisierbar?
Ich hoffe, dass die Anleger wissen, warum sie beziehungswiese
ihre Consultants welche Daten, Modelle und Restriktionen nutzen und welche
Auswirkungen das hat.
Wahrscheinlich kann man sogar das über einen Selektionsansatz digitalisieren: Liste der möglichen Restriktionen, Liste der genutzten Daten/Prognosen, Liste der möglichen Modelle mit Vor- und Nachteilen bis zum individuell am besten passenden Modell. Die bei Portfolio-Visualizer vorgestellten Modelle und Restriktionen („Auswahl-Einstellungen“) könnte dafür eine erste Basis sein. Die dann folgenden (Pseudo-)Optimierung wäre wohl einfach zu digitalisieren. Das wäre ein interessanter Ansatz, den ich noch nirgendwo gesehen habe.
Institutionelles Consulting: Fünf Lehren für Anleger
Erstens: Zahlreiche für Consulting interessante Daten (ab 1871 siehe hier) stehen heute sogar schon kostenlos oder kostengünstig online zur Verfügung.
Zweitens: Mit www.portfoliovisualizer.com wird gezeigt, dass zahlreiche institutionelle Consulting-Tools einfach online gestellt werden könnten.
Drittens: Asset Allokations- und Risikomanagementergebnisse
hängt sehr stark von den genutzten Restriktionen, Allokationsmodellen und Allokationsdaten
ab.
Viertens: Im institutionellen Consulting genutzte Daten und Methoden sind möglicherweise besser bzw. anspruchsvoller als die auf www.portfoliovisualizer.com aufgeführten Modelle. Entscheidend für Anleger ist aber, dass sie verstehen, warum welche Restriktionen, Daten und Modelle genutzt werden und was das für Konsequenzen für sie hat. Das sollten Consultants transparent machen. Die hier aufgeführten Tools und Daten können Anlegern dabei helfen, die Modelle von Consultants besser zu verstehen.
Fünftens: Ein institutionelles reines Online Consulting wird es so schnell nicht geben. Das wäre nur möglich, wenn es allgemein anerkannte Daten/Prognosen, Restriktionen und Modelle geben würde. Das gibt es aber nicht. Außerdem treten im Consultingprozess zu viele Fragen auf, die kaum alle automatisiert werden können.
Lehren für Robo-Advisors
Robo-Advisors für Privatkunden suggerieren die Generierung optimaler Anlageportfolios. Dieser Beitrag sollte klar machen, dass das mathematisch hoffentlich korrekte jeweilige Optimum nur unter zahlreichen Restriktionen, bestimmten Daten und auf Basis des gewählten Modells bestimmt werden kann. Das sollte immer transparent gemacht werden.