Behavioral Finance - izs.napoleon.chizs.napoleon.ch/upload/dokumente/bachelor_thesis_behavioral... · Behavioral Finance Bachelor Thesis Autoren Stefan Bünter, Gysulastrasse 25,

Behavioral Finance

Bachelor Thesis

Autoren Stefan Bünter, Gysulastrasse 25, 5000 Aarau, [email protected]

Patrick Heiz, Stäpflistrasse 12, 5032 Aarau Rohr, [email protected]

Auftraggeber Institut für Unternehmensführung Hochschule für Wirtschaft FHNW

Zürcherstrasse 1202 5210 Windisch

Fachdozent

Prof. Thomas Fischer

Vertraulichkeitsstufe Vertraulich

Inhaltsverzeichnis

II

Inhaltsverzeichnis

1. Management Summary ............................................................................. 1

2. Einleitung ................................................................................................... 3

3. Theoretische Grundlagen ......................................................................... 4

3.1. Einbettung der Behavioral Finance................................................................ 4

3.1.1. Old Finance ...................................................................................................... 5

3.1.2. Modern Finance ............................................................................................... 5

3.2. Behavioral Finance ........................................................................................ 7

3.2.1. Definition Behavioral Finance ........................................................................... 8

3.2.2. Behaviorismus und Stimulus-Response-Schema ............................................. 8

3.2.3. Relevanz .........................................................................................................10

3.3. Aktuelle Entwicklungen in der Forschung .................................................... 11

3.4. Grundlagen Entscheidungstheorie .............................................................. 11

3.4.1. Mean-Variance Analysis ..................................................................................12

3.4.2. Prospect Theory ..............................................................................................13

3.5. Informationsverarbeitung und Heuristiken ................................................... 15

3.5.1. Heuristiken zur Komplexitätsreduktion ............................................................16

3.5.2. Heuristiken zur schnellen Urteilsfindung ..........................................................18

3.5.3. Fazit ................................................................................................................19

3.6. Behavioral Biases ........................................................................................ 19

3.6.1. Information Processing Biases ........................................................................20

3.6.2. Decision Biases ...............................................................................................23

3.6.3. Decision Evaluation Biases .............................................................................25

3.6.4. Debiasing ........................................................................................................26

3.7. Marktanomalien ........................................................................................... 27

3.7.1. CAPM Anomalie ..............................................................................................27

3.7.2. Kalenderanomalie ...........................................................................................28

3.7.3. Boom- und Crash-Situationen .........................................................................29

3.7.4. Interpretation der Behavioral Modelle und deren Grenzen ..............................30

3.8. Massenpsychologische Dynamik und Herdentrieb ...................................... 30

3.9. Rationale und irrationale Verhaltensmuster ................................................. 32

4. Behaviorale Aspekte der technischen Analyse .................................... 35

4.1. Trend-Analyse ............................................................................................. 36

4.1.1. Dow-Technik ...................................................................................................36

4.1.2. Charttechnik ....................................................................................................38

Inhaltsverzeichnis

III

4.1.3. Markttechnik ....................................................................................................39

4.1.3.1. Trendfolgende Indikatoren ..................................................................................... 39

4.1.3.2. Oszillierende Indikatoren ....................................................................................... 40

4.2. Zyklen-Analyse ............................................................................................ 41

4.2.1. Elliott-Wave-Analyse .......................................................................................42

4.2.2. Zeitzyklen-Analyse ..........................................................................................45

4.3. Sentiment-Analyse ...................................................................................... 48

4.4. Mathematische Modelle ............................................................................... 50

4.5. Fazit und kritische Würdigung ..................................................................... 52

5. Anwendung der Theorie ......................................................................... 54

5.1. Kurs-Umsatz-Analyse .................................................................................. 54

5.1.1. UBS ................................................................................................................55

5.1.2. Adecco ............................................................................................................60

5.1.3. Nestlé ..............................................................................................................65

5.2. Kalenderanomalie........................................................................................ 72

5.2.1. Tagesanomalie................................................................................................73

5.2.1.1. UBS........................................................................................................................ 75

5.2.1.2. Adecco ................................................................................................................... 76

5.2.1.3. Nestlé ..................................................................................................................... 77

5.2.2. Monatsanomalie ..............................................................................................78

5.2.2.1. UBS........................................................................................................................ 78

5.2.2.2. Adecco ................................................................................................................... 80

5.2.2.3. Nestlé ..................................................................................................................... 81

5.2.3. Gesamtfazit Kalenderanomalie und Behavioral Finance .................................83

5.2.3.1. Tagesanomalie ...................................................................................................... 83

5.2.3.2. Monatsanomalie .................................................................................................... 84

5.3. Analyse weiterer Behavioral Finance Theorien ........................................... 84

5.3.1. Prospect Theory ..............................................................................................85

5.3.2. Heuristiken ......................................................................................................85

5.3.3. Behavioral Biases ...........................................................................................87

5.3.4. CAPM Anomalie ..............................................................................................88

5.3.5. Boom- und Crash-Situationen .........................................................................88

5.3.6. Herdentrieb .....................................................................................................89

6. Praktischer Nutzen und Prognosen....................................................... 90

6.1. Praktischer Nutzen ...................................................................................... 90

6.1.1. Kurs-Umsatz-Analyse ......................................................................................90

6.1.2. Kalenderanomalie ...........................................................................................91

Inhaltsverzeichnis

IV

6.2. Prognosen ................................................................................................... 92

6.2.1. UBS ................................................................................................................92

6.2.1.1. Kurzfristig ............................................................................................................... 92

6.2.1.2. Langfristig .............................................................................................................. 93

6.2.2. Adecco ............................................................................................................94

6.2.2.1. Kurzfristig ............................................................................................................... 94

6.2.2.2. Langfristig .............................................................................................................. 96

6.2.3. Nestlé ..............................................................................................................97

6.2.3.1. Kurzfristig ............................................................................................................... 97

6.2.3.2. Langfristig .............................................................................................................. 98

7. Schlusswort ........................................................................................... 100

8. Anhang ................................................................................................... 101

8.1. Literaturverzeichnis ................................................................................... 101

8.1.1. Bücher .......................................................................................................... 101

8.1.2. Fachzeitschriften ........................................................................................... 103

8.1.3. Websites ....................................................................................................... 103

8.2. Abbildungsverzeichnis ............................................................................... 105

8.3. Tabellenverzeichnis ................................................................................... 106

8.4. Erklärung ................................................................................................... 107

Management Summary

1

1. Management Summary

Die vorliegende Bachelor Thesis ist konzeptionell in vier Teile gegliedert. Im ersten Teil werden die wesentlichen Behavioral Finance Theorien beschrieben und ver-schiedene Modelle aufgezeigt. Ebenfalls im theoretischen Teil werden die Behaviora-len Aspekte der technischen Analyse genauer unter die Lupe genommen, da diese im Hinblick auf den praktischen Teil als wichtig eingestuft werden können. Im An-schluss werden im dritten Teil die Behavioral Finance Theorien auf drei SMI-Aktien angewandt und es erfolgt abschliessend im vierten Teil eine Beurteilung zum prakti-schen Nutzen, wobei ebenfalls kurzfristige sowie langfristige Prognosen erstellt wer-den.

Das wesentliche Ziel dieser Arbeit besteht darin, verschiedene Hypothesen, welche im theoretischen Teil aufgestellt werden, durch die Anwendung auf ihre empirische Evidenz zu überprüfen sowie diese differenziert zu beurteilen. Das Vorgehen in Be-zug auf den Theorieteil präsentiert sich wie folgt. Zuerst wird aufgezeigt, dass es sich bei der Behavioral Finance um eine relativ neue wissenschaftliche Disziplin innerhalb der Finance handelt und sich auch die Forschung in diesem Gebiet stetig weiterent-wickelt. Das Stimulus-Response-Schema ist in diesem Zusammenhang ein zentraler Aspekt, da psychologisch betrachtet die entsprechende Reaktion (Handlung) auf ei-nen bestimmten Stimulus zurückzuführen ist. In der Folge werden zuerst einige grundlegende Entscheidungstheorien behandelt, um dann im Anschluss auf diverse Heuristiken und Verzerrungen (Biases) einzugehen. Bereits an dieser Stelle der Ar-beit kann ein wichtiges Zwischenfazit gezogen werden. Einerseits stellen rationale Überlegungen häufig die Basis für eine Entscheidung dar. Andererseits wird dieses Verhalten durch irrationale Aspekte abgeschwächt. Das Wissen um diese Verzerrun-gen kann sich für den einzelnen Investor als sehr vorteilhaft erweisen, da teilweise gravierende Fehler die Ursache für hohe Verluste darstellen. Ausgehend von diesen "individualpsychologischen" Grundlagen wird der Fokus auf den Markt gewechselt und es werden verschiedene Anomalien untersucht. Während die klassische Fi-nanzmarkttheorie hier an ihre Grenzen stösst, versucht die Behavioral Finance diese Phänomene (Bsp. Kalenderanomalie, Blasenbildung etc.) zu erklären, wobei die massenpsychologische Dynamik hier eine wichtige Rolle spielt. Im Teil "Behaviorale Aspekte der technischen Analyse" geht es darum, die psychologischen Hintergründe mit quantitativen Fakten zu verbinden. Dabei offerieren sich verschiedene Instrumen-te, wobei die Dow-Technik meist die Grundlage dazu bildet. Die Grundproblematik bei vielen Anwendungen besteht jedoch darin, dass der Interpretationsspielraum re-lativ grosszügig ausgemessen ist. Viele Indikatoren können entweder erst im Nach-hinein als verlässliche Information betrachtet werden, oder funktionieren prospektiv nicht immer im gewünschten Ausmass. Um hier jedoch eine präzisere Aussage (Bsp. Indikator hat eine Genauigkeit von 90%) machen zu können, müsste mit Hilfe ver-schiedener Informationssystemen (Bsp. Bloomberg) untersucht werden, wie zuver-lässig die einzelnen Instrumente sind. Dies könnte beispielsweise durch verschiede-ne Korrelationsberechnungen geschehen.

Im praktischen Teil der Arbeit werden verschiedene Theorien auf die drei SMI-Titel UBS, Adecco und Nestlé angewendet. Dies geschieht unter anderem durch die Kurs-Umsatz-Analyse, wobei analysiert wird, ob Trendwenden hätten vorausgesagt wer-den können. Schlussfolgernd kann hier gesagt werden, dass ein gewisses Potential erkennbar ist, dies teilweise aber auch mit der selektiven Wahrnehmung zusammen-hängen kann bzw. nicht immer funktioniert. Weiter wurde im Kapitel "Kalenderano-

Management Summary

2

malie" untersucht, ob bestimmte Tages- oder Monatsmuster erkennbar sind. Die Er-gebnisse hierbei lassen sich wie folgt zusammenfassen. Bei der UBS und Adecco konnten bei der Tagesanomalie in Bezug auf die Rendite und Volatilität deutliche Pa-rallelen aufgezeigt werden. Beispielsweise ist der Montag bei beiden Aktien der ren-diteschwächste Tag, während der Donnerstag jeweils am besten abschnitt. Jedoch muss auch hier eingewendet werden, dass es sich statistisch betrachtet - aufgrund der kleinen Stichprobe - um ein Zufallsresultat handeln könnte. Um somit überhaupt eine zuverlässige Aussage machen zu können, wäre es notwendig, eine breiter ab-gestützte Untersuchung durchzuführen. Dieselbe Einschränkung gilt auch für die Monatsanomalie, wobei jedoch weniger Parallelen hervorstachen. Bei der Analyse weiterer Behavioral Theorien fällt auf, dass im Endeffekt sehr viele Teiltheorien mit-einander verknüpft sind und es in der Konsequenz schwierig ist, diese in der Makro-sicht klar voneinander abzutrennen.

Beschäftigt man sich mit verschiedenen Hypothesen und versucht einige davon - soweit möglich - im Detail anzuwenden, stellt sich automatisch die Frage nach dem praktischen Nutzen. Einerseits geht dieser bereits aus der Anwendung hervor, indem man direkt mit einigen Herausforderungen konfrontiert wird, welche den Nutzen et-was einschränken. Andererseits ist der bereits angesprochene Interpretationsspiel-raum ein wichtiger Aspekt. Da es auch sehr anspruchsvoll ist, mit den aufgestellten Theorien überhaupt Prognosen erstellen zu können, fällt das Fazit differenziert aus. Die Autoren sind davon überzeugt, dass der einzelne Investor effektiv vom Wissen einzelner Biases etc. profitieren kann, indem er sein eigenes Verhalten kritisch hin-terfragt. Sobald der Fokus jedoch auf den Markt gewechselt wird, sind die verschie-denen Teilaspekte nur noch schwer trennbar. Zwar ist es durchaus möglich, gewisse Bewegungen zu interpretieren und in der Analyse mit verschiedenen Theorien zu verknüpfen, eine abschliessende absolute Sicherheit kann jedoch dabei nicht garan-tiert werden. Im Endeffekt kann gesagt werden, dass die Behavioral Finance Theo-rien sinnvoll mit fundamentalen Überlegungen verbunden werden können. Ein gutes Beispiel stellen dabei die einzelnen Prognosen dar. Zwar ist es gut möglich, psycho-logische Einflüsse zu berücksichtigen, jedoch müssen auch immer gesamtwirtschaft-liche Faktoren (Bsp. BIP-Wachstum etc.) und somit fundamentale Faktoren in die Überlegung miteinbezogen werden.

Zusammenfassend stellt sich die Frage, ob - philosophisch betrachtet - jemals ein ra-tionales Gesamtmodell für irrationale Prozesse gefunden werden kann. Weiter han-delt es sich bei vielen Hypothesen um die Fragestellung, wie effizient die Märkte wirklich sind. Würde beispielsweise ein neues Modell verschiedene Abweichungen aufzeigen, könnten die Marktteilnehmer in der Folge reagieren und die mögliche Anomalie verschwindet wieder. Somit müssten durch das hypothetische Modell nach dessen Veröffentlichung verschiedene Rückkoppelungseffekte einberechnet werden und die aufgestellte These wäre somit bereits wieder veraltet. Denn aufgrund der ho-hen Komplexität ist es praktisch nicht möglich, alle Effekte vollständig und realitäts-getreu abzubilden. Die einzige Alternative zu einem solchen Modell (welches die Re-alität einigermassen zuverlässig abbildet) ist im Umkehrschluss die Realität selbst.

Einleitung

3

2. Einleitung

Der Grundstein dieser Arbeit basiert auf der Erkenntnis, dass zwischen der klassi-schen Finanzmarkttheorie und der Empirie teilweise eine Diskrepanz besteht. Daher ist es notwendig, ergänzende Ansätze zu entwickeln und diese zu hinterfragen. Dem psychologischen Einfluss des Menschen wird in der klassischen Theorie zu wenig Beachtung geschenkt. Vor diesem Hintergrund ist es das grundlegende Ziel dieser Arbeit, die zum heutigen Zeitpunkt vorhandenen Ansätze der Behavioral Finance aufzuarbeiten. Einfach formuliert sollen menschliche Verhaltensmuster untersucht und mit dem theoretischen Verhaltensmuster des Homo Oeconomicus gegenüber-gestellt werden. Darauf aufbauend sollen diese Anomalien ein Stück weit verständli-cher gemacht werden, um schlussendlich mit diesem Wissen erfolgreicher handeln zu können.

Um diesem Anspruch gerecht zu werden, haben wir die Fragestellung folgendermas-sen gegliedert:

Erarbeitung der theoretischen Grundlagen der Behavioral Finance Die Arbeit verschafft einen ganzheitlichen Überblick über das Gebiet der Behavio-ral Finance. Dabei wird in einem ersten Schritt die Theorie als Grundlage aufbe-reitet. Im Anschluss werden die für die spätere Anwendung relevanten Modelle genauer untersucht.

Anwendung der Behavioral Finance Theorien auf 3 SMI-Aktien Auf der Theorie aufbauend werden bei den drei SMI-Titeln UBS, Adecco und Nestlé zu verschiedenen Zeitpunkten anhand der Theorie diverse Hypothesen er-stellt. Dabei werden basierend auf einigen Modellen verschiedene Szenarien entwickelt. In der Folge werden die Hypothesen mit der empirischen Evidenz ver-glichen und in einer differenzierten Beurteilung bestätigt oder widerlegt.

Beurteilung des praktischen Nutzens der Behavioral Finance Theorien für die Erklärung der Kursverläufe und eine mögliche Prognose von Kursver-läufen Im abschliessenden Teil wird untersucht, ob sich die aufgestellten Modelle in der Praxis als tauglich erweisen. Das Ziel besteht darin, einen konkreten Nutzen für zukünftige Marktentwicklungen zu erkennen. Daraus werden mögliche Prognosen für die 3 SMI-Aktien abgeleitet.

Wie obenstehend beschrieben, liegt der Fokus im ersten Teil auf der Erarbeitung der theoretischen Modelle. Insbesondere soll das für den Praxisteil relevante Wissen um-fassend aufgearbeitet werden. Da die gesamte Charttechnik das Potential zu einer separaten Arbeit aufweist, wird dieses Gebiet nicht vollständig bearbeitet. Wir be-schränken uns hier auf die relevanten Theorien, wobei beispielsweise die Kurs-Umsatz-Analyse zu erwähnen ist. Im Anschluss an die Anwendung wird der prakti-sche Nutzen differenziert durchleuchtet und durch kurz- sowie langfristige Prognosen abgerundet.

Theoretische Grundlagen

4

3. Theoretische Grundlagen

Die traditionellen Modelle der Finance beruhen alle auf dem Bekenntnis zur Rationa-lität und Effizienz. Grundsätzlich wird davon ausgegangen, dass Abweichungen vom theoretisch korrekten Wert (Bsp. Über- und Unterrenditen im CAPM) nur von kurzer Zeitdauer sein können und irrational sind. Daher ist es unter dem Paradigma der Markteffizienzhypothese nicht möglich, diese Abweichungen prospektiv in Modellen zu erfassen und systematisch zu seinen Gunsten auszunutzen. Genau an diesem Punkt wollen wir mit der Behavioral Finance ansetzen. Dabei wird das Ziel verfolgt, zur klassischen Theorie verschiedene Ergänzungen sowie Gegenüberstellungen aufzuzeigen und deren Grundlagen zu erarbeiten. Verschiedene Teilaspekte der Theorie werden dann im Anschluss direkt in den praktischen Teil einfliessen.

Die Modelle und Verhaltensweisen beziehen sich im Grossen und Ganzen auf Akti-en. Ein Grund dafür ist, dass sich die Aufgabenstellungen im praktischen Teil auf drei SMI-Aktien beziehen. Zudem erlauben uns Aktien, Kursverläufe und Kursschwan-kungen deutlicher aufzuzeigen, als dies bei Obligationen der Fall ist. Ebenfalls sind Aktien die volatileren Anlageinstrumente als Obligationen. Diese beiden Punkte sol-len dazu führen, dass sich psychologische Faktoren schneller und ausgeprägter auf die Kursentwicklung niederschlagen. Nichtsdestotrotz sind die Erkenntnisse im gro-ben Rahmen auch auf Obligationen und weitere Anlageinstrumente anwendbar.

3.1. Einbettung der Behavioral Finance

In diesem Kapitel werden wir uns einen Überblick über die, im Vergleich zu anderen Wissenschaften, noch relativ junge wissenschaftliche Disziplin der Finance verschaf-fen. In einem ersten Schritt sollen die bestehenden und etablierten Theorien aufge-zeigt und beschrieben werden. In einem zweiten Schritt wird analysiert, wo die Theo-rie der Behavioral Finance einzuordnen ist und welche Entwicklungen sie bereits durchlebt hat. Darauf aufbauend wird der Fokus in diesem Kapitel vor allem auf eine direkte Gegenüberstellung zwischen der traditionellen Finance und der Behavioral Finance gelegt. Im Anschluss wagen wir einen Ausblick auf mögliche zukünftige For-schungsgebiete und Theorie.

Die Begriffe Old Finance und Modern Finance werden in der Literatur oft zusammen-gefasst als traditionelle bzw. klassische Finance bezeichnet. Dadurch kann eine klare Abgrenzung zwischen diesen Finanzmarkttheorien, welchen ein rational agierender Marktteilnehmer unterstellt ist, und der Behavioral Finance, welche von der Irrationa-lität und Psychologie geprägt ist, vorgenommen werden.

In der untenstehenden Übersicht ist die historische Entwicklung der Finance in chro-nologischer Reihenfolge ersichtlich.


5

Abbildung 1: Historische Entwicklung der Finance1

3.1.1. Old Finance

Diese ursprüngliche Theorie befasst sich grundsätzlich nur mit der Rechnungsle-gung, der Fundamentalanalyse sowie der Jurisprudenz. Es wurden hauptsächlich die Geschäftsberichte der Unternehmungen untersucht. Ziel der Forschung war es, Pro-zesse und Abläufe zu entwickeln, mit denen man die Zahlen aus den Rechnungswe-sen-Abteilungen aufarbeiten und vergleichbar machen konnte. Ein Meilenstein dieser Zeit ist das im Jahr 1934 erstmals erschienene Buch "Security Analysis – Principles and Technique" von Benjamin Graham und David L. Dodd.2 In Folge dieser Erkennt-nisse war die Zeit zwischen 1930 und 1960 vom sogenannten "Stock Picking" ge-prägt, wobei gezielt in ausgewählte Anlagen investiert wird. In Erwartung einer über-durchschnittlichen Rendite wird auf den risikominimierenden Effekt eines diversifizier-ten Portfolios verzichtet.3

3.1.2. Modern Finance

Seit den sechziger Jahren wird die finanzwirtschaftliche Forschung durch die Er-kenntnisse der modernen Kapitalmarkttheorie geprägt. Diese moderne Portfoliotheo-rie wurde massgeblich durch Markowitz und Sharpe geprägt. In diesem Zusammen-hang sind die Theorie der effizienten Märkte und die Risiko-Rendite-Analyse zu be-trachten. Im Mittelpunkt steht das Capital Asset Pricing Model (CAPM) bei welchem von einer vollkommenen Rationalität der Marktteilnehmer sowie eines vollkommenen Finanzmarktes ausgegangen wird.4

Nachfolgende Gleichgewichtstheorien unterliegen der Theorie des rationalen und ri-sikoaversen Marktteilnehmers.

Portfolio Selection Theory von Markowitz Die Portfolio Selection Theory wird im Allgemeinen als Grundlage der modernen Kapitalmarktforschung angesehen. Markowitz geht davon aus, dass die Marktteil-nehmer risikoavers sind und ihr einziges Ziel die erwartete Rendite ist. Daher ist es das Ziel, durch die Bildung eines Wertschriftenportfeuilles den Diversifikationseffekt

1 Karlen (2004, S. 9).

2 Graham u.a. (2009, zit. n. Karlen 2004, S. 12).

3 Buchholz (2002).

4 Steinemann/Funk (2006).


6

zu nutzen und das Risiko im Vergleich zu Einzelanlagen zu reduzieren. Diese Risi-kominimierung tritt ein, sobald die Renditen der Wertpapiere nicht vollständig posi-tiv miteinander korrelieren. Die Theorie der Diversifikation gilt als empirisch bestä-tigt und hat in der Praxis eine grosse Verbreitung gefunden.5 "Der hohe Stellenwert des Modells ergibt sich weiterhin daraus, dass es sowohl inhaltlich als auch zeitlich das Fundament der modernen Kapitalmarkttheorie und insbesondere des CAPM bildet."6

Kapitalstruktur- und Dividendenirrelevanztheorem von Modigliani und Miller Die These der Kapitalstrukturirrelevanz besagt, dass es in einem perfekten Markt für Unternehmungen nicht möglich ist, durch Veränderung des Verschuldungsgrades ei-nen Aktionärsmehrwert zu schaffen, solange sich der Aktionär zu den gleichen Kon-ditionen verschulden kann wie das Unternehmen.7 In diesem Zusammenhang ist auch das Dividendenirrelevanztheorem von Modigliani und Miller zu sehen. Es be-sagt, dass es für den Aktionär keine Rolle spielt, ob eine Dividende ausbezahlt wird oder nicht, solange der Aktionär dieselbe Kapitalmarktrendite erzielt wie das Unter-nehmen durch Reinvestitionen.8

CAPM von Sharpe, Lintner und Mossin Das Capital Asset Pricing Model ist als Grundlage der modernen Kapitalmarkttheorie zu verstehen. Mit der Hilfe dieses Modells konnte der Zusammenhang zwischen der erwarteten Rendite und dem erwarteten Risiko eines Wertpapiers quantifiziert wer-den. Somit kann eine Aussage darüber gemacht werden, welche Rendite, mit dem vom Investor übernommenen Marktrisiko, zu erwarten ist. Daher ist Risiko nicht mehr bloss ein undefinierbares Bauchgefühl, sondern objektiv messbar. Dadurch werden Risiken handelbar und können in der Folge bestmöglich verteilt werden. Mit dem im CAPM bezeichneten Risiko ist ausschliesslich das nicht diversifizierbare Marktrisiko gemeint. Es wird in Form des Beta Faktors angegeben. Dieses systematische Risiko trägt der Investor und erhält dafür eine Risikoprämie. Das unsystematische Risiko wird nicht entschädigt, da es wegdiversifiziert werden kann.9, 10

Arbitrage Pricing Theory von Ross Grundsätzlich funktioniert die Arbitrage Pricing Theory ähnlich wie das Capital Asset Pricing Modell. Das systematische Risiko ist somit bewertungsrelevant und das un-systematische Risiko kann durch Diversifikation eliminiert werden. Der Unterschied bzw. Vorteil der APT liegt darin, dass mehrere Quellen für das systematische Risiko berücksichtigt werden. Folglich ist die zu erwartende Rendite nicht alleine vom Markt-risiko abhängig sondern zusätzlich von makro- und mikroökonomischen Risikofakto-ren. Unglücklicherweise sind diese Faktoren kaum bzw. nur unzureichend spezifi-ziert. Die empirische Finanzmarktforschung ist ebenfalls der Auffassung, dass die Beziehung zwischen Risiko und Rendite nicht alleine vom Marktbeta abhängig ist.

5 Karlen (2004, S. 13).

6 Jurczyk (2002, S. 63).

7 Gehrig/Zimmermann (2001, S. 424).


9 Karlen (2004, S. 14).



7

Mögliche weitere Faktoren sind die Unternehmensgrösse oder das Verhältnis zwi-schen Markt- und Buchwert.11, 12

Markteffizienzhypothese von Fama Diese Hypothese kann als Voraussetzung für die moderne Finanzmarkttheorie be-trachtet werden. Hierbei geht man davon aus, dass alle verfügbaren und relevanten Informationen bereits in den Kursen berücksichtigt sind. Folglich widerspiegelt der Aktienkurs den momentanen wahren Wert einer Unternehmung. Es ist somit nicht möglich, durch die Auswertung von Informationen eine bessere Rendite zu erzielen. Kursänderungen sind daher auf einen Zufallsprozess, den sogenannten Random Walk, zurückzuführen. Dies ist damit begründet, dass Kurse auf relevante Informati-onen unverzüglich und korrekt reagieren und es daher keine systematischen Hinwei-se auf neue Informationen geben kann.13

Zur verfeinerten Untersuchung dieser Problematik spricht man von drei verschiede-nen Graden der Informationseffizienz. Als Information ersten Grades werden die Da-ten aus den historischen Kursentwicklungen bezeichnet. Die zweite Form beinhaltet alle öffentlich verfügbaren Informationen. Als dritter Grad der Informationseffizienz werden sämtliche Informationen, d. h. auch nicht veröffentlichte Insiderinformationen bezeichnet.14 "Studien der vergangenen Jahrzehnte deuten darauf hin, dass die schwache Form der Markteffizienz vollumfänglich und die mittelstarke Form fast im-mer erfüllt sind."15

Optionspreistheorie von Black & Scholes Das auch bei Praktikern geschätzte Modell zur Bewertung von Optionen gilt als Mei-lenstein in der modernen Finanzmarkttheorie. Erstmals in der Geschichte der Optio-nen gelang es, einen fairen Preis zu bestimmen.14 Mit Hilfe dieses Modells können europäische Optionen bewertet werden. Dies geschieht indem ein Portefeuille aus einer Option und einem variablen Teil einer Aktie gebildet wird, sodass der Gewinn / Verlust der Aktienposition bei einer Veränderung des Aktienkurses durch denjenigen der Optionsposition vollständig neutralisiert wird.16

3.2. Behavioral Finance

Die oben beschriebene moderne Finanzmarkttheorie, welche als Idealbild den völlig rational handelnden Homo Oeconomicus beschreibt, genügte mit der Zeit nicht mehr für die Erklärung der Ausschläge an den Finanzmärkten. In diesem Zusammenhang konnte Daniel Kahneman die Grenzen der modernen Finanzmarkttheorie in zwei Punkten sehr deutlich nachweisen. Einerseits wird als Grundlage die gauss'sche Normalverteilungshypothese angewendet. Empirische Untersuchungen zeigen je-doch, dass die Kurse nicht einem Zufallspfad (Random Walk) folgen, sondern un-symmetrisch verteilt sind (Paretoverteilung). Andererseits ist eine systematische Über- und Unterbewertung, Fehleinschätzung und Markteuphorie zu beobachten, sprich der Mensch handelt häufig nicht rational. In diesem Zusammenhang ist zu er-


12 Karlen (2004, S. 15).

13 Gehrig/Zimmermann (2001, S. 27-28).

14 Karlen (2004, S. 16).


16 Gehrig/Zimmermann (2001, S. 366-367).


8

wähnen, dass der Kognitionspsychologe Dietrich Dörner nachgewiesen hat, dass das rationale Verhalten von Menschen mit zunehmender Komplexität von Entschei-dungssituationen überproportional abnimmt.17 Oder wie es Keynes zu sagen pflegte: "Es gibt nichts, was so verheerend ist wie ein rationales Anlageverhalten in einer irra-tionalen Welt."18

3.2.1. Definition Behavioral Finance

Ausgehend von den USA hat sich in den letzten Jahren ein neuer Forschungszweig entwickelt, der als Behavioral Finance, also als sogenannte verhaltenswissenschaft-lich fundierte Finanzmarkttheorie, bezeichnet wird.19

Nach der Definition von Weber kann Behavioral Finance in einem ersten Ansatz wie folgt beschrieben werden: "Die Behavioral Finance-Theoretiker greifen neue Er-kenntnisse aus der Psychologie auf, um das Anlegerverhalten und andere Phäno-mene in den Kapitalmärkten zu erklären."20

Das Verhalten von Individuen und das Marktgeschehen sind demnach in der Behavioral Finance eng miteinander verknüpft. Der Behavioral Finance-Ansatz ist somit deskriptiv und nicht normativ. Es erfolgt eine Beschäftigung mit dem Problem, wie Entscheidungen in der Realität getroffen werden. Der deskriptive Ansatz ver-sucht zu erklären, warum ein Entscheid so zustande gekommen ist. Das Ziel ist es, das Verhalten in konkreten Entscheidungssituationen prognostizierbar zu machen.21

3.2.2. Behaviorismus und Stimulus-Response-Schema

In diesem Kapitel werden die elementaren Grundannahmen der Psychologie kurz und prägnant aufgezeigt. Das Schema des Stimulus-Response liegt dem Handeln an Finanzmärkten zugrunde und soll in der weiteren Arbeit als Basis für den Entschei-dungsprozess herangezogen werden können.

Der Behaviorismus geht davon aus, dass auf bestimmte beobachtbare Reize (Stimu-li) bestimmte beobachtbare Verhaltensreaktionen (Responses) folgen. Diese Theorie wird deshalb als Stimulus-Response-Modell bezeichnet.22 Dieses Kommunikations-modell lehnt sich an die Funktionsweise des menschlichen Körpers an. So sind Re-zeptoren Gebilde des Nervensystems, die Reize aufnehmen und in den Organismus aufnehmen. Beispiele hierfür sind Geschmacks-, Geruchs-, Wärme-, Lichtrezepto-ren.23

Das Stimulus-Response-Modell ist eines der einfachsten und deshalb auch am bes-ten verständlichen Modelle zur Beschreibung des Kommunikationsprozesses. Als Grundlage dienen die drei Elemente Kommunikator, Stimulus und Rezipient. In der

17 Karlen (2004, S. 18-19).

18 Bergold/Mayer (2005, S. 13).

19 Rapp (1997, S. 82).

20 Weber (1999, zit. n. Jurczyk 2002, S. 81).

21 Jurczyk (2002, S. 81).

22 Kern (2003, S. 32).

23 Spichtig (2008, S. 166).


9

praktischen Anwendung gibt es eine Fülle von Beispielen dafür. Einige davon sind in der untenstehenden Grafik ersichtlich.24

Abbildung 2: Klassisches Stimulus-Response-Modell25

Das Stimulus-Response-Modell wird insbesondere durch die Instinktpsychologie ge-stützt. Sie geht davon aus, dass bei allen Individuen die gleichen Triebe und Emotio-nen vorherrschen und dass das Individuum darauf keinen Einfluss hat. Zusätzlich wurde die Theorie der Massengesellschaft beigezogen. Hierbei werden, im Gegen-satz zur traditionsgeleiteten Gemeinschaft, Primärgruppenbeziehungen und traditio-nelle Institutionen wie Religionen und Familie als geschwächt angesehen. Durch die-se neu entstehende Anonymität und Isolation der Menschen, betrachtet man diese als stark abhängig von Aussagen der Massenmedien und somit als leicht beeinfluss-bar.26

In Bezug auf die Behavioral Finance und den gesamten Entscheidungsprozess beim Kaufen, Verkaufen oder Halten von Wertschriften bedeutet dies, dass jederzeit ein gewisser Stimulus auf den Investor wirkt. Dies können Gewinnbekanntgaben durch die Unternehmung, Wirtschaftsdaten aus der Presse, Verhalten von nahestehenden Personen und sogenannten Opinion-Makern sein. Alle dadurch erhaltenen Informati-onen führen zu einem Handeln (Response). Innerhalb der Behavioral Finance be-steht die interessante Thematik darin, zu untersuchen, welche Stimuli zu welchem Handeln führen. Die Schwierigkeit ist, dass gleichzeitig mehrere Stimuli auf den An-leger einwirken und nicht jeder Mensch diese gleich stark wahrnimmt und dement-sprechend andere Handlungsaktivitäten daraus ableitet. In Bezug auf den prakti-schen Teil der Arbeit bedeutet dies, dass bei einer gegebenen Reaktion (Bsp. starker

24 Merten (2007, S. 56).

25 Merten (2007, S. 55).

26 Kruse (1998, S. 6).


10

Kurseinbruch als Response) der mögliche Stimulus (Bsp. Bekanntgabe von unerwar-teten Abschreibungen) ausfindig gemacht werden soll.

3.2.3. Relevanz

Das Wissen um die Existenz von Verhaltensanomalien, wie sie später in der Arbeit noch detailliert analysiert werden, ist als grosse Chance zu sehen. Ist sich ein Inves-tor dessen bewusst, kann er sein eigenes Handeln danach ausrichten und gegebe-nenfalls die Performance verbessern.

In der untenstehenden Grafik sind die beiden grundsätzlichen Betrachtungsebenen (Individualebene und Gesamtmarktebene) ersichtlich. Einerseits geht es beim Indivi-duum darum zu sehen, wie die Wahrnehmung, Verarbeitung und Bewertung von In-formationen vor sich geht. Andererseits sind im Gesamtmarkt die aggregierten Anla-geentscheidungen sämtlicher Marktteilnehmer auf die Preisbildung des Gesamtmark-tes ersichtlich.

Abbildung 3: Behavioral Finance im Überblick27

Der grosse Anwendungsbereich in Bezug auf die Praxis liegt in der Qualität des Be-ratungsprozesses von Anlageberatungen. Der Kundenberater einer Bank kann den Anlagekunden auf gewisse Verhaltensanomalien aufmerksam machen und dadurch Quellen von psychologischem Fehlverhalten aufdecken. Ebenfalls macht sich das Wissen der Behavioral Finance in der Entwicklung von Anlageprodukten spürbar. So führte beispielsweise die Theorie der Verlustaversion zur Lancierung von kapitalge-schützten Produkten.28

27 Rapp (1997, S. 83).

28 Karlen (2004, S. 34).


11

3.3. Aktuelle Entwicklungen in der Forschung

Bei der sogenannten Neurofinance, soll den einzelnen Entscheidungen näher auf den Grund gegangen werden. Die Neurofinance verknüpft die modern Finance mit der Hirnforschung.29 Das Ziel ist es, Fehler im Anlageverhalten aufzudecken und die-se allenfalls abzutrainieren.30 Durch das Aufspüren von überdurchschnittlich starken neuralen Verbindungen, sollen Erkenntnisse zu den daraus folgenden Anlageent-scheidungen gewonnen werden.31

Weiter gibt es die Evolutionary Finance, deren Ziel es ist, eine darwinistische Evolu-tionstheorie für die Portfolioauswahl aufzustellen. Es wird untersucht, ob gut geschul-te professionelle Anleger, die über sehr viel Kapital verfügen und in Folge ihres Wis-sens rational handeln sollten, Abweichungen von der rationalen Kursbewegung be-reinigen können. Nach dieser Theorie würden die Profis vom irrationalen Verhalten der Laien leben. Im evolutionären Wettbewerb würden somit die irrationalen Laien von den rational handelnden Profis aus dem Markt gedrängt. Ebenfalls wird unter-sucht, ob diese These der Marktselektion haltbar ist. Zusammenfassend kann man sagen, dass die Evolutionary Finance rationale und irrationale Modelle in einem ein-zigen neuen Modell zu vereinen versucht.32

Als Fazit kann festgehalten werden, dass erfolgreiches investieren deutlich kompli-zierter ist, als uns dies die traditionelle Finanzmarkttheorie suggeriert. Da die Märkte nicht vollkommen rational sind, ist es durchaus möglich, den Markt zu schlagen. Es ist anzunehmen, dass mit der Zeit neue Marktanomalien auftreten werden. In diesem Zusammenhang ist es möglich, dass eine neue Subdisziplin (Bsp. Evolutionary Fina-ce) neue Lösungsansätze für diese Problemstellungen liefern wird. Solide empirische Analysen in Zusammenarbeit mit psychologischen Kenntnissen sind zwei vielver-sprechende Erfolgsfaktoren.

Zusätzlich soll an dieser Stelle auf das Kapitel "Mathematische Modelle" verwiesen werden, wobei ein alternativer Ansatz zur Modellierung des Risikos und allfälliger Prognosen beispielhaft aufgezeigt wird. Da diese Modelle jedoch sehr komplex sind, wird es auch in Zukunft notwendig sein, deren Charakteristiken genauer im Detail zu erforschen. Damit kann abschliessend gesagt werden, dass grundsätzlich auch in Zukunft verschiedene wissenschaftliche Disziplinen (Hirnforschung, Mathematik, etc.) für die Erforschung des Anlegerverhaltens in Frage kommen.

3.4. Grundlagen Entscheidungstheorie

In der Entscheidungstheorie im Finance-Kontext geht es im Wesentlichen darum, wie Entscheidungen von Investoren zustande kommen. Einerseits wird unter der An-nahme eines vollständig informierten und rationalen Individuums untersucht, auf wel-che Art und Weise eine Entscheidung mit höchst möglicher Genauigkeit getroffen werden kann. Da die zugrunde liegenden Annahmen jedoch nicht besonders realis-tisch sind, ist es umso interessanter, auch deren Abweichungen näher zu durch-leuchten.33 Die ersten zwei ausgewählten Theorien (Mean-variance Analysis und

29 Hens (2003) a.

30 Universität Zürich (2010).

31 Hens/Bachmann (2008, S. 229).

32 Hens (2003) b.



12

Prospect Theory) sollen dabei als Grundlage für die weiteren Ausführungen dienen. Da es sich spätestens ab dem nächsten Kapitel um einen fliessenden Übergang zu verschiedenen Verzerrungen handelt, werden nur einige Theorien untersucht. Im Kapitel "Behavioral Biases" wird dann im Anschluss vertieft auf verschiedene Aspek-te in diesem Zusammenhang eingegangen. Grundsätzlich stellt sich die Frage, ob überhaupt eine klare Trennlinie zwischen den einzelnen Entscheidungstheorien und Verzerrungen gezogen werden kann. Gerade die rational begründeten Grundlagen werden im Anschluss häufig nicht rational umgesetzt oder aus verschiedenen Grün-den verzerrt wahrgenommen. Eine mögliche Schlussfolgerung auf diese Frage kann sein, dass eine isolierte und auf das Minimum beschränkte Entscheidung relativ ver-zerrungsfrei getroffen werden kann. Je mehr man sich jedoch der Realität annähert, desto mehr steigt auch die Komplexität an. In der Folge findet eine Überlappung zwi-schen rationalen Gegebenheiten und irrationalen Verzerrungen statt. Es soll jedoch bereits einleitend betont werden, dass je nach Perspektive bereits einige Verzer-rungsphänomene in die Grundtheorien interpretiert werden können.

3.4.1. Mean-Variance Analysis

Vergleicht man die historischen Renditen von Aktien mit weniger riskanten Staatsan-leihen wird ersichtlich, dass Aktien im Durchschnitt eine höhere Rendite abwerfen. Somit kann man sich die Frage stellen, weshalb es überhaupt Investoren gibt, die auf die höhere Rendite "verzichten". Die Antwort darauf liefert die Portfolio Theorie, wo-bei die Mean-Variance Analysis von Harry Markowitz die konzeptionelle Grundlage dazu liefert.34 In der folgenden Darstellung geht - basierend auf den verschiedenen Renditen und Standardabweichungen - hervor, dass Aktien in Relation zu Obligatio-nen vor allem dann eine höhere Rendite abwerfen, wenn die Schwankungen auch höher sind.

Abbildung 4: Mean-Variance und Risikoaufschläge35

Da das grundlegende Ziel der Portfolio Selection Theory von Markowitz bereits im Unterkapitel "Modern Finance" beschrieben wurde, wird an dieser Stelle zusammen-fassend direkt auf die Unterscheidung von konservativen und aggressiven Investoren Bezug genommen. Die Basis dazu dient die Capital Market Line. Ausgehend von der risikolosen Anlage (Bsp. Cash) wird in Richtung der Efficient Frontier (Portfoliokom-




13

binationen wobei die Rendite pro Risikoeinheit optimiert ist) eine Tangente gezogen. Das daraus entstehende Tangentialportfolio ist gleichbedeutend mit dem optimal möglichen Mix von risikobehafteten Anlagen. Ist diese Basis erst einmal vorhanden, kann sich nun jeder einzelne Anleger auf der Capital Market Line bewegen und ent-scheiden, wie viel er in die risikolose Anlage bzw. ins Tangentialportfolio investieren will. Die konkrete Platzierung wird dabei von der individuellen Indifferenzkurve be-stimmt. Ist diese relativ steil handelt es sich um einen konservativen Investor, wäh-rend es sich bei einer flachen Kurve um einen aggressiven Investor handelt.36 Diese Gegebenheiten sind in der folgenden Abbildung illustriert:

Abbildung 5: Tobin's Two-fund-separation Theorem37

In diesem Beispiel investiert der konservative Investor ca. 1/3 in die risikolose Anla-ge. Der aggressive Investor hingegen hat zusätzlich einen Kredit für seine Investitio-nen aufgenommen, da dieser über dem Tangentialportfolio platziert ist (Leverage). Wie aus den obigen Ausführungen hervorgeht handelt es sich hierbei um grundle-gende Entscheidungsfragen. Eine weitere wichtige Basis stellt die Prospect Theory dar.

3.4.2. Prospect Theory

Die im Jahr 1979 von Daniel Kahneman und Amos Tversky begründete Prospect Theory fand in der Folgezeit eine starke Beachtung. Die Wertfunktion welche unten dargestellt ist, behandelt Gewinne und Verluste unterschiedlich. Ausgehend von ei-nem individuellen Referenzpunkt werden objektive Wahrscheinlichkeiten subjektiv bewertet. Während in der Funktion für positive Abweichungen vom Referenzpunkt ein risikoscheu implizierender Verlauf angenommen wird, liegt für negative Abwei-chungen ein Risikofreude widerspiegelnder Verlauf vor. Die Wertfunktion wird somit durch subjektive Gewichtungen asymmetrisch. Weiter ist die Steigung der Kurve in der Verlustzone stärker als in der Gewinnzone, sodass z.B. die Abneigung gegen-über einer fairen Wette mit einer Zunahme des eingesetzten Betrages steigt.

36 Hens/Bachmann (2008, S. 18-19).



14

Abbildung 6: Hypothetische Wertfunktion der Prospect Theory38

Das Streben nach einer Vermeidung negativer Konsequenzen ist auch aus evolutio-närer Sicht plausibel, welche die Bedeutung der Risikovermeidung für das Überleben einer Spezies betont. Die hohe Priorität der Gefahrensignale bei der neuralen Reiz-verarbeitung unterstützt diese Verhaltensweisen wesentlich.38

Wie in der Einleitung erwähnt, ist man bereits hier mit verschiedenen Verzerrungen konfrontiert. Aus diesem Grund soll an dieser Stelle etwas vertieft auf die Eigenhei-ten der Prospect Theory eingegangen werden. Der erste interessante Aspekt liefert der Reference Point. Während aus objektiver Sicht der Mittelwert als Referenz he-rangezogen wird, entscheidet sich der Investor häufig für seinen persönlichen An-kaufspreis als Referenzpunkt. Ob er die Anlage im Anschluss als erfolgreich bewertet oder nicht hängt somit von dieser Grundlage ab. Dabei ist es auch möglich, dass er einen relativen Referenzpunkt bestimmt (Bsp. die Rendite eines Benchmark).39 Hier wird ersichtlich, dass der Durchschnittsinvestor häufig nicht objektive Instrumente wie statistische Fakten zur Beurteilung auswählt, sondern diese durch sein Handeln ei-genmächtig bestimmt bzw. beeinflusst. Eine Abweichung zu einem völlig rationalen Handeln ist somit wahrscheinlich.

Als letzte wichtige Grundlage soll die Verlustaversion nochmals separat erwähnt werden. Da die Wertfunktion auf der Verlustseite steiler ist als auf der Gewinnseite, wird bei einer grösseren Verlustaversion eine höhere Kompensation für das einge-gangene Risiko gefordert.40 In der Realität wird dieser Sachverhalt im Markt durch Risikozuschläge abgegolten. Der Vollständigkeit halber soll bei dieser Theorie auch die Verbindung zum Gesetz des abnehmenden Grenznutzens aufgezeigt werden. Wie in der Grafik ebenfalls ersichtlich, nimmt pro zusätzliche Einheit Gewinn der Wert nicht gleichmässig sondern in abnehmender Form zu. Obwohl eine weitere Zu-nahme eine positive Auswirkung auf den Wert hat, ist diese nicht linear sondern nimmt mit steigender Quantität ab. Dasselbe gilt für den Bereich in der Verlustzone in umgekehrter Form.

38 Unser/Steiner (1999, S. 35-39).




15

3.5. Informationsverarbeitung und Heuristiken

Der menschliche Informationsverarbeitungsprozess lässt sich in die Bestandteile In-formationserwerb durch Wahrnehmungsprozesse, die Informationsverarbeitung so-wie den Informationsoutput in Form von Schlussfolgerungen und Entscheidungen un-terteilen. Der Mensch als "informationsverarbeitendes System" kann durch die nach-folgend genannten Faktoren beschrieben werden:41

1. Selektive Wahrnehmung 2. Sequentieller Informationsverarbeitungsverlauf 3. Beschränkte Problemlösefähigkeit 4. Limitierte Informationsspeicherungskapazität

Die selektive Wahrnehmung ist grundsätzlich kein irrationaler Vorgang, sondern eine Konsequenz der limitierten Informationsverarbeitungskapazität und eine häufig sinn-volle Strategie der Informationsreduktion. Würde ein Individuum eine getroffene Ent-scheidung permanent durch die Suche nach neuen Informationen hinterfragen, wür-de dies eine Entscheidungsunfähigkeit zur Folge haben.41

Versuche von Miller im Jahre 1956 haben ergeben, dass das menschliche Gehirn nur etwa sieben Informationseinheiten gleichzeitig verarbeiten kann. Es ist somit ausgeschlossen, bei schnellen Entscheidungen wie sie an den Finanzmärkten not-wendig sind, alle relevanten Informationen zu erfassen und zu verarbeiten.42 Diese kognitiven Grenzen der Informationswahrnehmung und Informationsverarbeitung machen es für den Menschen notwendig, Verfahren zu entwickeln, mit denen er aus der verfügbaren Menge von existierenden Alternativen möglichst schnell und unkom-pliziert die beste Auswahl selektieren kann. Diese "Verfahren" bzw. "Faustregeln" werden als Heuristiken bezeichnet.43 Goldberg Nitzsch 2000 definiert: "Unter Heuris-tiken versteht man Regeln oder Strategien der Informationsverarbeitung, die mit ge-ringem Aufwand zu einem schnellen, aber nicht garantiert optimalen Ergebnis kom-men…". Der Ursprung des Wortes Heuristik liegt im altgriechischen "heurisko" was so viel heisst, wie "ich finde".44

Einerseits werden Heuristiken dann benutzt, wenn mehr Informationen vorhanden sind, als ein Mensch in nützlicher Frist verarbeiten kann. Andererseits wird aber auch auf Heuristiken zurückgegriffen, wenn ein Problem nicht besonders wichtig erscheint, bzw. wenn man noch keine Erfahrung mit der Lösung einer solchen Problemstellung hat.45

Weiter ist zu erwähnen, dass Heuristiken bewusst oder unbewusst ablaufen können. Heuristiken die aus Gründen von Zeitmangel angewendet werden, bergen die Ge-fahr, nicht optimale Entscheidungen zu treffen. Andererseits sind unbewusst ablau-fende Heuristiken weniger transparent und Verzerrungen in der Informationswahr-nehmung und Informationsverarbeitung werden häufig gar nicht erst wahrgenom-

41 Flemisch (2006, S. 213).

42 Jurczyk (2002, S. 87).

43 Flemisch (2006, S. 214-215).

44 Schriek (2009, S. 34).

45 Jurczyk (2002, S. 88).


16

men. So kann die gleiche Heuristik, kombiniert mit einer unterschiedlichen Wahr-nehmung dazu führen, dass unterschiedliche Prognosen entstehen.46

Um einen Überblick über die einzelnen Heuristiken zu erlangen, sollen diese in den kommenden Kapiteln beschrieben werden. Wie bereits angedeutet, können zwei Ka-tegorien gebildet werden. Dies sind, wie in der untenstehenden Grafik ersichtlich, die Heuristiken zur Komplexitätsreduzierung und die Heuristiken zur schnellen Urteilsfin-dung.47

Abbildung 7: Überblick Heuristiken48

3.5.1. Heuristiken zur Komplexitätsreduktion

Wie bereits in der Einleitung erwähnt, ist der Mensch nicht fähig, alle verfügbaren In-formationen korrekt und vollständig zu verarbeiten. In diesem Unterkapitel soll des-halb etwas vertieft auf das Phänomen der Komplexitätsreduktion eingegangen wer-den.

Vereinfachung von Sachverhalten Durch die Vereinfachung von Sachverhalten kann die Komplexität von Entschei-dungssituationen deutlich reduziert werden. In diesem Fall werden geringe Unter-schiede bei Informationen weggelassen, wenn diese nicht von besonderer Bedeu-tung für die Entscheidung sind. Ein Beispiel ist das Auf- oder Abrunden von Zahlen. Geschieht dies in vernünftigen Dimensionen ist das Runden problemlos, unachtsa-mes Vorgehen kann jedoch zu relevanten Abweichungen führen.49

46 Shefrin (2000, S. 61).

47 Jurczyk (2002, S. 88).

48 Jurczyk (2002, S. 89).

49 Goldberg/von Nitzsch (2004, S. 52-53).


17

Mental Accounting Beim Mental Accounting handelt es sich um eine besondere Form des Framings. Un-ter dieser weit verbreiteten Art der Komplexitätsreduktion versteht man das Führen geistiger Konten. Hierbei wird für jedes Vorhaben (Bsp. Steuern, Auto, Urlaub) "sepa-rates" Geld verwendet. Daher erfolgt keine gesamte Betrachtung und die Abhängig-keiten zwischen verschiedenen Engagements werden weitgehend ignoriert. So wird auf der einen Seite beispielsweise ein hohes Risiko eingegangen, während Gelder auf der anderen Seite zu konservativ angelegt werden. Optimal wäre jedoch, beide Seiten als Gesamtportfolio im Sinne einer rationalen Asset Allocation zu betrachten, um das persönliche Risikoprofil umfassend zu beurteilen.50 Somit entstehen hinsicht-lich der persönlichen Risikofähigkeit künstliche Grenzen.

Ähnliche Situationen können auch im Alltag beobachtet werden. Beispielsweise wird beim Einkaufen unterschieden, ob der Erwerb eines Gutes bar bezahlt wird oder per Kreditkarte im Anschluss auf Rechnung. Falls diese Überlegung nicht aus Liquidi-tätsgründen erfolgt (Rechnung wird im Gegensatz zum Bareinkauf später bezahlt), spielt dies im Gesamtzusammenhang keine Rolle. Sieht man von allfälligen Gebüh-ren ab, ist der Effekt auf das Vermögen identisch. Die Überlegung, wie der Kauf ab-gebucht werden soll, hat somit keinen Einfluss auf die Gesamtvermögenssituation. Die selbe Logik lässt sich auf eine Anlageberatung übertragen. Hier wäre es von Vor-teil, wenn der Berater die gesamte finanzielle Situation des Kunden im Überblick hat. Jedoch kann es vorkommen, dass sich der Kunde in seiner Beratung nur auf das vorliegende Konto bezieht und weitere Konti von Konkurrenzbanken verschweigt. Somit steht die Anlageentscheidung wiederum nicht im Gesamtzusammenhang und die Entscheidungsbasis ist aufgrund künstlicher Grenzen zu wenig breit bzw. rational abgestützt.

In Bezug auf die Portfolio Selection Theory von Markowitz wird die Problematik die-ser Komplexitätsreduktion klar ersichtlich. Die Vernachlässigung der Abhängigkeiten hat sehr oft eine falsche Risikobewertung zur Folge.51

Verfügbarkeitsheuristik Im Sinne dieser Heuristik wird die Komplexität reduziert, indem Informationen, wel-che schlecht oder gar nicht verfügbar sind, vernachlässigt werden. Demnach hängt die Eintrittswahrscheinlichkeit eines zukünftigen Kurses davon ab, wie gut sich ein Investor an diesen Kurs in der Vergangenheit erinnern kann. Je besser die Erinne-rung an ein Ereignis, desto höher wird die Eintrittswahrscheinlichkeit eingeschätzt. Beispiele dieser Theorie sind die überdurchschnittlichen Aktienengagements junger Investoren ohne Börsencrash-Erfahrung oder die Konzentration der Anleger auf den Heimmarkt (siehe Home Bias).52

Vernachlässigung von Informationen Hierbei wird davon ausgegangen, dass Informationen, die eine bereits vorgefasste Meinung unterstreichen, leichter wahrgenommen und als relevanter eingestuft wer-den, als solche die der eigenen Überzeugung widersprechen. Da diese je nach Anle-ger verschieden sind, erfolgt auf neue Informationen eine unterschiedliche Reaktion und Interpretation. Dieses Phänomen wird auch als selektive Wahrnehmung be-

50 Bodie u.a. (2008, S. 398).

51 Thaler (1999, S. 242).

52 Tversky/Kahneman (1973, zit. n. Flemisch 2006, S. 216).


18

zeichnet. Ebenfalls in diesem Zusammenhang ist das Phänomen des Kontrasteffekts zu sehen. Demnach werden Beobachtungen, die sich stark vom "Normalfall" unter-scheiden oft überdurchschnittlich stark wahrgenommen.53

3.5.2. Heuristiken zur schnellen Urteilsfindung

Da es gerade in den Finanzmärkten entscheidend sein kann, wie schnell eine Ent-scheidung getroffen wird, stehen viele Marktteilnehmer unter einem besonderen Druck. Sie müssen die Entscheidung unter Unsicherheit innerhalb einer nützlichen Frist fällen. Die dabei ablaufenden "automatischen" Strategien werden durch die fol-genden zwei Heuristiken kritisch unter die Lupe genommen.

Verankerungsheuristik Um Schätzungen zu machen legt der Mensch einen ersten Ursprungs- oder Richt-wert fest. Anschliessend wird dieser Wert unter Zuzug von weiteren Informationen laufend angepasst und präzisiert.54 Empirische Untersuchungen haben aufgedeckt, dass dieser Anpassungsprozess oft zu kurz ausfällt. Daher kann man davon ausge-hen, dass dem ersten Schätzwert eine sehr grosse Bedeutung zukommt.55

Repräsentativitätsheuristik Die durch Kahneman und Tversky 1972 vorgestellte Repräsentativitätstheorie geht davon aus56, dass Menschen bei der Prognose unsicherer zukünftiger Ereignisse da-zu neigen, in Stereotypen zu denken. Einfacher gesagt lässt sich Repräsentativität als Denkmuster oder Schema bezeichnen. Im Gehirn werden Ergebnisse von Beo-bachtungen in der Vergangenheit, persönliche Erfahrungen sowie Lernprozesse als Schemata verankert.57 Weist nun eine Situation eine hohe Ähnlichkeit zu einem fest verankerten Schema auf, besteht die Gefahr voreilige Schlüsse zu ziehen. Grund-sätzlich kann sich die Repräsentativität als Urteilsverzerrung in drei Varianten aus-wirken:

Die Wahrscheinlichkeit von repräsentativen Ereignissen wird tendenziell über-

schätzt.

Empirische und kausale Zusammenhänge werden tendenziell überschätzt.

Es werden Zusammenhänge gesehen, wo gar keine bestehen.58

Zusammenfassend lässt sich sagen, dass aufgrund eines kleinen Musters zu schnell auf einen grösseren Trend geschlossen wird. Dies wiederum kann zu Überreaktionen an den Märkten führen. So kann beispielsweise der Aktienkurs einer Unternehmung aufgrund guter kurzfristiger Daten in die Höhe schiessen. Sobald dies jedoch von

53 Goldberg/von Nitzsch (2004, S. 59).




57 Flemisch (2006, S. 216).



19

den Marktprotagonisten erkannt wird, erfolgt in den darauffolgenden Tagen eine Kor-rektur und die anfängliche Übertreibung wird dadurch kompensiert.59

3.5.3. Fazit

Nachfolgend wird anhand eines Beispiels, auf einen Fehler eingegangen, welcher aus den oben beschriebenen Verhaltensmustern entstehen kann und für das Anle-gerverhalten von grosser Bedeutung ist.

Wenn eine Unternehmung in fünf erfolgreichen Jahren eine jährliche Gewinnsteige-rung von 5% realisiert hat, gehen wir davon aus, im sechsten Geschäftsjahr ebenfalls eine solche Steigerung zu erreichen, obwohl der langfristige Erwartungswert des Gewinnwachstums unter 5% liegt.60 Diese übertriebene Fortschreibung von Zeitrei-hen ist als Repräsentativitätsheuristik einzustufen und wird an den Aktienmärkten sehr oft beobachtet.

Zusammenfassend lässt sich sagen, dass die oben beschriebenen Heuristiken zur Komplexitätsreduktion und schnellen Urteilsfindung absolut notwendig sind. Es ist die einzige Möglichkeit, sich an den schnell ändernden und informationsüberfluteten Fi-nanzmärkten zurechtzufinden. Nichtsdestotrotz ist es wichtig, sich der Risiken be-wusst zu sein.

3.6. Behavioral Biases

Bei den Behavioral Biases handelt es sich um Wahrnehmungsverzerrungen. Hier wird davon ausgegangen, dass Individuen selbst bei einer perfekten Informations-verarbeitung nicht vollständig rationale Entscheidungen fällen würden. Viele der fol-gend aufgelisteten Biases hegen letztendlich den Anspruch, reale ökonomische Phänomene erklären zu können. Da die Behavioral Biases innerhalb der Behavioral Finance aus Sicht der Autoren sehr wichtig sind, wird auf verschiedene mögliche Un-terteilungen eingegangen. Teilweise werden für identische Modelle unterschiedliche Bezeichnungen verwendet. Es soll darauf hingewiesen werden, dass es sich hierbei um die gebräuchlichsten bzw. meist verwendeten Ausdrücke in der gefundenen Lite-ratur handelt. Weiter knüpfen einige Verzerrungen nahtlos an das Unterkapitel "Heu-ristiken" an. Durch die verschiedenen Untertitel wurde jedoch versucht, diesen Ver-knüpfungen eine gewisse Struktur und Übersicht zu verleihen, damit die Unterschei-dung etwas vereinfacht wird. Analog zur Unterteilung im Kapitel "Heuristiken" (Kom-plexitätsreduktion sowie schnelle Urteilsfindung) wurden hier weitere drei Untertei-lungen vorgenommen (information processing biases, decision biases sowie decision evaluation biases). Eine weitere konzeptionelle Unterscheidung kann sein, dass "Heuristiken" eher als Faustregeln zu betrachten sind, welche zur Lösung komplexer Probleme helfen sollen. Umgekehrt ist gerade dies wiederum ein möglicher Nährbo-den für Wahrnehmungsverzerrungen. Obwohl grosser Wert darauf gelegt wurde, ei-nen hohen Grad an Vollständigkeit zu erreichen, ist es durchaus möglich, dass weite-re Verzerrungen existieren. Die aufgeführten Biases sollen beispielhaft als breite so-wie ausführliche Übersicht dienen. Da jedoch auch in diesem Bereich die Forschung weitergeht, kann durchaus davon ausgegangen werden, dass neue Biases entdeckt

59 Bodie u.a. (2008, S. 397-398).

60 Unser/Steiner (1999, S. 165).


20

und in die Theorie aufgenommen werden. Wie bereits an diversen Stellen erwähnt, kann es besonders in diesem Bereich zu Überlappungen kommen. Es wurde jedoch versucht, die einzelnen Einflüsse so gut als möglich auseinander zu halten.

3.6.1. Information Processing Biases

Nachdem die verschiedenen relevanten Informationen ausgewählt wurden, fokussie-ren sich die Investoren darauf, diese zu verarbeiten. Während die Grundproblematik der Auswahl bereits im Kapitel "Heuristiken zur Komplexitätsreduktion" behandelt wurde, kommt es an dieser Stelle zu weiteren Herausforderungen. Es ist möglich, dass gewisse Informationen aus Gründen der Einfachheit bewusst ignoriert werden. Wesentlich interessanter sind jedoch Phänomene, bei welchen gewisse Informatio-nen unbewusst falsch eingeschätzt werden. Die folgende Übersicht soll in diesem Zusammenhang etwas Klarheit verschaffen.

Gambler's Fallacy Bei diesem Phänomen geht es darum, dass eine statistisch signifikante Abweichung zwischen der Einschätzung von zufälligen Abfolgen und deren effektiven Eintritts-wahrscheinlichkeit besteht. Um diese Problematik greifbar zu machen, soll dies an-hand eines Spielcasinos erklärt werden. Beispielsweise ist beim Roulette zu beo-bachten, dass wenn die Kugel sieben Mal nacheinander auf die selbe Farbe fällt, vie-le Spieler von einer Trendumkehr überzeugt sind. Ein Abwechseln der Farben wird also subjektiv vermehrt mit "Zufall" in Verbindung gebracht als eine längere Abfolge derselben Farbe. Effektiv wird der nächste Spielzug aber nicht vom vorangegange-nen beeinflusst, da der Zufall wieder von neuem spielt. Bei einem Experiment wur-den Studenten beauftragt, bei einem 100-fachen fairen Münzwurf die Abfolge von Kopf und Zahl zu notieren. Dabei war ersichtlich, dass viermalige identische Abfolgen selten und fünf oder längere Abfolgen fast nie aufgeschrieben wurden. Somit wurde in der Untersuchung die Eintrittswahrscheinlichkeit von vier Abfolgen mit der effekti-ven Wahrscheinlichkeit (0.54 = 6.25%) bereits unterschätzt. In Bezug auf Investiti-onsentscheidungen kann es daher vorkommen, dass Anleger nach einer Reihe von vielen positiven Returns pessimistisch werden und zu früh verkaufen. In der Realität liegen jedoch unter Umständen gute Gründe für einen Anstieg vor und die pessimis-tische Interpretation ist nicht gerechtfertigt.61

Conservatism Diese These besagt, dass Investoren zu langsam bzw. konservativ reagieren. Ob-wohl bereits neue Beweise vorliegen wird an alten Überzeugungen festgehalten. Dies hat zur Folge, dass aufgrund von abgeschwächten Reaktionen neue Informati-onen nur allmählich und nicht sofort in die Marktpreise einfliessen.62 Edwards hält bei dieser Problematik fest, dass sich bei neuen Informationen die effektive Wahrschein-lichkeit stärker ändert, als dies vom Individuum wahrgenommen wird. Die Grundlage bei abhängigen Wahrscheinlichkeiten stellt das Bayes-Theorem dar, welches bei mehrstufigen Fragestellungen die Wahrscheinlichkeit wiedergibt. Zur Visualisierung werden in der Praxis häufig Baumdiagramme beigezogen. Untersuchungen haben nun aufgezeigt, dass Testpersonen zwar fähig sind, Abhängigkeiten richtig einzu-schätzen, jedoch in der Grössenordnung danebenliegen und neue Informationen


62 Bodie u.a. (2008, S. 397).


21

tendenziell unterschätzen. Dies führt wie oben beschrieben dazu, dass primär an den ursprünglichen Überzeugungen festgehalten wird. Als Ursprung des Problems wird die "misaggregation" der vorhandenen Daten - also ein nicht sauberes "aufaddieren" der Daten - genannt. Dies wiederum ist in der vorherrschenden Komplexität begrün-det, da solche Fragestellungen in der Regel als relativ anspruchsvoll gelten.63

Framing Entscheidungen können durch die Art der Präsentation beeinflusst werden. Obwohl es sich um denselben Sachverhalt handelt, ist es möglich, dass der Marktteilnehmer bei unterschiedlicher Präsentation der Fakten entgegengesetzt agiert. Die Darstel-lung beeinflusst somit die Emotionen und in der Folge auch die Anlage-Entscheidung. Folgend ein kurzes Beispiel: Bei der ersten Variante gewinnt der Teil-nehmer CHF 50.00 wenn er bei einem Münzwurf Kopf bzw. Zahl korrekt voraussa-gen kann. Bei der zweiten Variante erhält er zuerst ein Geschenk von CHF 50.00 muss aber im Anschluss die richtige Seite der Münze voraussagen, um das Ge-schenk behalten zu dürfen. Obwohl beide Varianten denselben Endeffekt aufweisen, erhält der Teilnehmer einen anderen Eindruck, indem die erste Präsentation im Licht eines risikobehafteten Gewinns erscheint und die zweite im Zusammenhang mit ei-nem risikobehafteten Verlust.64

Overconfidence Geht man im Alltag normalerweise davon aus, dass Experten ihre eigenen Beurtei-lungen in einem vernünftigen Mass einschätzen können, entspricht dies bei genaue-rer Untersuchung nicht unbedingt der Realität. In der Folge wird in gekürzter Fas-sung auf eine Fallstudie Bezug genommen, welche von Stuart Oskamp beschrieben wurde.

Beschäftigt sich ein Psychologe mit einem Patienten, sammelt er in einem ersten Prozess verschiedene Informationen über dessen Leben, damit er ihn in der Folge besser einschätzen kann. Wichtig dabei zu erwähnen ist, dass die Überzeugung des Psychologen mit zusätzlichen Informationen ansteigt. In der Studie mussten 32 Psy-chologen Multiple-Choice-Fragen zu einem Fall beantworten, wie er auch oft im klini-schen Alltag vorkommt. Der Test wurde in vier Phasen unterteilt, wobei bei jeder Phase mehr Informationen über eine betreffende Person preisgegeben wurden und jede Phase 25 Fragen mit je fünf Antwortmöglichkeiten enthielt. Zusätzlich mussten die Testpersonen vor jeder Phase ihre Einschätzung bekanntgeben, wie viele Fragen prozentual voraussichtlich richtig beantwortet werden. Bei fünf Fragen beträgt die Zu-fallswahrscheinlichkeit somit 20%.65 Die Resultate der Studie sind in der folgenden Grafik ersichtlich:

63 Edwards (2001, S. 359).

64 Bodie u.a. (2008, S. 398).

65 Oskamp (2001, S. 287-290).


22

Abbildung 8: Resultate Fallstudie Overconfidence66

Wie die Darstellung aufzeigt, nimmt die effektive Genauigkeit etwas zu und erreicht dann einen bestimmten Höhepunkt der praktisch nicht überschritten wird. Im Gegen-satz dazu steigt die Überzeugung in die vorgenommene Einschätzung weiter an. In den Phasen zwei und drei werden - obwohl mehr Informationen zur Verfügung ste-hen - weniger vorangegangene Antworten korrigiert. Dieser Umstand wird damit er-klärt, dass die getesteten Individuen häufig stereotype Muster bildeten und diese bei neuen Informationen nur zurückhaltend überdachten. In Bezug auf die Grafik darf ei-ne Testperson als "overconfident" betrachtet werden, wenn die Lücke zwischen der "Selbstsicherheit" und der effektiven Genauigkeit grösser wird. Im Durchschnitt be-trägt die Genauigkeit weniger als 28%, wobei die Differenz zur Zufallswahrschein-lichkeit als nicht signifikant interpretiert wird. Besonders auffallend ist die Differenz von ca. 25% zwischen der Genauigkeit und der Selbstsicherheit in der Phase vier, was eine Überschätzung der eigenen Fähigkeiten bedeutet. Statistisch interessant ist die Tatsache, dass von den 32 Testpersonen 14 ihre Genauigkeit verbesserten, sechs konstant blieben und sich 12 verschlechterten. Somit handelt es sich dabei um ein Zufallsresultat. Im Kontrast dazu waren in der ersten Phase 13 Personen nicht "overconfident", in der Phase vier hingegen nur noch zwei Personen. Obwohl die Re-sultate dieser Studie nicht verallgemeinert werden dürfen, kann zusammengefasst festgehalten werden, dass mehr Erfahrungswerte tendenziell zu mehr Selbstsicher-heit in Bezug auf Entscheidungen führen. Die effektive Genauigkeit muss jedoch nicht mit der Selbstsicherheit im Einklang stehen.67 Umgemünzt auf Anlageentschei-de kann dies so interpretiert werden, dass Experten, welche sich bei Entscheidungen relativ selbstsicher fühlen, nicht zwingend auch erfolgreicher sein müssen.

Illusion of Control Grundsätzlich kann man häufig auch aus eigener Erfahrung bestätigen, dass sich beispielsweise in beruflichen Situationen das Glück mit dem Können überlappt. Der Hauptgrund besteht darin, dass es praktisch unmöglich ist, alle Elemente im betref-fenden System zu kontrollieren bzw. zu beeinflussen. Obwohl das Können häufig ei-

66 Eigene Darstellung, Datenbasis: Oskamp (2001, S. 291).

67 Oskamp (2001, S. 290-293).

0

10

20

30

40

50

60

Phase 1 Phase 2 Phase 3 Phase 4

Genauigkeit in %

Selbstsicherheit in %

Geänderte Antworten Absolut


23

ne Grundvoraussetzung darstellt, ist es aufgrund der Komplexität vielfach nicht mög-lich, durch das Können beispielsweise gewisse Makrofaktoren zu beeinflussen. Ob-wohl zwar die Möglichkeit besteht, diese vorgängig im Detail zu analysieren, ist es dennoch schwierig genaue Prognosen zu machen. In der Folge wird versucht, mit Wahrscheinlichkeiten zu operieren, welche teilweise von nicht einberechneten Effek-ten tangiert werden. In diesem Falle ist der "Faktor Glück bzw. Unglück" eine beglei-tende Erscheinung.

Die beiden Soziologen Goffman und Henslin haben 1967 in Las Vegas untersucht, dass sich Gambler beim Würfelspiel so verhielten, als ob sich besonderer Aufwand und Konzentration lohnen würde. Sollten die Würfel tiefere Summen ergeben, wur-den diese sanfter geworfen als bei höher gewünschten Summen. Weiter war zu beo-bachten, dass sich viele unabhängige Spieler demjenigen würfelnden Spieler an-schlossen, welcher am meisten den Eindruck erweckte, die Kontrolle über das Spiel zu haben.68 Kurz zusammengefasst kann die "Kontrollillusion" wie folgt definiert wer-den:

"An illusion of control is defined as an expectancy of a personal success probability inappropriately higher than the objective probability would warrant."69

Eine weitere interessante Untersuchung brachte hervor, dass sich das Verhalten bei einem nicht beeinflussbaren Spiel je nach dem Typ des Konkurrenten veränderte. Dabei wurde grundsätzlich davon ausgegangen, dass die Erfolgsrate bei beeinfluss-baren Konkurrenzsituationen massgeblich vom Können des Gegners abhängt. Die interessante Schlussfolgerung dieser Studie brachte hervor, dass Individuen bei ei-nem Kartenspiel, welches ausschliesslich vom Glück abhängt, ähnliche Einschät-zungen über die Situation machen. Dabei gab es beim Kartenziehen jeweils zwei Ar-ten von Mitspieler. Während der erste selbstsicher auftrat, verhielt sich derjenige in der zweiten Situation unbeholfen. Das Resultat der Studie zeigte auf, dass die Test-personen in Anwesenheit des selbstsicheren Spielers tiefere Einsätze riskierten als in der anderen Situation.70 Somit lässt sich sagen, dass Konkurrenzsituationen einen Einfluss auf die Entscheidungsfindung ausüben. Obwohl die Situation nur vom Glück abhängig war, erkannte man auch hier ähnliche Verhaltensmerkmale, wie dies bei beeinflussbaren Situationen zum Vorschein kommt. Dies bedeutet, dass in der Stu-die auf äussere Umweltfaktoren geachtet wurde, obwohl diese keinen rationalen Ein-fluss auf das Spielgeschehen ausübten. Die Interpretation daraus ist, dass die sub-jektiven Beurteilungen überschätzt werden und versucht wird, durch unterschiedli-ches Verhalten eine gewisse Kontrolle über das Geschehen zu erlangen. Eine un-kontrollierbare Situation wird sozusagen beeinflussbar wahrgenommen.

3.6.2. Decision Biases

Bei diesem Unterkapitel geht es darum, dass der Ursprung suboptimaler Entschei-dungen nicht nur in der Informationsverarbeitung begründet ist, sondern ebenfalls ei-ne Konsequenz weiterer prominenter Beispiele ist.71

68 Langer (2001, S. 231).

69 Langer (2001, S. 232).

70 Langer (2001, S. 232-235).



24

Disposition Effect Dieser Effekt bezieht sich auf die empirisch bewiesene Tatsache, dass "Gewinnposi-tionen" zu früh und "Verlustpositionen" zu spät verkauft werden. Eine dafür mögliche Erklärung ist das Führen geistiger Konten (siehe Mental Accounting), wobei klar zwi-schen Gewinnen und Verlusten unterschieden wird, statt das Portfolio im Gesamtzu-sammenhang zu betrachten. Verluste werden somit "nur" als Buchverluste betrach-tet, während Gewinne effektiv realisiert werden. Die Kritik zielt im Wesentlichen dar-auf ab, dass sich durch solche Denkmuster ökonomische Realitäten fälschlicherwei-se in den Hintergrund verschieben und die Entscheide in der Folge irrationaler sind. Es wird sozusagen aufgrund vergangener Tatsachen entschieden und die zukünfti-gen Aussichten werden zu wenig berücksichtigt.72 Zusätzlich kann auch auf die Prospect Theory Bezug genommen werden, welche unter anderem beinhaltet, dass negative Konsequenzen unbedingt vermieden werden wollen.

House Money Effect Bei diesem Effekt lässt sich ebenfalls eine Verbindung zum Mental Accounting her-stellen. Hier werden kürzlich realisierte Gewinne zukünftig mit einem höheren Risiko bewirtschaftet.72 Folgend ein kurzes Beispiel: In einem ersten Schritt wird ein Betrag von CHF 1'000.00 in Aktien investiert. Nach einiger Zeit wächst der Betrag auf CHF 1'250.00 an. Wird der Gewinn realisiert, ist es möglich, dass die gewonnenen CHF 250.00 in ein Hochrisikopapier angelegt werden. Es wird also eine Risikodifferenzie-rung zwischen dem ursprünglich investierten Betrag und dem Gewinn vorgenommen.

Home Bias Der Home Bias kritisiert das Diversifikationsverhalten vieler Investoren. French und Poterba (1991) haben untersucht, dass Anleger in den Vereinigten Staaten zu 94%, in Japan zu 98% und im Vereinigten Königreich zu 82% im Heimmarkt investiert sind. Der Grund für dieses Verhalten liegt darin, dass sich "Zuhause" viele sicherer fühlen und somit besser mit Entscheidungsproblemen umgehen können. Es wird davon ausgegangen, im eigenen Land besser informiert zu sein, als wenn man in einem fremden Land investiert ist. Dies kann jedoch zu einem falschen bzw. zu hohen Si-cherheitsgefühl führen.73 Die Hauptproblematik besteht somit darin, dass viele auf zusätzliche Diversifikationsmöglichkeiten verzichten. Obwohl es bei gewissen Län-dern tatsächlich anspruchsvoller sein kann, an verlässliche Informationen zu gelan-gen, sollte man nicht gänzlich darauf verzichten, in fremde Länder zu investieren. Gerade bei hochentwickelten Volkswirtschaften ist das Risiko in Bezug auf Informati-onen vergleichbar.

Endowment Bias Der Endowment Bias bezieht sich auf das Phänomen, dass nicht nur der zukünftige Nutzen eines Gutes eingeschätzt wird, sondern vergangene Entscheide auch eine Rolle spielen. Ebenfalls werden Güter, welche sich bereits im Besitz eines Indivi-duums befinden, nur ungern getauscht, wie ein Experiment hervorbrachte: In einem ersten Schritt wurden zwei Güter mit gleich hohem Wert an verschiedene Personen verteilt, ohne deren Vorlieben zu berücksichtigen. In einem zweiten Schritt erhielten die Teilnehmer die Möglichkeit, die Güter untereinander auszutauschen. Geht man davon aus, dass aufgrund der ursprünglichen zufälligen Verteilung das Tauschinte-




25

resse ebenfalls zufällig ist, würde sich herausstellen, dass um die 50% der Leute ihre Güter tauschen wollen. Das Resultat war jedoch, dass das Tauschinteresse merklich kleiner war, da sich der Effekt des Besitzes stärker bemerkbar machte, als die per-sönlichen Vorlieben. Gerade bei Investitionsentscheidungen ist es besonders wichtig, die zukünftigen Cashflows einzuschätzen, da die Vergangenheit nur einen unterge-ordneten Einfluss auf die Zukunft ausübt. Es ist also wichtig, den Fokus auf die zu-künftigen Perspektiven zu legen und fähig zu sein, sich vom früher erworbenen "Be-sitz" zu trennen.74

Sunk Costs Bei den "versunkenen Kosten" lässt sich eine Verbindung zum Disposition Effect so-wie zum Endowment Bias herstellen. Obwohl irreversible, vergangene Investitionen rational betrachtet keinen Einfluss auf Entscheidungen haben sollten, ist dies häufig trotzdem der Fall. Beispielsweise kann es schwer fallen, ein unrentables Projekt auf-zugeben, welches bereits viel Zeit und Geld gekostet hat. Ein Grund kann sein, dass vermieden werden soll, ein Fehler zugeben zu müssen. Auch der Disposition Effect verdeutlicht diese Tatsache.75 Obwohl es im einzelnen Fall mehr Sinn machen kann, einen Buchverlust zu realisieren und das Geld in ein alternatives Investment zu ver-schieben, welches eine bessere Performance verspricht, wird dies in der Realität häufig nicht getan.

3.6.3. Decision Evaluation Biases

Jede Entscheidung erhält im Anschluss ein Feedback wie das Resultat ausgefallen ist. Diese "rückblickende Evaluation" produziert neue Informationen, welche bestim-men ob die gefällte Entscheidung erfolgreich war oder nicht. Auch dieses Stadium des Gesamtprozesses hält mögliche Verzerrungen bereit.76

Hindsight Bias "In hindsight, people consistently exaggerate what could have been anticipated in fo-resight." Bei dieser Wahrnehmungsverzerrung geht es darum, dass der effektive Ausgang eines Falles in der Vergangenheit besser einschätzbar war, als dies der Realität entspricht. Zusätzlich werden die eigenen Prognosen im Nachhinein nicht mehr korrekt interpretiert. Eigene Einschätzungen in der Vergangenheit werden also im Nachhinein rückblickend stärker in diejenige Richtung gewichtet, wie dies dann auch effektiv geschehen ist.77 Eine mögliche Erklärung für dieses Phänomen ist, dass Individuen sozusagen in einer "present personal perspective" eingesperrt sind.78 Somit gewichtet das Bewusstsein beim Interpretieren "momentane" Zeitfens-ter stärker als vergangene.

Regret Avoidance Diese Wahrnehmungsverzerrung beschreibt die von Psychologen beobachtete Theo-rie, dass Investoren beispielsweise eine unkonventionelle Anlage im Gegensatz zu einem Blue Chip-Investment mehr bereuen, falls diese nicht den gewünschten Erfolg

74 Hens/Bachmann (2008, S. 85-86).



77 Fischhoff (2001, S. 341).

78 Fischhoff (2001, S. 349).


26

erzielt. Ein Verlust auf einem Blue Chip wird somit vermehrt mit "Pech" assoziiert und weniger bereut, während ein Verlust in Bezug auf ein unbekanntes Start-up als schmerzhafter empfunden wird.79 Ein weiteres Beispiel ist die "psychologische call option". Falls ein Investor einen Berater beauftragt und die Transaktion erfolgreich war, schreibt sich der Anleger den Erfolg selbst zu. Im Gegensatz dazu kann es je-doch vorkommen, dass er bei einem Verlust den Berater dafür verantwortlich macht, um sein eigenes Ego zu schützen.80

3.6.4. Debiasing

Im Anschluss an die verschiedenen Wahrnehmungsverzerrungen (Biases) stellt sich die Frage, wie dagegen vorgegangen werden kann. Denn im Endeffekt ist nicht nur das Wissen um die Biases wichtig, sondern es ist notwendig, effektive Gegenstrate-gien zu entwickeln, um sich im Investitionsprozess nicht selbst zu täuschen. Somit soll es auch möglich werden, rationalere Entscheidungen zu treffen, welche Schluss-endlich zu erfolgreichem Anlageverhalten führen sollen. Da es aufgrund der Fülle und Überlappungen an Verzerrungen schwierig ist, dem Anspruch an Vollständigkeit gerecht zu werden, sollen in Anlehnung an Hens und Bachmann folgend beispielhaft einige Gegenstrategien aufgezeigt werden. Bei einigen Biases sollte es jedoch auf-grund der Kritik bereits möglich sein, sich der Gegenmassnahme bewusst zu sein.

Bias Gegenstrategien81

Availability bzw. Ver-fügbarkeitsheuristik

Sicherstellen, dass nicht nur die aktuellen Medien-Nachrichten in die Entscheidung miteinbezogen werden. Obwohl einige News bereits länger zurückliegen, kann eine Information für den Investor relevant sein.

Representativeness / Gambler's Fallacy

Beim Versuch, Muster zu erkennen, muss die Schlussfolge-rung mit der statistischen Relevanz verglichen werden. Sonst besteht die Gefahr, dass das Fazit unwissenschaftlich ausfällt.

Anchoring / Conservatism

Berücksichtigen, dass neue Entwicklungen in die Entscheidung einfliessen. "Alte" Einschätzungen müssen somit neu überprüft und hinterfragt werden.

Framing Die Problemsituation so hinterfragen, dass diese auch unter-schiedlich dargestellt werden kann. Nur so wird es möglich, ei-ne differenzierte Entscheidung zu treffen.

Overconfidence

Bewusstsein für die Tatsache stärken, dass sich teilweise auch andere Investoren überschätzen. In der Folge sollte es von Vorteil sein, wenn eine Güterabwägung zwischen den persön-lichen Fähigkeiten und dem Anlagestil vorgenommen wird.

79 Bodie u.a. (2008, S. 399).


81 Hens/Bachmann (2008, S. 105-106).


27

Home Bias Internationale Diversifikation gegenüber dem spezifischen Landesrisiko gegenüberstellen.

Hindsight Bias Vorgenommene Einschätzungen dokumentieren und diese bei einer veränderten Situation neu überdenken.

Tabelle 1: Gegenstrategien Biases

3.7. Marktanomalien

Im nachfolgenden Kapitel werden Marktanomalien zur Erklärung von Abweichungen der Marktpreise von den Kapitalmarktmodellen beigezogen. Marktanomalien dürfen in gewisser Weise als Folge der zuvor beschriebenen Heuristiken und Behavioral Bi-ases betrachtet werden. Die Marktanomalien können auch in nicht zu unterschätzen-dem Masse als Erklärung für die, meist kurzfristigen, Abweichungen von der Marktef-fizienzhypothese betrachtet werden. Beim Zustand mittlerer Markteffizienz sollten zumindest mittel- bis langfristig alle öffentlich verfügbaren Informationen korrekt in den Kursen abgebildet werden.

Die entscheidende Frage ist nun, wie das Wissen über Marktanomalien in die Anla-gestrategien einfliessen kann. Können Strategien entwickelt werden, die solche sys-tematischen Marktverzerrungen antizipieren, besteht die Chance auf Überrenditen. Da eine Lernfähigkeit der Marktteilnehmer anzunehmen ist, werden diese Erkennt-nisse früher oder später in die Preise eingebaut. Die Marktanomalien sollten ver-schwinden und eine solche verhaltensorientierte Anlagestrategie ist somit in keiner Art und Weise mit risikofreier Arbitrage gleichzusetzen.82

3.7.1. CAPM Anomalie

Grundsätzlich ist das CAPM ideal dazu geeignet, die rationalen Renditeerwartungen des Marktes anhand des Beta abzubilden. Trotzdem wurden einige Anomalien ent-deckt, die nicht mit dem CAPM und der ihm zu Grunde liegenden Markteffizienzhypo-these in Übereinstimmung gebracht werden konnten. In direktem Zusammenhang mit dem CAPM wird in der Literatur vom sogenannten Grösseneffekt, Buch-Marktwert-Effekt, Momentumeffekt, Umkehreffekt, Dividendenrenditeeffekt, Kurs-Gewinn-Effekt und den saisonalen Effekten gesprochen.83

Im Hinblick auf die Entwicklung unseres eigenen Modells im Teil "Anwendung der Theorie", bei welchem wir die Renditen einzelner Wochentage einander gegenüber-stellen, soll in diesem Abschnitt die sogenannte Kalenderanomalie (Bestandteil der "saisonalen Effekten") kurz angeschaut werden. Zur Erklärung der Kalenderanomalie wird auf die Theorie der Über- und Unterreaktion zurückgegriffen.

82 Jaunich (2008, S. 73).

83 Geiger (2009, S. 12).


28

3.7.2. Kalenderanomalie

Analysen der NYSE für Aktien weisen im Zeitraum zwischen 1901 und 1974 über-durchschnittliche Renditen im Monat Januar nach. Weiter lässt sich beobachten, dass historische Verliereraktien im Januar eine überproportional hohe positive Rendi-te aufweisen.84

Ein möglicher Grund dafür könnte in der Mean-Reversion liegen. Demnach werden bisher eher schlecht laufende Aktien von den Investoren im Januar stark nachge-fragt. Die Marktteilnehmer unterliegen dem Glauben, dass sich die Börsenkurse nach einer extremen Position wieder dem Durchschnittswert annähern müssen.

Diese Aussagen werden nochmals verdeutlicht, wenn wir uns das Modell der Über- und Unterreaktion vor Augen führen. Hier wird unterstellt, dass der Aktienkurs bei ei-ner positiven Information sehr stark ansteigt. Sobald sich nun die Aktionäre dieser Übertreibung bewusst werden, sollte sich der Kurs in die andere Richtung bewegen und zu einer Untertreibung führen. Dies ist der Fall, weil der Investor, wie in der Mean-Reversion beschrieben, davon ausgeht, dass der Kurs zwingend wieder auf den Durchschnittswert zurückgehen muss. Anhand der folgenden Darstellung wird eine Über- und Unterreaktion aufgezeigt. Ebenfalls ist der Mean-Reversion-Effekt zu beobachten.84

Abbildung 9: Über- und Unterreaktion85

Einen grossen Einfluss auf diese starken Kursreaktionen dürfte die Repräsentativi-tätsheuristik haben. Die positiven Ereignisse der jüngsten Vergangenheit werden in diesem Fall zu stark gewichtet. Bei der Unterreaktion werden neue Informationen folglich zu wenig stark gewichtet und lassen die Kurse zu wenig stark ansteigen.

Fazit Diese Marktanomalien, wie natürlich auch die zuvor bereits erwähnten Heuristiken sowie Biases sind Ausdruck ineffizienter Märkte. Hierbei stellt sich die Frage, ob sich aufgrund der zunehmenden Kenntnis und Beachtung, die Marktanomalien abschwä-chen oder teilweise sogar ganz verschwinden. Diese Annahme trifft wohl nur verein-

84 Jaunich (2008, S. 55).

85 Jaunich (2008, S. 58).


29

zelt zu und eine Überprüfung ist, aufgrund der kurzen Beobachtungsperiode der For-schung, statistisch gesehen wenig aussagekräftig.86

Auf mögliche Gründe und Auswirkungen solcher Über- und Untertreibungen wird im folgenden Kapitel "Boom- und Crash-Situationen" genauer eingegangen.

3.7.3. Boom- und Crash-Situationen

In Phasen extremer Hausse und Baisse löst sich der Aktienmarkt weitgehend von seinen fundamentalen ökonomischen Determinanten. Die wirtschaftlichen Bestim-mungsgründe für den Kurs werden meist nur noch als Rechtfertigung für aktuelle Kursentwicklungen beigezogen. Diese Arten von Übertreibungen sind auf psycholo-gische Gründe zurückzuführen, welche gerade in Situationen des Umbruchs und der Hektik entstehen.87 In diesen Situationen genügen einfache Heuristiken, um zu einer schnellen und eindeutigen Urteilsfindung zu gelangen. Einerseits werden Informatio-nen die einer bestehenden Erwartung widersprechen systematisch unterschätzt. An-dererseits wird die Eintrittswahrscheinlichkeit von Informationen, die man aufmerk-sam verfolgt und erwartet, überschätzt (siehe Verfügbarkeitsheuristik). Daher werden Käufe attraktiv und das Risikobewusstsein tritt in den Hintergrund. Genau umgekehrt verhält es sich in der Baisse. Risiken werden überdurchschnittlich wahrgenommen und Chancen sieht kaum jemand. Das prozyklische Verhalten von Analysten, Medien und Opinion Leaders verstärkt diesen Trend.88 Im Zusammenhang mit der Chart-Analyse wird offensichtlich, dass Kurse, welche laufend bisherige Widerstände über-winden, ein Gefühl der Kontrolle und Steuerbarkeit hervorrufen. Auch der Einfluss des Crowding-Effektes, wonach sich Personen auch wider besseren Wissens der Mehrheitsmeinung anschliessen, wirkt sich verheerend aus. Dies ist auch bei Wert-papierprofis der Fall. Stehen sie unter Konformationsdruck durch Sachzwänge oder Vorgesetzte, führt dies zu einer erstaunlichen Unempfindlichkeit gegenüber Nach-richten, die nicht ins Gruppenbild passen. Zusätzlich gibt es psychologische Effekte, die nur in einem der beiden Fälle zum Tragen kommen. Dies sind Overconfidence und Overoptimism, deren Funktionsweise in dieser Arbeit separat vorgestellt wurde. In einer Crash-Phase wirken weitere psychologische Effekte.89 Hat der Kurs den Ze-nit erst einmal überschritten, fällt es den Marktteilnehmern sehr schwer zu verkaufen. Dieses Phänomen wird in der Behavioral Finance mit den Theorien der Loss Aversi-on, Mental Accounting und dem Sunk-cost Effekt beschrieben. Der Mensch versucht, alte Denk- und Verhaltensweisen anzuwenden. Ist dies nicht möglich, kommt ein Ge-fühl der Hilflosigkeit auf und man reagiert mit Inaktivität. Die Anleger können sich erst nach und nach auf die neue Situation einstellen und sind daher am Ende eines Crashes wieder vorsichtig und entsprechend defensiv bei nun attraktiven Kursen.90

Zur Illustration dieser Extremsituation wird an dieser Stelle das Boom-Bust-Modell, des Investmentbankers George Soros beigezogen. Es dient dazu, einen Zusammen-hang zwischen dem Aktienkurs und dem Kurs-Gewinnverhältnis herzustellen.

86 Geiger (2009, S. 1).

87 Kiehling (2001, S. 163).

88 Kiehling (2001, S. 164).

89 Kiehling (2001, S. 165-166).

90 Kiehling (2001, S. 167-168).


30

Abbildung 10: Boom-Bust-Modell91

In Phase 1 bleibt der Trend noch unerkannt. Danach wird dieser von einem grossen Teil der Marktteilnehmer wahrgenommen und die Kurse steigen entsprechend in die Höhe. Haben nun die Nachfrager ihre Käufe getätigt, sinkt der Kurs. In dieser ent-scheidenden Phase wird getestet, ob die Kurse in einem vernünftigen Verhältnis zum Kurs-Gewinn-Ratio stehen. Ist dies der Fall, folgt ein Anstieg, welcher unter normalen Bedingungen kaum zu erwarten ist. In der nun angelangten Phase 5 kann die Reali-tät die überzogenen Erwartungen nicht mehr unterstützen und es folgt der logische Absturz, welcher die Preise übermässig nach unten drückt.92

3.7.4. Interpretation der Behavioral Modelle und deren Grenzen

Wie wir in diesem Kapitel der Marktanomalien deutlich sehen, bricht die Behavioral Finance mit der klassischen Finance. Die Abweichungen vom korrekten Preis wer-den hierzu analysiert und es sollen daraus Anlageentscheidungen abgeleitet werden. Bis anhin vermögen die Erklärungsansätze noch nicht zu überzeugen. Sollte aber das irrationale Verhalten von Anlegern in Zukunft noch tiefgründiger untersucht wer-den, ist es durchaus möglich, dass ein aussagekräftigeres Modell heranreift. Die neuen Informationen, die daraus gezogen werden könnten, würden uns dann wieder zurück zur Markteffizienzhypothese führen. In Anbetracht der Komplexität des Ver-haltens von Investoren erscheint es als äusserst fraglich, ob jemals behavioristische Modelle entwickelt werden können, die dem Anspruch der Vollständigkeit gerecht werden.

3.8. Massenpsychologische Dynamik und Herdentrieb

Fenzl beschreibt die Dynamik massenpsychologischer Kettenreaktionen in drei Pha-sen. Bei der initialen Phase werden die ersten Teilnehmer beispielsweise von einem

91 Soros (2008, S. 79).

92 Soros (2008, S. 80-81).


31

externen Schock beeinflusst. Wenn eine ausreichende psychologische Erregung und Beschleunigung erreicht wird, folgt die 2. Phase, wobei die Akteure durch gegensei-tige Ansteckung, Suggestion sowie Gleichschaltung eine sich selbst erhaltende Ket-tenreaktion hervorrufen können. In der abschliessenden Terminationsphase entsteht dann ein entsprechend geändertes Umfeld oder die Energie der Kettenreaktion wird wieder aufgebraucht.93

Der oben vereinfacht beschriebene Ablauf erscheint auf den ersten Blick verständlich und abschliessend. Jedoch ist bei näherem Hinschauen die Komplexität einer Mas-senpsychologischen Dynamik wesentlich grösser, da verschiedene Teilaspekte eine Rolle spielen. Der Start eines Herdentriebs kann heute durch die mediale Globalisie-rung relativ schnell erfolgen. Wird von den Medien eine Aktie favorisiert, fühlen sich viele motiviert einen Kauf zu tätigen und sind frei nach dem Motto "the trend is your friend" davon überzeugt, erfolgreich zu sein. Genau aber diese potentiell voreilig ge-fasste Schlussfolgerung kann sich im Nachhinein als Trugschluss erweisen. Durch Medienberichte kann schnell eine Sogwirkung entstehen, welche sich eine eigene Realität schafft. Relativ schnell richten sich Menschen als soziale Wesen nach ande-ren aus und schwimmen somit mit dem Strom. Die Masse an sich handelt dann wie-derum häufig irrational und entscheidet sich gefühlsmässig. Das eigentliche Ziel soll-te also darin bestehen, Massenphänomene zu durchschauen und in der Folge den Anlageerfolg zu erhöhen.94

In Anlehnung an Le Bon hat Kitzmann einige wichtige Punkte zusammengefasst. Die erste Feststellung ist, dass in der Masse die bewusste Persönlichkeit schwindet und eine Art kollektives Verhalten entsteht. Massenindividuen fühlen sich stark miteinan-der verbunden und deswegen sehr stark. Dies kann dazu führen, dass die intellektu-ellen Funktionen reduziert werden und unbewusste Begebenheiten die Überhand er-langen. Ein weiteres Merkmal ist die emotionale Ansteckung. Gefühle und Handlun-gen werden in der Masse schnell übertragen und Einzelinteressen werden dem Ge-samtinteresse untergeordnet. Eine weitere grosse Problematik besteht darin, dass es sich im emotionalen Bereich um relativ "einfache Gefühle" handelt. So agieren Indivi-duen in der Masse vermehrt impulsiver und leichtgläubiger, als dies ein alleiniges In-dividuum tun würde. Sobald die bereits bestehende öffentliche Meinung von den Me-dien zusätzlich unterstützt wird, kann daraus ein Aufschaukelungsprozess entstehen. Die wiederholte, emotional gefärbte Darstellungsweise beeinflusst das diffuse Mei-nungsbild der Massen zusätzlich. Grundsätzlich muss an dieser Stelle erwähnt wer-den, dass der massenpsychologische Effekt sicherlich nicht der einzig verantwortli-che Einfluss für Börsenstimmungen ist. Selbstverständlich spielen Verläufe der Kon-junktur, Zinsen, Inflation etc. eine wesentliche Rolle, jedoch kann davon ausgegan-gen werden, dass die Massenpsychologie in der Regel unterschätzt wird.95

Führt man sich vor Augen, dass sich Anleger häufig wie eine Herde verhalten und ein Kollektivverhalten an den Tag legen, indem "alle" im Boom kaufen und bei pani-scher Stimmung verkaufen, drängt sich die Frage auf, ob man solche Gegebenheiten nutzen kann. Erfolgreiche Anleger sind im Stande, durch langfristige Planung ihre Performance zu verbessern. Eine sehr interessante Erkenntnis kommt aus dem Ge-biet der Hirnforschung. Diese hat hervorgebracht, dass die meisten Menschen ma-

93 Fenzl (2009, S. 34-35).

94 Kitzmann (2009, S. 20).

95 Kitzmann (2009, S. 20-22).


32

ximal nur sieben verschiedene Informationen gleichzeitig verarbeiten können. Somit kann es Sinn machen, aus der Masse auszuscheren und sich beispielsweise mithilfe von Checklisten eine persönliche kritische Strategie zu entwerfen.96 Einige Individuen gehen dabei sogar so weit, dass sie sich absichtlich entgegen der Masse verhalten. Als Basis dienen dazu verschiedene Kaufempfehlungen von Analysten etc.. Im kon-kreten Fall bedeutet dies, dass wenn von verschiedenen Seiten zum Kauf geraten wird, die Aktien bereits wieder verkauft werden, da davon ausgegangen wird, dass die positiven Informationen in der Masse verbreitet worden sind und somit bereits ei-ne Reaktion stattgefunden hat. Die entscheidende Annahme besteht also darin, dass das dafür bestimmte Geld bereits geflossen ist und es wahrscheinlicher ist, dass es in der nahen Zukunft bereits zu einer Trendumkehr kommt. Antizyklisches Verhalten kann sich also durchaus lohnen.97 Das Hauptrisiko besteht jedoch darin, dass eine mögliche Trendumkehr zu früh erwartet wird und es teilweise besser ist, sich noch für eine gewisse Zeit der Mehrheit anzuschliessen, weil man damit dem Haupttrend fol-gen kann.98 Wie an dieser Stelle unschwer zu erkennen ist, gibt es keine Patentre-zepte für eine erfolgreiche Börsenstrategie. Falls man jedoch dem Trend auf die Schliche kommt, ist dies dem Portfolio sicherlich zuträglich. Massenpsychologische Phänomene können also Vor- sowie auch Nachteile haben. Eine wichtige Schluss-folgerung ist jedoch, dass solche Effekte erkannt werden müssen und in die Ent-scheidung miteinbezogen werden sollten, da deren Einfluss nicht zu unterschätzen ist.

3.9. Rationale und irrationale Verhaltensmuster

Bei der Analyse von Marktentwicklungen kann man sich verschiedener Instrumente bedienen. Rationale Ansätze, wie beispielsweise Fundamentaldaten sind dabei wich-tige Hilfsmittel. Im Gegensatz dazu gewinnen nicht-fundamentale Ansätze an Bedeu-tung. Rationale Analysen werden zwar nicht ausser Acht gelassen, jedoch ist das Verhalten an sich ein entscheidender Bestandteil. Setzt man das eigene Verhalten sowie das Verhalten anderer Teilnehmer in den Mittelpunkt, drängen sich automa-tisch psychologische Fragestellungen auf. Eine grundlegende Schwierigkeit, das all-gemeine Verhalten abzuschätzen, liegt darin, dass die Marktteilnehmer über unter-schiedliche Informationsstände sowie Informationsverarbeitungsmodelle verfügen. Erschwerend kommt hinzu, dass viele Modelle parallel verwendet werden.99 Vielfach ist es auch nicht möglich, Abweichungen zu Fundamentaldaten genauer zu identifi-zieren. In der Konsequenz gehen hierbei die Meinungen wiederum auseinander. Die einen vermuten bereits eine Spekulationsblase, während andere die Bewertung als gerechtfertigt erachten. Menkhoff bestätigt in diesem Kontext die Wichtigkeit von Er-wartungen in Bezug auf Wechselkurse: "Folglich kann der Wechselkurs im Zuge sol-cher sich selbst erfüllender Erwartungen allein deshalb steigen, weil es so erwartet wird, ohne dass dies durch ökonomische Fundamentals begründet zu sein braucht."100 Ausgehend von dieser Hypothese, bei welcher ökonomische Tatsachen in den Hintergrund rücken, stellt sich die Frage, wie Erwartungen entstehen und vor allem, welche Bestimmungsfaktoren von entscheidender Bedeutung sind. Diese Fra-ge ist insofern relevant, da der psychologische Einfluss auf die Märkte nicht unter-

96 Kitzmann (2009, S. 22-23).

97 Kitzmann (2009, S. 23-24).

98 Kitzmann (2009, S. 29).

99 Menkhoff (1995, S. 59-60).

100 Menkhoff (1995, S. 62).


33

schätzt werden darf. Welches Ausmass diese Auswirkungen annehmen können, ist an verschiedenen Beispielen aus der Geschichte zu entnehmen.

Die Rechtfertigung, dass das Marktgeschehen nicht immer rational begründbar ist, lässt sich relativ leicht herleiten. Würden alle Marktteilnehmer – basierend auf der ökonomischen Theorie – immer alles "richtig" machen, soweit dies rational möglich ist, dann könnte man den Markt auf das Handeln einer einzigen repräsentativen Per-son reduzieren. Daraus abgeleitet entsteht ein Grundproblem, was es grundsätzlich schwierig bis unmöglich macht, die Märkte richtig und rational zu beurteilen: Erstens gibt es Teilnehmer, die nicht immer in vollem Umfang rational handeln, und zweitens können rational handelnde Teilnehmer dieses Verhalten nicht vollständig kompensie-ren. Wichtig zu erwähnen ist an dieser Stelle, dass die Rationalität des Verhaltens als Grundbestandteil der ökonomischen Wissenschaft angesehen werden darf.101 Die Problematik besteht jedoch darin, dass menschliches Verhalten komplizierter ist, als es gewisse Modelle darstellen.102 An diesem Punkt angelangt bedarf es einer Verknüpfung zwischen Ökonomie und Psychologie. Auch wenn kein geschlossenes Bild des Verhaltens auf den Märkten existiert und keinesfalls klar ist, ob Verhalten überhaupt von wenigen allgemeinen Regeln geleitet wird, so kommt man um einige – zwangsläufig unvollständige – Verallgemeinerungen nicht herum, wenn ein Gegen-konzept zur traditionellen Finanzmarkttheorie skizziert werden soll. Welche Anhalts-punkte gibt es also, welche in ein solches Konzept integriert werden sollen? In der folgenden Darstellung hat Menkhoff einige dieser Bestimmungsgrössen aufgelistet. Es wird als Ausgangslage angenommen, dass die Marktteilnehmer unter Zeitdruck, Konkurrenzdruck, Gewinndruck, Informationsfülle, aber dennoch unvollständiger In-formation und hoher Unsicherheit entscheiden.103

Abbildung 11: Bestimmungsfaktoren quasi-rationalen Verhaltens103

Eine generelle Einsicht der entscheidungstheoretischen Forschung scheint zu sein, dass Menschen "Fehler" machen, wenn sie in oben beschriebener Weise überfordert werden. Das nicht optimal zu bewältigende Entscheidungsproblem wird nach ihren

101 Menkhoff (1995, S. 66).

102 Menkhoff (1995, S. 67).

103 Menkhoff (1995, S. 68).


34

Erfahrungen und Möglichkeiten reduziert. Weiter handeln Menschen nicht isoliert, sondern in einem sozialen Umfeld, das ihre Entscheidungen mitprägt. Bei den soge-nannt "allgemeinen Verhaltenseigentümlichkeiten" fallen aus finanzmarkttheoreti-scher Perspektive drei Effekte auf. Häufig kommt es vor, dass die Marktteilnehmer die relevanten kursbestimmenden Faktoren nicht erkennen, aber die eigene Interpre-tation überschätzen. Daneben scheint es wichtiger zu sein, einen Verlust zu vermei-den, als zu gewinnen, was als "asymmetrische Präferenzausprägung" beschrieben wird. Drittens bewirkt der Sunk Cost Effekt etwas wie eine Pfadabhängigkeit der Transaktionen. Entgegen dem theoretischen Ideal wird nicht zu jedem Zeitpunkt die Vorteilhaftigkeit einer Anlage betrachtet, sondern "eigentlich" irrelevante Faktoren wie der Kaufkurs repräsentieren einen wichtigen Anhaltspunkt.104

Zum Verständnis solcher Verhaltensweisen spielen typische Reduktionen komplexer Entscheidungsprobleme eine zentrale Rolle. Es erfolgt eine Anlehnung an bekannte, vergangene Muster, von denen aus die Wirklichkeit wie durch eine spezifische "Bril-le" betrachtet wird. Insbesondere die selektive Wahrnehmung ist dabei von entschei-dender Bedeutung, aber auch die Verfügbarkeit von Informationen, welche diesen Prozess ebenfalls beeinflusst. Aufgrund der Fülle an Effekten kann zusammenfas-send festgehalten werden, dass beim Prozess der Informationsverarbeitung eine vorgeprägte Informationsordnung erfolgt und diese dann auch vereinfacht strukturiert wird.105 Zum Schluss bleibt noch die letzte Gruppe, nämlich die sozialen Einflüsse auf Entscheidungen, welche jedoch im vorhergehenden Kapitel durch den "Herden-trieb" genauer umschrieben sind.

Da diese Schlussfolgerungen auf Experimenten beruhen, ist eine absolute Beschrei-bung der Wirklichkeit nicht gegeben und gewisse Abweichungen von dieser Theorie sind in der Folge nicht auszuschliessen106. Als Fazit kann jedoch festgehalten wer-den, dass sich Rationalität mit Irrationalität vermischt. Zumindest stellt die rationale Sicht, solange es um finanzielle Anlageentscheidungen geht, vermutlich einen nützli-chen Referenzpunkt dar. Sobald jedoch verhaltensprägende Emotionen einfliessen, ist die Rationalität nicht mehr im vollem Umfange sichergestellt. Dieser fliessende Übergang wird von Menkhoff als "quasi-rational" beschrieben.

104 Menkhoff (1995, S. 68-69).

105 Menkhoff (1995, S. 69).

106 Menkhoff (1995, S. 71).

Behaviorale Aspekte der technischen Analyse

35

4. Behaviorale Aspekte der technischen Analyse

Im bisherigen Teil der Arbeit haben wir die theoretischen Grundlagen der Behavioral Finance zusammengetragen und aufbereitet. Somit verfügen wir nun über das Wis-sen der relevanten Modelle und Theorien der Behavioral Finance. In einem weiteren Schritt geht es nun darum, diese einzelnen Theorien anzuwenden und miteinander in Verbindung zu bringen. Es wird ein Instrument notwendig, welches erlaubt die Kurs-verläufe der drei SMI-Aktien zu analysieren. An diesem Punkt kommt die technische Analyse ins Spiel. Die nachfolgenden Themenbereiche der technischen Analyse ge-ben uns die Möglichkeit, die historischen Daten aufzuarbeiten, Muster zu erkennen und diese mit Hilfe der Behavioral Finance Theorien bzw. Modelle zu bewerten. Ne-ben dem Anspruch Erklärungen zu finden, soll auch abschliessend der Versuch ge-wagt werden, Prognosen zu formulieren.

Um diese praktischen Anwendungen umsetzen zu können, ist das Wissen über die technische Analyse äusserst wichtig. In diesem Kapitel werden daher die für uns re-levanten Themen aufgearbeitet. Wir beziehen uns hierbei im Wesentlichen zusam-menfassend auf das Buch "Markt und Meinung" von Bergold/Mayer (2005). Ergän-zend dazu dient das Werk von Murphy (1997).

Im Anschluss an die behavioralen Erkenntnisse stellt sich nun die Frage, welche konkreten Instrumente für die praktische Umsetzung von Behavioral Finance einge-setzt werden sollen. Werden individualpsychologische Verhaltensweisen kumuliert, gelangt man zu einer massenpsychologischen Erscheinung. Diese Verhaltensmuster lassen sich in Bezug auf Börsenaktivitäten durch Charts visualisieren. Im Gegensatz zur Fundamentalanalyse bleiben dabei beispielsweise betriebswirtschaftliche Daten unberücksichtigt. Das Hauptziel besteht darin, aufbauend auf der Diagnose des Chartverlaufs als psychologischen Zustand der Marktteilnehmer, das zukünftige Ver-halten der Investoren unter Berücksichtigung von Wahrscheinlichkeiten zu prognosti-zieren. Verschiedene Indikatoren sollen dabei helfen, geeignete Transaktions-Zeitpunkte zu identifizieren. Obwohl eine Synthese von Fundamentaldaten und Chartanalyse sinnvoll sein kann, wird in diesem Kapitel nur letztere behandelt, da Kursverläufe unter anderem letztlich ein Spiegelbild menschlicher Reaktionen auf fundamentale Faktoren darstellen.107

Philosophisch kann die technische Analyse als eine "subjektive" Analyseform nach "objektiven" Regeln betrachtet werden. Das massenpsychologische Grundverhalten soll primär über den Kurs und sekundär über das Handelsvolumen durch Charts vi-sualisiert und interpretiert werden. Grundsätzlich kann sich ein momentaner Konsens der Marktteilnehmer in aufwärts, abwärts oder seitwärts gerichteten Trends bewe-gen. Dass sich ein Trend fortsetzt wird als wahrscheinlicher betrachtet, als dass die-ser beendet wird. Um erfolgreich agieren zu können, geht es vereinfacht gesagt dar-um, den entscheidenden Trend im Zeitfenster in dem man handelt zu erkennen und dann in Richtung dieses Trends entsprechende Transaktionen vorzunehmen. Im Op-timalfall erlaubt es die technische Analyse, Kurstrend-Änderungen zu erkennen, wel-che dem fundamentalen Trend vorausgehen.108

107 Bergold/Mayer (2005, S. 38-40).

108 Bergold/Mayer (2005, S. 43-44).


36

Abbildung 12: Teilbereiche der Technischen Finanzmarktanalyse109

Wie in der obigen Darstellung ersichtlich, teilt sich das Gebiet der technischen Analy-se in verschiedene Teilbereiche auf. Als erstes wird auf die Trend-Analyse einge-gangen, welche die Dow-, Chart- und Indikatoren-Analyse beinhaltet.

4.1. Trend-Analyse

Per Definition lässt sich ein Trend als eine Grundrichtung einer statistisch erfassba-ren Entwicklung beschreiben. Eine einfache, aber effektive Analysemethode wurde bereits Ende des 19. Jahrhunderts von Charles H. Dow entwickelt, nach welchem - zusammen mit Herrn Jones - der wichtigste Amerikanische Aktienindex benannt worden ist.110

4.1.1. Dow-Technik

Die Dow-Theorie bildet selbst im Computerzeitalter das Fundament der technischen Analyse. Die Kernaussagen von Charles Dow wurden in einer Serie von Artikeln im "Wall Street Journal" veröffentlicht.110

"Aktienkurse bewegen sich in Trends"

In einem Aufwärtstrend überschreiten das Hoch und das Tief jeder neuen Welle das Hoch und Tief der vorausgegangenen Welle. Beim Abwärtstrend fallen die Hoch- und Tiefpunkte jeder neuen Bewegung gegenüber der vorherigen ab. "Seitwärtstrends" mit gleichbleibenden Hochs und Tiefs sind genau genommen trendlose Phasen. Während in Auf- und Abwärtstrends klar Optimisten oder Pessimisten den Ton ange-ben - der Trend wird durch den Umsatz bestätigt -, kommen in trendlosen Phasen die Kurse gewissermassen zufällig zustande. Die Annahme, dass Börsen langfristig stei-gen, kann durch den Basistrend, welcher das Chartmuster seit den ersten Aufzeich-nungen der Aktienkurse beinhaltet, am einfachsten belegt werden. Die realwirtschaft-liche Argumentation für diese Steigung ist die Innovation und der daraus entstehende kumulierte Reichtum der Volkswirtschaft. Eine einfache Schlussfolgerung für einen Anleger wäre somit, Aktien zu kaufen und diese einfach ca. 30 Jahre passiv liegen zu lassen. So kann das Verlustrisiko eines Einstiegs bei einem historischen Hoch kurz vor einem drastischen Einbruch minimiert werden. Da 30 Jahre jedoch eine sehr lange Zeitspanne ist, macht es Sinn, sich ebenfalls mit kürzeren Zeitfenstern zu be-fassen und unter Umständen eine aktive Strategie ins Auge zu fassen.111


110 Bergold/Mayer (2005, S. 45-46).

111 Bergold/Mayer (2005, S. 47-49).


37

"Der Markt hat neben dem Basistrend drei untergeordnete Trends"

Die Primärtrends sind die langfristigen Trends, sie schwanken zyklisch um den Ba-sistrend und dauern zwei oder mehr Jahre. Sie entstehen aufgrund realwirtschaftli-cher Langzeitentwicklungen. Sekundärtrends schwanken mittelfristig zyklisch um die Primärtrends und haben eine Dauer von sechs bis 18 Monaten. Sie sind mit der Ent-wicklung der Unternehmensgewinne erklärbar. Tertiärtrends schwanken kurzfristig um die Sekundärtrends und dauern ca. drei bis 12 Wochen. Sie entstehen meist auf-grund von Termingeschäften.112

"Primäre Trends unterteilen sich in drei Phasen"

Aufgrund von professionellen Investor-Aktivitäten geht die Dow-Theorie von drei Phasen innerhalb eines Primärtrends aus. Der Startpunkt bildet die Akkumulations-phase, wobei der Markt eine längere Abwärtsbewegung hinter sich hat und Aktien tendenziell unterbewertet sind. Während die grosse Masse bedingt durch die negati-ve Nachrichtenlage weiter an eine Fortsetzung der Baisse glaubt, wird dies von we-nigen professionellen Grossinvestoren ausgenutzt indem sie strategische Positionen aufbauen. In der zweiten Phase setzt sich die Verbesserung der Fundamentaldaten allmählich in der öffentlichen Wahrnehmung durch und führt zu einem Stimmungs-wechsel. Die "Public Phase" führt zu steigenden Kursen und es setzt sich die Über-zeugung durch, dass es sich um einen längerfristigen Aufschwung handelt. In dieser Phase beteiligen sich professionelle Anleger überdurchschnittlich, um maximal von dieser Entwicklung zu profitieren. Anzeichen zum Übergang in die letzte Phase ist die Zunahme unerfahrener Anleger welche, durch die Massenmedien motiviert, ebenfalls von der Hausse profitieren wollen. Zum Schluss läutet die Distributionspha-se die letzte Aufwärtsbewegung des langfristigen Primärtrends ein. Die optimistische Berichterstattung der Medien ruft spekulative Käufer auf den Plan, während die Grossinvestoren, welche bei der ersten Bewegung bereits involviert waren, bereits wieder verkaufen (distribuieren).113

"Das Volumen muss den Trend bestätigen"

Dow ging davon aus, dass sich die Marktkräfte bei einer Kursbewegung erst richtig einschätzen lassen, wenn auch das dahinterstehende Volumen in die Betrachtung miteinbezogen wird. Ein höheres Volumen bedeutet einen höheren Grad an Intensi-tät oder Druck und umgekehrt. Durch eine Kurs-Umsatz-Analyse ergeben sich An-haltspunkte über Verhaltensweisen verschiedener Teilnehmergruppen am Markt. Entweder fliessen die Geldströme konvergent oder divergent zum Trend. Besteht Umsatzkonvergenz zum Kursverlauf, nehmen die Umsätze in Richtung des existie-renden Kurstrends zu. Dies bedeutet, dass in einem bestehenden Aufwärtstrend die Umsätze bei Aufwärtsbewegungen höher sein sollten und bei Abwärtsbewegungen abnehmen. Die Umsätze bestätigen somit den Kurstrend und die Trendbewegung ist "gesund". Derselbe Fall in die andere Richtung ist gegeben, wenn bei einem beste-henden Abwärtstrend die Umsätze bei Abwärtsbewegungen höher sind als bei kurz-fristigen Aufwärtsbewegungen. Liegt eine Umsatzdivergenz zum Kursverlauf vor, steigen die Kurse in einem Aufwärtstrend über ein früheres Hoch bei gleichzeitig fal-lenden Umsätzen oder die Kurse fallen in einem Abwärtstrend unter ein früheres Tief

112 Bergold/Mayer (2005, S. 49-50).

113 Bergold/Mayer (2005, S. 62-68).


38

bei ebenfalls fallenden Umsätzen. Im zweiten Fall bestätigen die Umsätze den Kurs-trend nicht und die Trendbewegung ist "krank". Bei dieser Interpretation wird davon ausgegangen, dass die Umsätze dem Kursverlauf vorauseilen. Dies bedeutet, dass eine Umsatzdivergenz einen längerfristigen Trendwechsel vorwegnehmen kann. Die entscheidende Signalwirkung erfolgt jedoch immer durch den Kursverlauf.114

Abbildung 13: Beispiel Kurs-Umsatz-Analyse115

Wie in der obigen Darstellung ersichtlich ist, besteht beim Aufwärtstrend eine Um-satzkonvergenz, wobei Kurssteigerungen von hohen Umsätzen begleitet wurden. Nach dem Trendwechsel bestätigen die hohen Umsätze die Abwärtsbewegungen und es herrscht wiederum eine Umsatzkonvergenz. Hohe Umsätze wurden also in Richtung des bestehenden Trends realisiert. In Bezug auf die Teilnehmergruppen kann dies bedeuten, dass beim letzten Kursanstieg (innerhalb der Umsatzdivergenz) professionelle Investoren nicht mehr als Nachfrager auftraten und somit tiefe Umsät-ze begünstigten. Beim Abwärtstrend handelt es sich zwischenzeitlich nur um tertiäre Aufwärtstrends, welche von tiefen Umsätzen begleitet wurden. Dies ist auch ein Zei-chen eines "Bear-market-Rallyes" in einem übergeordneten Abwärtstrend.114

4.1.2. Charttechnik

Bei der Charttechnik werden im Gegensatz zur Dow-Technik zusätzliche Hilfslinien verwendet. Eine solche Trendlinie ist in der Regel ab drei Berührungspunkten mit dem Kurs gültig. In einem Aufwärtstrend wird unter den Kursverlauf eine sogenannte Unterstützungslinie gezeichnet, während bei einem Abwärtstrend eine Widerstands-linie über die oberen Kursspitzen gelegt wird. Werden zwei Linien entlang des Trends gezeichnet entsteht ein Trendkanal. Ein weiteres Instrument ist das Konzept der Unterstützungen, welche den Kursverfall aufhalten und Widerstände, die den Kursanstieg begrenzen. In einem übergeordneten Trend werden diese beiden Gren-zen irgendwann durchbrochen und der Anstieg bzw. Verfall wird fortgesetzt. Wichtig ist jedoch, dass bei diesem Konzept jedes Zwischenhoch bzw. Zwischentief das vo-

114 Bergold/Mayer (2005, S. 73-76).



39

rangegangene überschreitet bzw. unterbietet, sonst ist die Chance gross, dass der Trend nicht fortgesetzt wird. Häufig kommt es nach einem signifikanten Durchbruch wichtiger Unterstützungen oder Widerstände zu einem Rollentausch, indem Wider-standslinien zu Unterstützungen werden und umgekehrt. Sobald der Kursverlauf eine Trendlinie schneidet, wird dies als Trendbruch definiert. Eine solche Trendlinienver-letzung wird in der Charttechnik als Kaufsignal (Bruch Abwärtstrendlinie) bzw. Ver-kaufssignal (Bruch Aufwärtstrendlinie) interpretiert. Weiter gibt es verschiedene Chartformationen welche sich in Trendumkehr- und Trendfolgeformationen untertei-len. Da diese Formationen jedoch das Potential eines separaten Kapitels aufweisen wird auf eine detaillierte Ausführung verzichtet.116

4.1.3. Markttechnik

Bei der Markttechnik handelt es sich im Prinzip um eine Indikatoren-Analyse welche mit finanzmathematischen und statistischen Methoden rechnet. Während die Chart-technik den Trend definiert, unterstützt die Markttechnik die Charttechnik, beurteilt deren Qualität und erhöht somit die Wahrscheinlichkeit der Prognosen. Verhalten sich die Indikatoren zum Kursverlauf konvergent, gilt die Preisbewegung als bestä-tigt. Andernfalls dient die Markttechnik als ein "Frühwarnsystem", da die Trendlinien des Indikatorenverlaufs meist früher gebrochen werden als die Kurstrends. Jedoch sollte die Konzentration in Bezug auf die Signalgebung auf der Dow-Theorie oder Charttechnik beruhen, da die Zeitverzögerung zwischen Warnsignal und Kauf- bzw. Verkaufssignal gross sein kann. Zusammengefasst handelt es sich bei der Dow- und Charttechnik um primäre Instrumente, welche den Trend definieren, während die Markttechnik als sekundäres Instrument ein mögliches Frühwarnsystem darstellt.117

4.1.3.1. Trendfolgende Indikatoren

Trendfolgende Indikatoren zeigen den vorherrschenden Markttrend an und werden somit nicht in seitwärts tendierenden Märkten verwendet. Gleitende Durchschnitte sind dabei mathematische Methoden um dies aufzuzeigen. Durch eine Glättungs-komponente besteht eine Zeitverzögerung zum Kursverlauf. Der Sinn besteht im Wesentlichen darin, durch die Glättung die kurzfristige Volatilität herauszufiltern. "Gleitend" bedeutet, dass mit jedem neuen Kurs der älteste Kurs des jeweiligen Be-trachtungszeitraumes aus der Berechnung herausfällt. Ein Trendwechsel wird erst angezeigt nachdem dieser bereits erfolgt ist. Entscheidend dabei ist die Richtung der Neigung. Steigt diese - meist durch Kurse oberhalb des Gleitenden Durchschnitts - befindet sich der Markt in einem Aufwärtstrend und der Markt ist bullish bzw. umge-kehrt.118 Liegt ein Schlusskurs unterhalb des gleitenden Durchschnitts und dieser gleichzeitig nach unten tendiert ist das negative Signal als signifikant einzustufen. Ein 50-Tage Durchschnitt wird in der Regel für einen Zwischentrend und ein 200-Tage Durchschnitt für einen langfristigen Trend verwendet. Eine Kombination von Durch-schnitten ist jedoch sinnvoll. Beispielsweise kann eine Aktie als beständig angesehen werden, wenn sie über ihrem gleitenden 50- sowie 100-Tage-Durchschnitt notiert.119 Liegt der kurzfristige über dem langfristigen Trend kann der Trend als optimistisch

116 Bergold/Mayer (2005, S. 78-83).

117 Bergold/Mayer (2005, S. 100-103).

118 Bergold/Mayer (2005, S. 103-105).

119 Murphy (1997, S. 106-107).


40

eingestuft werden. Schneidet die kurzfristige Trendlinie die längerfristige, ist es mög-lich, dass sich in der Folge der übergeordnete Trend ändert.120

Beim einfachen gleitenden Durchschnitt (bzw. simple moving average SMA) handelt es sich um das arithmetische Mittel der einzelnen Kurse in einem bestimmten Zeit-raum. Mathematisch präsentiert sich dieser Sachverhalt wie folgt:

SMAt = (Kt-n+1 + Kt-2n+2 + Kt-n+3 + … + Kt) / n

Wie die Formel aufzeigt, werden alle Schlusskurse des betrachteten Zeitraums ad-diert und durch die Anzahl Tage (welche in diesem Falle gleichbedeutend sind mit der Anzahl der Kurse) dividiert.121 Eine mögliche Kritik dabei ist, dass jüngere und aktuellere Kurse eine stärkere Gewichtung haben sollten als ältere. Um dieser Prob-lematik gerecht zu werden, kann der linear gewichtete gleitende Durchschnitt (linear weighted moving average LWMA) angewendet werden:

LWMAt = (Kt-n+1 x W1 + Kt-n+2 x W2 + Kt-n+3 x W3 + … + Kt x Wn)

In dieser modifizierten Formel werden ausgehend vom SMA die einzelnen Kurse mit einem Gewichtungsfaktor multipliziert, wobei ältere Kurse weniger stark gewichtet werden als die aktuellen.122

Eine weitere Möglichkeit stellt der exponentiell gewichtete gleitende Durchschnitt dar, welcher bei jüngeren Daten schneller reagiert, als dies beim linear gewichteten glei-tenden Durchschnitt der Fall ist.122 Interessant dabei ist, dass gleitende Durchschnit-te in einem Aufwärtstrend als Unterstützungen und in einem Abwärtstrend als Wider-stände betrachtet werden können.123

Auf den gleitenden Durchschnitten aufbauend gibt es die Bollinger-Bänder-Technik. Dabei wird jeweils ein Band um zwei Standardabweichungen ober- und unterhalb des gleitenden Durchschnitts angelegt. Somit liegen 95% der Kurse innerhalb der Bänder. Je nach Volatilität nähern sich die Kurse den Bollinger-Bänder an oder ent-fernen sich von ihnen. "Die einfachste Interpretation der Bollinger-Bänder besteht darin, das obere Band als Widerstandslinie und das untere Band als Unterstützungs-line anzusehen."124 Zusätzlich können die Bollinger-Bänder zur Formulierung von Kurszielen verwendet werden.125

4.1.3.2. Oszillierende Indikatoren

Oszillatoren dienen dazu, in trendlosen Phasen Übertreibungen anzuzeigen und deu-ten auf "überkaufte" bzw. "überverkaufte" Marktsituationen hin. Im Gegensatz zu den Trendfolgeindikatoren generieren sie keine sinnvollen Signale in starken Trendmärk-ten, da sich die Kurse dort länger in "überhitzten Zuständen" befinden können. Sie kennzeichnen emotionale Extrempunkte bzw. "messen" den Grad des Optimismus oder des Pessimismus am Markt. Trendwenden treten häufig dann auf, wenn der

120 Murphy (1997, S. 112).

121 Bergold/Mayer (2005, S. 105).

122 Bergold/Mayer (2005, S. 106).

123 Bergold/Mayer (2005, S. 108).

124 Murphy (1997, S. 121).

125 Murphy (1997, S. 123).


41

vorherrschende Trend am ausgeprägtesten ist (Bsp. bei extremer Gier oder Angst). Sie funktionieren nur in seitwärts gerichteten Märkten.126

Das am häufigste verwendete Instrument ist der Momentum-Indikator, welcher die Beschleunigung bzw. die Dynamik des zugrunde liegenden Kursverlaufs visualisiert. Die Neigung des Indikators zeigt auf, ob das Trendmomentum zunimmt oder ab-nimmt.127 Die Mittellinie stellt beim Momentum der Schlüssel zum Kaufsignal (Linie wird nach oben gekreuzt) bzw. Verkaufsignal (Kreuzung der Linie nach unten) dar.128 Liegt die Oszillatorlinie sehr weit oben, wird der Markt als überkauft angesehen und umgekehrt. Nähert sich die Linie der Mittellinie ist dies ein frühes Signal dafür, dass der Trend an Dynamik verliert. Da keine universell gültigen Werte für dieses Instru-ment existieren, kommt das Momentum nicht um subjektive Interpretationen her-um.129

Ein weiterer Indikator ist der Relative Strength Index (RSI), welcher die "innere Stär-ke" einer Kursbewegung anzeigt. Im konkreten Fall wird dabei das Verhältnis der Aufwärts- zu den Abwärtsschlusskursen berechnet. Je grösser das Verhältnis von positiver zu negativer Kursdifferenz ist, desto mehr gilt der analysierte Titel als "über-kauft" (hoher RSI-Wert). Ein tiefer Wert zeigt eine "überverkaufte" Situation an. Der RSI gilt im Gegensatz zum Momentum als für eine markttechnische Signalgenerie-rung ungeeignet.130 Quantitativ wird bei einem RSI von über 70 von einem überkauf-ten Markt ausgegangen, während ein Wert von unter 30 auf eine überverkaufte Marktverfassung hindeutet. "Da sich diese beiden Grenzen auf jeden beliebigen Markt anwenden lassen, wird das Erkennen von überhitzten Märkten sehr erleich-tert."131 Jedoch ist es bei einem starken Aufwärtstrend möglich, dass der RSI-Oszillator längere Zeit oberhalb der 70er-Marke verharrt und umgekehrt unter der 30er-Marke. In solchen Fällen ist es empfehlenswert, den Oszillator während dieses klaren Trends zu ignorieren.132

4.2. Zyklen-Analyse

Wie im obenstehenden Kapitel der Trendanalyse erwähnt, wird bei jener Analyse hauptsächlich der Kursverlauf betrachtet. Der für die Börsenzyklen wichtige Faktor Zeit wird aber meist nicht berücksichtigt. Genau an diesem Punkt kommt die Zyklen-Analyse ins Spiel, sie beschäftigt sich mit der Frage wann eine Kursbewegung ge-startet bzw. beendet wird.133 Bevor wir uns jedoch genauer mit der Zeitzyklen-Analyse beschäftigen, werden wir als Zwischenschritt die sogenannte Elliott-Wave-Analyse genauer unter die Lupe nehmen.

126 Bergold/Mayer (2005, S. 114).

127 Bergold/Mayer (2005, S. 114-115).

128 Murphy (1997, S 129).

129 Murphy (1997, S. 132).

130 Bergold/Mayer (2005, S. 117-119).

131 Murphy (1997, S. 135)

132 Murphy (1997, S. 139).

133 Bergold/Mayer (2005, S. 130).


42

4.2.1. Elliott-Wave-Analyse

Unter der Elliot-Wave Analyse versteht man einen natürlichen Zyklus, welcher auf den Grundverhaltensmustern der Finance Community aufbaut. Anders formuliert ist es der rhythmische Wechsel zwischen Angst und Gier. In Ergänzung zur DOW-Theorie lässt sich damit eine in jedem Zeitfenster anwendbare massenpsychologi-sche Gesamtmarkt-Analyse erstellen. Die Grundmuster lassen sich in jeder Zeitskala (ob Minuten oder Jahre) wiederfinden. Als Grundlage für die Analyse werden Kurs-formationen, Konsolidierungspotenziale, Verhältnisse zur Kurszielbestimmung und Zeitspannen beigezogen. Erfahrungsgemäss steigen die Märkte in einer Serie von fünf Wellen nach oben (Hausse-Zyklus / Impulswelle) und sinken anschliessend in einer Serie von drei Wellen nach unten (Baisse-Zyklus / Korrekturwelle).134

Zur besseren Illustration dieser Grundannahmen ist in der untenstehenden Grafik ein solcher Basiszyklus als Tages-, Wochen-, und Jahres-Chart abgebildet. Die fünf Wel-len nach oben werden mit den Zahlen eins bis fünf, die drei Wellen nach unten mit den Buchstaben a bis c, gekennzeichnet. Die erste Welle des Monats-Charts besteht aus den fünf Wellen des Wochen-Charts und so weiter.135

Abbildung 14: Elliott-Wave-Grundzyklus135

Fibonacci Um die Erkenntnisse der Elliott-Wave auf die Finanzmärkte übertragen zu können, benötigen wir Grundkenntnisse der sogenannten Fibonacci-Zahlenfolge und –Verhältnisse.

Gemäss dem Mathematiker Leonardo da Pisa, genannt Fibonacci, gibt es eine Zah-lenfolge, die auf viele in der Natur vorkommenden Vorgänge von logarithmischem Wachstum und Schrumpfung anwendbar ist. Diese Zahlenfolge, welche wir nachfol-gend genauer beschreiben werden, ist auch auf die Entwicklungen an den Kapital-

134 Bergold/Mayer (2005, S. 131).

135 Bergold/Mayer (2005, S. 132).


43

märkten übertragbar. Anhand dieser können Kursprognosen innerhalb der Elliott-Wave gemacht werden.136

Fibonnacci-Zahlenreihenfolge: 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233,…

"Errechnet wird die Zahlenreihe durch Addition zweier aufeinander folgender Zahlen, beginnend mit der 1: 1 + 1 = 2; 1 + 2 = 3; 2 + 3 = 5; 3 + 5 = 8; 5 + 8 = 13; usw."137

Folgende Erkenntnisse können daraus gezogen werden:

Der Quotient zweier benachbarter Zahlen nähert sich dem Wert 1.618.

Die reziproke Berechnung nähert sich dem Wert 0,618.

Dividiert man mit einer Zahl die zwei Ränge tiefer liegt, erhält man die Werte 2.618 und 0.382.

Dividiert man mit einer Zahl die drei Ränge tiefer liegt, erhält man die Werte 4.236 und 0.236.

Übertragen auf die Kursverläufe der Elliott-Welle würde die Impulswelle in fünf (Fibo-nacci-Zahl), und die Korrekturwelle in drei (Fibonacci-Zahl) Unterwellen gegliedert. Der komplette Grundzyklus besteht somit aus acht (Fibonacci-Zahl) Unterwellen.137

Die genauere Errechnung der Zahlen lassen wir aus und stützen uns bei der Inter-pretation bzw. Anwendung auf das Buch von Bulkowski, "Traden mit Chart Formatio-nen". Die Fibonacci Zahlen besagen somit, dass Aktien oft 38, 50 oder 62 Prozent ih-rer Gewinne wieder einbüssen. Die Zahlen sind Annäherungen und somit nicht bis in die Kommastellen zu betrachten. In der Praxis wird daher oft von Retracements um einen Drittel, die Hälfte oder zwei Drittel gesprochen.138

Zusammenfassend lässt sich festhalten, dass anhand der Fibonacci-Zahlen die Grössenverhältnisse der einzelnen Wellen bestimmt werden können. Es ist somit besser möglich, Kursziele zu prognostizieren, wobei die Eintrittswahrscheinlichkeit der Prognose durch die Kombination mit den charttechnischen Widerständen und Unterstützungen noch erhöht werden kann.139

In der nachfolgenden Grafik ist der Ablauf eines Grund- und Marktstimmungs-Zyklus abgebildet. Die Erklärungen der einzelnen Wellen 1-5 und a-c beziehen zusammen-fassend auf das Buch "Markt und Meinung" von Bergold/Mayer (2005).140

136 Bergold/Mayer (2005, S. 133).

137 Bergold/Mayer (2005, S. 134).

138 Bulkowski (2008, S. 94-95).

139 Bergold/Mayer (2005, S. 135).

140 Bergold/Mayer (2005, S. 137-139).


44

Abbildung 15: Modell eines Elliott-Wave-Zyklus141

Welle I Die erste Welle beginnt immer am Ende einer Baisse. In dieser Phase ist die Stim-mung sehr negativ. Nur wenige Investoren nehmen daran teil und daher ist diese Im-pulswelle meist kurz und durch tiefe Umsätze geprägt.

Welle II Eine erste Korrektur tritt ein und bestätigt daher diejenigen Investoren, die an der ersten Welle nicht teilgenommen haben. Durch die hohe Angst im Markt, kann die Korrektur bis zu 100% der ersten Welle ausmachen.

Welle III Nach Überschreiten des Hochs der Welle I vollzieht sich ein Stimmungswechsel von Pessimismus hin zu Optimismus. Wir befinden uns nun in der kräftigsten aller Im-pulswellen. In Folge der positiven Nachrichtenlage kommt es zu einer Rallye, welche die Umsätze in die Höhe treibt. Langsam aber sicher werden breite Bevölkerungs-schichten auf die Aktienmärkte aufmerksam.

Welle IV Diese Phase ist durch die Gewinnmitnahmen der Anleger mit mittelfristigem Anlage-horizont gekennzeichnet.

Welle V Diese letzte Aufwärtswelle ist durch Gier und Euphorie gekennzeichnet. Die Berichte in den Massenmedien über die grosse Hausse treiben die Leute an die Märkte. Es bricht eine regelrechte Kaufpanik aus und die Kurse sowie Umsätze steigen massiv.

141 Bergold/Mayer (2005, S. 140).


45

Es ist höchste Zeit, für die Investoren der ersten Stunde, die Positionen unbemerkt abzubauen.

Welle a Obwohl die Medien weiterhin positiv berichten hat die Hausse den Peak überschrit-ten. Die ersten Korrekturen sind ersichtlich, werden jedoch nur als kurzfristige Konso-lidierung eines grossen Aufwärtstrends wahrgenommen. Diese Tatsache verleitet viele Anleger dazu, vermeintlich "günstig" nachzukaufen.

Welle b Die Kurse steigen in Folge der Nachkäufe nochmals an. Dies bestätigt die Marktteil-nehmer in fataler Weise. Die fundamentale Überbewertung wird durch die Käufer nicht wahrgenommen. In der Charttechnik wird in diesem Zusammenhang oft von ei-ner Umkehrformation geredet.

Welle c Am Anfang einer Welle c steht meist ein externer Schock. Die Stimmung schlägt ins pessimistische um und die Medien unterstützen diesen Prozess mit negativen Mel-dungen. Von Seite der Analysten werden schwarze Szenarien gezeichnet und es kommt zu einer Verkaufspanik. In dieser Situation besteht die Gefahr eines soge-nannten Crashs.

Fazit Im Zusammenhang mit der Trendanalyse ist die Elliott-Wave-Analyse durchaus als sinnvolle Ergänzung zu sehen. Die als zufällig erscheinenden Kurse an den Kapital-märkten, können dadurch strukturiert und teilweise eingeordnet werden. Nichtsdesto-trotz ist eine Aussage über künftige Kurse äusserst schwierig und von vielen Unsi-cherheiten geprägt. Die Autoren sehen daher den Anwendungsbereich eher in der Aufarbeitung und Erklärung vergangener Geschehnisse.

4.2.2. Zeitzyklen-Analyse

Im Gegensatz zur zuvor behandelten Elliott-Wave-Analyse steht bei der Zeitzyklen-Analyse, wie es der Name schon sagt, die Zeit im Vordergrund. Unter der Zeitzyklen-Analyse verstehen wir eine periodisch ablaufende Kursbewegung, wobei die Länge von Tief zu Tief gemessen wird. Folgende Parameter sind hierbei von grosser Rele-vanz:

Amplitude: Höhe der Welle

Länge: Zeitspanne zwischen zwei Wellentälern

Phase: Zeitpunkt eines Wellentals


46

Abbildung 16: Zyklusparameter142

Da die Zyklen relativ konstant sind, kann man nicht nur Trends, sondern auch künfti-ge Trendwenden mit hoher Wahrscheinlichkeit prognostizieren.142 Als längste uns bekannte Zyklen gelten die 75 Jahres-Generationen-Zyklen. Ihre Tiefpunkte treten nur einmal in hundert Jahren auf und waren bis jetzt immer der Anfang von sehr ne-gativen wirtschaftlichen und politischen Entwicklungen. In Folge der langen Zeitdauer dieses Zyklus sind erst relativ wenige dieser Schwankungen empirisch belegt. Bis anhin kam es alle 75 Jahre zu einer Weltwirtschaftskrise, welche jeweils von einem historischen Börsentief eingeleitet wurde. Zum Zeitpunkt der Entstehung der unten-stehenden Grafik im Jahre 2005 wurde die nächste Krise anhand des Generationen-zyklus auf das Jahr 2007 prognostiziert.143 Wie aus der Publikation von Philipp M. Hildebrand, damaliger Vizepräsident des Direktoriums der Schweizerischen Natio-nalbank, zu entnehmen ist, wird der August 2007 als Beginn der Finanzkrise be-zeichnet. Als Kriterium für die Festlegung nennt er die Tatsache, dass ab diesem Monat die Steuerung des Libor über den Repo-Satz erheblich erschwert wurde.144

Abbildung 17: Generationen-Zyklus143

142 Bergold/Mayer (2005, S. 158).

143 Bergold/Mayer (2005, S. 161).

144 Hildebrand (2009, S. 7).


47

Weiter wird der Generationen-Zyklus in zwei 36-Jahre Zyklen unterteilt. Dieser wie-derum wird in zwei 18-Jahre Zyklen aufgeteilt.145 Auch dieser wird weiter in den 9-Jahres-Juglar Zyklus aufgeteilt. Der 9-jährige Zyklus ist von grosser Bedeutung, da er sich jeweils von Rezession zu Rezession erstreckt. Interessant zu erwähnen ist, dass der Goldpreis ebenfalls im Rhythmus von 9 Jahren schwankt. Hierbei ist zu bemerken, dass das Gold aufgrund der negativen Korrelation zum Aktienmarkt stets gegenteilig läuft.146 Zu guter Letzt gibt es den 4-Jahres-Kitchen Zyklus, welcher hauptsächlich die konjunkturellen Verlangsamungen erfasst.147

Ausgehend von den erkannten Zyklen lässt sich nun ableiten, ob es sich um einen Aufwärtstrend (rechtsseitige Translation des Zyklus), einen Abwärtstrend (linksseitige Translation des Zyklus) oder einen Seitwärtstrend handelt. Zur Illustration wird un-tenstehend die Translationsanalyse der 4-Jahres Zyklen des DAX-Index beigezo-gen.148

Abbildung 18: Translationsanalyse des 4-Jahres Zyklus beim DAX seit 1982149

Erwähnenswert ist, dass der Höhepunkt bis anhin jeweils rechts im Zyklus lag. Im letzten hier ersichtlichen Zyklus ist jedoch eine linksseitige Translation festzustellen. Dies deutet mit hoher Wahrscheinlichkeit auf einen Trendwechsel des übergeordne-ten Zyklus hin. Zusammenfassend lässt sich sagen, dass Veränderungen im Rhyth-mus der Kursbewegungen auf Schwankungen in der Psychologie der Marktteilneh-mer zurückzuführen ist.150

145 Bergold/Mayer (2005, S. 164).

146 Bergold/Mayer (2005, S. 165-166).

147 Bergold/Mayer (2005, S. 167).

148 Bergold/Mayer (2005, S. 169).

149 Bergold/Mayer (2005, S. 171).

150 Bergold/Mayer (2005, S. 172).


48

4.3. Sentiment-Analyse

Die Sentiment-Analyse soll dazu dienen und helfen, die allgemeine Stimmung an den Märkten zu erkennen. Dabei gibt es verschiedene Indikatoren, welche dies anzeigen können.

Put/Call Ratio Während Call Optionen den Inhabern das Recht verleihen, eine Aktie zu einem be-stimmten Preis zu kaufen, eröffnen diese Papiere Möglichkeiten, von einem steigen-den Markt zu profitieren. Put Optionen hingegen beinhalten das Recht, Aktien zu ei-nem bestimmten Preis zu verkaufen, wobei dies bei sinkenden Preisen zu einem Gewinn führen kann. Das Ratio der ausstehenden Call und Put Optionen nennt man Put/Call Ratio. Typischerweise befindet sich dieses bei ca. 65%. Da durch die oben beschriebenen Charakteristiken bei Marktschwankungen Gewinne eingefahren wer-den können, repräsentieren Abweichungen von der historischen Norm ein Marktsig-nal. Es kann beispielsweise die aktuelle Stimmung am Markt widerspiegeln. Interes-santerweise können Veränderungen jedoch unterschiedlich interpretiert werden. Häufig versteht man jedoch unter einem steigenden Ratio (mehr ausstehende Put als Call Optionen) ein bearishes Signal, da sich so mehrere Teilnehmer gegen einen Einbruch absichern wollen und die Psychologie, wie dies in anderen Kapiteln be-schrieben ist, die Kurse tatsächlich beeinflussen kann. Geht man davon aus, dass der Markt bei einem hohen Put/Call Ratio eher pessimistisch ist, gehen vor allem so-genannte "Contrarian Investors" davon aus, dass der Moment günstig ist, in Aktien einzusteigen. Ein hohes Put/Call Ratio kann somit als Kaufgelegenheit interpretiert werden.151 An dieser Stelle muss jedoch auch erwähnt werden, dass solche Interpre-tationen immer mit Vorsicht zu geniessen sind. Erstens ist es keinesfalls sicherge-stellt, dass sich vergangene Muster in der Zukunft wiederholen. Zweitens würden "eindeutige" Muster von mehreren Marktteilnehmern aufgespürt und können somit di-rekt wieder verschwinden.

Das Ziel der Sentiment-Analyse besteht darin, die Stimmung unter den Marktteil-nehmern zu erfassen. Als Grundlage hierzu dient das Prinzip der gegensätzlichen Meinung. Börsenkurse bilden grundsätzlich die Angebots- und Nachfragesituation zu einem bestimmten Zeitpunkt ab. Angebot und Nachfrage ist als Resultat des Aktio-nismus der Marktteilnehmer zu sehen, welche auf diese Art und Weise ihre Sicht der Dinge bzw. ihre Erwartungen verarbeiten. Somit ist ein beträchtlicher Einfluss der psychologischen Prozesse auf die Handelsentscheidungen offensichtlich. Es ist da-her anzunehmen, dass sich rationale und irrationale Prozesse für gewöhnlich ab-wechseln.152

Im Gegensatz zur Trendanalyse, welche auf die Bestimmung der Trendrichtung spe-zialisiert ist, soll die Sentimentanalyse nur zur Trendwechselbestimmung eingesetzt werden. Das heisst, dass nur in Trendwenden von oben nach unten oder umgekehrt, eine Aussage gemacht werden kann. Hierzu werden grundsätzlich zwei Indikatoren in Relation zueinander gesetzt.153 Nachfolgend werden die zur Verfügung stehenden Indikatoren einzeln beschrieben.

151 Bodie u.a. (2008, S. 412-413).

152 Bergold/Mayer (2005, S. 174).

153 Bergold/Mayer (2005, S. 175).


49

Handelsvolumen versus BIP In durchschnittlichen Börsenphasen ist das breite Publikum nur wenig an den Börsen präsent. In dieser Zeit beträgt das US-Handelsvolumen zwischen 20 und 30% des US-BIP. Entwickelt sich nun eine Euphorie, so steigt dieser Wert markant an. So wurde im Jahr 2000 beispielsweise ein Extremwert von 320% und im Jahre 1974 ein Negativwert von 10% erreicht. Diese Faktoren zeigen uns deutlich den Beginn einer Trendwende auf.154

Aktienanteil am Vermögen der Privathaushalte Als Folge der voran beschriebenen Handelsvolumensteigerung nimmt der Aktienan-teil der Haushalte gemessen am Gesamtvermögen zu. Höchst- und Tiefststände bei der Aktienquote sind als Anzeichen für eine Trendwende zu sehen.155 Beispielsweise steigt die Korrekturwahrscheinlichkeit an, sobald viele Marktteilnehmer bereits inves-tiert sind, da in der Folge weniger Geld für neue Käufe übrigbleibt.

Dow / Gold-Ratio Gold als negativ korrelierendes Asset zu Aktien widerspiegelt bei Höchstständen die Angst der Anleger. Mit Hilfe der folgenden grafischen Darstellung des Dow / Gold-Ratio wird ersichtlich, dass ein Ratio in der Region von 2 bzw. 20 zu einer Trend-wende führt.156

Abbildung 19: Dow / Gold Ratio seit 1900157

Unternehmenskreditvolumen versus BIP und Bankenkreditvergabe versus BIP Analog zu den Privatpersonen sind auch Unternehmungen nach langen Aufwärts-phasen am Güter- sowie Kapitalmarkt sehr optimistisch und entsprechend gross ist ihre Kreditnachfrage für Investitionsprojekte. Historisch gesehen erreichten die Kre-ditengagements den Höhepunkt in etwa gleichzeitig wie die Aktienmärkte. Die Kenn-zahl der Bankenkreditvergabe im Verhältnis zum BIP steht in direktem Zusammen-

154 Bergold/Mayer (2005, S. 176-177).

155 Bergold/Mayer (2005, S. 178-179).

156 Bergold/Mayer (2005, S. 180-181).

157 Bergold/Mayer (2005, S. 180).


50

hang mit dem Unternehmenskreditvolumen und unterstreicht dessen Aussage-kraft.158

Konsumentenvertrauen Dieser von den Medien oft zitierte Index gibt Auskunft über das Vertrauen der Kon-sumenten in die Wirtschaft. Steigt das Vertrauen auf hohe Werte an, was sich in ei-ner niedrigen Sparquote und hoher Kreditbelastung widerspiegelt, dann ist mit einem realwirtschaftlichen Konjunkturgipfel zu rechnen. Die Börse als Vorindikator hat da-her hohes Korrekturpotenzial.159

Fazit Findet man mit Hilfe der Sentiment-Analyse heraus, in welcher Stimmungsphase sich der Markt befindet, dann sollte der Investor in die entgegengesetzte Richtung han-deln.

4.4. Mathematische Modelle

Da im Bereich der mathematischen Modelle eine Fülle von Möglichkeiten existiert, soll zuerst vorausblickend auf den Teil "Anwendung der Theorie" Bezug genommen werden. Grundsätzlich geht es - ausgehend von mathematischen Modellen - im We-sentlichen darum, signifikante "Muster" zu erkennen. Im Fachjargon wird in diesem Zusammenhang von "Pattern Recognition" gesprochen. Dabei können beispielswei-se verschiedene Indikatoren einander gegenübergestellt werden, wobei der Fokus auf deren Korrelation liegt. Ist diese hoch, kann bereits eine quantitativ aber auch qualitativ gute Aussage gemacht werden. Theoretisch ist es aber auch möglich, nur einzelne Kursabläufe zu betrachten, wie dies bei der Kalenderanomalie der Fall ist. Darauf aufbauend können somit auch Untersuchungen gemacht werden, wie sich die Renditen verschiedener Wochentage verhalten. Dies und weitere mögliche Variatio-nen werden im Anschluss im "praktischen Teil" der Bachelor Thesis realisiert.

Die Risikoquantifizierung nimmt innerhalb der Finance einen wichtigen Stellenwert ein. Grundsätzlich wird das Ziel verfolgt, bei einer bestimmten Rendite ein möglichst tiefes Risiko einzugehen oder bei einem gewissen Risiko eine möglichst hohe Rendi-te zu erreichen. Das am häufigsten verwendete Modell in diesem Zusammenhang ist die Standardabweichung, welche die Streuung vom Mittelwert einer bestimmten An-lage genauer quantifiziert. Da es sich hiermit aus mathematischer Sicht um eine rela-tiv einfache Modellierung handelt, soll folgend ein alternativer Ansatz kurz beschrie-ben werden, um aufzeigen zu können, dass im Bereich der "Trading Algorithmen" theoretisch auch alternative Ansätze möglich sind.160

Die vorgeschlagene Methode versteht Risiko nicht im wie oben beschriebenen Sinne als Schwankung vom Mittelwert, sondern als Fähigkeit, die Funktion einer Anlage korrekt zu prognostizieren. Weitere Faktoren sind der (zukünftige) Zeithorizont und die zugrunde liegende Datenkomplexität. Mathematisch ausgedrückt präsentiert sich die Funktion wie folgt:

158 Bergold/Mayer (2005, S. 182-185).

159 Bergold/Mayer (2005, S. 188-189).

160 Singh/Sykora (2007, S. 83).


51

Risiko = f (α, β, γ)

wobei α = Prädiktor, β = Zeithorizont, γ = Komplexität161

Da der Ansatz mathematisch anspruchsvoll ist und es primär darum geht, ein alter-natives Beispiel aufzuzeigen, soll die Funktion nur intuitiv und nicht quantitativ erläu-tert werden. Grundsätzlich hat jeder Prädiktor sowohl einen Input als auch einen Output. Als Input werden im Normalfall verschiedene historische Daten verwendet. Beim Prozess dazwischen handelt es sich um ein mathematisches Modell, welches den Output generiert. In der Fachliteratur wird im konkreten Fall beispielsweise auf das "Brown's Double Exponential Smoothing Model" verwiesen. Kritischerweise muss hier erwähnt werden, dass viele Modelle nur bei linearen Verhältnissen geeig-net sind, da keine Trendwenden vorhergesagt werden können. Um dieses Problem abzuschwächen oder gar ganz zu eliminieren, müsste man den eigentlichen Prädik-tor mit einem anderen "Teilmodell" austauschen. Da sich Aktienmärkte nicht linear verhalten, ist hier die wesentliche Problematik bereits aufgezeigt.162

Da dieses Modell auf der Annahme basiert, dass sich Risiko durch die Prognosefä-higkeit definiert, kann zusammenfassend folgendes Fazit gezogen werden: Hätte man einen perfekten Prädiktor für die Zukunft, würde kein Risiko existieren. Anderer-seits ist die Risikohöhe abhängig von der Qualität des Prädiktors, der Datenkomple-xität sowie des Prognose-Horizonts. Obwohl diese drei Faktoren untereinander kor-relieren, ist der Unsicherheitsfaktor hauptsächlich mit dem zukünftigen Zeithorizont in Verbindung zu bringen.163 Da sich mit zunehmendem Zeithorizont auch die Daten-komplexität (theoretische Möglichkeiten steigen praktisch exponentiell an) erhöht, wird die Prognosefähigkeit stark relativiert. Verbindet man diese beiden Problemstel-lungen mit den bereits erwähnten Schwierigkeiten, die sich bereits auf Ebene des Prädiktors ergeben, wird klar, dass es sehr anspruchsvoll ist, überhaupt verlässliche Prognosen auf rein mathematischer Basis zu generieren.

Ein weiteres mögliches Fazit kann sein, dass es aufgrund der hohen Komplexität sehr schwierig ist, ein alternatives Modell zur Standardabweichung auf breiter Basis einzuführen. Obwohl das häufig verwendete aktuelle Modell innerhalb der Finance eine Vereinfachung der Realität darstellt, ist es praktisch unmöglich die Realität kor-rekt abzubilden, oder gar beinah sichere Zukunftsprognosen zu generieren. Wahr-scheinlich liegt der Praktikeransatz darin, dass verschiedene Modelle miteinander verknüpft werden. Bedenkt man aber zusätzlich, dass das Marktgeschehen nicht immer rational begründbar ist, stellt sich die Frage, in welchem Masse psychologi-sche Gegebenheiten mathematisch abgebildet werden können. Aufgrund des teil-weise irrationalen Verhaltens verschiedener Teilnehmer, ist es generell eine grosse Herausforderung, die Realität korrekt abzubilden. Folglich kann auf praktische Ver-einfachungen nur schwer verzichtet werden. Das hier behandelte Kapitel legt den Schluss nahe, dass viele aktuelle Modelle noch unausgereift sind. Daraus entsteht gewissermassen auch ein Auftrag an die Forschung, wessen Ziel es ist, Widersprü-che aufzulösen, oder neue Ansätze zur Lösung komplexer Problemstellungen aufzu-zeigen.

161 Singh/Sykora (2007, S. 84).

162 Singh/Sykora (2007, S. 86).

163 Singh/Sykora (2007, S. 87).


52

4.5. Fazit und kritische Würdigung

Um der theoretischen Aufarbeitung der technischen Analyse eine differenzierte Er-gänzung anfügen zu können, ist es wichtig, sich auch kritisch damit auseinanderzu-setzen. Eine zentrale Grundproblematik bei der Interpretation verschiedener Modelle stellt deren Vergangenheitsbezug dar. Einerseits handelt es sich um eine Grundsatz-frage, ob man die Zukunft überhaupt voraussagen kann. Andererseits kann dies - op-timistisch formuliert - mit Hilfe verschiedener Wahrscheinlichkeitsüberlegungen zu-mindest versucht werden. Weiter ist es aus plausiblen Gründen nicht möglich, sich anderer Daten, als jener der Vergangenheit zu bedienen. Somit ist diese Vorge-hensweise - aufgrund eingeschränkter Möglichkeiten - nicht grundlegend zu kritisie-ren. Jedoch muss man sich bewusst sein, dass sich die Zukunft durchaus unter-schiedlich verhalten kann, als dies in den retrospektiven Modellen der Vergangenheit als wahrscheinlich erscheint.

Ein weiterer Punkt ist die Problematik der Subjektivität. Da die technische Analyse im Gegensatz zu naturwissenschaftlichen Phänomenen nicht exakt und objektiv fassbar ist, fehlt deren Eindeutigkeit. Diese Interpretation erhebt jedoch den Anspruch, etwas präzisiert zu werden. Einerseits ist es zwar möglich, Kursabfolgen objektiv zu doku-mentieren. Die Interpretation ist jedoch einiges anspruchsvoller. Können beispiels-weise bei gewissen physikalischen Zusammenhängen Gesetzmässigkeiten extrahiert werden, welche immer funktionieren, ist dies beispielsweise bei der Chartanalyse nicht möglich. Fragestellungen, welche selbst von den Profis unterschiedlich beurteilt werden, sind in diesem Zusammenhang symptomatisch. Die Bestimmung eines Trends und wie lange dieser im Normalfall dauert ist nur ein Beispiel. Auch hier muss man sich wiederum mit Wahrscheinlichkeitsrechnungen behelfen. Dabei kommt es jedoch nicht selten zu Situationen, in denen sich die Informationen zumindest teilwei-se überlappen. Widersprechen sich beispielsweise zwei Informationen, muss zuerst entschieden werden, welcher von beiden nun das grössere Gewicht beizumessen ist. Aufgrund der unvorstellbaren Fülle an Daten, ist es im Anschluss nicht besonders er-staunlich, dass sich selbst Experten widersprechen. Es handelt sich somit um Inter-pretationen von zwar faktisch korrektem Datenmaterial, wobei teilweise bereits bei deren Auswahl subjektive Entscheide mit einfliessen. Anders formuliert handelt es sich dabei auch um die Problematik, sehr viele Faktoren, welche sich im Hintergrund abspielen, gleichzeitig in die Entscheidung einfliessen zu lassen. An dieser Stelle soll nun auch der Bogen zum Kapitel "Heuristiken" gespannt werden. Ist der Mensch mit vielen komplexen Fragestellungen konfrontiert, bedient er sich häufig Strategien, welche zur Komplexitätsreduktion neigen. Damit wird eine objektive Prognostizier-barkeit zusätzlich erschwert. Verstärkt wird dieser Effekt dadurch, dass einige Model-le auch Einschränkungen mit sich bringen. Beispielsweise funktionieren oszillierende Indikatoren nur in seitwärts gerichteten Märkten. Diese Einschränkungen sind in der Folge auch mit der Fragestellung verknüpft, welche Modelle in welcher Situation an-gewendet werden sollen.

Würde man davon ausgehen, dass es sich bei der technischen Analyse um einen Wissenschaftszweig handelt, der ausnahmslos von Erfolg gekrönt ist, wäre dies ge-wissermassen ein Widerspruch in sich selbst. Denn gäbe es ein einwandfreies Mittel, die Märkte vorauszusagen, würde das Bekanntwerden dieses Instruments die Märkte selbst wiederum beeinflussen und man müsste diesen "Rückkoppelungseffekt" mit-einkalkulierten. Spätestens hier ist man an einem Punkt angelangt, wo man aner-kennen muss, dass sich die Märkte stetig verändern und jegliche Modelle die neuen Informationen neu verarbeiten müssen. Somit wird es wahrscheinlich nie möglich


53

sein, ein allgemein erfolgreiches Vorgehen für hohe Überrenditen zu "erfinden", da der stetige Wandel den jeweiligen Modellen ihre Grenzen offenbart.

Anwendung der Theorie

54

5. Anwendung der Theorie

Im folgenden praktischen Teil dieser Arbeit wird das Ziel verfolgt, die verschiedenen Behavioral Theorien anzuwenden. Da es aufgrund des Volumens im Rahmen dieser Bachelor Thesis nicht möglich ist, alle Theorien absolut vollständig anzuwenden, wird der Fokus auf zwei Themenbereiche gesetzt. Um jedoch dem Anspruch an Vollstän-digkeit möglichst entgegen zu kommen, werden weitere - für die Behavioral Finance wichtige - Theorien und Themenbereiche im dritten Teil dieses Kapitels untersucht sowie hinterfragt. Bei den beiden ersten detailliert behandelten Themen handelt es sich um die Kurs-Umsatz-Analyse sowie um die Kalenderanomalie. Bei der Kurs-Umsatz-Analyse liegt der grosse Vorteil in Bezug auf die Untersuchung darin, dass die technische Analyse mit den behavioralen Erkenntnissen verknüpft werden kann. Dabei soll auch differenziert hervorgehen, inwiefern diese empirische Untersuchung der drei SMI-Aktien die Theorie bestätigen kann. Zusätzlich ist es möglich, dieses In-strument im letzten Teil für allfällige Prognosen zu verwenden. Umgekehrt war es bei einigen Elementen der technischen Analyse aufgrund fehlender Daten kaum mög-lich, eine detaillierte Untersuchung vorzunehmen. Bei der Kalenderanomalie war es jedoch mit den vorhandenen Mitteln problemlos möglich, die Theorie empirisch zu überprüfen. Zusätzlich wurde versucht, die einzelnen Stimuli, welche im Anschluss den Response verursachen, genau zu eruieren. In diesem Kapitel geht es auch dar-um, gewisse Muster zu erkennen, wie dies unter anderem in der Disziplin der "Pat-tern Recognition" getan werden kann. Um Wiederholungen möglichst zu vermeiden, wurde ebenfalls darauf Rücksicht genommen, nur neue Erkenntnisse in Bezug auf die weiteren Themen zu behandeln. Es sei jedoch an dieser Stelle darauf hingewie-sen, dass einige spezifische Kritiken bereits im Theorieteil integriert wurden. Die drei ausgewählten SMI-Aktien sind UBS, Adecco sowie Nestlé. Hier wurde darauf geach-tet, dass beispielsweise kein Titel aus derselben Branche untersucht wird. Zwar kann der Stellenvermittler Adecco wie auch die UBS als relativ zyklisch eingestuft werden. Vor allem aber in Bezug auf die Kalenderanomalie ist es sehr interessant zu sehen, dass in Bezug auf die Tagesanomalie gewisse Parallelen dieser beiden zyklischen Titel auszumachen sind. Mit Nestlé wurde zur Vervollständigung ein defensiver Titel gewählt, welcher das Feld etwas auszugleicht. Wie teilweise noch genauer argumen-tiert wird, müssten aus statistischen Gründen weitere Titel untersucht werden, um wirklich breit abgestützte Hypothesen aufstellen zu können. Die vorliegenden Unter-suchungen sind jedoch aufgrund des hohen Detaillierungsgrades relativ differenziert mit dem Gesamtkontext zu verbinden. Somit ist dies - um die generellen Hypothesen - zu hinterfragen nicht entscheidend. Im folgenden Kapitel wird nun direkt auf die ers-te empirische Untersuchung (Kurs-Umsatz-Analyse) eingegangen.

5.1. Kurs-Umsatz-Analyse

In diesem Kapitel soll die Kurs-Umsatz-Analyse angewendet und so weit möglich empirisch überprüft und bewertet werden. Die Kurs-Umsatz-Analyse ist, wie in der obenstehenden Theorie bereits ausführlich dargelegt, als Teil der Dow-Technik unter dem Überbegriff der Trendanalyse zu verstehen. Hierzu wurde der zu untersuchende Zeitraum auf rund 10 Jahre festgelegt. Das der Analyse zugrunde liegende Datenma-terial bezieht sich auf die Periode vom 03. Januar 2000 bis 28. Juni 2010. Nachfol-gende Kurse und Chartdarstellungen wurden aus dem Analysis Tool von Swissquote bezogen.


55

Vorgehen In Bezug auf die Kurs-Umsatz-Analyse sollen folgende Punkte bei allen drei SMI-Aktien untersucht werden:

Informationsaufbereitung

Beschreibung des Kursverlaufs

Bestimmung der Trendrichtungen und deren Ausgeprägtheit

Statistische Ausreisser im Tagesvolumen auf allfällige Sonderfaktoren bzw. spezielle Ereignisse überprüfen

Konvergenzen und Divergenzen

Überprüfung ob sich hohe Tagesvolumen (einzelne Ausschläge) konvergent zum Trend verhalten (hohe Volumen verursachen Abwärtsbewegungen in ei-nem bestehenden Abwärtstrend, bzw. Aufwärtsbewegungen in einem beste-henden Aufwärtstrend); In Bezug auf unsere Grafik sind demzufolge hohe rot eingefärbte Volumen in einem Abwärtstrend und hohe grün eingefärbte Volu-men in einem Aufwärtstrend als konvergent zu bezeichnen.

Überprüfung ob die Kurse durch steigende Volumen (Volumenveränderung über bestimmte Periode) bestätigt werden (konvergent) und ab wann mögliche Trendwenden (Divergenz; sinkende Volumen) zu erkennen sind.

5.1.1. UBS

In einem ersten Schritt wurden die in der untenstehenden Grafik ersichtlichen Trend-kanäle eingezeichnet. Mit Hilfe dieser Trendlinien, welche aus dem Bereich der Charttechnik übernommen wurden, konnten wir die näher zu untersuchenden Zeit-abschnitte festlegen. Schlussendlich haben sich, durch das Verbinden von drei Be-rührungspunkten, die drei untenstehenden grossen Trendphasen herauskristallisiert.

Abbildung 20: UBS Übersichtschart

164

164 Swissquote (2010).


56

Folgende Perioden werden vertieft bearbeitet:

- Periode 1: 19. Januar 2001 bis 15. Januar 2003

- Periode 2: 12. März 2003 bis 30. März 2007

- Periode 3: 04. Mai 2007 bis 02. März 2009

Im zweiten Schritt sind die einzelnen Phasen mit den dazugehörigen täglichen Um-satzvolumen dargestellt. Daraus lassen sich nun Aussagen über die Zusammenhän-ge zwischen den Kursbewegungen und den Umsätzen ableiten. Ebenfalls soll eine Beurteilung möglich werden, ob die Theorie in befriedigendem Masse als Indikator benutzt werden kann oder ob die Treffer eher zufälliger Natur waren.

Periode 1 Die untenstehende Grafik ist eine Vergrösserung des in der Kursübersicht einge-zeichneten ersten Trends. Zusätzlich wurden die Tagesvolumen hinzugefügt.

Abbildung 21: UBS Periode 1165

Während diesen 726 Tagen sank der Kurs der UBS Aktie von rund CHF 43.00 auf CHF 32.50. Somit ist insgesamt ein leichter Abwärtstrend ersichtlich. Dazwischen sind einige untergeordnete Trends auszumachen. Deren Anstieg endet jeweils an der oberen Widerstandslinie. Dieses Muster ist insgesamt sechs Mal zu beobachten und kann demzufolge als relativ ausgeprägt bezeichnet werden. Bei der Unterstüt-zungslinie befinden sich weniger Berührungspunkte. Allen voran zwischen Oktober 2001 und Juli 2002 gehen die Kurse jeweils nur marginal zurück.

In Bezug auf die Volumina sind einzelne Ausreisser zu beobachten. Als Beispiel ist das hohe Tagesvolumen und die damit verbundene Kursreduktion am 19.12.2001 zu



57

erwähnen, welche auf die kurz zuvor bekanntgegebene Nennwertrückzahlung von CHF 2.00 zurückzuführen sein dürfte.166

Basierend auf der in der Einleitung aufgezeigten Theorie sollen nun die Kursbewe-gungen in Bezug auf die Konvergenz und Divergenz überprüft werden. Beobachten wir den ersten Teil des Charts (Mai bis September 2001), lässt sich unschwer erken-nen, dass die Volumen einzelner Tage ansteigen. Diese sind, wie in der Grafik er-sichtlich, rot eingefärbt. Die Kurse desselben Zeitraumes sinken jedoch. Im Zusam-menhang mit dem bestehenden Abwärtstrend über die gesamte Periode 1 können wir folglich eine klare Konvergenz erkennen. Anders ausgedrückt heisst dies: Im be-stehenden Abwärtstrend verursachen die hohen Volumen einzelner Ausschläge eine Abwärtsbewegung. Ebenfalls interessant zu erwähnen ist, dass der Abwärtstrend bis zum grossen, rot eingefärbten Volumen (Mitte August 2001) leicht stärker ausfällt, als der gesamte übergeordnete Trend.

In der Septemberperiode des Jahres 2001 sehen wir einen deutlichen Einbruch. Während kurzer Zeit fällt die UBS Aktie bis auf die Unterstützungslinie. Dort dreht sie wieder ins positive und es folgt eine Rallye bis ans obere Ende des Trendkanals. Nun stellt sich hier die Frage, ob und wie diese Trendwende hätte vorausgesagt werden können, da wir die Unterstützungslinie ja erst im Nachhinein festlegen kön-nen. Ein möglicher Ansatz sind die grossen Volumen von Mitte bis Ende September 2002. Sie steigen nämlich mehr oder weniger kontinuierlich an, während der Kurs stark sinkt. Dies ist als Konvergenz zu interpretieren. Daraus lässt sich schliessen, dass die Marktteilnehmer umso mehr handeln, je länger die Abwärtsbewegung an-hält. Diese steigenden Volumen sollten einen Trend bestätigen. Dies ist in diesem Beispiel nicht der Fall. Nun stellt sich die Frage, welche Gründe diese Abweichung haben kann. Möglicherweise ist die Periode schlicht zu kurz und daher nicht aussa-gekräftig. Weitere Analysen und Kritikpunkte sind im letzten Teil der Arbeit (Kapitel praktischer Nutzen) ersichtlich.

Im weiteren Verlauf (ab Dezember 2001 bis Juni 2002) befindet sich der Aktienpreis im oberen Bereich des Trendkanals und berührt auch mehrfach die Widerstandslinie. Die Volumina sind in dieser Zeit, mit Ausnahme des bereits erwähnten einzelnen Ausschlages, eher konstant und unauffällig.

Nachdem nun einzelne Untertrends angeschaut und deren Ausschläge interpretiert wurden, wenden wir den Blick nun dem übergeordneten Trend zu. Ziel ist es heraus-zufinden, wann der grosse Abwärtstrend der Periode 1 zu Ende sein könnte. In der ersten Hälfte sind die grossen Ausschläge rot eingefärbt (sinkender Kurs). Ein Ana-lyst kann somit am 01.01.2002 feststellen, dass der Trend konvergent und somit als gesund zu bezeichnen ist. Folglich kann er erwarten, dass die Kurse weiter sinken. Dies ist im Jahr 2002 auch der Fall. Gegen Ende des Jahres erkennen wir jedoch vermehrt grüne Ausschläge bei den hohen Volumen. Diese zeigen eine Divergenz in der zweiten Jahreshälfte 2002. Damit wird eine Trendwende angekündigt, welche auch eintritt und uns zur Aufwärtsbewegung in der nachfolgenden Periode 2 führt. Eine trendlose Phase ist bei diesem Wechsel nicht zu erkennen.

166 UBS AG (2010) a.


58

Periode 2 Gleich im Anschluss an die soeben beschriebene Periode 1 konnte der nachfolgende Chart extrahiert werden.


Nach der Trendwende steigt der Kurs in dieser zweiten Periode von rund CHF 25.00 bis gegen CHF 75.00. Der Anstieg erfolgte über rund 4 ¼ Jahre und ist sehr kon-stant. Dies ist auch am engen Trendkanal zu erkennen. Die obere Widerstandslinie wie auch die untere Unterstützungslinie haben deutlich mehr Berührungspunkte als die geforderte Mindestanzahl von drei Stück. Demnach kann der Trend als sehr ge-festigt bezeichnet werden. Untertrends sind kaum vorhanden oder treten eher gegen das Ende der Periode auf.

Wenden wir den Blick den täglichen Handelsumsätzen zu, stechen uns die beiden Tage des 18.04.2005 und 20.04.2005 ins Auge. Da für diese Tagen weder neue UBS spezifische Daten veröffentlicht wurden, noch sonstige kursrelevante Geschehnisse ausgemacht werden konnten, dürfte das hohe Volumen auf Tätigkeiten institutionel-ler Grossanleger zurückzuführen sein. Die grün eingezeichneten hohen Umsätze über mehrere Handelstage im April 2006 dürften auf die von den Anlegern als positiv eingestufte Übernahme der Piper Jaffray Companies zurückzuführen sein. Hierbei wurde das Privatkundengeschäft des amerikanischen Finanzdienstleistungsunter-nehmens für USD 500 Millionen übernommen.168 Die Bekanntgabe des Quartalsge-winns von CHF 3‘504169 Millionen liess den Kurs nochmals kräftig ansteigen und er-reichte einen Peak von CHF 70.00. Die darauffolgende Übernahme der brasiliani-schen Banco Pactual S.A. für rund USD 2.5 Milliarden, liess die Volumen deutlich ansteigen. Jedoch goutierten die Aktionäre diesen Stimulus (Kauf) nicht und der Kurs sank in den Folgetagen deutlich.170


168 UBS AG (2010) b.

169 UBS AG (2010) c.

170 UBS AG (2010) d.


59

Um den Gesamttrend auf seine Konsistenz zu prüfen, soll nach Konvergenzen und Divergenzen gesucht werden. In unserem bestehenden Aufwärtstrend würden somit hohe grün eingefärbte Volumen einen gesunden Trend auszeichnen. Anfang 2003 ist dies klar der Fall; die grünen überragen die roten Säulen. Bereits ab April 2004 sind jedoch, mit Ausnahme des April 2006, vorwiegend hohe rote Volumen auszumachen. Diese Divergenz müsste auf einen Trendwechsel hindeuten. Da von den ersten An-zeichen, bis zur effektiven Trendwende beinahe 3 ½ Jahre vergehen, kann hier beim besten Willen zu keinem Zeitpunkt eine zuverlässige Prognose abgelesen werden. Auch die typischen Volumenverkleinerungen gegen Ende eines Trends sind nicht klar auszumachen. Zusammenfassend lässt sich sagen, dass die Analyse in dieser Periode äusserst schwierig und unzuverlässig war. Dies könnte einerseits auf den sehr langen Trend zurückzuführen sein oder aber die psychologische Komponente der Blasenbildung kommt hier zum Tragen. Im Vergleich zum Muster im Kapitel "Boom- und Crash-Situationen" sind doch einige Parallelen zu entdecken. In diesem Zusammenhang kommt auch der Herdentrieb stark zum Ausdruck, wie dies im ent-sprechenden Kapitel genauer beschrieben ist.

Periode 3 Als letzte grosse Trendphase ist der uns bestens bekannte Abwärtstrend während der Finanz- und Wirtschaftskrise zu erwähnen.


In den letzten 22 Monaten unseres Beobachtungszeitraums stellen wir einen massi-ven Kursrückgang von CHF 75.00 auf CHF 10.00 fest. Dies ist ein Einbruch um satte 87%. Das Festlegen der Trendlinien ist aufgrund der ausserordentlichen Umstände schwierig. Nichtsdestotrotz konnten vor allem bei der Unterstützungslinie Regelmäs-sigkeiten erkannt werden. Einzig im März 2008 wird selbst diese kurz unterschritten. Der Kursverlauf an und für sich ist sehr negativ und steuert gegen Null. Zudem ist in dieser Zeit das durchschnittliche Handelsvolumen deutlich höher als in den beiden Vorperioden. Als Folge davon erreichen auch die Extremausschläge bisher ungeahn-te Höhen. Der Einfluss der Sonderfaktoren auf die Volumina ist äusserst gross, be-



60

finden wir uns hier doch mitten in der Finanzkrise und in einer existenzbedrohenden Situation für die UBS.

So sind beispielsweise die hohen Handelsaktivitäten um den Monat Juni 2008 auf die Bezugsrechts-Kapitalerhöhung zurückzuführen.172 Ebenfalls auffallend sind die Re-kordvolumen und Kursverluste vom 12.09.2008 bis 19.09.2008 welche durch Ab-schreibungen beim Lehman-Engagement begründet sind.173

Die interessante Frage ist nun, ob auch in dieser Ausnahmesituation, welche zwei-felsohne von viel Irrationalität, Angst und überstürztem Verhalten geprägt ist, gewis-se Regelmässigkeiten durch Anwendung der Kurs-Umsatz-Analyse erkennbar wer-den. Zuerst wollen wir anhand der einzelnen roten Tagesvolumen eine Aussage ma-chen, ob der Abwärtstrend konvergent, also gerechtfertigt ist bzw. ob davon ausge-gangen werden kann, dass dieser weiter anhalten wird. Mit einigen Ausnahmen überragen die rot eingefärbten Säulen die grünen und der Trend kann als konvergent bezeichnet werden. Angenommen die einzelnen hohen Nachfragevolumen sind auf Nachkäufe zurückzuführen, mit welchen der durchschnittliche Einstandspreis ge-senkt werden soll, so kann der Abwärtstrend als gesund und deshalb von länger an-haltender Dauer bezeichnet werden. Weiter wird diese Annahme dadurch gestützt, dass die gesamten Volumen bis Oktober 2008 tendenziell eher zunehmen. Als Folge davon nimmt die Volatilität während dieser Zeit drastisch zu. Danach stagnieren die Volumen und auch der Abwärtstrend flacht ab. Ob dies nun als Anzeichen für eine bevorstehende langfristige Trendwende zu interpretieren ist, sei dahingestellt. Wei-terführende Überlegungen zu möglichen zukünftigen Entwicklungen sind im entspre-chenden letzten Teil der Arbeit (Prognosen) enthalten.

5.1.2. Adecco

Als zweite Aktie haben wir uns für Adecco entscheiden. Einerseits ist es ein Titel aus einer andern Branche. Andererseits erhoffen wir uns durch den als zyklisch bekann-ten Titel, noch ausgeprägtere Ausschläge beobachten zu können. Dies könnte sich in den Kursschwankungen wie auch den Volumenschwankungen bemerkbar ma-chen.

172 UBS AG (2010) e.

173 UBS AG (2010) f.


61

Abbildung 24: Adecco Übersichtschart174

Wie im vorangegangenen Chart deutlich zu sehen ist, war es äusserst schwierig, eindeutige Trends ausfindig zu machen. Dies dürfte eine erste Auswirkung der zykli-schen Aktie sein. So schwankt sie, in relativ kurzen Zeiträumen in Abhängigkeit zur Konjunktur sehr stark. Auch dürfte der weitere Kursverlauf dementsprechend schwie-rig zu prognostizieren sein. Nichtsdestotrotz konnten die drei oben ersichtlichen Trendphasen herauskristallisiert werden. Zwischen 2004 und 2007 ist eine trendlose Phase, bei welcher wir mit den uns bekannten Instrumenten keinen für die Kurs-Umsatz-Analyse verwertbaren Trend feststellen konnten.


- Periode 1: 24. März 2000 bis 20. November 2003 - Periode 2: 02. März 2007 bis 16. Dezember 2008 - Periode 3: 24. Dezember 2008 bis 20. Juli 2010

Periode 1 Zu Beginn der Periode ist der Kurs Ende Februar 2000 bei ca. CHF 125.00 und steigt im Verlauf der nächsten drei Monate bis auf über CHF 140.00. Danach begibt er sich in einen Abwärtstrend und sinkt bis auf einen Tiefststand von rund CHF 35.00 an-fangs März 2003. Dieser markante Abwärtstrend dauert gut drei Jahre. Im März 2003 wird dann der Trend gekehrt und im Juni durchbricht der Kurs die obere Wider-standslinie und steigt bis auf CHF 80.00. Der Trend an sich ist bis September 2001 sehr klar. Danach werden die Ausschläge stärker und der bisherige Trendkanal er-weist sich als zu eng. Ein auffallend hohes Volumen ist Anfang Juli 2002 zu sehen. Der genaue Grund hierfür konnte nicht näher eruiert werden. Es ist jedoch interes-sant zu sehen, dass dieser Ausschlag genau mit dem Wiedereintritt in den Trendka-nal zusammenfällt. Vielleicht erwarteten die Anleger zu diesem Zeitpunkt, dass die Aktie wieder nach oben gehen sollte. Denn oftmals wird, gemäss der Charttechnik, eine zuvor durchbrochene obere Widerstandslinie zu einer Unterstützungslinie. Diese "Faustregel" wird jedoch hier nicht bestätigt und der Kurs bleibt in der Folge im



62

Trendkanal. Auch in diesem Beispiel sind die hohen Volumen Mitte April 2003 auf die, gemäss CEO Jérôme Caille, überraschend guten Quartalsergebnisse zurückzu-führen.175

Bezüglich des Kurs-Umsatz-Verhältnisses ist diese Aktie schwierig zu interpretieren. Bis Anfang 2001 sind die Volumen gering. Danach steigen sie leicht an. Als Folge dieser höheren Umsätze sind die Kursausschläge auch grösser. Dies deutet auf ei-nen unruhig verlaufenden Trend hin, welcher möglicherweise bald einmal wenden könnte. Diese Erwartung wird im Dezember 2001 mit neuen Hinweisen versorgt, in-dem die Widerstandslinie durchbrochen wird. Der bestehende Abwärtstrend ist je-doch noch nicht beendet. Dies ist daran zu sehen, dass die grünen Volumen im letz-ten Quartal 2001 die roten nicht definitiv überragen konnten. Demzufolge besteht keine Divergenz im Trend und ein Ende des bestehenden Abwärtstrends war daher auch nicht zu erwarten. Vergleichen wir nun den soeben beschriebenen Sachverhalt mit der Situation zwischen April und Juni 2003. Hier sehen wir, dass die grünen Vo-lumen klar dominieren. Die Divergenz ist somit klar zu bejahen. Unterstützt wird die-se These ebenfalls von den hohen Gesamtvolumen. Zusammenfassend lässt sich sagen, dass der Durchbruch der Widerstandslinie Anfang Juni 2003 klar als Trend-wende bezeichnet werden darf. In diesem Fall ist die Theorie durch die Empirie klar bestätigt worden und die Rallye von CHF 50.00 auf CHF 80.00 kam für die Anhänger der Kurs-Umsatz-Analyse nicht überraschend. Danach geht die Aktie in eine trendlo-se Phase über.

Abbildung 25: Adecco Periode 1176

175 Adecco (2010) a.



63

Periode 2 Der Titel hat nun eine trendlose Phase von ca. drei Jahren hinter sich. Hierbei sind Schwankungen zwischen CHF 55.00 und CHF 85.00 aufgetreten. Nach einem letz-ten Aufstieg auf über CHF 95.00 im Juli 2007, sank die Aktie erneut. Diese Abwärts-bewegung weist Merkmale eines längerfristigen Trends auf. Die obere Widerstands-linie weist die drei geforderten Berührungspunkte auf. Die Unterstützungslinie hinge-gen ist weniger klar ausgeprägt. Zwar haben wir auch hier viele Berührungspunkte, jedoch wird die Unterstützungslinie im letzten Quartal 2007 und im ersten Quartal 2008 einige Male unterschritten. Nach dieser Phase der Verunsicherung kehrt der Kurs wieder in den Trendkanal zurück. Zudem ist ersichtlich, dass der Trendkanal schmaler wird. Grund dafür ist unter anderem der Rückgang der grossen, einzelnen Tagesvolumen. Hiermit sind wir auch bei den Volumen angelangt. Ein grosser Son-derfaktor ist Mitte Juni zu erkennen, wobei dies auf die Übernahme der Tuja Group per 18.06.2007 zurückzuführen ist.177 Dies führte zu regem Handel mit den Wertpa-pieren. Zudem gab die Adecco am 5. Juni 2007 bekannt, dass sie die Aktien an der New York Stock Exchange dekotieren lässt. Es ist jedoch nicht anzunehmen, dass dies einen Einfluss auf das hier untersuchte Volumen der Virt-x hat. Denn im Jahr 2006 war nur gerade 1% des gesamten gehandelten Volumens über die NYSE ge-gangen.178 Weitere spezielle Ereignisse sind in dieser Periode nicht von Relevanz.

Grundsätzlich finden wir die bei einem konvergenten Abwärtstrend typischen roten hohen Tagesvolumen vor. Insbesondere Ende Juli 2007 sind diese zu beobachten. Zum Jahreswechsel 2008 hin ist das Bild etwa ausgeglichen. Als Folge davon schwankt der Kurs um die Unterstützungslinie. Möglicherweise sind sich die Anleger nicht einig, ob ein stärkerer Einbruch folgen soll oder ob dieser moderate Abwärts-trend weiter verfolgt wird. Es fehlen ein wenig die Impulse des Marktes und es kön-nen keine wirklich neuen Informationen in den Preis eingebracht werden. Diese Rat-losigkeit dürfte zu den eher tiefen Volumen zwischen April und Juni 2008 führen. Ab September wirken neue Inputs auf die Marktteilnehmer. Die Intensität des Handels nimmt zu und die Volumen steigen an. Dies ist gemäss Theorie als Indikator für ei-nen kommenden Trendwechsel zu interpretieren. Dass nun auch zwei oder drei grosse grün hinterlegte Volumen vorzufinden sind, könnte diese Annahme unterstüt-zen.

177 Adecco (2010) b.

178 Adecco (2010) c.


64


Periode 3 In diesem dritten Trend ist die Erholung nach der Finanzkrise zu sehen. Der Kurs steigt vom tiefen Niveau Anfang 2009 stark an. Innerhalb von rund 1 ¼ Jahren ver-doppelt sich der Kurs nahezu auf CHF 65.00. Insbesondere bei der Unterstützungsli-nie finden wir viele und vor allem präzise Berührungspunkte vor. Die Untertrends ver-laufen immer nach ähnlichem Muster. Nach einem konstanten und verhältnismässig flachen Anstieg bis zur oberen Widerstandslinie, folgt ein abrupter Fall bis zur Unter-stützungslinie. Dieser Vorgang widerholt sich vier Mal. Ende Oktober ist ein hohes rotes Volumen vorzufinden. Da bereits am nächsten Tag die Korrektur in Form eines ähnlich hohen Volumen folgt, ist dieser Ausschlag möglicherweise auf eine kurzfristi-ge Überreaktion des Marktes zurückzuführen. Beispielsweise könnte ein grosser in-stitutioneller Anleger Aktien verkauft haben. Diese grossen Verkaufsvolumen wirkten als Stimulus auf die Anleger. Postwendend folgte die Korrektur am Folgetag.

Bezüglich der Interpretation der Kurs-Umsatz-Analyse sehen wir, dass die hohen ro-ten Volumen den Aufwärtstrend nicht festigen. Es sieht auf den ersten Blick nach ei-ner Divergenz aus. Beachten wir die grünen Volumen in der zweiten Reihe (um den April 2009) relativiert sich dieser Eindruck. Ab Beginn 2010 halten sich die Tagesvo-lumen in etwa die Waage. Daher ist keine seriöse Aussage zu machen. Eine Über-macht der roten Volumen ist erst ab Mai 2010 auszumachen. Zu diesem Zeitpunkt hat der Chart die Unterstützungslinie bereits durchbrochen. Die Anzeichen für den eingeläuteten Trendwechsel konnten demnach erst im Nachhinein erkannt werden. In dieser Situation konnte folglich keine Investitionshilfe durch die Kurs-Umsatz-Analyse geleistet werden.



65


5.1.3. Nestlé

In diesem Kapitel wenden wir uns dem Nahrungsmittelkonzern Nestlé zu. Analog zu den beiden anderen Aktien werden auch hier die Trendphasen durch Verbinden dreier Berührungspunkte festgelegt und danach einzeln analysiert. Wie im untenste-henden Chart ersichtlich, konnten sechs Trends erkannt werden.

Abbildung 28: Nestlé Übersichtschart180



66


- Periode 1: 24. Dezember 1999 bis 09. Januar 2001 - Periode 2: 26. Februar 2002 bis 23. Mai 2003 - Periode 3: 29. Mai 2003 bis 19. August 2004 - Periode 4: 20. August 2004 bis 24. Januar 2008 - Periode 5: 04. Dezember 2007 bis 11. März 2009 - Periode 6: 03. April 2009 bis 29. Juni 2010

Periode 1 Während einem Jahr steigt der Kurs von rund CHF 28.00 bis auf gegen CHF 38.00 an. Dies ist auch aus der Grafik am Schluss des Kapitels klar abzulesen. Der Trend führt aufwärts und verläuft schön im Trendkanal. Des Weiteren sind keine klaren Un-tertrends auszumachen. Dies ist natürlich auch eine Folge der eher kurzen Laufzeit dieses Trends. Als Erklärung für die einzelnen hohen Tagesvolumen sind keine Son-derfaktoren bekannt.

Beim Vergleich der Umsätze mit den dazugehörigen Kursen sehen wir vor allem im März 2000 deutliche rote Balken. Diese sind im bestehenden Aufwärtstrend als di-vergent anzusehen und zeigen uns an, dass der Anstieg nicht von langer Dauer sein wird. Diese negativen hohen Umsätze finden kurz nach den Berührungen der Unter-stützungslinie statt. Dies könnte darauf zurückzuführen sein, dass die Anleger erwar-ten, dass die Unterstützung durchbrochen werden könnte und die Aktie danach über einen längeren Zeitraum zu sinken beginnt. Diese Erwartungen werden jedoch nicht erfüllt und die Aktie kann sich nach den beiden Berührungen des unteren Wider-stands halten. Nachdem dieser Druck nach unten erfolglos war, erholt sich der Titel in den Monaten April bis August. Erst im Bereich des 20. bis 25. August 2000 kommt ein plötzlicher Aufwärtsdruck. Dieser ist durch hohe Volumen begleitet, was in dieser Phase als gesund und dementsprechend als positives Zeichen für einen weiteren Kursanstieg gewertet wird. Nichtsdestotrotz kann die obere Widerstandslinie nicht durchbrochen werden. Gegen Jahresende sind die Volumen noch immer hoch, je-doch fehlt der Aktie der nötige Druck um weiter steigen zu können. Nachdem sie die Unterstützungslinie am 11. Dezember noch zu halten vermag, wird diese in der ers-ten Januarwoche doch durchbrochen. Wie die Umsatzindikatoren angezeigt haben, ist dies kein Trendwechsel sondern ein Übergang in eine trendlose Phase, welche mehr oder weniger als Seitwärtsbewegung bezeichnet werden kann. Dies ist in der obenstehenden Übersichtsgrafik ersichtlich.


67

Abbildung 29: Nestlé Periode 1181

Periode 2 Nach einer länger andauernden trendlosen Phase dreht der Titel ab Februar 2002 langsam aber sicher nach unten. Während den 15 Monaten sinkt der Titel mehr oder weniger kontinuierlich. Interessant zu beobachten ist, dass im Juli 2002 und März 2003 Ausreisser nach unten erfolgen, welche aber sogleich zu einer Gegenbewe-gung zurück in den Trendkanal führen. Sonderfaktoren, welche überdurchschnittliche Volumen erklären können, sind nach Abgleich mit den Medienmitteilungen der Nestlé S.A. nicht auszumachen.

Wendet man nun die Theorie der Kurs-Umsatz-Analyse für die Monate Februar bis Juni 2002 an, so deuten die hohen grünen Volumen eigentlich einen bevorstehenden Aufwärtstrend an. Da wir aber direkt aus einem Seitwärtstrend kommen, kann die Vorgabe, dass Konvergenzen durch grüne Volumen in einem bestehenden Aufwärts-trend herrühren, nicht erfüllt werden. Demzufolge ist der Beginn des Abwärtstrends ab Juni 2002 nicht wirklich überraschend, auch wenn dieser nicht so prognostizierbar war. In der folgenden Abwärtsphase gibt es keine volumentechnische Anzeichen, welche auf ein Ende des Trends hinweisen würden. Erst gegen Ende April steigen die Volumen an. Hierbei werden widersprüchliche Signale ausgesandt. Einerseits beobachten wir hohe rote Volumen in den beiden letzten Monaten. Dies deutet auf Konvergenz hin. Andererseits sinken die kumulierten Umsätze im Mai gegenüber dem März und April, was einen Trendwechsel andeutet. Welches dieser Signale nun richtigerweise höher gewichtet wird, ist im Voraus kaum zu sagen. Glücklicherweise haben wir in diesem Fall die Möglichkeit, bereits auf den nächsten Seiten einen Blick in die darauffolgende Periode 3 zu werfen.



68


Periode 3 Ab März 2003 lässt sich ein Aufwärtstrend erkennen. Hierbei ist insbesondere die Unterstützungslinie mit vielen Berührungspunkten sehr gut abgestützt. Im Vergleich zur Periode 2 ist auffallend, dass die Schwankungen grösser sind. Dies führt dazu, dass wir viele Berührungspunkte haben. In Bezug auf die Sonderfaktoren ist die grösste rote Säule im August 2004 auffällig. In diesen Tagen wurden die Halbjahres-zahlen präsentiert. Aufgrund des guten Abschlusses (Reingewinn von CHF 2.838 Milliarden) dürfte dies kaum einen positiven Einfluss gehabt haben.183 Jedoch könnte der Einbruch auf Gewinnmitnahmen zurückzuführen sein. Die Widerstandslinie wur-de bereits einige Wochen zuvor durchbrochen worauf der Kurs massiv einbrach.

Der Aufwärtstrend an und für sich zeigt von März 2003 bis Juli 2004 grosse grün hin-terlegte Tagesvolumen. Im Zusammenhang mit dem bestehenden Aufwärtstrend be-steht hier Konvergenz. Demzufolge bestehen während diesem Zeitraum keine An-zeichen auf einen Abbruch des Trends. Nun stellt sich die Frage, ob durch Beiziehen des zweiten Indikators die gleiche Aussage gemacht werden kann. Die gesamten Volumen nehmen ab Februar 2004 bis und mit Juni 2004 tendenziell zu. Dies deutet ebenfalls auf eine Konvergenz und somit eine Weiterführung des Trends hin. Wie be-reits oben beschrieben durchbricht der Kurs die Unterstützungsline kurze Zeit später. Dass nun die Volumen ebenfalls sinken, könnte als Indikator dafür ins Feld geführt werden. Ehrlicherweise muss man hier sagen, dass dies praktisch gleichzeitig mit dem Kurseinbruch geschieht. Demzufolge hat der Investor keine reale Chance die Kurs-Umsatz-Analyse zu diesem Zeitpunkt als Vorlaufindikator zu verwenden und darauf zu reagieren. Somit kann festgehalten werden, dass die Verluste des voran-gegangenen Abwärtstrends nicht wettgemacht werden konnten. Da die Indikatoren keinen Trendabbruch voraussagen konnten, besteht die Hoffnung, dass dieser neue Trend auch nur von kurzer Dauer sein wird.


183 Nestlé (2010) a.


69


Periode 4 Nachdem die Kurse kurzzeitig auf CHF 28.00 eingebrochen waren hat sich die Aktie wieder gefangen. Der aktuelle Trend führt gewissermassen den Trend aus Periode 3 weiter. Ab Oktober 2004 kann die Aktie die Rallye bis gegen Ende des Jahres 2008 fortsetzen. Im Herbst 2008 werden Spitzenkurse bis CHF 55.00 bezahlt. Dieser Trend kann als langfristig und substanziell bezeichnet werden. Auffallend sind die stark erhöhten Volumen gegen Ende April 2005 und im April 2006. Ein Grund hierfür dürfte die Generalversammlung vom 14. April 2005 sein. Die Anlagestiftung Ethos und fünf grosse Pensionskassen verlangten, dass die Corporate Governance Regeln eingehalten werden.185 Dies könnte allenfalls dazu geführt haben, dass in diesem Zeitraum grosse Verkäufe getätigt wurden. Auch die hohen Volumina ein Jahr später könnten auf die Generalversammlung zurückzuführen sein. Vielleicht ist die Erklä-rung auch deutlich weniger fundamental begründet. So könnte der am 23. April 2006 veröffentlichte Bericht über die neu lancierte Cailler-Schokoladenverpackung von Nelly Wenger als Stimulus und die ersichtlichen Volumen folglich als Response fun-giert haben.186

Um eine konkrete Aussage zu den Umsätzen machen zu können, werden die aus-sergewöhnlich hohen Volumen weggelassen. Die These, dass hohe grün eingefärbte Volumen einen Aufwärtstrend unterstützen, kann weder gestützt noch widerlegt wer-den. Auch sind grosse Volumenveränderungen kaum auszumachen. Einzig im Mai 2007 nimmt das Volumen zu. Als Folge davon sinken die Kurse sogar leicht. Diese Korrektur ist jedoch nur von kurzer Dauer und ein erneuter Anstieg erfolgt postwen-dend. In dieser Periode stösst die Analyse doch sehr an ihre Grenzen. Auch gibt es gegen Ende des Jahres keine Anzeichen, dass sich der Aufwärtstrend dem Ende zubewegt.


185 Ethos (2005).

186 NZZ Online (2006).


70


Periode 5 In diesem Abwärtstrend von gut einem Jahr ist es eher schwierig, Regelmässigkeiten zu erkennen und einen Trendkanal festzulegen. Grundsätzlich sehen wir hier einen volatilen Chart, dessen Einbruch auf der Übersichtsgrafik in Folge der schmaleren Skalierung deutlich gravierender erscheint. In Bezug auf die Volumen ist weder eine Dominanz der grünen noch der roten Säulen zu erkennen. Daher ist eine Aussage über die Konvergenz des Trends nicht möglich. Auch deuten die kumulierten Volu-men nicht auf eine mögliche Tendenz beim weiteren Kursverlauf hin. Die Stimuli sind in diesem Fall wohl eher bei den einzelnen Investoren selbst zu suchen.



71


Periode 6 In dieser letzten Periode findet nochmals ein deutlicher Aufwärtstrend statt. Die Aktie steigt hierbei von rund CHF 37.00 bis auf ein Höchst von CHF 54.00. Dieser Anstieg findet während einer relativ kurzen Dauer von 11 Monaten statt. Danach flacht die Entwicklung ab, ohne die Unterstützungslinie zu durchbrechen. Der Trendkanal ist zu Beginn der Periode noch relativ schmal und verbreitert sich dann aufgrund der zu-nehmenden Schwankungen. Aus Sicht des Volumens sind nur die beiden Ausreisser um den 20. Februar und den 20. März 2010 von Interesse. Der positive grüne Aus-schlag im Februar 2010 dürfte ziemlich sicher auf die Bekanntgabe der Geschäfts-zahlen 2009, welche ein erfreuliches organisches Wachstum aufzeigen und die Er-wartungen übertreffen konnten, zurückzuführen sein.189

Da die grossen einzelnen Tagesvolumen mehrheitlich rot eingefärbt sind, kann bei diesem bestehenden Aufwärtstrend nicht von Konvergenz gesprochen werden. Eine klare Divergenz muss jedoch auch verneint werden, da vor allem zwischen Oktober und Dezember 2009 die grünen Volumen dominant sind. Bezüglich einer möglichen Trendwende kann die Volumenveränderung über eine bestimmte Periode beigezo-gen werden. So ist zu beobachten, dass im Juni die Umsätze verglichen mit den Vormonaten tendenziell abnehmen. Zusätzlich sind vereinzelte grosse rot eingefärb-te Tagesvolumen zu erkennen. Diese beiden Faktoren deuten eine baldige Trend-wende an. Ob dies auch der Fall ist, kann zum jetzigen Zeitpunkt noch nicht ab-schliessend beantwortet werden.


189 Nestlé (2010) b.


72


5.2. Kalenderanomalie

Basierend auf den in der Theorie beschriebenen Erkenntnissen zur Kalenderanoma-lie sollen in diesem Kapitel zwei empirische Untersuchungen vorgenommen werden. Im theoretisch beschriebenen Beispiel wiesen Aktien eine überdurchschnittliche Rendite im Monat Januar auf. In der vorliegenden Untersuchung soll es jedoch nicht nur darum gehen, diese Aussage in Bezug auf drei SMI-Titel zu bestätigen bzw. falsi-fizieren, denn es kristallisiert sich aufgrund der Theorie eine Fragestellung heraus, welche das Feld grundsätzlich weiter öffnet: Können im gewählten Zeitraum vom Ja-nuar 2000 bis Ende Juni 2010 systematisch Muster im kalendarischen Zeitablauf er-kannt werden? Spricht man vom kalendarischen Zeitablauf, kann man sich zusätzlich die Frage stellen, ob Unterschiede bei einzelnen Wochentagen oder spezifische "Monatscharakteristiken" erkennbar werden. So wird die Theorie auf einen anderen Zeitraum und andere Aktien umgemünzt. Falls sich beispielsweise herausstellen würde, dass die Aktienrenditen im Januar systematisch höher sind als in anderen Monaten, stellt sich die Frage ob die Theorie relativ allgemeiner Natur ist. Wie aber bereits im Fazit erwähnt, sollten aufgrund der Markteffizienzhypothese einzelne Anomalien bei deren Bekanntheit verschwinden. Bei der Untersuchung wird grund-sätzlich das Ziel verfolgt, ob einzelne Muster verallgemeinert werden können oder nicht. Dabei muss jedoch bei der Interpretation sehr vorsichtig vorgegangen werden. Denn einerseits werden aufgrund der Fakten Resultate hervorgehen, welche Unter-schiede aufzeigen werden. Andererseits ist es nicht zwingender Natur, dass diese Differenzen verallgemeinert werden können. Der Fokus ist darauf ausgerichtet, mög-lichst quantitative und eindeutige Aussagen machen zu können. Da auf dem Gebiet der Statistik beinahe unendlich mögliche Variationen von Einflüssen denkbar sind, wird in dieser Arbeit auf weitere Gegenüberstellungen wie z.B. Korrelation zum Markt etc. verzichtet. Ein weiterer Grund liegt darin, dass die Berechnung von Korrelations-koeffizienten und Betafaktoren nur die Grundlagenarbeit darstellen, welche jedoch in der Theorie nicht beschrieben wurde. Zwar könnte beispielsweise das Marktrisiko mit diesen Instrumenten herausgefiltert werden, andererseits ist das Potential dieser



73

Vorgehensweisen auch dann nicht ausgeschöpft, da weitere Korrelationen etc. ge-sucht werden können. Somit wird in dieser Arbeit der Fokus auf die "Idee" der Kalen-deranomalie gelegt. Zusätzlich ist auch eine klare Abgrenzung gewährleistet. Weiter könnten die gewünschten Daten auch direkt über ein professionelles Informations-system abgerufen werden, worauf die Autoren dieser Arbeit jedoch keinen Zugriff hatten. In den folgenden Unterkapiteln wird nun direkt auf die beiden erwähnten Fra-gestellungen Bezug genommen. Wie dabei auch rechnerisch vorgegangen wird, ist in den einzelnen Themenbereichen genau beschrieben.

Das Vorgehen ist so gegliedert, dass zuerst in beiden Kapiteln (Tages- und Monats-anomalie) unter den einzelnen Titeln die Resultate im Detail präsentiert und be-schrieben werden. Da vor allem der Direktvergleich der verschiedenen Titel interes-sant ist und auch eine Gesamtinterpretation gewähreistet wird, wurde entschieden, die Aspekte der Behavioral Finance in einem Gesamtfazit zusammenzufassen. Ein weiterer Vorteil liegt darin, dass bei diesem Vorgehen Wiederholungen vermieden werden können und Unterschiede bzw. Parallelen direkt ersichtlich werden.

5.2.1. Tagesanomalie

In diesem Unterkapitel soll untersucht werden, ob Unterschiede bei einzelnen Wo-chentagen erkannt werden können. Einerseits werden dabei die verschiedenen Ren-diten gegenübergestellt. Andererseits wird die Volatilität untersucht, um die allgemei-nen Bewegungen ebenfalls zu berücksichtigen.

Um das genaue Vorgehen möglichst transparent beschreiben zu können, werden auszugsweise Excel-Darstellungen integriert, wobei die einzelnen Schritte aufgeführt werden. Das gesamte Vorgehen wird in diesem Teil anhand der UBS-Aktie beschrie-ben. In Bezug auf die einzelnen Titel werden dann die entsprechenden Resultate später diskutiert sowie interpretiert. Bei der gesamten Untersuchung werden die Da-ten untereinander und im Vergleich zum Mittelwert verglichen. In einem ersten Schritt geht es also darum, die durchschnittlichen Tagesrenditen und Volatilitäten zu be-rechnen. Der folgende Excel-Auszug soll dies verdeutlichen:

Tabelle 2: Berechnung Geometrischer Durchschnitt und Tagesvolatilität Gesamt

Als erste Massnahme mussten zuerst die einzelnen Tagesschlusskurse beschafft werden. Die Quellenangaben sind jeweils unter den einzelnen Titeln zu finden. Aus-gehend von den Kursen konnte somit die einfache Tagesrendite berechnet werden. Darauf aufbauend wurde es nun möglich, den geometrischen Durchschnitt zu er-rechnen. Dieser kann relativ einfach über den Schlusskurs des letzten Tages der Da-tenreihe und den Anfangskurs berechnet werden, indem dann im Anschluss die ent-


74

sprechende Wurzel daraus gezogen wird (Wurzel = Anzahl Renditen). Die dahinter-stehenden Formeln sind jeweils direkt im Excel-File ersichtlich. Die Tagesvolatilität wird wie folgt berechnet: Ausgehend von den einzelnen Tagesrenditen wird zuerst die Abweichung vom geometrischen Durchschnitt berechnet und in der darauffolgen-den Zelle quadriert, damit keine negativen Werte mehr in der Berechnung enthalten sind. Summiert man im Anschluss alle quadrierten Abweichungen und teilt diese durch die Anzahl Werte gelangt man zur Varianz. Die Wurzel aus der Varianz ergibt dann schlussendlich die Tagesvolatilität. In Bezug auf die Varianz muss an dieser Stelle auf eine wichtige Tatsache hingewiesen werden. Häufig wird in der Praxis durch einen Wert weniger dividiert als Resultate vorhanden sind. Da dieser Einfluss bei grossen Datenreihen jedoch vernachlässigt werden kann, wird zur Vereinfachung direkt durch die Anzahl Werte dividiert. Der Vorteil in Bezug auf diese Arbeit liegt dar-in, dass auch die Kontrolle der Berechnungen erleichtert wird. Dies soll beispielhaft am Kontrollinstrument der Volatilitätsberechnung aufgezeigt werden. Im Register "Zusammenfassung Volatilität" geschieht dies mit folgender Formel:

=((SUMME((B3^2)*C3)+((B4^2)*C4)+((B5^2)*C5)+((B6^2)*C6)+((B7^2)*C7))/C2)^(1/2)-B2

Dabei handelt es sich um die Rückrechnung der einzelnen Resultate über einen an-deren Weg. Zuerst müssen die einzelnen Volatilitäten durch deren Quadrieren wie-der zu Varianzen umgerechnet werden. In einem nächsten Schritt werden diese Va-rianzen mit der Anzahl Tage multipliziert, um zu den jeweiligen Summen zu gelan-gen. Summiert man diese Summen wiederum zu einer Gesamtsumme, erhält man die identische Summe wie im Register "Gesamt". Davon ausgehend wird das Resul-tat durch die Gesamtzahl der Tage dividiert und aus diesem Zwischenresultat die Wurzel gezogen, damit wiederum die Volatilität über alle Wochentage hervorgeht. Wird dieses Resultat mit dem verknüpften Ergebnis aus der Gesamtübersicht ver-rechnet muss eine Differenz von 0 entstehen. Durch dieses konzeptionelle Vorgehen des automatischen Kontrollinstruments soll gewährleistet werden, dass keine Re-chenfehler einfliessen können. Diese Kontrolle ist jeweils in den einzelnen Zusam-menfassungsregistern ersichtlich. Würde man wie oben beschrieben die Summe durch einen Wert weniger dividieren, um zur Varianz zu gelangen, würden in der Kontrolle Differenzen entstehen. Denn in der Gesamtberechnung wird einmal durch einen Wert weniger dividiert und in den einzelnen Wochentagen-Berechnungen wird jeweils je einmal durch einen Wert weniger dividiert (also insgesamt durch fünf Werte weniger). Durch die erwähnte Vereinfachung wurde diese Problematik jedoch elimi-niert.

Bei der Berechnung der einzelnen Wochentage müssen weitere - auch Excel-spezifische - Vorgehensweisen beachtet werden. Grundsätzlich ist es wichtig, dass beim Kopieren der Datenreihen nicht auch die Formeln direkt übernommen werden. Denn bei diesen Berechnungen soll nicht die Veränderung zum vorangehenden Montag untersucht werden (was gleichbedeutend mit einer Wochenrendite wäre), sondern die Veränderung zum Vortag. Beispielsweise wird bei der Montagsrendite der Schlusskurs vom Freitag als Basis genommen. Somit wurden in den einzelnen Registern direkt die Werte aus der Gesamtübersicht eingefügt. Die Spalte "Preis" gilt somit in diesem Zusammenhang nur als Information und ist für die Berechnung in den Wochenregistern unerheblich. Ein weiterer Unterschied zur Gesamtübersicht stellt die Berechnung des geometrischen Durschnitts dar. Da hier die einzelnen Wo-chentage von Interesse sind, kann nicht einfach der Endpreis durch den Anfangs-preis geteilt werden und dann durch die Wurzel verdurchschnittlicht werden. Da sich hier der Durchschnitt nur auf die einzelnen Wochentage beziehen soll, muss mit Fak-


75

toren gearbeitet werden, welche miteinander multipliziert werden und dann die ent-sprechende Wurzel daraus gezogen wird. Diese Vorgehensweise ist folgend rötlich visualisiert. Auch hier können die einzelnen Formeln direkt im Excel-File eingesehen werden.

Tabelle 3: Berechnung Geometrischer Durchschnitt und Tagesvolatilität tagespezifisch

Ist man an diesem Punkt angelangt, sind grundsätzlich alle wichtigen Vorarbeiten er-ledigt und die Resultate können betrachtet und beschrieben werden.

5.2.1.1. UBS

Die detaillierte Untersuchung der UBS-Aktie hat folgende Resultate in Bezug auf ta-gesspezifische Renditen hervorgebracht:

Tabelle 4: Tagesspezifische Renditen UBS191

Wie in der Tabelle ersichtlich ist, beträgt die durchschnittliche Tagesrendite über den Zeitraum von Anfang Januar 2000 bis 28. Juni 2010 -0.0265%. Grundsätzlich ist es sehr interessant zu sehen, wie stark die einzelnen Wochentage vom Gesamtdurch-schnitt abweichen. Dies wurde in der zweiten Spalte "Differenz zum Gesamtdurch-schnitt" berechnet. Die stärksten beiden Abweichungen sind hier am Montag sowie am Donnerstag aufgetreten. Während der Montag im Vergleich um -0.1848% schlechter ausgefallen ist, war der Donnerstag mit plus 0.1365% der erfolgreichste Wochentag. Geht man noch einen Schritt weiter und berechnet die Differenz der bei-den Extremwerte erhält man als Resultat 0.3213%, also beinahe ein Drittel Prozent. Ein weiterer Indikator, mit welchem die Stimmung etwas quantifiziert werden kann, ist die Volatilität, wie dies aus folgender Grafik hervorgeht:

191 Eigene Berechnungen, Datenbasis: UBS AG (2010) g.


76

Tabelle 5: Tagesspezifische Volatilitäten UBS192

Interessant zu beobachten ist, dass die verstärkte Renditeabweichung gleichzeitig mit einer verstärkten Volatilität einhergeht. In Bezug auf die beste Tagesrendite (Donnerstag) kann gesagt werden, dass am selben Tag die zweittiefste Tagesvolatili-tät gemessen wurde. Würde man aus diesen Gegebenheiten eine Börsenweisheit kreieren könnte man diese beispielsweise durch den Spruch "Buy on Monday, sell on Friday" zusammenfassen. Dies bedeutet, dass es am vorteilhaftesten gewesen wäre, den Titel jeweils kurz vor Börsenschluss am Montag zu erwerben und dann wieder-um kurz vor Börsenschluss am Donnerstag zu verkaufen. Da es sich hier jedoch um Durchschnittsrenditen handelt, darf diese Logik selbstverständlich nicht einfach so verallgemeinert werden, sondern bezieht sich nur auf die vorliegende Untersuchung. Weiter ist es möglich, dass unter Umständen trotzdem ein Verlust eingetreten wäre, da die Gesamtrendite immer noch negativ sein kann. In diesem Zusammenhang könnte man somit nur von einer gewissen Schadensbegrenzung sprechen. Gesamt-haft geht hervor, dass das Risiko bei der UBS-Aktie erhöht ist. Der Grund liegt darin, dass der Titel stark von konjunkturellen Einflüssen geprägt wird. Weiter hat die Fi-nanzkrise einen grossen Beitrag zur Volatilität geleistet.

5.2.1.2. Adecco

Die tagesspezifischen Renditen bei Adecco präsentieren sich wie folgt:

Tabelle 6: Tagesspezifische Renditen Adecco193

Wie in der obigen Darstellung hervorgeht, traten unter den verschiedenen Wochen-tagen grössere Unterschiede auf. Ausgehend vom schlechtesten Tag (Montag) kam es in der Folge zu einer kontinuierlichen Verbesserung bis am Donnerstag. Der Wo-chenschluss war dann jedoch mit dem Freitag wieder negativ. Verrechnet man die beiden Extremwerte ergibt dies eine Differenz von 0.3073. Entscheidend für die ne-


193 Eigene Berechnungen, Datenbasis: Adecco (2010) d.


77

gative Gesamtrendite war vor allem der Montag, welcher im Vergleich überdurch-schnittlich im Minus ist.

Tabelle 7: Tagesspezifische Volatilitäten Adecco194

Bei den tagesspezifischen Volatilitäten ist der renditeschwächste Wochentag eben-falls durch eine höhere Volatilität gekennzeichnet, während der Freitag keine grosse Schwankungen aufwies. Jedoch muss ebenfalls erwähnt werden, dass sich die ta-gesspezifischen Schwankungen nicht stark von der gesamten Durchschnittsvolatilität unterscheiden. Der Titel kann aufgrund der höheren Volatilität ebenfalls als relativ ri-sikobehaftet bezeichnet werden.

5.2.1.3. Nestlé

Nach zwei konjunktursensitiven Titeln, ist es interessant zu sehen, wie sich Nestlé als defensive Aktie in der betrachteten Periode verhielt. Folgend die Resultate zur Rendite:

Tabelle 8: Tagesspezifische Renditen Nestlé195

Grundsätzlich fällt auf, dass die Tagesrenditen relativ einer stabilen Entwicklung fol-gen. Stellt man auch hier die beiden Extremwerte gegenüber, erhält man nur eine Differenz von 0.0985. Als defensiv bekannter Wert überraschen diese Ergebnisse nicht. Der Grund liegt darin, dass beispielsweise auch im Konjunkturabschwung Nah-rung nachgefragt werden muss. Der erfolgreichste Wochentag war hier im Durch-schnitt der Dienstag, während der Mittwoch dann diesen Erfolg jeweils etwas kom-pensierte. Auch die Volatilität unterstützt das Bild des defensiven Titels:


195 Eigene Berechnungen, Datenbasis: Nestlé S.A. (2010) c.


78

Tabelle 9: Tagesspezifische Volatilitäten Nestlé196

Wie aus der Grafik hervorgeht, handelt es sich um relativ tiefe Volatilitäten. Auch die Abweichungen untereinander sowie die beiden Extremwerte zeichnen ein stabiles Gesamtbild. Stellt man eine Verbindung zwischen der Volatilität und den Renditen her, fällt auf, dass der erfolgreichste Tag (Dienstag) ebenfalls eine tiefe Volatilität aufwies.

5.2.2. Monatsanomalie

Zusätzlich zur Tagesanomalie ist es interessant herauszufinden, ob in Bezug auf die verschiedenen Monate Unterschiede bzw. bestimmte Charakteristiken ersichtlich sind. Dies geschieht von der Grundidee her auf dieselbe Art und Weise wie in der Tagesanomalie. In diesem Teil kann aber auch im Detail auf die in der Theorie auf-gestellte These Bezug genommen werden, wobei der Januar als überdurchschnittlich erfolgreich beschrieben wird. Auch hier wird die These auf andere Aktien und einen anderen Zeitraum umgemünzt. Aufgrund der detailliert beschriebenen Vorgehens-weise bei der Tagesanomalie wird hier auf eine genaue Beschreibung verzichtet. Der Unterschied liegt im Prinzip lediglich darin, dass jeweils die einzelnen Monate als Da-tengrundlage dienen. Dabei wurde der jeweils letzte Tag des Monats als Basis für den Preis genommen. Die Berechnungen sind wiederum in den einzelnen Excel-Files ersichtlich.

5.2.2.1. UBS

Beim ersten zu untersuchenden Titel präsentiert sich die Lage in Bezug auf die mo-natsspezifischen Renditen wie folgt:



79

Tabelle 10: Monatsspezifische Renditen UBS197

Ausgehend von einer durchschnittlichen Monatsrendite von -0.6215% fällt der Feb-ruar durch eine um 4.0733% schlechtere Rendite auf, während der April um 7.1087% besser abgeschnitten hat als der Gesamtdurchschnitt. Bei den weiteren Renditen sind über das Gesamtbild stärkere Abweichungen zu sehen. Dies deutet ebenfalls auf einen konjunktursensitiven Titel hin, wobei das Risiko erhöht ist. Dies geht auch aus der Übersicht der verschiedenen Volatilitäten hervor:

Tabelle 11: Monatsspezifische Volatilitäten UBS197

Wie bereits oben erwähnt, handelt es sich auch hier um relativ starke Abweichungen. Während der April als schwankungsintensivster Monat beschrieben werden kann, ist der Dezember am wenigsten von Unsicherheit geprägt worden. Weiter ist erkennbar, dass es in Bezug auf die Schwankungen grosse Unterschiede gab. Nach Monaten



80

mit überdurchschnittlich hohen Volatilitäten folgten in der Regel Monate mit unter-durchschnittlichen Volatilitäten.

5.2.2.2. Adecco

Die Renditen des zweiten untersuchten Titels sind in der folgenden Grafik aufgelistet:

Tabelle 12: Monatsspezifische Renditen Adecco198

Ausgehend von einer durchschnittlichen Monatsrendite von -0.6911% war hier der Monat April am erfolgreichsten (8.4911% besser als der Gesamtdurchschnitt). Dies im Gegensatz zum Dezember, welcher stark unterdurchschnittlich performte. Ver-rechnet man hier die beiden Extremwerte fällt auf, dass der Unterschied mit 16.9686% sogar höher ausfällt als bei der UBS. Die Volatilitäten zeichnen in Bezug auf das eingegangene Risiko ein ähnliches Bild. Dies würde die Logik bestätigen, dass hohe Renditen normalerweise nur mit einem höher eingegangenen Risiko er-reicht werden können.



81

Tabelle 13: Monatsspezifische Volatilitäten Adecco199

Die höchste Schwankungsbreite wurde bei Adecco im April mit 18.6105% erreicht, während der Monat August mit nur 4.8573% der "sicherste" war. Weitere Muster in Bezug auf die Volatilität sind nur schwierig zu erkennen. Die Grundcharakteristik ei-nes zyklischen Titels wird jedoch mit diesen hohen Volatilitäten erfüllt.

5.2.2.3. Nestlé

Auch in Bezug auf monatsspezifische Renditen soll hier aufgezeigt werden, dass es sich bei Nestlé um einen defensiven Titel handelt. Dies geht vor allem aus den be-rechneten Renditen hervor:



82

Tabelle 14: Monatsspezifische Renditen Nestlé200

Während der August hier der erfolgreichste Monat ist, stellt der Januar in diesem Zu-sammenhang das Schlusslicht dar. Jedoch sind die restlichen Abweichungen zum Gesamtdurchschnitt nicht sonderlich hoch.

Tabelle 15: Monatsspezifische Volatilitäten Nestlé200

Bei den monatsspezifischen Volatilitäten ist vor allem der August, Januar und Juli von vermehrter Unsicherheit geprägt, während die Monate November, April und März eine unterdurchschnittliche Volatilität aufweisen. Wie auch hier hervorgeht wird das Bild eines defensiven Titels bestätigt.



83

5.2.3. Gesamtfazit Kalenderanomalie und Behavioral Finance

Um vertieft auf die einzelnen Resultate eingehen zu können, wird in diesem Kapitel eine Unterteilung zwischen der Tagesanomalie und der Monatsanomalie vorgenom-men. So wird gewährleistet, dass die einzelnen Titel einander möglichst präzis ge-genübergestellt werden können.

5.2.3.1. Tagesanomalie

Versucht man die Resultate zu interpretieren, können verschiedene Ansätze verfolgt werden. Grundsätzlich wäre es möglich, dass der allgemeine Trend nach dem Wo-chenende durch weitere Medienberichte verstärkt wird. Da am Wochenende zwei Tage nicht gehandelt wird, besteht theoretisch mehr Zeit um verschiedene Analysen vorzunehmen, welche in der Folgewoche umgesetzt werden können. Ist beispiels-weise der allgemeine Tenor in Bezug auf die UBS-Aktie negativ, wie dies vor allem seit Beginn der Finanzkrise der Fall ist, kann auch die Verunsicherung der Marktteil-nehmer verstärkt werden. Denn obwohl gewisse Informationen bereits vorhanden sind, können diese vertieft interpretiert werden. In Bezug auf das Stimulus-Response-Modell sind die verschiedenen Medienberichte als Stimulus und die Reak-tion auf den Märkten als Response zu betrachten.

In Bezug auf die weiteren Behavioral-Theorien können für diese Resultate mehrere Themen miteinbezogen werden. Ein Teilbereich stellt in diesem Zusammenhang die selektive Wahrnehmung dar. Ist beispielsweise mehr Zeit vorhanden, Berichte zu le-sen, wie dies am Wochenende der Fall sein kann, ist es möglich, dass sich persönli-che Einschätzungen verstärken. Den Heuristiken kommt bei dieser Art Interpretation ein grosses Gewicht zu. Somit ist es auch möglich, dass die komplexen Zusammen-hänge vereinfacht werden und dann am Montag die Umsetzung erfolgt, da die Über-zeugung aufgrund der längeren Pause - wobei auch der Overconfidence Bias hinein-spielen kann - gewachsen ist. Wie aus der Argumentation hervorgeht, spielt auch die Verfügbarkeitsheuristik eine grosse Rolle, da die verschiedenen Investoren nur die-jenigen Sachverhalte interpretieren können, welche auch vorhanden sind. Umgekehrt können aber auch frühere Bedenken oder Überzeugungen vernachlässigt werden. Durch die Möglichkeit, Informationen während einem längeren Zeitraum verarbeiten zu können, steigt auch die Wahrscheinlichkeit, dass bestimmte Gegebenheiten über-schätzt werden, was in der Repräsentativitätsheuristik begründet wird. Der Illusion of Control Bias kann bei einer vertieften Betrachtungsweise ebenfalls einen Einfluss haben, da durch die investierte Zeit auch die Selbsteinschätzung beeinflusst wird. Somit könnte dies zu vermehrtem Handel führen, was zu einer komplexeren Situati-on führt. In der Folge steigt aufgrund der gestiegenen Komplexität - da auch ver-mehrt Anleger am Prozess beteiligt sind - die Verunsicherung und damit auch die Vo-latilität. Zusammengefasst kann aufgrund der obigen Verknüpfungen die Hypothese aufgestellt werden, dass die verschiedenen Biases den bereits bestehenden Trend verstärken können. Dies schlägt sich dann in einer negativeren Rendite jeweils am Montag nieder, wobei dies durch die hohe Volatilität plausibel erscheint. Hohe Volati-lität verursacht normalerweise auch stärker abweichende Renditen. Eine weitere mögliche Hypothese kann somit sein, dass die Stimmung nach dem Wochenende durchaus unterschiedlich ist im Vergleich zu anderen Wochentagen. Sehr interessant ist ohnehin, dass das Grundmuster in Bezug auf die Renditen bei der UBS und Adecco identisch ist. Ebenfalls sehr auffallend ist die Tatsache, dass bei beiden Ti-teln die höchste Volatilität jeweils am Montag erfolgt. Jedoch wird die ganze Hypo-these durch Nestlé etwas abgeschwächt, da der beste sowie negativste Wochentag


84

jeweils zu einem anderen Zeitpunkt auftritt. Abschliessend soll auch erwähnt werden, dass eine höhere Volatilität eher sinkende Kurse begünstigte, während eine tiefe Vo-latilität eher mit positiven Kursveränderungen korrelierte. Dies bedeutet, dass Unsi-cherheit an den Aktienmärkten im Normalfall negative Auswirkungen hat. Diese The-se kann somit in Bezug auf die untersuchten Titel bestätigt werden.

5.2.3.2. Monatsanomalie

Bei der Monatsanomalie kann die in der Theorie aufgestellte These, dass der Monat Januar eine überdurchschnittlich gute Rendite aufweist, durch die UBS, Adecco und Nestlé nicht bestätigt werden. Die von der Grundidee aufgestellte These bei der Ta-gesanomalie (dass nach dem Wochenende mehr Zeit zur Verfügung steht und dann zu einem abweichenden Verhalten führt) lässt sich nur sehr schwer auf die Monats-anomalie umlegen. Hier wäre es zwar möglich gewesen, die Annahme zu verfolgen, dass - in Anlehnung an die Theorie - der Januar unterschiedliches Verhalten aufzei-gen könnte, da aufgrund der Weihnachtsferien etwas mehr Zeit besteht. Weiter ist es im wirtschaftlichen Umfeld häufig der Fall, dass über ein gesamtes Kalenderjahr ein Fazit gezogen wird, was die Entscheidungen ebenfalls beeinflussen kann. Auch die Firmen stehen unter Druck, gute Jahresabschlüsse vorzulegen. Somit könnte grund-sätzlich der Illusion of Control Bias herangezogen werden, indem die These aufge-stellt wird, dass kurzfristig vor Jahresende erfolgswirksame Massnahmen getroffen würden. Dies kann jedoch aufgrund der tieferen Volatilität im Dezember nicht ange-nommen werden. Im Gegenteil scheint es, dass die Unsicherheit im Dezember nicht mehr ansteigt. Eine mögliche Erklärung dafür kann sein, dass sich viele Firmen erst im neuen Jahr unterschiedlich positionieren werden. Dies ist jedoch ebenfalls sehr schwierig herauszulesen. Zwar kann diese Behauptung in Bezug auf den Dezember einigermassen klar plausibilisiert werden, jedoch bewegt sich die Volatilität im Januar bei allen drei Titeln nahe an der durchschnittlichen Gesamtvolatilität. Versucht man die gemachte Annahme auf Quartalsabschlüsse zu beziehen, müsste eine diesbe-zügliche These als gewagt bezeichnet werden. Beispielsweise ist die Volatilität bei Adecco am Ende des dritten Quartals (September) überdurchschnittlich hoch. Ver-gleicht man die UBS mit Adecco ist es interessant zu sehen, dass der April bei bei-den Titeln von erhöhter Volatilität geprägt ist, wobei der März jeweils eine tiefe Schwankung aufwies. Ein möglicher Stimulus stellt hier die Quartalsberichterstattung dar. Aufgrund dieser Tatsachen wäre es interessant, grundsätzlich die Korrelation dieser beiden Aktien zu untersuchen. Ist die Korrelation hoch (wie dies auch bei der Tagesanomalie möglich ist), wäre unter Umständen bereits eine relativ einfache Er-klärung gefunden. Da es relativ schwierig ist, weitere offensichtliche Parallelen unter den drei SMI-Aktien herauszulesen, wird an dieser Stelle auf weitere Bezüge zur Theorie verzichtet. Zwar ist es durchaus möglich, dass einige in der Tagesanomalie beschriebene Einflüsse auch hier zum Tragen kommen (z.B. verschiedene Biases), jedoch fallen diese in der "Durchschnittsbetrachtung" nicht sonderlich auf.

5.3. Analyse weiterer Behavioral Finance Theorien

In diesem ebenfalls zentralen Teil der Arbeit, werden weitere Behavioral Finance Theorien angewendet bzw. mögliche Anwendungsbereiche aufgezeigt. Vom Grund-satz her soll ausgehend von einem möglichen Stimulus die Entwicklung zum Res-ponse aufgearbeitet werden. Um Erklärungsansätze für dieses Verhalten zu finden, werden die entsprechenden Behavioral Finance Theorien beigezogen. Hierbei muss erwähnt werden, dass die Theorien soweit dies möglich war zur Erklärung der Kurs-


85

Umsatz-Analyse und der Kalenderanomalie beigezogen wurden. Ebenfalls konnten diverse Behavioral Finance Theorien bereits im Theorieteil mit den verschiedenen Anomalien verknüpft werden. Um die Vollständigkeit in der Arbeit zu garantieren, werden in diesem Kapitel unbehandelte Theorien aufgegriffen bzw. bereits analysier-te Themen vervollständigt und vertieft. Um Doppelspurigkeiten zu vermeiden und den zusammenhängenden Charakter der Arbeit zu festigen, werden Verweise zu vo-rangehenden Kapitel gemacht.

5.3.1. Prospect Theory

Die Prospect Theory besagt, dass Gewinne anders behandelt werden als Verluste. Dies bedeutet, dass in Verlustsituationen, ausgehend von einem Referenzpunkt, ein höheres Risiko eingegangen wird. Versucht man diese Gegebenheiten in Bezug auf die Aktien von UBS, Adecco und Nestlé zu untersuchen, gelangt man zu verschiede-nen Fragestellungen. Beispielsweise kann man die unter dem Kapitel "Kurs-Umsatz-Analyse" verwendeten Grafiken betrachten und schauen, ob bei bestimmten Punkten das Handelsvolumen ein Muster widerspiegelt. Die Hauptproblematik besteht jedoch darin, dass es sich hierbei um eine typische Ceteris Paribis-Betrachtung handelt. Da das Volumen von einer Vielzahl von Faktoren abhängig ist, muss von dieser Variante abgesehen werden. Die Gesamtmarktbetrachtung scheint in diesem Zusammenhang keine gute Basis für Interpretationen dieser Art zu sein. Erfolgsversprechender wäre es jedoch herauszufinden, wie viel Prozent der einzelnen Anleger in der anfänglich beschriebenen Weise handeln. Die Herausforderung besteht jedoch darin, dass sol-che Überlegungen Daten erfordern, welche sich auf bestimmte Kundenstämme von Banken beziehen. Weiter kann auch von relativen Abweichungen von einem be-stimmten Referenzpunkt ausgegangen werden. Hier wäre es möglich, dass eine be-stimmte Gruppe von Anlegern nach dem Erreichen einer prozentualen Veränderung eine Handlung tätigt. Diese Handlungen sollten jedoch nicht symmetrisch erfolgen, sondern sich je nach Situation (Gewinn oder Verlust) unterscheiden. Konkret könnte dies bedeuten, dass ein Anleger bei seinen UBS Aktien eine Verkaufsorder abgibt, sobald die Aktie um 10 Prozent gestiegen ist. Da wie in der Theorie erwähnt in Ver-lustsituationen ein höheres Risiko eingegangen wird, würde der Verkauf beispiels-weise erst bei minus 12 Prozent erfolgen. In Bezug auf den Referenzpunkt können auch "psychologische Marken" eine entscheidende Rolle spielen. Wie teilweise in den Grafiken ersichtlich ist, bewegt sich ein Kurs über eine längere Periode im Be-reich einer solchen Marke. Wird diese dann aber im Anschluss durchbrochen, kann es zu stärkeren Veränderungen kommen. Dies ist auch bei konkreten Beispielen im Kapitel Kurs-Umsatz-Analyse ersichtlich. Wird eine Trendlinie massgeblich durchbro-chen, steigt im Normalfall die Wahrscheinlichkeit für eine Trendumkehr markant an. Eine weitere Variante ist, dass es nach dem Berühren einer "psychologischen Marke" vermehrt Ausschläge in die Gegenrichtung geben kann. Auf der anderen Seite kann jedoch die Verlustaversion relativ einfach überprüft werden. In den Finanzmärkten wird diese im Prinzip direkt durch die verschiedenen CDS abgebildet. Dabei können beispielsweise Ausfälle von Rückzahlungen bei Obligationen abgesichert werden. Ein weiteres Beispiel stellen verschiedene Produkte mit Kapitalschutz dar.

5.3.2. Heuristiken

Die Heuristiken haben sich im Grossen und Ganzen als praxisnah erwiesen. Viele dieser Hilfen können wir im eigenen Leben beobachten und sie erscheinen uns bei genauerem hinsehen als logisch und verständlich. Nachfolgend sollen Situationen


86

aufgezeigt werden, bei denen Heuristiken einen Einfluss gehabt haben können. Ein-leitend kann gesagt werden, dass Heuristiken im Allgemeinen, speziell aber die Heu-ristiken zur Komplexitätsreduktion, sehr oft zu beobachten sind. Sie stellen sehr grundlegende Verhaltensmuster der Menschheit dar. Sie sind daher tagtäglich zu beobachten. Sei dies im Strassenverkehr, beim Einkaufen oder eben an der Börse.

Vereinfachung Ziel der Vereinfachung ist es, Informationen die für die Entscheidung nicht relevant sind wegzulassen. Hierbei ist es natürlich äusserst wichtig, die richtigen Informatio-nen zu selektieren. Diese Auswahl geschieht sehr subjektiv und es sind daher grosse Unterschiede bei den verschiedenen Investoren ersichtlich. Ein gutes Beispiel für Komplexitätsreduktionen ist in der Chart-Analyse zu finden. So werden beim Setzen von Unterstützungs- und Widerstandslinien drei Punkte gesucht, die auf einer Linie sind. Dass diese Punkte nicht genau auf der gleichen Linie liegen wird ausser Acht gelassen. Auch werden die genauen Umstände und Rahmenbedingungen nicht be-achtet. Als Beispiel ist unsere Kurs-Umsatz-Analyse am Beispiel der drei SMI-Aktien zu erwähnen. Man nimmt einfach an, dass diese Wendepunkte ceteris paribus auch beim nächsten Mal so eingehalten werden. Ganz allgemein kann hier gesagt werden, dass all diese Modelle und Prognosen auf der Annahme basieren, dass die andern Parameter unverändert bleiben. Diese Modellvoraussetzung ist eine klare Vereinfa-chung im Sinne dieser Heuristik.

Mental Accounting Das Führen dieser geistigen Konten hat zur Folge, dass mit gewissem Geld hohe und mit anderem Geld tiefe Risiken eingegangen werden. Diese Vorgehensweise widerspricht der Asset Allocation diametral. In Bezug auf die drei SMI-Aktien ist diese Art von Verhalten sehr schwierig zu erkennen. Eine Möglichkeit ist, wenn die Börsen von tiefem Niveau zu steigen beginnen. Angenommen ein Anleger verzeichnet auf tiefem Niveau Kursgewinne. Nun entscheidet er sich, mit Gewinn zu verkaufen. Die-ses gewonnene Geld hat er nun gemäss der Theorie des Mental Accountings auf ei-nem separaten Konto. Der Investor ist nun bereit, mit diesem Geld viel höhere Risi-ken zu tragen, als mit seinem übrigen Vermögen. Es ist nun denkbar, dass er dieses Geld bei der ersten Gelegenheit wieder investiert. Wenn dieses Vorgehen nun meh-rere Male gut geht, hat er in Folge der Kursgewinne einen im Verhältnis zum Ge-samtvermögen grösseren Teil anzulegen. Da sich dieses Phänomen bei den meisten Marktteilnehmern finden lässt, steigen die Nachfragevolumen kontinuierlich an. Als Folge dessen steigen die Kurse progressiv an und es entwickelt sich eine Blase. Ein weiterer Punkt ist, dass das Risiko in Folge der Gewinne, als nicht mehr so gross angesehen wird. Dadurch ist man bereit, zusätzliche Teile des Vermögens zu inves-tieren oder in noch riskantere Titel und Produkte zu wechseln. Dieser Effekt dürfte die Stimmung noch zusätzlich anheizen. Im Falle einer Korrektur wirkt dieser Effekt genau in der entgegengesetzten Richtung.

Vernachlässigung von Informationen Die Theorie über die Vernachlässigung von Informationen besagt, dass Einflussfak-toren, welche die eigene Meinung unterstützen, leichter wahrgenommen werden. Dieser enge Zusammenhang wird insbesondere in starken Aufwärtsbewegungen wahrgenommen. Nehmen wir als Beispiel den UBS-Chart der Periode 2 oder den Nestlé-Chart der Periode 4, erscheint diese Aussage sehr plausibel. Die grosse Mehrheit erwartet einen weiteren Anstieg der Aktie. In dieser Phase werden positive


87

Nachrichten überdurchschnittlich wahrgenommen. In der Folge steigt der Kurs und die positive Erwartung wird bestätigt. Doch dieser Effekt ist nicht alleine auf die se-lektive Wahrnehmung zurückzuführen. Dieser Trend wird auch durch die Medien un-terstützt. Die Nachrichten sind in dieser Phase positiv und Kritiker kommen kaum zu Wort bzw. sie bleiben im Hintergrund, um sich nicht zu exponieren. Dieser mediale Einfluss wird auch als Agenda Setting bezeichnet. In dieselbe Kategorie gehört das Verhalten sogenannter Opinion Leader. Dies können auch Banken sein, welche mit Ihren Kurszielen die Öffentlichkeit beeinflussen. Insgesamt ist davon auszugehen, dass dieser Effekt sehr weit verbreitet ist. Wie im Kapitel "Boom- und Crash-Situationen" beschrieben, dürfte ein grosser Teil der Überbewertungen darauf zu-rückzuführen sein.

Verankerungsheuristik Die praktische Anwendung der Verankerungsheuristik ist sehr schwierig. Wie bereits aus dem Theorieteil hervorgeht, könnten Versuche unternommen werden, um das Verhalten beim Schätzen von Zahlen zu eruieren. Hierbei würde es sich um rein psy-chologische Verhaltensmuster handeln. Grundsätzlich ist ein Einfluss auf das Anla-geverhalten möglich, jedoch ist dieser Effekt nicht mit Beispielen aus dem Praxisteil zu erhärten.

5.3.3. Behavioral Biases

Bei den Behavioral Biases wurde in den vorherigen Teilen direkt versucht, diese möglichst zu hinterfragen. Teilweise ist es auch gelungen, einige davon direkt zu in-tegrieren. Trotzdem soll an dieser Stelle nochmals separat auf einige Spezialitäten Bezug genommen werden. Es stellt sich zudem die Frage, wie die besprochenen Hypothesen in der Praxis umgesetzt werden können. Einleitend kann an dieser Stelle bereits erwähnt werden, dass es bei der Marktbetrachtung praktisch nicht möglich ist, diese Theorien absolut bestätigen bzw. falsifizieren zu können. Einige mögliche prak-tische Ansätze sollen jedoch in der Folge genauer beleuchtet werden. Als erstes Bei-spiel soll die Gambler's Fallacy differenziert betrachtet werden. Kurz zusammenge-fasst besagt diese Verzerrung, dass längere Abfolgen im Normalfall von den Indivi-duen unterschätzt werden. In Bezug auf die untersuchten Aktien wird jedoch von die-ser These Abstand genommen. Denn einerseits kann dieser Bias einen direkten Ein-fluss auf die Handelsströme haben und längere Abfolgen kommen dann aufgrund verschiedener Interaktionen tatsächlich weniger vor, da es sich bei den Aktienkursen auch immer um durchschnittliche Schätzungen handelt. Andererseits ist es sehr schwierig herauszulesen, ob die einzelnen Kursveränderungen vom Gambler's Falla-cy Bias betroffen sind. Dieses Beispiel zeigt symptomatisch die Grundproblematik in Bezug auf eine empirische Untersuchung auf. Zwar ist es relativ einfach möglich, solche Biases an Testpersonen zu untersuchen. Versucht man solche Muster jedoch auf den Markt anzuwenden, wird die Umsetzung zu komplex. Die verbleibende Vari-ante - wie auch bereits an anderer Stelle beschrieben - ist, einzelne Anlegergruppen zu untersuchen. Dies wäre beispielsweise beim Home Bias relativ einfach zu errei-chen. Durch eine Umfrage kann direkt herausgefunden werden, ob die einzelnen In-vestoren überwiegend im Heimmarkt investiert sind. Werden die statistischen Vor-aussetzungen eingehalten, ist diese These falsifizierbar. Weitere Wahrnehmungs-verzerrungen wie beispielsweise der Hindsight Bias (weitere Beispiele: Overconfi-dence, Illusion of Control etc.) können aus Sicht der Autoren praktisch nur mit psy-chologischen Untersuchungen, wie dies häufig auch in der Theorie gemacht wurde, bestätigt werden.


88

5.3.4. CAPM Anomalie

Bei der CAPM Anomalie ist es äusserst schwierig, konkrete Beispiele zu finden. Da das CAPM die erwartete Rendite anhand des Beta Faktors bestimmt, ist jede Abwei-chung von dieser geforderten Rendite im Grunde genommen als Anomalie zu be-zeichnen. Welche Abweichung aus der Behavioral Finance nun dafür verantwortlich ist, kann nicht bestimmt werden. Im Endeffekt ist die Differenz zwischen der gefor-derten Rendite und der effektiv erzielten das Resultat eines Zusammenspiels aller behavioralen Modelle. Zudem wird am Beispiel des CAPM ersichtlich, dass das Mo-dell an und für sich nicht stimmen wird. Es ist somit schlussendlich nicht mehr fest-zustellen, ob die Abweichungen mit Behavioral Finance begründet werden können, oder ob das Resultat des CAPM nicht korrekt ist. In diesem Punkt stellt sich hier die grundlegende Frage, an welche Stufe der Markteffizienz man zu glauben bereit ist.

5.3.5. Boom- und Crash-Situationen

Um Doppelspurigkeiten zu vermeiden, sei hierbei auf das Kapitel "Boom- und Crash-Situationen" im ersten Teil der Arbeit verwiesen. Zusätzlich zu den dort bereits ge-machten Analysen und Interpretationen ist nachfolgend eine solche Boom-Crash-Situation aufgezeigt:

Abbildung 35: Übersichtschart UBS201

Bei diesem UBS-Chart lässt sich das Muster eines Booms erkennen. Zu Beginn des Jahres 2003 ist der grosse Aufwärtstrend zuerst noch unerkannt. Nun beginnen zwi-schen Mitte 2003 und Anfang 2004 die grossen Käufe und lassen den Kurs deutlich ansteigen. Gegen Mitte des Jahres 2004 ist die Nachfrage gedeckt und der Kurs be-ginnt zu sinken. Analog zum theoretischen Modell im Kapitel "Boom- und Crash-Situationen" wird nun getestet, ob der Kurs in einem vernünftigen Verhältnis zum Gewinn steht. Wird dies bejaht, steigt der Kurs nun massiv an und erreicht zu Beginn des Jahres 2006 einen neuen Höchststand. Mitte 2006 kommen erste Bedenken auf und der Kurs sank deutlich. Erfahrene Händler und Investoren erster Stunde dürften hier einen grossen Teil Ihrer Positionen abgebaut haben. An dieser Stelle kommen



89

die ahnungslosen Anleger ins Spiel. Sie haben soeben von den grossen Gewinnen, welche an der Börse in relativ kurzer Zeit gemacht werden können gelesen. Auch sie wollen nun daran partizipieren. Den Einbruch Mitte 2006 sehen sie nicht als mögliche Trendwende sondern als günstige Kaufgelegenheit. Dies führt in der Tat dazu, dass der Kurs nochmals an Schwung gewinnt und gegen Ende 2006 einen neuen Höchst-stand erreicht. Im folgenden Halbjahr schwankt der Kurs auf hohem Niveau. Die Aufwärtsimpulse fehlen, jedoch wollen die Anleger noch nicht wahrhaben, dass die Party vorbei ist. Erst gegen Mitte 2007 wird offensichtlich, dass die Realität die über-zogenen Erwartungen nicht mehr erfüllen kann. Die Folge ist ein übermässiger Ab-sturz, wie wir ihn bei der UBS klar beobachten können.

Anhand von diesem Beispiel lässt sich das Boom- und Crash-Szenario eindrücklich erklären. In der Tat korrelieren die Kursverläufe überaus deutlich mit dem theoreti-schen Modell. Objektiverweise muss hier gesagt werden, dass insbesondere auf den Abwärtstrend noch viele weitere Faktoren eingewirkt haben.

5.3.6. Herdentrieb

Hierbei handelt es sich um eines der bekanntesten und wichtigsten Phänomene zur Erklärung von grossen Kursschwankungen. Der Herdentrieb steht in engem Zusam-mengang mit dem zuvor behandelten Boom- und Crash Szenario. Grundsätzlich hat der Herdentrieb bei grossen Preisänderungen einen Einfluss (Bsp. UBS Kurs von 2003 bis 2007). Genaue Hintergrundinformationen zum Herdentrieb sind unter Kapi-tel "Massenpsychologische Dynamik und Herdentrieb" vorzufinden.

Praktischer Nutzen und Prognosen

90

6. Praktischer Nutzen und Prognosen

In diesem letzten Teil der Arbeit wird einerseits der praktische Nutzen der Behavioral Finance Theorien kritisch beschrieben und aufgezeigt. Andererseits wird ein Blick in die Zukunft gewagt, indem bei den drei ausgewählten SMI-Aktien je eine kurzfristige und langfristige Prognose erstellt wird.

6.1. Praktischer Nutzen

Nachfolgend werden die Kurs-Umsatz-Analyse und die Berechnungen zur Kalender-anomalie bewertet. In erster Linie soll der praktische Nutzen der gemachten Analy-sen kritisch betrachtet werden. Zusätzlich soll der zu erwartende Nutzen und der Aufwand einer Umsetzung des Wissens abgeschätzt werden. Die nachfolgenden In-terpretationen sind als Ergänzung und Vertiefung zur kritischen Würdigung im Kapitel der technischen Analyse zu sehen.

Die Grundproblematik in Bezug auf zusätzliche Analysen (Bsp. Put/Call Ratio) be-steht darin, das notwendige Datenmaterial in der gewünschten Qualität und Quantität beiziehen zu können. Zugriffe auf Datenaufbereitungssysteme wie Bloomberg, Reu-ters oder Telekurs dürften hier Abhilfe verschaffen. Ebenfalls muss bei solchen Aus-wertungen in der Praxis darauf geachtet werden, dass ein positiver Grenznutzen be-stehen bleibt.

Bei der Kurs-Umsatz-Analyse und der Kalenderanomalie fokussieren wir uns in Kapi-tel 5 auf die Anwendung. Daher werden nachfolgend Aussagen zu deren praktischen Nutzen gemacht. In Bezug auf die weiteren Theorien geht der praktische Nutzen di-rekt aus dem praktischen Anwendungsteil hervor. Dieser wird daher in diesem Teil nicht nochmals aufgegriffen.

6.1.1. Kurs-Umsatz-Analyse

Bei der vorangegangenen Anwendung der Kurs-Umsatz-Analyse sollen die Resultate in diesem Abschnitt bewertet werden. Es gilt herauszufinden, worauf diese Theorie basiert, welche Voraussetzungen erfüllt sein müssen und wie aussagekräftig ent-sprechende Analysen sind.

Grundsätzlich stützt sich diese Art von Analyse auf das Verhalten der grossen Volu-men. Wie unsere Analysen gezeigt haben, ist die Wichtigkeit der Unterstützungs- und Widerstandslinien nicht wegzudiskutieren. Sie stellen in der Tat psychologische Barrieren dar, welche sich als sehr hartnäckig erweisen. In diesem Zusammenhang ist auch interessant zu sehen, dass oft runde Beträge als Referenz verwendet wer-den. So wird beispielsweise ein limitierter Kaufauftrag meist bei einer runden Zahl eingeben. Demensprechend sind die Barrieren eher bei CHF 30.00 zu finden als bei CHF 29.83. Obwohl sich bestimmt viele Anleger dessen bewusst sind, wird das Ver-halten nicht geändert. Man geht wahrscheinlich davon aus, dass der eigene Auftrag viel zu klein und zu unwichtig ist, um eine Tendenz zu unterstützen. Denken jedoch viele so, ist der Einfluss aufgrund des Gesetzes der grossen Zahl massiv. Demnach lässt sich sagen, dass die Chartanalyse funktioniert, weil sich viele Menschen unter gleichen Bedingungen ähnlich verhalten.


91

Grundsätzlich greift die Chartanalyse bei Prognosen auf vergangene Zahlen zurück. Dies ist im Grunde bei jeder Vorhersage mit Hilfe von statistischen Verfahren der Fall. Da das Verhalten häufig ändert und sehr viele Faktoren auf die Preisbildung einwirken, kann die Prognose nie wirklich genau sein. Wie wir selbst gesehen haben, ist es sehr schwierig, Trends zu erkennen und allfällige Trendwenden vorherzusa-gen. Bei der Analyse vergangener Zahlen besteht die grosse Gefahr, dass man nur nach Indikatoren sucht, die eine uns bekannte Trendwende hätten voraussagen kön-nen. Das Risiko dieser selektiven Wahrnehmung ist sehr gross. Häufig gab es aber schlicht keine Anzeichen die uns eine Prognose erlaubt hätten. Trotz all dieser Unsi-cherheiten sollte die Kurs-Umsatz-Analyse bei den Entscheidungen nicht völlig aus-ser Acht gelassen werden. Denn sie kann uns zumindest auf einige grosse Gefahren hinweisen (Bsp. Blasenbildungen). Der grösste Vorteil der Chartanalyse ist, dass sie auf unumstrittenen und für jedermann zugänglichen Börsenkursen basiert. Zudem sind aufgrund der Trendkanäle klare Prognosen für Kursziele zu formulieren. Jedoch gilt es zu beachten, dass dies keine exakte Wissenschaft ist und der Interpretations-spielraum zugegebenermassen grosszügig ausgenutzt werden kann.

6.1.2. Kalenderanomalie

Befasst man sich mit dem praktischen Nutzen der Kalenderanomalie, müssen zuerst die genauen Rahmenbedingungen der Untersuchung kritisch unter die Lupe ge-nommen werden. Eine wichtige Einschränkung ist bereits durch die Stichprobe von drei SMI-Aktien gegeben. Wird das Ziel verfolgt, eine relativ allgemein verlässliche These aufzustellen, müsste die Datenbasis viel breiter abgestützt sein. Weitere sta-tistische Massnahmen, wie zum Beispiel einen Vergleich von verschiedenen Zeit-räumen derselben Aktie wäre sicherlich von Vorteil. So könnte als Basis ein soge-nanntes "In sample" genommen werden, welches dann mit einem anderen Zeitab-schnitt ("Out sample") verglichen wird. Sobald ein Phänomen dadurch bestätigt wird, steigt die Wahrscheinlichkeit für eine qualitativ bessere These. Eine weitere Möglich-keit wäre, den Markt selbst miteinzubeziehen und diesen mit weiteren Märkten zu vergleichen. Ein weiteres Problem stellen Sonderfaktoren dar. Theoretisch müssten Verwässerungseffekte etc. in der Untersuchung herausgefiltert werden, damit faire Vergleiche überhaupt möglich werden. Konzentriert man sich nach den vorgenom-menen Berechnungen auf die Interpretation der Resultate, ist es unabdingbar auch selbstkritisch zu sein, um nicht selbst "Opfer" eines Bias zu werden. Zwar ist es durchaus möglich, Parallelen aufzuzeigen. Diese aber in der Folge zu verallgemei-nern wäre zu gewagt. Umgekehrt ist es auch gefährlich, die in der Theorie aufgestell-te These nach nur drei Untersuchungen gleich fallenzulassen. Theoretisch ist es möglich, dass es sich hierbei um drei Zufallsresultate handelt, welche effektiv von der Theorie abweichen. Abschliessend kann festgehalten werden, dass es grundsätzlich anspruchsvoll ist, verschiede Muster zu erkennen, da nie zu 100% klar ist, ob es sich allenfalls um zufällige Parallelen handelt. Um die Kalenderanomalie jedoch zu verifi-zieren, müssten weitere Titel bzw. Märkte untersucht werden, ansonsten ist die sta-tistische Aussagekraft eingeschränkt. Im Endeffekt kann eine Theorie auch praktisch nie vollständig verallgemeinert werden. Eine quantitative Aussage liegt jedoch im Be-reich des Möglichen (z.B. 2/3 der Aktien verhalten sich gemäss der Theorie). Ob die-se Aussage im Anschluss auch qualitativ gewinnbringend ist, kann leider nicht garan-tiert werden.


92

6.2. Prognosen

In diesem Kapitel wird jeweils eine kurzfristige und langfristige Prognose erstellt. Als Grundlage für den kurzen Zeitraum dienen die Erkenntnisse aus der Kurs-Umsatz-Analyse. Für die längerfristigen Prognosen wird sowohl das gesamte Wissen der fundamentalen Analysen als auch der behavioralen Analysen zusammenfassend an-gewendet. Die Beweggründe für die Auswahl der Titel sollen jeweils kurz als Einstieg dargelegt werden.

6.2.1. UBS

Die Wahl der UBS Aktien als Untersuchungsgegenstand fiel uns äusserst einfach, haben wir doch die Geschehnisse rund um die Grossbank in den letzten zwei Jahren sehr interessiert mitverfolgt. Zudem eignet sich die UBS aufgrund des zyklischen Verlaufs sehr gut. Ebenfalls bilden die vielen Medienberichte und grossen Kurs-schwankungen eine gute Grundlage für Analysen und besitzen dementsprechend auch viel Interpretationspotenzial.

6.2.1.1. Kurzfristig

Wie im Übersichtschart im Teil Kurs-Umsatz-Analyse ersichtlich ist, endet der Ab-wärtstrend der Phase 3 bereits vor Ablauf des Beobachtungszeitraumes. Um an die-ser Stelle eine Prognose wagen zu können, ist jedoch der Zeitraum bis zum aktuells-ten möglichen Datum, dem 26. Juli 2010, von grosser Bedeutung. Aus diesem Grund wird für die Prognosebestimmung der nachfolgende Chart der trendlosen Phase vom 01. Januar bis 26. Juli 2010 beigezogen.

Abbildung 36: UBS Prognosechart202

In dieser hier ersichtlichen Periode schwankt der Titel auf historisch tiefem Niveau. Die aktuelle Situation ist noch immer von viel Unsicherheit geprägt. Demzufolge be-wegt sich die UBS, je nach medialer Berichterstattung, uneinheitlich und es ist daher nicht möglich Muster zu erkennen. Es kann jedoch erfreulicherweise festgehalten werden, dass der grosse Abwärtstrend gebremst werden konnte. Während dieser



93

Bodenbildung senden die Volumen in Betrachtung mit den Kurschwankungen natur-gemäss widersprüchliche Signale. Trotzdem soll an dieser Stelle die Kurs-Umsatz-Analyse für die kurzfristige Prognose zur Anwendung kommen.

Während des gesamten Jahres 2009 sind die Volumenveränderungen sehr unein-heitlich. Erst ab dem ersten Quartal 2010 deuten die hohen grünen Volumen auf eine positive Entwicklung hin. Als zweiter Untersuchungsgegenstand ist die Entwicklung der kumulierten Volumen beizuziehen. Gemäss Theorie würden sinkende Volumen eine Divergenz anzeigen und demzufolge auf einen Trendwechsel hindeuten. Diese Schlussfolgerung ist in diesem Beispiel jedoch äusserst fraglich. Da wir uns weder in einem Aufwärts- noch in einem Abwärtstrend befinden, sind keine Aussagen über die Konvergenz und Divergenz machbar. Die These, dass der Kurs tendenziell ansteigen sollte kann nicht erhärtet werden. Diese Annahme würde lediglich auf der Tatsache beruhen, dass es keine Anzeichen für einen Abwärtstrend gibt. Betrachtet man das Kursniveau der UBS-Aktie, erscheint einem die Wahrscheinlichkeit eines Kursan-stiegs als beinahe zwingend. In Anbetracht des erworbenen behavioralen Wissens sei hiermit auf die Gefahr hingewiesen, selbst einem Bias zu erliegen. Aufgrund die-ser dünnen Faktenlage darf nur eine Seitwärtsbewegung prognostiziert werden. Betreffend der möglichen Schwankungen nach oben und unten ist der Stimulus wohl eher bei wirtschaftspolitischen Entscheidungen zu finden. Charttechnische Erklä-rungsversuche sind in diesem Umfeld zum Scheitern verurteilt. Daher sei an dieser Stelle, insbesondere auch wegen der langfristigen Prognose, auf den nächsten Ab-schnitt verwiesen.

6.2.1.2. Langfristig

Wie bereits in der kurzfristigen Prognose erwähnt, handelte es sich in den letzten Monaten hauptsächlich um eine seitwärts gerichtete Entwicklung. Versucht man auf-grund der aktuellen Situation in der sich die UBS befindet, eine langfristige Prognose (über drei oder mehr Jahre) zu erstellen, gelangt man zu verschiedenen Fragestel-lungen. Fundamental betrachtet, befindet sich der gesamte Bankensektor aufgrund der Finanzkrise nach wie vor in einem sehr schwierigen Umfeld. Vor allem die politi-schen Auswirklungen und die möglichen zukünftigen Regulationsbestrebungen ber-gen eine grosse Unsicherheit. Auf der psychologischen Seite muss klar auf das schlechte Image verwiesen werden. Da vor allem aufgrund der Staatshilfe die UBS ein immer noch relativ schlechtes Image geniesst, fliessen weiter Kundengelder ab. Dies ist klar ein Zeichen dafür, dass das Vertrauen noch nicht vollständig zurückge-kehrt ist. Obwohl sich die aktuelle gesamtwirtschaftliche Lage verbessert hat, verhal-ten sich die Anleger kritisch in Bezug auf die UBS. Da diese Durchschnittsmeinung breit abgestützt ist, kann hier auch auf den Herdentrieb verwiesen werden. Weiter gehen die Autoren davon aus, dass weiterhin aufgrund des Agenda Settings der Me-dien Heuristiken und Behavioral Biases relativ stark zum Tragen kommen. Vor allem die Verfügbarkeitsheuristik manifestiert sich hier auf besondere Weise. Durch viele negative Berichte in der Öffentlichkeit kann das wahre Bild unter Umständen verwäs-sert werden. Weiter ist durch die breit abgestützte ähnliche Meinung bei vielen Indi-viduen der Effekt der Informationsvernachlässigung nicht zu unterschätzen. Aufgrund dieser negativen Interpretationen ist es somit durchaus möglich, dass die UBS schlechter bewertet ist, als dies tatsächlich der Realität entspricht. Gerade das Ver-trauen spielt bei einer Bank die entscheidende Rolle. Kehrt dieses wieder zurück, kann sich die Aktie aufgrund grosser Neugeldzuflüsse relativ stark erholen. Aus den oben aufgeführten Überlegungen stellt sich also die Frage, ob die politischen Einflüs-se mit möglichen Restriktionen oder die allgemeine Meinung unter den Investoren


94

und somit auch im Markt stärker sind. Versucht man jedoch aus diesen beiden Haupteinflüssen eine Synthese zu bilden, könnte diese wie folgt aussehen. Einer-seits gilt es als relativ gesichert, dass zumindest noch über eine längere Zeit politi-sche Diskussionen rund um den Bankensektor stattfinden werden. Ob dann tatsäch-lich auch auf Gesetzesstufe gehandelt wird bleibt offen. Dies soll jedoch nicht bedeu-ten, dass der Unsicherheitsfaktor weiterhin vorhanden bleibt. Auf der anderen Seite ist es aber auch durchaus möglich, dass sich die Leute wieder vermehrt mit der UBS identifizieren können. Dies kann auch durch verschiedene Imagekampagnen von Seiten der UBS erreicht werden. Schlussendlich wird auch das makroökonomische Umfeld einen wichtigen Einfluss auf die weitere Entwicklung ausüben. Geht man da-von aus, dass sich die Wirtschaft weiter erholt und sich das Image der UBS verbes-sert, gelangt man zur folgender Prognose. In einer weiteren Phase (ca. nächste 18 Monate) wird von einem seitwärts tendierenden Aktienkurs ausgegangen. Da es sich hierbei um eine zyklische Aktie handelt, wird eine Bandbreite von CHF 13.00 bis CHF 20.00 angegeben. Vor allem das Niveau um CHF 20.00 kann als psychologisch wichtige Marke betrachtet werden. Somit wird es in der Folge auch schwieriger sein, diese Marke deutlich und nachhaltig zu übertreffen. Ist dies jedoch geschafft, gehen die Autoren davon aus, dass sich der Kurs in den nächsten drei bis fünf Jahren um weitere 25% erholen wird. Zusätzlich muss jedoch erwähnt werden, dass die UBS aufgrund ihres zyklischen Charakters einem grösseren Risiko der Blasenbildung un-terworfen ist. Somit muss auch ein Szenario bei einem möglichen wirtschaftlichen Boom berücksichtigt werden. Dabei kann es wie in der Theorie beschrieben zu über-triebenen Reaktionen kommen und gar zu einem Anstieg von 50% der Aktie. Auf der anderen Seite kann der Conservatism Bias dazu beitragen, dass zu lange an den al-ten Überzeugungen festgehalten wird.

6.2.2. Adecco

Die Adecco stellt die ideale Ergänzung zur UBS dar. Sie ist ebenfalls sehr zyklisch und kann, vor allem in Bezug auf die Kalenderanomalie, sehr gut zu Vergleichen mit der UBS beigezogen werden. Die unterschiedliche Branchenzugehörigkeit erhöht die Aussagekraft zusätzlich.

6.2.2.1. Kurzfristig Um eine Prognose bei der Adecco ausarbeiten zu können, wird der Chart der Perio-de 3 (siehe nachfolgende Grafik) beigezogen. Wie bereits in der Kurs-Umsatz-Analyse erwähnt, überwiegen ab März 2010 die rot eingefärbten Volumen. In diesem bestehenden Abwärtstrend ist dies ein klares Zeichen von Divergenz. Daher musste ein Trendwechsel befürchtet werden. Da der zweite Indikator des kumulierten Volu-mens nicht bestätigt werden konnte, musste der Durchbruch der Widerstandslinie mit Vorsicht genossen werden. Hierbei stellt sich nun die Frage, ob der Durchbruch der Trendlinie eine logische Folge der roten eingefärbten Volumen war, oder ob es sich nur um einen temporären Ausbruch handelte.


95


Um diese Aussage verifizieren zu können, wird der nachfolgende Chart beigezogen. Er zeigt uns in vergrössertem Masse die Ereignisse im Jahr 2010 und erlaubt die zum heutigen Zeitpunkt aktuellsten Daten in die Überlegungen miteinzubeziehen. Die Skalierung der Übersicht lässt uns auf den ersten Blick glauben, es handle sich um einen Seitwärtstrend. Grundsätzlich könnte diese Annahme mit Trendlinien gestützt werden. Auch in Bezug auf den gesamten Übersichtchart, welcher eine Periode von 10 Jahren umfasst, lassen sich Argumente für eine Seitwärtsbewegung finden. Auf-grund des ehemals sehr hohen Wertes von rund CHF 145.00 ist die Versuchung gross, vom jetzt tiefen Kurslevel eine Aufwärtsbewegung anzunehmen. Aus objekti-ver und charttechnisch korrekter Sichtweise, erachten wir jedoch nur den Zeitraum ab Mai 2010 als relevant. Durch Verbinden der drei, respektive zwei Verbindungs-punkte in relativ kurzem Zeitraum, ergibt sich ein abwärtsgerichteter Trendkanal. Die hohen roten Säulen zeigen eine Konvergenz und somit einen gesunden Trend an. Bezüglich der Gesamtvolumen kann zu diesem Zeitpunkt noch keine Aussage ge-macht werden. Bewahrheitet sich dies, würde der Aufwärtstrend der Periode 3 direkt in diesen künftigen Abwärtstrend übergehen. Zugegebenermassen ist diese These gewagt. Es könnte sich nur um eine leichte Korrektur handeln. Aufgrund der zuvor erwähnten Anzeichen gehen wir jedoch davon aus, dass sich dieser Abwärtstrend noch weiter fortsetzen wird. Aussagen betreffend der langfristigen Prognose liegen ausserhalb des Einflusses der Kurs-Umsatz-Analyse und sind dementsprechend im nächsten Abschnitt vorzufinden.



96

Abbildung 38: Adecco Prognosechart204


Wie aus der kurzfristigen Analyse hervorgeht, wird zwischenzeitlich von einem leicht sinkenden Trend ausgegangen. Aufgrund des ebenfalls zyklischen Charakters die-ses Titels gibt es gewisse Prallelen zur UBS. Erholt sich die Gesamtwirtschaft weiter, wird dieser Titel überdurchschnittlich von der Entwicklung profitieren. Die Hintergrün-de sind aus fundamentaler Sicht relativ einfach zusammenzufassen. Befindet sich die Wirtschaft im Aufschwung, werden mehr Arbeitskräfte benötigt und die Personal-vermittlungsbranche profitiert in der Folge von mehr Aufträgen. Psychologisch be-trachtet, muss auch hier auf eine grössere Gefahr der Blasenbildung hingewiesen werden. Ein direkter Einfluss aus fundamentaler aber auch psychologischer Sicht haben die periodisch veröffentlichten Wachstumsprognosen des BIP. Weiter können hinterherhinkende Indikatoren, wie dies beispielsweise bei der Arbeitslosenrate der Fall ist, die bereits vorhandene Stimmung bestätigen. Diese beiden Indikatoren kön-nen in diesem Kontext durchaus auch als Stimuli betrachtet werden. Langfristig kann auch davon ausgegangen werden, dass sich die "Try and Hire-Mentalität" aufgrund schneller wirtschaftlicher Veränderungsprozesse vermehrt etabliert. Der Vorteil vieler Unternehmen besteht darin, dass die Mitarbeiter zuerst "auf Probe" in einem tempo-rären Anstellungsverhältnis in das Gebiet eingearbeitet werden, um dann allenfalls bei einer positiven Entwicklung fest angestellt zu werden. Da temporäre Anstellungen auch ein wichtiges Geschäft von Adecco darstellen, wird davon ausgegangen, dass die längerfristige firmenspezifische Entwicklung auch positiv sein wird. Konkret ge-hen die Autoren dieser Arbeit von folgender zukünftiger Entwicklung aus. Nach einer kurzfristigen Abwärtsbewegung (wie in der obigen Analyse umschrieben), wird in den nächsten drei bis fünf Jahren von einer positiven Entwicklung ausgegangen. Struktu-relle Perspektiven ("Try and Hire"), sowie eine sich verstärkende makroökonomische Dynamik unterstützen diese These. Zudem wird davon ausgegangen, dass Adecco aus unternehmemsspezifischer Sicht nicht in Rücklage gerät und dementsprechend voll vom verbesserten Umfeld profitieren kann. Im Detail erscheint deshalb ein Kurs-ziel von CHF 70.00 als realistisch. Betrachtet man dieses Ziel im langfristigen Zu-sammenhang, muss darauf verwiesen werden, dass aufgrund diverser Sparpro-



97

gramme vieler Staaten nicht mit einer extremen Boomphase gerechnet wird. Sollte eine solche Situation widererwarten doch eintreffen, wären die Kursziele entspre-chend nach oben zu korrigieren.

6.2.3. Nestlé

Als Gegenstück zu den beiden vorangehenden Aktien wird als letztes noch der de-fensive Titel Nestlé beigezogen. Infolge der weltweiten Diversifikation und der Wich-tigkeit für die Schweiz stellt diese Untersuchung eine sehr wertvolle Vervollständi-gung dar.

6.2.3.1. Kurzfristig

Ziel dieses Kapitels ist es, eine Prognose für die nahe Zukunft (ca. 6 Monate) ab-zugeben. Als Basis dienen die Resultate der Kurs-Umsatz-Analyse. Auf Grundlage des letzten Trends (Periode 6) sollen Anzeichen für eine Weiterführung oder einen Abbruch des Trends gesucht werden.

Im Verlauf der Periode 6 konnte die Nestlé Aktie den gesamten Einbruch aus der Krise wieder aufholen. Ein wichtiger Grund dafür ist im Business Cycle zu sehen. Gemäss diesem Konzept wird davon ausgegangen, dass in einen gesamtwirtschaft-lichen Abschwung von zyklischen auf defensive Titel umgeschichtet wird. Genau ge-genteilig verhält es sich in einem Aufschwung. Aufgrund dieser Verhaltensweise hat die Nestlé Aktie einerseits tendenziell weniger eingebüsst und andererseits von der letzten Erholung überdurchschnittlich profitiert. Hierbei stellt sich nun die Frage, ob dieser Effekt weiteren Auftrieb verleihen kann oder ob sich die Marktbedingungen geändert haben. An diesem Punkt kommt die uns mittlerweile gut bekannte Kurs-Umsatz-Analyse zum Zuge. Der untenstehende Chart (bekannt als Periode 6 aus dem praktischen Teil) zeigt gegen Ende eine Divergenz. Dies ist anhand der hohen rot eingefärbten Volumen ab März 2010 ersichtlich. Die Annahme der Divergenz wird auch durch die tendenziell sinkenden Volumen ab Juni 2010 zusätzlich untermauert. Gemäss der Theorie kündigt diese Divergenz einen kommenden Trendwechsel an.


205



98

Damit wir uns ein genaueres Bild der Lage machen können, ist nachfolgend der letz-te Abschnitt der Periode 6 in dieser Grafik vergrössert dargestellt. Der Chart zeigt den Zeitraum von Anfang Jahr bis zum 26. Juli 2010. Der zuvor erwähnte Trend der sinkenden Volumen ist auch hier kaum zu übersehen. Zudem dominieren, mit Aus-nahme des 20. Februar 2010, die hohen roten Volumen.

Abbildung 40: Nestlé Endphase Periode 6206

Als Folge dessen geht der Kursverlauf ab März in einen klaren Seitwärtstrend über. Dieser Seitwärtsverlauf wird von mehreren kurzen Ausschlägen nach unten begleitet. Dies deutet darauf hin, dass kurzfristig Korrekturen nach unten zu erwarten sind. Demzufolge ist anzunehmen, dass die Trendwende kurz bevorsteht. Wenn die Un-terstützungslinie des Trendkanals durchbrochen ist, dürfte der Kurs kurzfristig sinken. Jedoch ist aufgrund der Fundamentaldaten keine allzu grosse Korrektur zu erwarten. Es ist eher von einem unspektakulären Seitwärtstrend auszugehen. Wie sich dies längerfristig entwickelt, ist aufgrund der charttechnischen Hilfsmittel nicht zu beant-worten. Hierfür werden im nachfolgenden Kapitel zusätzliche, breiter gestreute Über-legungen angestellt.


Ausgehend von der oben beschriebenen kurzfristigen Argumentation stellt sich grundsätzlich die Frage, ob der Trendwechsel nur kurzfristig ausfallen wird, oder ob daraus eine langfristige Entwicklung entsteht. Dabei gibt es verschiedene Szenarien, wobei diese jeweils von der gesamtwirtschaftlichen Entwicklung abhängig sind. Er-holt sich die Wirtschaft weiter, kann davon ausgegangen werden, dass zwar in einer ersten Phase aufgrund des Business Cycle Umschichtungen in zyklische Titel vorge-nommen werden. In der Folge würde ein weiterer Kursanstieg bei Nestlé zuerst et-was abgeschwächt. Sind diese Transaktionen jedoch im Laufe der Zeit abgeschlos-sen und die Investoren werden kritischer, führt dies längerfristig zu einem weiteren Kursanstieg. Bei einer stagnierenden oder sogar schrumpfenden Wirtschaftsleistung kann aufgrund des defensiven Charakters und der Branche von einer Seitwärtsbe-wegung ausgegangen werden, welche von allfälligen kurzfristigen Einbrüchen beglei-tet wird. An dieser Stelle kommen verschiedene behaviorale Theorien zum Tragen.



99

Einerseits ist die allgemeine Stimmung für die weitere Entwicklung massgebend. Als Stimulus können hier die verschiedenen positiven oder negativen Medienberichte aufgeführt werden, welche in der Folge das Aufkommen eines Herdentriebs begüns-tigen. Aufgrund der aktuellen wirtschaftlichen Lage gehen die Autoren von einem leichten Anstieg innerhalb der nächsten drei Jahre aus. Zwar bestehen im Moment aufgrund der Schuldenkrise verschiedener Länder einige Unsicherheiten im Markt. Jedoch darf die wirtschaftliche Dynamik auch nicht unterschätzt werden. Hier wird somit davon ausgegangen, dass die wirtschaftliche Dynamik stärker sein wird, als diese von der Schuldenkrise und weiteren negativen Einflüssen abgebremst werden könnte. Ein weiteres Argument für diese Hypothese stellt die Tatsache dar, dass Nestlé global tätig ist. Betrachtet man einige aufstrebende Schwellenländer wie z.B. Indien, könnte sich dies auch positiv auf den weiteren Geschäftsgang von Nestlé auswirken. Sobald diese Regionen stärker wachsen als die restliche Welt, kann ei-nerseits die Rendite verbessert werden und andererseits ist ein hohes Mass an Di-versifikation erreicht. Steigt die Kaufkraft in den entsprechenden Staaten, steigt auch die Möglichkeit, Produkte mit höheren Margen zu verkaufen. Da dieser Vorteil durch andere (z.B. europäische) Länder kompensiert werden könnte, stützt dies die These einer Seitwärtsentwicklung mit leichtem Anstieg. Versucht man in diese Zusammen-hänge weitere Behavioral Theorien zu integrieren, kann man sich beispielsweise die Frage stellen, ob Nestlé für eine Blasenbildung gefährdet ist (vgl. Kapitel Boom- und Crash-Situationen). Aufgrund bereits oben erwähnter Gründe (v.a. defensiver Titel) wird diese Wahrscheinlichkeit als tief eingeschätzt. Würde man aufgrund der Kalen-deranomalie einen bestimmten Moment für die Investition auswählen, müsste dies Ende Juli erfolgen, da der August in der gemachten Untersuchung der erfolgreichste Monat war. Dies jedoch rational zu begründen ist relativ anspruchsvoll. Zwar könnte im Prinzip nach saisonalen Gründen gesucht werden, jedoch ist dies aufgrund der bereits angesprochenen Ceteris Paribus-Betrachtung problematisch. Unter Einbezug all dieser Aspekte ist zu erwarten, dass ein längerfristiger Anstieg von 10 bis 15% in den nächsten drei Jahren erfolgt.

Schlusswort

100

7. Schlusswort

Nach Fertigstellung der Arbeit gilt es nun, ein Fazit zu ziehen. Sind die Theorien der Behavioral Finance schlüssig? Konnten die Erwartungen an die Anwendbarkeit und Überprüfbarkeit erfüllt werden? Stellt das erarbeitete Wissen einen umsetzbaren Mehrwert dar?

Bereits das Bewusstsein über Heuristiken und Biases erlaubt es uns, überlegter zu agieren. Wir haben Verhaltensmuster kennengelernt, welche an uns selbst erkenn-bar sind. Plötzlich wird man sich bewusst, dass man selbst bei Weitem nicht völlig ra-tional handelt. Dass bei der Anwendung im praktischen Teil nicht alle Theorien zu je-dem Zeitpunkt vorbehaltlos anwendbar waren tut der Wichtigkeit keinen Abbruch. Die Ansicht, dass psychologische Faktoren jederzeit unvermittelt Einfluss nehmen kön-nen, wird dadurch eher noch unterstrichen. Es ist zu hoffen, dass wir durch die Be-havioral Finance im Hinterkopf, unerwartete Bewegungen an der Börse rationaler in-terpretieren können. Schlussendlich muss jedoch aufgepasst werden, dass wir vor dem Hintergrund der Kenntnis der Behavioral Finance uns nicht selbst überschätzen und daraus gewissermassen ein neuer Bias entsteht.

Weiter wollen wir an dieser Stelle ein persönliches Fazit ziehen. Bereits zu Beginn der Arbeit war die Begeisterung gross, da es sich hiermit um ein reines Finance Thema handelte. Wissen, welches wir uns in der Vertiefungsrichtung Finance über die Behavioralen Aspekte angeeignet hatten, konnten hier intensiv vertieft werden. Durch das tiefgreifende Studium der Fachliteratur hatten wir die Möglichkeit, in alle Bereiche der Behavioral Finance einen Einblick zu erhalten. Zudem war es uns er-laubt, Schwerpunkte auf die unseren Erachtens interessantesten Themenbereiche zu legen.

Eine weitere gute Erfahrung im Hinblick auf das spätere Berufsleben dürfte die Teamarbeit sein. Bei einer mehrmonatigen intensiven Zusammenarbeit darf dieser Aspekt nicht ausser Acht gelassen werden. Es war spannend, die teils verschiede-nen Meinungen und Ansprüche an die Arbeit zusammenzuführen und konstruktiv in dieser Bachelor Thesis zu vereinen. In diesem Zusammenhang bedanken wir uns auch bei Herrn Prof. Thomas Fischer für die angenehme und lehrreiche Zusammen-arbeit.

Zusammenfassend darf die Arbeit als persönlich sehr bereichernd beschrieben wer-den. Nebst dem erworbenen Fachwissen durften wir auch etwas über unsere eige-nen Verhaltensmuster und Irrationalitäten lernen. Das Resultat der Arbeit ist sehr zu-friedenstellend und der Verlauf der Arbeit sowie die Themenwahl kann als optimal bezeichnet werden.

Anhang

101

8. Anhang

8.1. Literaturverzeichnis

Titelblatt: F.A.Z. Electronic Media GmbH (2010): Aktienmärkte: Hält der Höhenflug an?, Online im Internet: http://www.faz.net/s/RubF3F7C1F630AE4F8D8326AC2A80BDBBDE/Doc~E7BBA52870AEC4CA6901B9A0A3839FE28~ATpl~Ecommon~Sspezial.html (Stand: 27.07.2010).

8.1.1. Bücher

Bergold, Uwe / Mayer, Bernt (2005): Markt und Meinung: Mit Behavioral Finance und technischer Analyse zu den Gewinnern gehören (2. Auflage), München: FinanzBuch Verlag.

Bodie, Zvi / Kane, Alex / Marcus, Alan (2008): Investments (seventh edition), New York: McGraw-Hill.

Bulkowski, Thomas N. (2008): Traden mit Chartformationen: Erkennen, verstehen und erfolgreich einsetzen (1. Auflage), München: FinanzBuch Verlag.

Edwards, Ward (2001): Conservatism in human information processing, in: Kahne-man, Daniel / Slovic, Paul / Tversky, Amos (Hrsg.): Judgment under uncertainty: Heuristics and biases, New York: Cambridge University Press, S. 359-369.

Fenzl, Thomas (2009): Die Massenpsychologie der Finanzmarktkrise: US-Immobilienblase, Subprime Desaster, Schulden-Bubble und ihre Auswirkungen, Wien: Springer-Verlag.

Fischhoff, Baruch (2001): For those condemned to study the past: Heuristics and bi-ases in hindsight, in: Kahneman, Daniel / Slovic, Paul / Tversky, Amos (Hrsg.): Judgment under uncertainty: Heuristics and biases, New York: Cambridge University Press, S. 335-351.

Flemisch, Marcus (2006): Behavioral Finance und Market Making: Verhaltenswis-senschaftliche Erklärungsansätze für die Preisbildung an Wertpapiermärkten (1. Auf-lage), Baden-Baden: Deutscher Wisenschafts-Verlag (DWV).

Gehrig, Bruno / Zimmermann, Heinz (2001): Fit for Finance: Theorie und Praxis der Kapitalanlage (Auflage 7), Zürich: Neue Zürcher Zeitung.

Geiger, Christian (2009): Zeitvariable Risikoprämien als Erklärung für Marktanoma-lien, Hamburg: Diplomica Verlag GmbH.

Goldberg, Joachim / von Nitzsch, Rüdiger (2004): Behavioral Finance: Gewinnen mit Kompetenz (4. Auflage), München: FinanzBuch Verlag.

Hens, Thorsten / Bachmann, Kremena (2008): Behavioral Finance for Private Ban-king, Chichester: Wiley.

Anhang

102

Jurczyk, Boris (2002): Behavioral Finance: Anlegerverhalten besser verstehen, Kun-den beraten, wenn die Börsen crashen, Finanzpsychologie aktiv nutzen, Düsseldorf: VDM Müller.

Kahneman, Daniel / Slovic, Paul / Tversky, Amos (Hrsg.) (2001): Judgment under uncertainty: Heuristics and biases, New York: Cambridge University Press.

Karlen, German (2004): Privatkundenberatung und Behavioral Finance: Publikation der Swiss Banking School, Bern: Haupt Verlag.

Kern, Martin (2003): Planspiele im Internet: Netzbasierte Lernarrangements zur Ver-mittlung betriebswirtschaftlicher Kompetenzen, Tübingen: Deutscher Universitäts-Verlag.

Kiehling, Hartmut (2001): Börsenpsychologie und Behavioral Finance: Wahrneh-mung und Verhalten am Aktienmarkt, München: Franz Vahlen.

Kitzmann, Arnold (2009): Massenpsychologie und Börse: So bestimmen Erwartun-gen und Gefühle Kursverläufe (1. Auflage), Wiesbaden: Gabler.

Langer, Ellen J. (2001): The illusion of control, in: Kahneman, Daniel / Slovic, Paul / Tversky, Amos (Hrsg.): Judgment under uncertainty: Heuristics and biases, New York: Cambridge University Press, S. 231-238.

Menkhoff, Lukas (1995): Spekulative Verhaltensweisen auf Devisenmärkten, Tübin-gen: J.C.B. Mohr (Paul Siebeck).

Merten, Klaus (2007): Einführung in die Kommunikationswissenschaft (3. Auflage), Berlin: LIT Verlag (Dr. W. Hopf).

Murphy, John J. (1997): Visuelle Aktienanalyse: Mit Charts Börsentrends frühzeitig erkennen, Frankfurt/Main: Campus Verlag.

Oskamp, Stuart (2001): Overconfidence in case-study judgments, in: Kahneman, Daniel / Slovic, Paul / Tversky, Amos (Hrsg.): Judgment under uncertainty: Heuristics and biases, New York: Cambridge University Press, S. 287-293.

Rapp, H. (1997): Der tägliche Wahnsinn hat Methode. Behavioral Finance, Paradig-menwechsel in der Kapitalmarktforschung, in: Jünemann, Bernhard / Schellenberger, Dirk (Hrsg.): Psychologie für Börsenprofis, Die Macht der Gefühle bei der Geldanla-ge, Stuttgart: Schäffer-Poeschel.

Schriek, Raimund (2009): Besser mit Behavioral Finance: Finanzpsychologie in The-orie und Praxis, München: FinanzBuch Verlag.

Shefrin, Hersh (2000): Börsenerfolg mit Behavioral Finance: Investmentpsychologie für Profis, Stuttgart: Schäffer-Poeschel.

Singh, Sameer / Sykora, Martin (2007): Developing Trading Strategies based on Risk-analysis of Stocks, in: Singh, Maneesha / Singh, Sameer (Hrsg.): Progress in Pattern Recognition, London: Springer-Verlag, S. 83-93.

Anhang

103

Soros, George (2008): Das Ende der Finanzmärkte und deren Zukunft: Die heutige Finanzkrise und was sie bedeutet, München: FinanzBuch Verlag.

Spichtig, Remigius (2008): Evolution des Bewusstseins: Grundlagenforschung der korrelativen Verhaltens-Psychologie, Würzburg: Verlag Königshausen & Neumann GmbH.

Thaler, Richard (2000): Mental Accounting Matters, in: Kahneman, Daniel / Tversky, Amos (Hrsg.): Choices, Values, and Frames, New York: Cambridge University Press, S. 241-268.

Unser, Matthias / Steiner, Manfred (Hrsg.) (1999): Behavioral Finance am Aktien-markt, Band 11: Empirische Analysen zum Risikoverhalten individueller Anleger, Bad Soden/Ts.: Uhlenbruch.

8.1.2. Fachzeitschriften

Buchholz, Christian (2002): Die Trüffelsucher, in: Manager Magazin, 31.05.2002.

Hens, Thorsten (2003) a: Behavioral and Evolutionary Finance, Neue Wege zu Anla-gestrategien von Pensionskassen: Publikation der Universität Zürich, Zürich, 17.09.2003.

Hens, Thorsten (2003) b: Behavioral and Evolutionary Finance, Die neue Sicht auf die Finanzmärkte: Publikation der Universität Zürich, Swiss Banking Institute, Zürich, 04.03.2003.

Hildebrand, Philipp (2009): Entwicklungen in der aktuellen Finanzkrise: Publikation der Schweizerischen Nationalbank, Bern, 02.04.2009.

Jaunich, Arthur Oliver (2008): Anlagestrategie Behavioral Finance, Die Bedeutung verhaltensorientierter Anlagestrategien in der amerikanischen und deutschen Fonds-industrie: Dissertation der Rheinisch-Westfälischen Technischen Hochschule Aa-chen, Aachen, 12.10.2008.

Kruse, Viktoria (1998): Medienwirkungsforschung – Vom Stimulus-Response-Modell zum Uses-and-Gratifications-approach: Publikation der Deutschen Nationalbiografie, Norderstedt, 1998.

Steinemann, Thomas / Funk Daniel (2006): Behavioral Finance, Den Crash noch in Erinnerung, in: Handelszeitung, 25.01.2006.

8.1.3. Websites

Adecco (2010) a: Medienmitteilung: 15.04.2003, Online im Internet: http://www.adecco.com/MediaRelations/MediaReleases/Pages/News.aspx?newsURL=http://cws.huginonline.com/A/100102/PR/200304/899524.xml (Stand: 21.07.2010).

Adecco (2010) b: Medienmitteilung: 18.06.2007, Online im Internet: http://www.adecco.com/MediaRelations/MediaReleases/Pages/News.aspx?newsURL=http://cws.huginonline.com/A/100102/PR/200706/1133538.xml (Stand: 21.07.2010).

Anhang

104

Adecco (2010) c: Medienmitteilung: 05.06.2007, Online im Internet: http://www.adecco.com/MediaRelations/MediaReleases/Pages/News.aspx?newsURL=http://cws.huginonline.com/A/100102/PR/200706/1131084.xml (Stand: 21.07.2010).

Adecco (2010) d: Investor Relations, Share price, Online im Internet: http://www.adecco.com/InvestorRelations/StockOverview/SharePriceAndTotalReturn/Pages/SharePrice.aspx (Stand: 01.07.2010).

Ethos (2005): 25.02.2005, Online im Internet: http://www.ethosfund.ch/d/news-publikationen/news.asp?code=109 (Stand: 19.07.2010).

Nestlé S.A. (2010) a: Medienmitteilung: 18.08.2004, Online im Internet: http://www.nestle.com/MediaCenter/PressReleases/AllPressReleases/1stHalfYear2004-18Aug04.htm?Tab=2004 (Stand: 19.07.2010).

Nestlé S.A. (2010) b: Medienmitteilung: 19.02.2010, Online im Internet: http://www.nestle.com/MediaCenter/PressReleases/AllPressReleases/Fullyearresults2009.htm?Tab=2010 (Stand: 19.07.2010).

Nestlé S.A. (2010) c: Investors, Historic Quotes, Online im Internet: http://www.nestle.com/InvestorRelations/SharesADRsBonds/ShareAndADRprice/HistoricQuotes.htm (Stand: 01.07.2010).

NZZ Online (2006): NZZ am Sonntag: 23.04.2006, Chefin von Nestlé Schweiz unter Druck, Online im Internet: http://www.nzz.ch/2006/04/23/wi/articleE266E.html (Stand: 01.07.2010).

Swissquote Bank AG (2010): Analysis Tool, Online im Internet: http://www.swissquote.ch

UBS AG (2010) a: Medienmitteilungen: 17.12.2001, Online im Internet: http://www.ubs.com/1/g/media_overview/media_switzerland/search1/search10?newsId=60093 (Stand: 16.07.2010).

UBS AG (2010) b: Medienmitteilungen: 11.04.2006, Online im Internet: http://www.ubs.com/1/g/media_overview/media_global/search1/search10?newsId=97560 (Stand: 16.07.2010).

UBS AG (2010) c: Medienmitteilungen: 04.05.2006, Online im Internet: http://www.ubs.com/1/g/media_overview/media_global/search1/search10?newsId=99198 (Stand: 17.07.2010).

UBS AG (2010) d: Medienmitteilungen: 09.05.2006, Online im Internet: http://www.ubs.com/1/g/media_overview/media_global/search1/search10?newsId=99382 (Stand: 17.07.2010).

UBS AG (2010) e: Medienmitteilungen: 13.06.2008, Online im Internet: http://www.ubs.com/1/g/media_overview/media_global/search1/search10?newsId=143690 (Stand: 17.07.2010).

Anhang

105

UBS AG (2010) f: Medienmitteilungen: 16.09.2008, Online im Internet: http://www.ubs.com/1/g/media_overview/media_global/search1/search10?newsId=152953 (Stand: 17.07.2010).

UBS AG (2010) g: Investor Relations, Aktienkurse, Online im Internet: http://www.ubs.com/1/g/investors/share_information/charts.html (Stand: 01.07.2010).

Universität Zürich (2010): Podcasts, Neuro-Finance und Gewinnmaximierer: Darwi-nismus unter den Anlagestrategien, Online im Internet: http://www.uzh.ch/news/articles/2008/2867.html (Stand: 11.04.2010).

8.2. Abbildungsverzeichnis

Abbildung 1: Historische Entwicklung der Finance ..................................................... 5

Abbildung 2: Klassisches Stimulus-Response-Modell ................................................ 9

Abbildung 3: Behavioral Finance im Überblick ......................................................... 10 Abbildung 4: Mean-Variance und Risikoaufschläge ................................................. 12

Abbildung 5: Tobin's Two-fund-separation Theorem ................................................ 13 Abbildung 6: Hypothetische Wertfunktion der Prospect Theory................................ 14 Abbildung 7: Überblick Heuristiken ........................................................................... 16

Abbildung 8: Resultate Fallstudie Overconfidence ................................................... 22 Abbildung 9: Über- und Unterreaktion ...................................................................... 28 Abbildung 10: Boom-Bust-Modell ............................................................................. 30

Abbildung 11: Bestimmungsfaktoren quasi-rationalen Verhaltens ............................ 33 Abbildung 12: Teilbereiche der Technischen Finanzmarktanalyse ........................... 36

Abbildung 13: Beispiel Kurs-Umsatz-Analyse ........................................................... 38 Abbildung 14: Elliott-Wave-Grundzyklus .................................................................. 42 Abbildung 15: Modell eines Elliott-Wave-Zyklus ....................................................... 44

Abbildung 16: Zyklusparameter ................................................................................ 46

Abbildung 17: Generationen-Zyklus ......................................................................... 46 Abbildung 18: Translationsanalyse des 4-Jahres Zyklus beim DAX seit 1982 ......... 47 Abbildung 19: Dow / Gold Ratio seit 1900 ................................................................ 49 Abbildung 20: UBS Übersichtschart ......................................................................... 55

Abbildung 21: UBS Periode 1 ................................................................................... 56 Abbildung 22: UBS Periode 2 ................................................................................... 58 Abbildung 23: UBS Periode 3 ................................................................................... 59 Abbildung 24: Adecco Übersichtschart ..................................................................... 61 Abbildung 25: Adecco Periode 1 .............................................................................. 62

Abbildung 26: Adecco Periode 2 .............................................................................. 64 Abbildung 27: Adecco Periode 3 .............................................................................. 65 Abbildung 28: Nestlé Übersichtschart ....................................................................... 65 Abbildung 29: Nestlé Periode 1 ................................................................................ 67

Abbildung 30: Nestlé Periode 2 ................................................................................ 68 Abbildung 31: Nestlé Periode 3 ................................................................................ 69 Abbildung 32: Nestlé Periode 4 ................................................................................ 70

Abbildung 33: Nestlé Periode 5 ................................................................................ 71 Abbildung 34: Nestlé Periode 6 ................................................................................ 72 Abbildung 35: Übersichtschart UBS ......................................................................... 88 Abbildung 36: UBS Prognosechart ........................................................................... 92 Abbildung 37: Adecco Periode 3 .............................................................................. 95 Abbildung 38: Adecco Prognosechart ...................................................................... 96

Anhang

106

Abbildung 39: Nestlé Periode 6 ................................................................................ 97

Abbildung 40: Nestlé Endphase Periode 6 ............................................................... 98

8.3. Tabellenverzeichnis

Tabelle 1: Gegenstrategien Biases ........................................................................... 27

Tabelle 2: Berechnung Geometrischer Durchschnitt und Tagesvolatilität Gesamt ... 73 Tabelle 3: Berechnung Geometrischer Durchschnitt und Tagesvolatilität tagespezifisch ........................................................................................................... 75 Tabelle 4: Tagesspezifische Renditen UBS.............................................................. 75 Tabelle 5: Tagesspezifische Volatilitäten UBS ......................................................... 76

Tabelle 6: Tagesspezifische Renditen Adecco ......................................................... 76 Tabelle 7: Tagesspezifische Volatilitäten Adecco ..................................................... 77 Tabelle 8: Tagesspezifische Renditen Nestlé ........................................................... 77

Tabelle 9: Tagesspezifische Volatilitäten Nestlé ....................................................... 78 Tabelle 10: Monatsspezifische Renditen UBS .......................................................... 79 Tabelle 11: Monatsspezifische Volatilitäten UBS ...................................................... 79

Tabelle 12: Monatsspezifische Renditen Adecco ..................................................... 80 Tabelle 13: Monatsspezifische Volatilitäten Adecco ................................................. 81 Tabelle 14: Monatsspezifische Renditen Nestlé ....................................................... 82

Tabelle 15: Monatsspezifische Volatilitäten Nestlé ................................................... 82

Anhang

107

8.4. Erklärung

Wir erklären hiermit, dass wir diese Arbeit selbständig verfasst und keine anderen als die angegeben Quellen benutzt haben. Alle Stellen, die wörtlich oder sinngemäss aus Quellen übernommen wurden, haben wir als solche gekennzeichnet. Die Arbeit wurde bisher in gleicher oder ähnlicher Form in keinem anderen Studiengang als Prüfungsleistung vorgelegt oder an anderer Stelle veröffentlicht. Uns ist bekannt, dass eine falsche Erklärung rechtliche Folgen haben wird. Sämtliche Textstellen, die nicht von uns stammen, sind als Zitate gekennzeichnet und mit dem genauen Hin-weis auf ihre Herkunft versehen. Die verwendeten Quellen sind im Literaturverzeich-nis aufgeführt.

Ort / Datum:

Unterschrift:

Ort / Datum:

Unterschrift:

Documents

Behavioral Finance - izs.napoleon.chizs.napoleon.ch/upload/dokumente/bachelor_thesis_behavioral... · Behavioral Finance Bachelor Thesis Autoren Stefan Bünter, Gysulastrasse 25,