Frère Reuse Rojahn Forschungsforum 2012 Stand 2013 05 22

Aachen | Augsburg | Berlin | Bochum | Bonn | Bönen | Bremen | Darmstadt | Dortmund | Duisburg | Düsseldorf | Essen | Frankfurt a. M. | Freiburg | Gütersloh | Hagen | Hamburg | Hannover | Kassel | Köln | Leipzig | Mannheim | Marl | München | Münster | Neuss | Nürnberg | Offenbach | Siegen | Stuttgart | Wesel | Wuppertal

Gerade in Zeiten wie diesen kommt dem Thema Transparenz an den Kapitalmärkten eine

besondere Bedeutung zu. Zum einen sind die Themen Informationsbeschaffung, Informati-

onsverarbeitung und Informationsinterpretation wichtig, zum anderen führt gerade das

Internet dazu, dass viele Informationen für jedermann zugänglich sind. Doch wird die Trans-

parenz an den Märkten hierdurch eher verstärkt oder führt die Informationsflut eher zu mehr

Unübersichtlichkeit?

Der Tagungsband des 4. Forschungsforums Finance „Transparenz am Kapitalmarkt“, das am

17.11.2012 in Essen stattfand, skizziert und behandelt einige aktuelle Forschungsansätze

und -ergebnisse zu diesem Bereich. Neben dem zentralen Thema der Informationsbeschaf-

fung finden auch Aspekte der Behavioral Finance und des Modellrisikos Eingang in die Ta-

gung. Diese laden zur Aufarbeitung in Abschlussarbeiten an der FOM ein.

4. F

OM

Fo

rsch

un

gsf

oru

m –

Fin

ance

Tr

ansp

aren

z am

Kap

italm

arkt

Forschungsforum

Frère, Eric · Reuse, Svend · Rojahn, Joachim

4. FOM Forschungsforum – Finance Essen | 17. November 2012 Transparenz am Kapitalmarkt

© 2013 by

MA Akademie Verlags- und Druck-Gesellschaft mbH Leimkugelstraße 6, 45141 Essen Tel. 0201 81004-351 Fax 0201 81004-610

Das Werk einschließlich seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urhebergeset-zes ist ohne Zustimmung der MA Akademie Verlags- und Druck-Gesellschaft mbH unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Ein- speicherung und Verarbeitung in elektronischen Systemen.

Die Wiedergabe von Gebrauchs-namen, Handelsnamen, Warenbe-zeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annah-me, dass solche Namen im Sinne der Warenzeichen- und Marken-schutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürfen. Oft handelt es sich um gesetzlich geschützte eingetragene Waren- zeichen, auch wenn sie nicht als solche gekennzeichnet sind.

Geleitwort

I

Geleitwort

Der Ausbau der Forschung besitzt an der FOM nach wie vor einen hohen Stellenwert. Dabei verfolgen die Forschungsaktivitäten die Ziele, Forschungsfragen der Praxis zu identifizieren und aufzugreifen, praxistaugliche Forschungsergebnisse zu entwickeln und in die Praxis zu transferieren und mit den gewonnenen Erkenntnissen Lehrinhalte sukzessive weiterzuentwi-ckeln.

In diesem Kontext ist auch das Veranstaltungsformat „Forschungsforum“ zu sehen. Die FOM organisiert nun schon seit einigen Jahren solche Foren, die zur weiteren Forschung animie-ren und aktuelle Themen aus Theorie und Praxis aufwerfen und diskutieren. Studierenden soll so die Möglichkeit gegeben werden, diese im Rahmen ihrer Abschlussarbeit selbststän-dig akademisch zu erarbeiten und einen Beitrag zur Forschungsarbeit an der FOM zu leis-ten. Im Zeitablauf zeigt sich immer deutlicher, dass das Forschungsforum eine gute Plattform für die im Leitbild der FOM verankerten anwendungsbezogenen Forschungs- und Entwick-lungsaufgaben ist.

Das 4. Forschungsforum Finance „Transparenz am Kapitalmarkt“ fand am 17. November 2012 in Essen im Gesamtkontext eines fakultätsübergreifenden Ereignisses statt und baut seinerseits auf den Befunden der vorangegangenen Forschungsforen auf. Wir freuen uns daher, die Ergebnisse des nunmehr 4. Forschungsforums Finance mit diesem Tagungs-band präsentieren zu dürfen. Des Weiteren liefert dieser Forschungsband in Kapitel 5 einen Überblick über weiterführende Forschungsfragen, deren Erarbeitung Gegenstand so man-cher Master-Thesis sein wird.

Wir freuen uns auf eine erfolgreiche Fortführung dieser Reihe und wünschen allen Lesern eine informative Lektüre, die zu weiteren Diskussionen und Forschungsaktivitäten anregt.

Essen, im Mai 2013

Prof. Dr. Burghard Hermeier

Rektor der FOM Hochschule für Oekonomie & Management

Prof. Dr. Thomas Heupel

Prorektor Forschung der FOM Hochschule für Oekonomie & Management

Inhaltsverzeichnis

II

Inhaltsverzeichnis

1 Einleitende Worte .............................................................................................................. 1 1.1 Tagungsprogramm ....................................................................................................... 1 1.2 Überblick über die Inhalte des Forschungsforums........................................................ 2

2 Entwicklung und Stand der Forschung im Finance-Bereich ......................................... 4

3 Empirische Arbeit mit Bloomberg an der FOM Essen ................................................. 11 3.1 Nutzung des Bloomberg-Terminals und Vorstellung des dips .................................... 11 3.2 Praktisches Umsetzungsbeispiel: Analyse von Eurobonds ........................................ 18

4 Vorträge des Forschungsforums ................................................................................... 21 4.1 Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung ................ 21 4.2 Der Wertbeitrag von Wertpapieranalysten für Anleger und Emittenten ...................... 38 4.3 Kalenderanomalien an Aktien- und Anleihemärkten in Europa .................................. 44 4.4 Informationsgehalt von Volatilty-Skews ...................................................................... 54 4.5 Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung ................... 70

5 Ableitbare Forschungsansätze und -fragen .................................................................. 93 5.1 Integration von Behavioral Finance in klassischen Risikomodelle.............................. 93 5.2 Behandlung des Modellrisikos in der Risikotragfähigkeit der Institute ........................ 94 5.3 Kalenderzeiteffekte und Behavioral Finance .............................................................. 95 5.4 Management der Wertpapierliquidität ......................................................................... 95 5.5 Umfassende Fragestellungen aus dem Bereich Volatility Skews ............................... 96 5.6 Aktuelle Themenstellungen aus dem Bereich Internetnutzung und Datenschutz ....... 97

Einleitende Worte

1

1 Einleitende Worte

1.1 Tagungsprogramm

Einleitende Worte

2

1.2 Überblick über die Inhalte des Forschungsforums

Gerade in Zeiten wie diesen kommt dem Thema Transparenz an den Märkten eine besonde-re Bedeutung zu. Zum einen sind die Themen Informationsbeschaffung, Informationsverar-beitung und Informationsinterpretation wichtig, zum anderen führt gerade das Internet dazu, dass viele Informationen für jedermann zugänglich sind. Doch wird die Transparenz an den Märkten hierdurch eher verstärkt oder führt die Informationsflut eher zu mehr Unüber-sichtlichkeit?

Die ersten 15 Minuten des 17.11.2012 geht Herr Prof. Dr. habil. Eric Frère in seinem Vortrag auf den Inhalt und den Aufbau des Forschungsforums 2012 ein. Hierbei widmet er sich nach der Vorstellung des dips1 insbesondere aktuellen Problemen und noch offenen Forschungs-fragen, bevor er im Rahmen der Diskussion an Herrn Prof. Dr. Joachim Rojahn überleitet. Dieser präsentiert im Folgenden die konkreten aktuellen finanzwirtschaftlichen Forschungs-fragen in Bezug auf den Themenschwerpunkt des Forschungsforums. Hierbei wird auf aktu-elle Fragen in den drei Perspektiven Emittent, Anleger und Regulierung eingegangen.

Die Schulungen von Herrn Zureck, B.A. zeigen Grundlagen der Marktdatenbeschaffung über Bloomberg auf. Der Datenzugang über Bloomberg schafft damit die notwendige Vo-raussetzung für eigene empirische Untersuchungen.

Der Vortrag von Herrn Prof. Dr. Reiter und Herrn Zureck, B.A. widmet sich dem brisanten Thema der Verwendung personenbezogener Daten in der Finanzberatung. Gefahren und Chancen der Nutzung sozialer Netzwerke werden dargestellt und mit dem Thema Finanzen verknüpft.

Der darauf folgende Vortrag von Herrn Prof. Dr. Rojahn analysiert den Wertbeitrag von Wertpapieranalysten für Anleger und Emittenten. Hierbei wird auf die Qualität von Researchberichten und auf den interessanten Zusammenhang zwischen der Anzahl der Analysten und der Liquidität eines Papiers eingegangen.

Nachfolgend widmet sich der Vortrag von Herrn Vincent L. Rabben den Effekten der Kalen-derzeitanomalien an Aktien- und Anleihemärkten. Hierbei wird insbesondere untersucht, ob diese Anomalien vorzufinden sind und welche Handlungsempfehlungen sich gerade für aktiv agierende Investoren hieraus ableiten lassen.

1 Deutsches Institut für Portfolio-Strategien, vgl. hierzu die Ausführungen in Kapitel 3.1.

Einleitende Worte

3

Daraufhin präsentiert Herr Dipl.-Kfm (FH) Christian Schütze, BBA in seinem Vortrag das Thema Volatility Skews. Nach einer Darstellung der Modellierung von Optionen mittels Black/Scholes und den Grundlagen des Hedgings werden die implizite Volatilität und Volatility Skews hergeleitet. Mögliche Gründe für diese Skews und deren Informationsgehalt werden diskutiert.

Der abschließende Vortrag von Herrn Dr. Reuse widmet sich der Thematik des Modellrisi-kos. Haben die bestehenden Modelle im Rahmen der Krise versagt oder nicht? Nach der Vorstellung bestehender Modelle werden diese kritisch gewürdigt. Abschließend werden Handlungsempfehlungen zum Umgang mit Modellrisiken gegeben.

Details zu den Vorträgen inklusive der Präsentationsunterlagen finden sich nachfolgend. Die Vorträge werfen diverse Forschungsfragen auf. Deren Beantwortung steht in weiten Teilen noch aus und liefert damit hinreichendes Potenzial für hochwertige Abschlussarbeiten. Diese Forschungsfragen werden in Kapitel 5 dieses Tagungsbands skizziert.

Mülheim/Essen, im Mai 2013

Prof. Dr. habil. Eric Frère

Dr. Svend Reuse, MBA

Prof. Dr. Joachim Rojahn, CFA

Entwicklung und Stand der Forschung im Finance-Bereich

4

2 Entwicklung und Stand der Forschung im Finance-Bereich


Bislang in der Praxis gängige finanzwirtschaftliche Modelle basieren auf der Annahme eines vollkommenen Marktes. Die Realität ist aber durch Friktionen, insbesondere durch Informati-onsasymmetrien und Transaktionskosten gekennzeichnet, weshalb neoklassische Modelle in der Finanz- und Wirtschaftskrise versagen mussten. Diese Entwicklung hat aktuelle For-schungstrends, die bereits in den 2000er Jahren forciert wurden, weiter bestärkt: Bislang „klassische“ Modelle des vollkommenen Markts werden als Spezialfall eines „allgemeineren“ Modells interpretiert.

Dabei konzentriert sich die aktuelle finanzwirtschaftliche Forschung weiterhin auf die drei wesentlichen Perspektiven:

1. Emittent: Wie lässt sich eine kostenminimale Refinanzierung sicherstellen? Aktuelle For-schungsfragen unter diesem Blickwinkel finden sich in diesem Tagungsband sowie im Tagungsband des zweiten Forschungsforum Finance 2010.

Außerdem ist aus Perspektive des Emittenten von Interesse, durch welche Maßnahmen der Shareholder Value maximiert werden kann. In der jüngeren Vergangenheit ist ver-stärkt die Frage nach dem Wertbeitrag von Großaktionären, z.B. Sovereign Wealth Funds, oder nachhaltigen, sozial-ethischem Verhalten (Corporate Social Responsibility) in den Fokus gerückt.

Hier finden sich mitunter auch widersprüchliche Forschungsergebnisse: So ging die Leh-re bis vor kurzem von sog. Diversifikationsabschlägen bei unternehmerischer Diversifika-tion aus. Jüngere Befunde liefern dagegen vor allem bei Untersuchung von Kapitalmärk-ten mit geringem Entwicklungsgrad Diversifikationszuschläge.

2. Für den Anleger ist unverändert die Bildung effizienter Portfolios relevant. Spätestens die Finanzmarktkrise hat aber verdeutlicht, dass die höheren Momente der Renditevertei-lung zu berücksichtigen sind: Eine Risikomessung durch die Kennzahl Volatilität mündet bei fetten Enden oder Linksschiefe in einer systematischen Unterschätzung des Anleger-risikos. Zudem gilt es, die Implementierungshürden üblicher Portfolio-Modelle zu über-winden. Bei mehrperiodischer Betrachtung nimmt die Bedeutung der Reallokationstech-nik zu. Das klassische Rebalancing, das ursprüngliche Portfoliogewichte wiederherstellt, ist von Natur aus „contrarian“, d.h., gut laufende Titel werden untergewichtet, wodurch die Portfolioperformance sinken kann. Mit der „Adaptive Asset Allocation“ von Sharpe ist jüngst ein Alternativvorschlag entwickelt worden.


5

3. Die Anforderungen an Regulierungsbehörden sind seit der Lehman-Pleite im Septem-ber 2008 oder dem Flash-Crash im Mai 2010 deutlich gestiegen. Hintergrund ist die zu-nehmende Derivatisierung, Automatisierung und Internationalisierung der Kapitalmärkte.

So stellt sich bspw. die Frage, ob Leerverkaufsverbote die gewünschte Wirkung erzielen. Ebenso gilt es, die Effekte des automatisierten Hochfrequenzhandels zu analysieren. Ei-nerseits kann hierdurch möglicherweise irrationales Verhalten verstärkt werden, ander-seits erhöht dieses „High Frequency Trading“ aber auch potenziell die Marktliquidität zu Gunsten aller Marktteilnehmer.

Ausgewählte Einzelfragen aus diesen drei Perspektiven finden sich in den nachfolgenden Präsentationsunterlagen.



6

1Mrz-13


Forschungsforum Finance

Entwicklung und Stand der Forschung

2Mrz-13

Ausgangslage

Aktuelle finanzwirtschaftliche Forschungsfragen stehen derzeit i.W. in(engem) inhaltlichen Kontext zur Finanzmarkt- bzw. Schuldenkrise.

Hintergrund: bislang gängige Finanzmarktmodelle basieren auf der Annahmedes vollkommenen Markts.

Paradigmenwechsel in der Forschung.

Realität: Märkte sind durch Informationsasymmetrien, Transaktionskostenund sonstige Friktionen gekennzeichnet.

Folge: Versagen „üblicher“ Risiko- und Prognose-Modelle.

Lehre: „Verallgemeinerung“ klassischer Modelle. Klassisches Modell als„Spezialfall“ einer allgemein gültigen Version.


7

3Mrz-13

Ausgangslage

Die aktuellen finanzwirtschaftlichen Forschungsfragen lassen sich i.W. indrei Klassen bzw. Perspektiven einteilen:

1. Emittent: Kostenminimale Refinanzierung? Wertorientierte UnternehmenführungCorporate Governance, Corporate Social Responsibility,…

2. Anleger: Bildung effizienter Portfolios? Risikomessung bei nicht-normalverteiltenRenditen?...

3. Regulierung: Derivate, High Frequency Trading, Vermeidung vonBlasenbildungen?...

4Mrz-13

Perspektive: Emittent

A) Forschungsfragen Refinanzierung (Auswahl):

Unternehmensbewertung in volatilen Märkten? (s. Tagungsband 2tesForschungsforum Finance); insb. Bewertung nicht-börsennotierter Unternehmen

Schätzung von Kapitalkosten in illiquiden Märkten? (z.B. Acharya/Pedersen JoFE2005: Liquidity Adjusted CAPM)

Finanzierungsverhalten von Unternehmen: Kapitalstrukturpolitik undDeterminanten der Dividendenausschüttungspolitik (s. Tagungsband 3tesForschungsforum Finance)

Warum halten Unternehmen so hohe Cash-Reserven? (z.B. Bates et al. JoF 2009)

Emission von Corporate Bonds (z.B. Underpricing)


8

5Mrz-13


B) Forschungsfragen „Wertorientierte Unternehmensführung“ (Auswahl):

Einfluss und Entlohnung der Unternehmensführung (z.B. Morse et al. JoF 2011)

Wertbeitrag von Corporate Hedging – geringere Finanzierungskosten und mehrInvestitionsalternativen? (z.B. Campello et al. JoF 2011)

Wertbeitrag von Corporate Social Responsibility?

Der Einfluss von Großaktionären (z.B. von Sovereign Wealth Funds,institutionellen Anleger, Eigentümerfamilien). Differenzierung zwischen passiven(ETFs) und aktiven Investoren (Hedge Funds etc.)?

Diversifikationsabschläge oder -zuschläge?

6Mrz-13


C) Forschungsfragen „Kapitalmarktorientierte Rechnungslegung“ (Auswahl):

Kritische Würdigung der externen Rechnungslegung (z.B. Frings et al. FAJ 2012„Does IFRS stand for Information RiSk?“)

Bewertung immaterieller Vermögensgegenstände? Vor- und Nachteile der FairValue Bewertung?

Bilanzierung von Leasing-Geschäften?

Bilanzierung von Finanzierungsinstrumenten?

Optimale Investor Relations Politik: Trade-Off zwischen Agency-Kosten undOverdisclosure? Implikationen für die externe Rechnungslegung?


9

7Mrz-13

Perspektive: Anleger

Portfoliooptimierung und Berücksichtigung höher Momente der Renditeverteilung:Schiefe und „fat tails“

Bedeutung der Asset Allocation Entscheidung: Funktioniert Markowitz (teilweise)?Z.B. Ibbotson FAJ 2010, Asness et al. FAJ 2011.

Informationseffizienz auf Kapitalmärkten (z.B. Duan et al. FAJ 2009)? Wie„erfolgreich“ ist aktives Portfoliomanagement? Determinanten derOutperformance?

Implikationen von Kalenderanomalien?

Portfolio-Implikationen neuer Assetklassen (z.B. CAT Bonds, Volatilität etc.)?

…

8Mrz-13

Perspektive: Regulierung

Krisen-Diagnose? Z.B. Richard Roll FAJ 2011

Is the 2007 U.S. Sub-Prime Financial Crisis So Different? Reinhart/Rogoff AER2008: deutliche Paralellen zu historischen Krisen!

High Frequency Trading (z.B. Hendershott et al. JoF 2010)

Kritische Analyse von Leerverkaufsverboten (z.B. Jones/Lamott JoF 2002)

Derivatisierung und der Einfluss auf das Basisinstrument

Honorarberatung vs. Provisionsvergütung

Effiziente Instrumente zum Anlegerschutz?

…


10

9Mrz-13

Für das eigene Forschungsprojekt gilt:

„There‘s plenty of Room at the Bottom“(Richard Feynman)

Empirische Arbeit mit Bloomberg an der FOM Essen

11

3 Empirische Arbeit mit Bloomberg an der FOM Essen

Alexander Zureck, B.A.

3.1 Nutzung des Bloomberg-Terminals und Vorstellung des dips Das dips Deutsches Institut für Portfolio-Strategien und die FOM Hochschule für Oekonomie & Management bieten Studierenden mit dem Bloomberg-Terminal am Essener Standort seit September 2010 einen exklusiven Zugang zu Finanzmarktdaten.

Studierende können nach einer eingehenden Schulung in Eigenrecherche historische Kapi-talmarktdaten erschließen und anschließend im Rahmen einer empirischen Untersuchung analysieren. Insbesondere in den Master-Studiengängen können somit der Forschungs-schwerpunkt unterstützt als auch die eigenständige analytische Arbeitsweise gefördert wer-den.

Die Rechercheergebnisse können zur weiteren Verarbeitung in Microsoft EXCEL exportiert werden. Das Terminal bietet folgende Möglichkeiten:

• Abruf historischer Kursreihen (Aktien, Anleihen, Indizes, Währungen, Zinsen, Rohstoffen, Derivaten etc.),

• technische und fundamentale Analysemöglichkeiten,

• Unternehmensbewertung (Korrelationen, BETA-Faktoren, Unternehmensvergleiche etc.),

• Zugang zu Bilanz, GuV und Kapitalflussrechnung (standardisiert aufgearbeitete und be-richtete Version),

• Abruf makroökonomischer Daten.

Das Bloomberg-Terminal befindet sich in der Bibliothek am Schulungs- und Hörsaalzentrum I (SHZ I) der FOM in der Herkulesstraße 32, 45127 Essen. Es kann innerhalb der Öffnungs-zeiten der Bibliothek genutzt werden soweit zuvor eine Bloomberg-Schulung besucht wurde. Als Ansprechpartner steht Ihnen Herr Alexander Zureck ([email protected]) für Schulungen oder Buchungen des Terminals zur Verfügung.



12

Prof. Dr. Eric FrèreDirektorAlexander Zureck B.A.Wissenschaftlicher Mitarbeiter

FOM Forschung dips Deutsches Institut für Portfolio-Strategien

2Prof. Dr. Eric Frère & Alexander Zureck B.A.17. November 2012

BegrüßungÜbersichtHandelnde Personendips in den MedienFachpublikationen des dipsdips für StudierendeAnsprechpartner

FOM Forschung – das dips stellt sich vorAgenda


13

FOM Forschung – das dips stellt sich vor


Weitere Informationen unter: www.fom-dips.de

Übersicht

Das dips Deutsches Institut für Portfolio-Strategien ist die finanzwirtschaftlicheForschungseinrichtung der FOM Hoch-schule für Oekonomie & Management inEssen.

Hauptforschungsfelder in diesem thematischenKontext sind:

1. Corporate Finance-Management2. Strategische Asset Allocation/Optimized

Indexing/Quantitative Investment-Modelle3. Financial Compliance

Im Fokus der wissenschaftlichen Arbeitstehen insbesondere praxisrelevanteProblemstellungen des Portfolio- undCorporate Finance-Managements.



Weitere Informationen unter: www.fom-dips.de Direktorium und Fachbeirat

Handelnde Personen

Direktorium:Prof. Dr. Eric Frère

DirektorProf. Dr. Joachim Rojahn CFA

Co-Direktor

Wissenschaftlicher Mitarbeiter:Alexander Zureck B.A.

Wissenschaftlicher Fachbeirat:Vorsitzende:

Werner H. HeussingerProf. Dr. Julius ReiterChristian W. Röhl

Weitere Mitglieder:Dr. Harald BeschornerProf. Dr. Stefan HeinemannProf. Dr. Burghard HermeierProf. Dr. Clemens JägerProf. Dr. Roland KloseProf. Dr. Andreas LöhrDipl.-Kfm. (FH) Simon MarkleinDr. Svend ReuseDr. Peter Schömig CFADr. Andreas SchyraProf. Dr. Bernd Wassermann


14



Weitere Informationen unter: www.fom-dips.de Aktuelles & Presse

dips in den Medien

Als Experte in den Bereichen:Compliance: WirtschaftskriminalitätDividendenausschüttungspolitikFinanzberatungFinanzethikVerbraucherfinanzenFinanzinstrumente (u.a. Zertifikate)



Weitere Informationen unter: www.fom-dips.de Forschung

Fachpublikationen des dips

Aktuelle Publikationen in den Bereichen:AnlegerschutzBanksteuerungComplianceDividendenpolitikInvestor RelationsMittelstandsfinanzierungNachhaltige Finanzprodukte


15



Weitere Informationen unter: www.fom-dips.de Für Studierende

dips für Studierende

Das dips bietet Studierende zahlreiche Hilfestellungen, das Studium bestmöglich zu absolvieren:

Einbeziehung in den laufenden ForschungsbetriebFörderung der empirischen ForschungQualitätsverbesserung durch Experten als AnsprechpartnerAnsprechpartner für die Veröffentlichung der Abschlussarbeit

Studierende werden am FOM-Standort Essen bei der Bloomberg-Recherche unterstützt:

EinführungsschulungDetaillierte Hilfestellung bei individuellen Rechercheproblemen



Weitere Informationen unter: www.bloomberg.com

Funktionsumfang des Bloomberg-Terminals

Export und Auswertung in EXCEL folgender Daten:Historische Kursreihen

AktienAnleihenIndizesWährungenZinsenRohstoffeDerivateStrukturierte FinanzprodukteFonds / ETFsEtc.

FundamentaldatenBilanz / G&VQuartalsberichteBewertungskennzahlenAnalysteneinschätzungenRatingsDividendenreihen & -schätzungen

Makroökonomische PublikationenGlobale KonjunkturdatenVeröffentlichungen und Nachrichten derNotenbanken


16



Weitere Informationen: www.fom-dips.de Für Studierende „Dozentenprofile“

Offene Forschungsfragen - Ausgangssituation

Aktuelle finanzwirtschaftliche Forschungsfragen stehen derzeit i.W. in (engem) inhaltlichen Kontext zur Finanzmarkt- bzw. Schuldenkrise

Hintergrund: bislang gängige Finanzmarktmodelle basieren auf der Annahme des vollkommenen MarktsParadigmenwechsel in der Forschung

Realität: Märkte sind durch Informationsasymmetrien, Transaktionskosten und sonstige Friktionen gekennzeichnetFolge: Versagen „üblicher“ Risiko- und Prognose-Modelle

Lehre: „Verallgemeinerung“ klassischer Modelle. Klassisches Modell als „Spezialfall“ einer allgemein gültigen Version

Die aktuellen finanzwirtschaftlichen Forschungsfragen lassen sich i.W. in drei Klassen bzw. Perspektiven einteilen:1. Emittent: Kostenminimale Refinanzierung? Wertorientierte Unternehmenführung

Corporate Governance, Corporate Social Responsibility,… 2. Anleger: Bildung effizienter Portfolios? Risikomessung bei nicht-normalverteilten

Renditen?...3. Regulierung: Derivate, High Frequency Trading, Vermeidung von

Blasenbildungen?...



Weitere Informationen: www.fom-dips.de Für Studierende „Dozentenprofile“

Offene Forschungsfragen – Konkrete Fragestellungen

Corporate-Finance-ManagementUnternehmensbewertung in volatilen MärktenBewertung nicht-börsennotierter UnternehmenSchätzung von Kapitalkosten in illiquiden MärktenFinanzierungsverhalten von Unternehmen: Kapitalstrukturpolitik und Determinanten der Dividendenausschüttungspolitik Entwicklung der Cash-Reserven von UnternehmenBewertung immaterieller Vermögensgegenstände

dipsFinancial Compliance

Einfluss und Entlohnung der Unternehmensführung Wertbeitrag von Corporate Social ResponsibilityOptimale Investor Relations Politik: Trade-Off zwischen Agency-Kosten und OverdisclosureHonorarberatung vs. ProvisionsvergütungEffiziente Instrumente zum AnlegerschutzInvestor Relations-Management für SME

Strategische Asset Allocation/Optimized Indexing/Quantitative Investment-ModelleDiversifikationsabschläge oder –zuschlägePortfoliooptimierung und Berücksichtigung höher Momente der Renditeverteilung: Schiefe und „fat tails“Bedeutung der Asset Allocation Entscheidung: Funktioniert Markowitz (teilweise)? Portfolio-Implikationen neuer Assetklassen (z.B. CAT Bonds, Volatilität etc.)?Informationseffizienz auf Kapitalmärkten? Wie „erfolgreich“ ist aktives Portfoliomanagement? Determinanten der Outperformance?


17



Fragen? Wir freuen uns auf Sie!

dips Deutsches Institut für Portfolio-Strategien gemeinnützige GmbHLeimkugelstraße 645141 EssenInternet: www.fom-dips.deE-Mail: [email protected]

InstitutsleitungProf. Dr. Eric Frère

[email protected]. Dr. Joachim Rojahn

[email protected]

Wissenschaftlicher MitarbeiterAlexander Zureck B.A.Telefon: 0151/ 10 33 50 47E-Mail: [email protected]


18

3.2 Praktisches Umsetzungsbeispiel: Analyse von Eurobonds Die bestimmenden Themen der gegenwärtigen Finanz- und Kapitalmarktforschung basieren auf der globalen Finanzmarktkrise und der europäischen Staatsschuldenkrise. Die Finanz-marktkrise sorgte 2008 für starke Kurseinbrüche an den internationalen Börsen. Die zuneh-menden Staatsschulden in den südeuropäischen Ländern führten in 2011 zu erneut einbre-chenden Kursen an den internationalen Börsen und zu Zweifeln an der Bonität einzelner südeuropäischer Staaten, allen voran Griechenland. Internationale Investoren haben den Glauben verloren, dass Griechenland jemals seine Schulden in voller Höhe zurückzahlen werden könne. Die Folge waren einbrechende Kurse und letztendlich ein Schuldenschnitt für die griechischen Staatsschulden.

Lange Zeit wurden Eurobonds als Alternative, um die Staatsschuldenproblematik zu lösen, diskutiert. Die Autoren des nachfolgenden Artikels haben aus deutscher Perspektive die Kos-ten für eine Eurobondeinführung zum 31. März 2011 berechnet. Das Datenmaterial stammt aus dem am Essener FOM-Standort für Dozenten und Studierende verfügbaren Bloomberg-Terminal. Das von Bloomberg zur Verfügung gestellte Datenmaterial bietet Studierende viel-fältige Möglichkeiten, in Seminar- und Abschlussarbeiten empirisch zu arbeiten. Studierende sind so in der Lage, hochwertige wissenschaftliche und zugleich praxisorientierte Beiträge zu erstellen.

Die im nachfolgenden Artikel verwendeten Daten sind makroökonomische Daten wie das Bruttoinlandsprodukt, die Staatsverschuldung und die Einwohnerzahl der in der Untersu-chung berücksichtigten europäischen Staaten. Basierend auf dem aus Bloomberg abgerufe-nen Datenmaterial erfolgten Berechnungen zum Zinsmehr-/minderaufwand auf Staatenbasis und pro Einwohner. Die Schnittstelle zwischen Bloomberg und MS Excel öffnet sämtliche Möglichkeiten, Datenmaterial aus Bloomberg mit allen gängigen Statistikprogrammen zu bearbeiten.



19

Erstveröffentlichung im bdvb aktuell, 2012, Nr. 118, 04/2012, S. 10 – 11, abgedruckt mit freundlicher Genehmigung der Redaktion des bdvb.


20

Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung

21

4 Vorträge des Forschungsforums

4.1 Der Gläserne Mensch – personenbezogene Daten in der Finanzberatung1

Prof. Dr. Julius Reiter


Das Internet hat in den letzten Jahren an Bedeutung gewonnen. 69% der Bundesbürger nut-zen mittlerweile mindestens einmal pro Woche das Internet. Dies gilt insbesondere für den jüngeren Teil der Gesellschaft, da der überwiegende Teil der Internetnutzer jünger als 55 Jahre alt ist.

Das Internet war lange Zeit ein Medium, das von privaten Anwendern nur zum Informations-abruf genutzt wurde. Das Einpflegen von eigenen Informationen war ohne entsprechende Programmierkenntnisse nicht möglich. Insbesondere die Web 2.0-Technologien wie Foren, Blogs und Soziale Netzwerke haben das Internet revolutioniert. Diese Technologien erlauben dem User das Einstellen von eigenen Inhalten ohne Programmierkenntnisse.

Vor allem junge Internetnutzer verlagern Teile ihres sozialen Umfelds in die sozialen Netz-werke, da hier ein schneller Austausch mit Freunden zu unterschiedlichen Themen möglich ist. Das Internet ist allerdings nicht nur eine Plattform zum privaten Austausch. Das Internet ist heute fester Bestandteil des privaten und beruflichen Lebens, sodass die Datenmenge im Internet kontinuierlich wächst und es zu bestimmten Themen immer mehr Informationen gibt. Da es im Internet kaum eine Grenze zwischen privaten und beruflichen Inhalten gibt, werden dort viele private und geschäftliche Informationen vermischt.

Die Trennung von Privatem und Beruflichem im Internet fällt vielen Nutzern schwer, sodass sich viele die Frage stellen, welche Daten von ihnen im Internet verfügbar sind und wie diese Daten von Dritten verwendet werden können. Am Beispiel der Finanzberatung wird im Fol-genden aufgezeigt, welche Informationen Nutzer aus privatem Interesse ins Internet einstel-len und wie diese Informationen von Dritten genutzt werden können.

Prof. Dr. Julius Reiter Alexander Zureck, B.A.

1 Vgl. Reiter, J. / Zureck, A. (2012): Faszination Facebook – Wie Kundenberater von sozialen Netz-

werken profitieren, in: bdvb-aktuell, 2012, Jg. 116, Nr. 2, S. 26 – 27.


22

Prof. Dr. Julius F. ReiterAlexander Zureck B.A.

Der gläserne Mensch – Verwendung personenbezogener Daten aus dem Internet in der Finanzberatung- Forschungsforum 2012 -

Gliederung

- Hypothesen- Internet: Von 1991 bis heute- Trends in der Finanzberatung- Informationsbeschaffung in der Finanzberatung- Fazit- Anschließende Forschungsfragen

2Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum


23

HYPOTHESEN


Hypothesen

- Das Internet ist eine Informationsquelle für persönliche Kundendaten

- Ein großer Informationspool erhöht die Verkaufschancen für Finanzberater

- Der Lösungsverkauf ist keine wirkliche Alternative zum Produktverkauf

- Die ganzheitliche Beratung ist ein Instrument das Cross-Selling zu verbessern



24

INTERNET: VON 1991 BIS HEUTE


Internet: Von 1991 bis heute

World Wide Web- 1991 entwickelte Sir Timothy John Berners-Lee das WWW- Begründer der Internetprogrammiersprache HTML

Erste Website: info.cern.ch

- Ziele: Hypertext, technische Anforderungen an die Erstellung einer eigenen Homepage und Suche von Webinhalten


heute201120092006200419981991


25


Open Diary- 1998 von Bruce und Susan Ableson initiiert- Erste Community

+ Möglichkeit zur Kommentierung+ Differenzierung nach Region und Alter+ Freundeseinstellungen


heute201120092006200419981991


Facebook- Gründung im Februar 2004- Nutzerprofile- Geschlossene Community- Inhalte können geteilt werden


heute201120092006200419981991


26


Web 2.0- Erstmals 2004 von Dale

Dougherty (O’Reilly Media, Inc.)

- Bestimmte Technologien (Blogs, Wikis, Soziale Netzwerke etc.)

- Sozialeres Web durch nutzergenerierte Inhalte

- Zielgruppenaustausch


heute201120092006200419981991


Twitter- Verbreitung von Kurznachrichten- Oftmals öffentliches Online-Tagebuch- Nutzer können bestimmten Nutzern folgen


heute201120092006200419981991


27


Foursquare- Standortbezogenen- GPS-Fähigkeit von Smartphones wird genutzt- Empfehlung von ortsbezogenen Angeboten


heute201120092006200419981991


Google+- Einseitige Beziehung ist möglich- Klare Trennung zwischen Privatpersonen und Firmen- Videochats- Spiele- Kombinierbar mit anderen Google-Anwendungen


heute201120092006200419981991


28


Internet- Soziale Austauschplattform, insb. durch Social Media

+ B2C und B2B- Informationsquelle

+ Musik, Videos, Nachrichten usw.+ Geringes Rechtsbewusstsein in Bezug auf Urheberrecht

- Nutzer sind in der virtuellen Welt verbunden+ Die Bindung ist nicht so eng wie in der realen Welt+ Viele private Inhalte

- Stetige Weiterentwicklung


heute201120092006200419981991

TRENDS IN DER FINANZBERATUNG



29

Trends in der Finanzberatung

Voraussetzungen

- Umfassende Informationen zum Kunden und zu seinem Umfeld

- Zielgerichtete und umfassende Informationsbesorgung


Vom Produktverkauf zum Lösungsverkauf

- Kundenbedürfnis steht im Mittelpunkt- Lösung für bewusste und latente Kundenprobleme



Ganzheitliche Beratung als Lösungsverkauf in der Finanzberatung

Ganzheitliche Beratung

Ausbildung und Beruf

Einkommen Familienplanung

Zukunftsplanung

Träume und Wünsche

Erkrankungen

Vermögenssituation

Steuer

Wohnsituation

Liquidität

Arbeitgeber

Gesundheitszustand

Vorsorgeplanung

Anlageziele

Anlagedauer

Anlagezweck

Risikobereitschaft


30

Produktverkauf

- Preisorientiert- Rhetorische Kompetenz- Ein-Gespräch-Verkauf- Kunde vergisst

Gesprächsinhalte sofort- i.d.R. kurzfristige

Kundenbeziehung- Geringeres Fehlerrisiko- Produktvorstellung- Geringe

Wechselbereitschaft

Lösungsverkauf

- Lösungsorientiert- Lösungskompetenz- Mehr-Gespräch-Verkauf- Kunde erinnert sich lange

an das Gespräch- i.d.R. langfristige

Kundenbeziehung- Größeres Fehlerrisiko- Analysegespräch- Hohe

Wechselbereitschaft




Das dips führte im Sommer 2012 eine Befragung zum Thema Finanzberatung durch. Die Befragung lieferte folgendes Bild der heutigen Finanzberatungspraxis:- Das Verhältnis zwischen Finanzberater und Kunde ist rational,

vertrauensvoll und persönlich- 90% der Finanzberater setzen Medien, vor allem

Verkaufsprospekte und eigene Grafiken, in der Beratung als Hilfsmittel ein

- 75% der Befragten begrüßen den Medieneinsatz in der Finanzberatung

- 32% der Befragten haben auch privaten Kontakt zum Finanzberater

- Über 80% der Berater ziehen persönliche Informationen in die Finanzberatung ein



31


Informationsbeschaffung- Klassische Informationsquellen: Kundengespräch und

Kundenverhalten basierend auf Kontoumsätzen- Neuartige Informationsquellen: Internet


Heutige Finanzberatung:- Die Finanzberatung basiert heute somit im wesentlichen auf

einem guten Verhältnis zwischen Berater und Kunde- Der Finanzberater benötigt weitreichende Informationen, um

die Kundenbeziehung zu pflegen

INFORMATIONSBESCHAFFUNG IN DER FINANZBERATUNG



32

Informationsbeschaffung in der Finanzberatung

INFORMATION21Prof. Dr. Julius F. Reiter | Alexander Zureck B.A.Forschungsforum

M



Wo das Internet unterstützend wirkt:

Ganzheitliche Beratung

Ausbildung und Beruf

Einkommen Familienplanung

Zukunftsplanung

Träume und Wünsche

Erkrankungen

Vermögenssituation

Steuer

Wohnsituation

Liquidität

Arbeitgeber

Gesundheitszustand

Vorsorgeplanung

Anlageziele

Anlagedauer

Anlagezweck

Risikobereitschaft


33



INFORMATIONU.a. durch Bulk-Downloader, eigene Recherchen oder

externen Datenankauf

M

FAZIT



34

Fazit

- Viele Chancen durch das Internet zur persönlichen Weiterentwicklung- Grundrecht auf Freiheit und Meinungsfreiheit- Gefahr durch lockere soziale Bindungen in der virtuellen Welt

+ „f alsche“ und f lüchtige „Freunde“+ Anzahl der Freunde in der v irtuellen Welt ist unrealistisch im Vergleich zur realen Welt+ Falsche Inhalte kommuniziert+ Reputationsschaden

- Gänzliches anonymes Surfen ist nicht möglich- „Das Internet vergisst nichts!“- Geringe Kontrollmöglichkeiten für den einzelnen Nutzer- Vielfach Gruppenzwang und Gewohnheitsrecht- Jeder ist für seine Inhalte selber verantwortl ich

+ Schutz der eigenen Daten+ Keine Dif f erenzierung zwischen v irtueller und realer Welt

- Freie Informationen erhöhen die Abschlusschancen des Finanzberaters und damit die Chance auf einen emotionalen Verkauf

- Insbesondere Fotos und Videos bieten viele Angriffsflächen

Das Internet ist eine Informationsquelle für jeden und persönliche Daten müssen geschützt werden


ANSCHLIEßENDE FORSCHUNGSFRAGEN



35

Anschließende Forschungsfragen

- Die heutige und zukünftige Bedeutung von Webprivacy- Informations-Management als Bildungsaufgabe- Alternative Betreuungskonzepte in der Finanzberatung



36

Erstveröffentlichung im bdvb aktuell, 2012, Nr. 116, 02/2012, S. 26 – 27, abgedruckt mit freundlicher Genehmigung der Redaktion des bdvb.


37

Der Wertbeitrag von Wertpapieranalysten für Anleger und Emittenten

38

4.2 Der Wertbeitrag von Wertpapieranalysten für Anleger und Emittenten1


Die Kommunikation mit Analysten nimmt einen hohen Stellenwert in Investor Relations Akti-vitäten ein, da der Bekanntheitsgrad des Emittenten erhöht wird und theoretisch Informati-onsasymmetrien abgebaut werden können.

Die Qualität von Researchberichten ist jedoch nicht unumstritten. In streng-informationseffizienten Märkten stiften Analystenberichte per se keinen Zusatznutzen. In in-formationsineffizienten Märkten resultieren Bedenken insbesondere aus einer unterstellten geringen Objektivität der Analysten. So kann die Auswahl der gecoverten Unternehmen u.a. von den erwarteten Handelserträgen der Investmentbanken abhängen. Zudem sind Analys-tenschätzungen regelmäßig durch Überoptimismus und Herdenverhalten gekennzeichnet.

Die Literatur bescheinigt Researchstudien aus Anlegerperspektive daher nur einen einge-schränkten Zusatznutzen, der vor allem bei kleineren Emittenten entsteht, da in diesen Fäl-len ausgeprägte Informationsasymmetrien vorherrschen dürften.

Aus Perspektive des Emittenten interessiert dagegen, ob Analystenresearch die Liquidität der begebenen Wertpapiere erhöhen kann. Eingeschränkte Wertpapierliquidität erhöht das Risiko des Investors und mündet daher c.p. in einem Bewertungsabschlag. Ein Emittent soll-te folglich bestrebt sein, die Liquidität der eigenen Aktien zu steigern.

Die vorgestellten Befunde der empirischen Untersuchung von Rojahn und Elschen stützen die These, dass die Wertpapierliquidität mit steigender Analystenzahl zunimmt. Vergleichba-re Befunde existieren für den US-amerikanischen Aktienmarkt. Allerdings wird die Anzahl der Analysten maßgeblich von der Marktkapitalisierung des Emittenten bestimmt. Kleinere Emit-tenten, die selbst bei aktiver Informationspolitik nicht im Fokus der Wertpapieranalysten ste-hen, können dieses Dilemma durch den gezielten Einkauf von Coverage lösen.

Dagegen äußern sich stark divergierende Einzelschätzungen – entgegen der Hypothese – nicht in einem Rückgang der Wertpapierliquidität. Offenbar besteht der Wertbeitrag für die Zielgruppen von Analystenreports primär in der Informationsaufbereitung und Informations-verdichtung.


1 Basis: Rojahn/Elschen (2009): Management des Illiquiditätsabschlags – der Einfluss von

Analystencoverage, in: Finanzbetrieb 3/2009, S. 137 – 143.


39

1Mrz-13


Basis: Rojahn/Elschen, Management des

Illiquiditätsabschlags – der Einfluss von

Analystencoverage, Finanz Betrieb 2009, S. 137ff.


2Mrz-13

Gliederung

1 Einleitung

2 Stand der Forschung und Hypothesen

3 Daten und Methodik

4 Ergebnisse

5 Fazit und Ausblick


40

3Mrz-13

1 Einleitung

Investor Relations reduzieren Informationsasymmetrien und erhöhen denBekanntheitsgrad des Emittenten.

Eine besondere Bedeutung besitzt der Wertpapieranalyst alsInformationsprovider oder Informationsintermediär.Emittenten befinden sich nicht nur im Wettbew erb um Kapital, sondern auch umein Coverage durch Wertpapieranalysten.

Die Qualität von Researchstudienist aber nicht unumstritten:− In streng-informationseffizienten Märkten stiften sie keinen Zusatznutzen.

− In nicht perfekt eff izienten Märkten hängt ihr Wertbeitrag von der Objektivität undIntegrität des Analysten ab.

Von Interesse sind daher folgende Fragen:- Können Anleger aufgrund von Aktienempfehlungen eine positive,

risikoadjustierte Überschussrendite erzielen?- Welche Vorteile entstehen für denEmittentendurch Analystencoverage?

4Mrz-13


Wertbeitragdes Wertpapieranalystenaus Anlegerperspektive:− Asquith et al. (JoFE 2005): Nur 0,5% aller untersuchten Empfehlungen lauteten auf

„Sell“ oder „Strong Sell“.- Analysten neigen dazu, Gew innschätzungen zu optimistisch anzusetzen:

Diese Verzerrung wird bei Nebenwerten mit volatilem Geschäftsmodellbesonders hoch.Hong/Kubik (JoF 2003): eine optimistische Haltung ist karriereförderlich.

Allerdings ist das Ausmaß dieser Verzerrungen im Zeitablauf gesunken;mögliche Ursache: steigende Wettbewerbsintensität zwischenInvestmentbanken.

Dennoch besitzenAktienempfehlungeneinen„Investment Value“:− Womack (JoF 1996): insb. bei „kleinen“ Emittenten ist nach Veröffentlichungen von

Studien eine signif ikante Renditeänderung feststellbar.− Henze/Röder (FB 2005): mit der Umsetzung von Kauf- und Verkaufsempfehlungen

lassen sich am deutschen Aktienmarkt im Durchschnitt signif ikante Überrenditenerzielen.


41

5Mrz-13


Wertbeitragdes Wertpapieranalystenaus Emittentenperspektive:− Frage nach Überrenditen des Investors aus Emittentenperspektive irrelevant.− Im Fokus des Interesses: Effekte auf die Wertpapierliquidität des Emittenten durch

Analystencoverage.

Die Liquidität des Wertpapiers ist für den Anleger ein Risikofaktor.Steigende Wertpapierliquidität impliziert damit eine fallende Renditeforderungdes Eigenkapitalgebers.

Hypothese 1: Zwischen der Anzahl covernder Wertpapieranalysten und derWertpapierliquidität besteht ein positiver Zusammenhang. Unterstützt durchdie Befunde von Brennan/Tamarow ski (JoACF2000) für den US-Aktienmarkt.

Hypothese 2: Zwischen der Divergenz der Analystenschätzungen und derWertpapierliquiditätbesteht einnegativer Zusammenhang.

6Mrz-13

3 Daten und Methodik

Datensatz:− Prime Standard Emittenten 2006.− Nach Branchenbereinigung und Eliminierung unvollständiger Datensätze: n=180.

Abhängige Variable:− Liquiditätsmessung erfolgt über den relativen Bid-Ask-Spread (Relsp).

− „Gängiges“ Liquiditätsmeßkonzept.Kontrollvariablen:

− Logarithmierte Marktkapitalisierung (LN(Cap)). Aufgrund des nicht-linearenZusammenhangs w ird zusätzlich noch LN(Cap)2 als Regressor aufgenommen.Zu untersuchende unabhängige Variablen:

− Logarithmierte Anzahl Analysten erfasst durch: LN(Analysten+1).

− Divergenz erfasst durch standardisierte Standardabweichung derAnalystenschätzungen (bezogen auf EPS). Variable: DIVOP.Schätzverfahren: zweistufiges Verfahren der kleinsten Quadrate (2SLS) bzw.OLS.


42

7Mrz-13

4 Ergebnisse

Test der Hypothese 1:

Zw ischen Unternehmensgröße und Anzahl Analysten besteht ein stark positiveKorrelation. Die Residuen der Anzahl Analysten (Res_Cap_Analysten) nehmenaber den erw arteten signifikant negativen Einfluss auf den Spread.

Abhängige Variable: Relsp, 2SLS-Verfahren

Exogene Variablen: Absolutglied, LN(Cap), [LN(Cap)]2, LN(Volume)

Regressoren Regressionskoeffizient t-Statistik

Absolutglied 0,0515 14,928***

LN(Cap) -0,0112 -9,330***

[ LN(Cap)] 2 0,0006 6,369***

Res_Cap_Analysten -0,0078 -4,382***F-Statistik (P-Wert) 151,31

Adj ustiertes Bestimmtheitsmaß 0,670

8Mrz-13

4 Ergebnisse

Test der Hypothese 2:

Die Divergenz der Analystenschätzungenw irkt entgegen der Hypothese 2 nicht aufdie Höhe des Bid-Ask-Spreads!

Abhängige Variable: Relsp, White-Verfahren

Regressoren Regressionskoeffizient t-Statistik

Absolutglied 0,0489 12,104***

LN(Cap) -0,0106 -9,364***

[ LN(Cap)] 2 0,0006 7,660***

Res_Cap_Analysten -0,0022 -3,729***

DIVOP -0,0002 -0,098F-Statistik (P-Wert) 73,93 (0,000)

Adj ustiertes Bestimmtheitsmaß 0,721


43

9Mrz-13

5 Fazit und Ausblick

Liquidität lässt sich durch aktives Management erhöhen: „A firm that leavesall decisions that affect the liquidity of its stocks in the hands ofintermediaries(...) islikely to pay an inflated cost of capital“.

Insb. kleinere Emittenten können Analystencoverage gezielt „einkaufen“.

Eine Divergenz der Analystenschätzungen wirkt sich dagegen nicht negativ auf dieWertpapierliquidität aus. Offenbar sind Analysten „Informationsprovider“,

Weiterführende Fragestellungen:− Emittentenperspektive: welche weiteren Maßnahmen w irken positiv auf die

Wertpapierliquidität? Z.B. Segmentw echsel, Stock Splitts, etc. WelcheInformationen sind durch Analystencoverageabgedeckt?

− Anlegerperspektive: sind weiterhin Überrenditen erzielbar?

− Regulierung: w ie „objektiv“ sind Analystenschätzungen?

Kalenderanomalien an Aktien- und Anleihemärkten in Europa

44

4.3 Kalenderanomalien an Aktien- und Anleihemärkten in Europa

Vincent L. Rabben, M.A.

Die Hypothese effizienter Märkte gilt als zentrales Modell der Finanzwirtschaft.

„I believe there is no other proposition in economics which has more solid empiri-cal evidence supporting it than the Efficient Market Hypothesis.1“

Michael Jensens Zitat aus 1978 unterstreicht eindrucksvoll, das bis in 1980er Jahre das Modell als weitgehend unumstritten galt. Seitdem mehren sich kritische Beiträge und insbesondere seit der globalen Finanzkrise in 2008 erscheint die Literatur zum Thema Behavioral Finance populärer denn je. Die Irrationalität der Märkte findet sich auch in zahlreichen Börsenweisheiten wieder. „Sell in May and Go Away“ lautet eine dieser Weisheiten. Das Sprichwort lässt sich zwar annähernd 50 Jahre zurückverfolgen2, je-doch sind die meisten Untersuchungen zu dieser Anomalie erst in den letzten zehn Jah-ren veröffentlicht worden. Im Fokus der Untersuchungen stehen vornehmlich Aktien-märkte. Unter portfoliotheoretischen Gesichtspunkten kann allerdings unterstellt werden, dass an Anleihemärkten ebenfalls Kalenderanomalien vorliegen, jedoch mit umgekehr-ten Vorzeichen.

In einer empirischen Untersuchung europäischer Aktien- und Anleihemärkte wurden u. a. folgende Fragestellungen beleuchtet:

1. Sind Kalenderzeiteffekte auf europäischen Kapitalmärkten vorzufinden? Wenn ja, mit welcher Signifikanz und wie verhalten sich die Effekte von Aktien und Anleihen zuei-nander?

2. Welche Handlungsempfehlungen können, basierend auf den Ergebnissen des Unter-suchungszeitraumes, an den Investor gegeben werden? Sind aktive Tradingstrategien Buy-and-Hold überlegen?

Hierzu lassen sich folgende Ergebnisse festhalten:

Zu 1.:

Die empirische Untersuchung von 17 europäischen Aktienindizes hat ergeben, dass der Sell in May and Go Away Effekt verbreitet vorgefunden werden kann. Der Untersu-chungszeitraum reicht bei der Mehrzahl der Indizes bis in die 1980er Jahre zurück. Die Rendite von Mai bis September ist in 16 von 17 Fällen negativ und die Mittelwertdifferenz 1 Jensen, M.C. (1978): Some Anomalous Evidence Regarding Market Efficiency, in: Journal of Fi-

nancial Economics, S. 95. 2 Bouman and Jacobsen haben diese Börsenweisheit in einer Financial Times Ausgabe aus dem

Jahr 1964 gefunden; vgl. Bouman, S., Jacobsen, B. (2002): The Halloween Indicator, “Sell in May and Go Away”: Another Puzzle, in: American Economic Review, S. 1618.


45

zum verbleibenden Jahr beträgt zwischen 1,02% und 5,36% pro Monat. Eine statistische Signifikanz bei den Varianztests auf Mittelwertgleichheit ergibt sich in 14 von 17 Fällen. Der Zwei-Stichproben t-Test zeigt signifikante Unterschiede bei neun Indizes auf. Ver-gleichbare Ergebnisse lassen sich bei einer Beschränkung auf die zwei Monate mit der schwächsten Rendite vorfinden: August und September.

Auch auf europäischen Anleihemärkten kann ein Sommereffekt festgestellt werden. Die-ser tritt jedoch im Vergleich zu Aktien mit umgekehrtem Vorzeichen auf. Die Renditen im August und September liegen bei Staats- und Unternehmensanleihen über dem Ver-gleichswert des restlichen Jahres. Bei Staatsanleihen beträgt die Mittelwertdifferenz zwi-schen 0,33% und 1,07% pro Monat. Mit Ausnahme der spanischen Staatsanleihen sind die Unterschiede statistisch signifikant. Der Ansatz, Anleihen und Aktien als konkurrie-rende Anlageklassen zu betrachten, wird durch die Beobachtung gestützt, dass der Sommereffekt mit umgekehrten Vorzeichen auf Aktien- und Anleihemärkten auftritt. Der Effekt manifestiert sich in einer überdurchschnittlich negativen Korrelation zwischen Ak-tien und Anleihen.

Zu 2:

Aktive Handelsstrategien erzielten bei den vier großen Aktienindizes deutlich bessere Ergebnisse als Buy-and-Hold. Während bei letztgenannter Strategie die Wertentwicklung seit 1999 negativ bis leicht positiv war (-0,39% bis 1,35% p. a.), konnten aktive Strate-gien Überrenditen erzielen, die robust gegenüber differenzierten Annahmen für Transak-tionskosten und risikoloser Verzinsung sind. So betragen die Renditen im ungünstigsten Szenario zur Handelsstrategie zum Sell in May and Go Away Effekt zwischen 5,05% und 9,65% p. a. und im günstigsten Szenario zwischen 6,24% und 10,89% p. a.

Der Einwand, dass die höheren Renditen außerhalb der Sommerperiode erhöhte syste-matische Risiken widerspiegeln und keine Verbesserung der Performance (Rendite zu Risiko) darstellen, kann anhand der ermittelten Volatilitäten nicht aufrecht gehalten wer-den.

Der Sommereffekt führt dazu, dass Aktien im Marktportfolio im Zeitraum von Mai bzw. von August bis September untergewichtet und im restlichen Jahr übergewichtet werden. Insgesamt zeigt sich, dass die Anleiheindizes höhere Sharpe-Ratios aufweisen. Wäh-rend des Sommereffekts beträgt das Sharpe-Ratio 2,40 für das Marktportfolio, welches zu ca. 96% aus Staatsanleihen besteht.

Vincent L. Rabben, M.A.


46

Vincent L. Rabben Forschungsforum 2012

Forschungsforum Essen – Finance & Accounting

Kalenderanomalienan europäischen Aktien- und Anleihemärkten

Forschungsforum 2012Seite 2 Rabben

Renditemuster

Portfoliotheorie

Ef fiziente Märkte

Irrationale Märkte

Renditemuster

Kapitalstruktur-politik

1

2

3

4

Theorie/Grundlagen Ergebnisse Asset Management Corporate Finance


47


Strenge Informations-

effizienz

Halbstrenge Informations-

effizienz

Schwache Informations-

effizienz

Die Effizienzmarkthypothese

Eugene Fama: "Efficient Capital Markets: A Review of Theory and Empirical Work“ (JoF, 1970)

These bis Anfang der 1980er Jahre empirisch weitestgehend gestützt –anschließend Aufdeckung von Effizienzanomalien

Kennzahlen-anomalien

• Size Ef f ect• Value Ef f ect

Kalenderzeit-anomalien

• Montagsef f ekt• Renditesaisonalität

Sonstige Ef f izienzanomalien

• Neglected Firm Ef f ect

• Home Bias



Behavioral Finance

Heuristisch bedingte Verzerrungen- Ankerheuristik

- Repräsentativ itätsheuristik - Verf ügbarkeitsheuristik- Selbstüberschätzung

Rahmenabhängigkeit- Verlustav ersion- Mentale Konten

- Av ersion v on Reue

Grenzen der Arbitrage- Noise Trader Risk


Subjektive Wertefunktion w

Relativer Gewinn in EUR

Relativer Verlust in EUR

Referenz-/Ankerwert

Subjektive Wertefunktion w

Relativer Gewinn in EUR

Relativer Verlust in EUR

Referenz-/Ankerwert

Asymmetrische Wahrnehmung von Gewinn und Verlust


48


Rationales Handeln wird nicht zwingend belohnt / keine Arbitrage im e. S. möglich

Das Gegenmodell: Behavioral Finance – Kernideen:

Menschen neigen zu irrationalem Verhalten und kognitiven Verzerrungen

Wertpapierpreise entwickeln sich nicht im Gleichschrittmit Fundamentaldaten

anhaltende wissenschaftliche Diskussion:

- Kapitalmarktanomalien vs. Random Walk- EMH empirisch nicht widerlegbar („joint hypothesis problem“)- umstrittene Stellung der Behavioral Finance



Aktienindizes - Sommereffekt

α=10%

α=5%

α=1%α=1‰

Rendite Aug. - Sep. in 16 v on 17 Fällen negativ

Durchschn. Mittelwertdif f erenz: 2,13% 25,56% p. a.

In 14 v on 17 Fällen statistisch signif ikant*

Untersuchungszeitraum: 15-28 Jahre

*ANOVA/Welch f-Test, α=10%



49


Aktienindizes - Sell in May and Go Away


α=5%

α=1%

α=1‰

Rendite Mai - Sep. in 14 v on 17 Fällen negativ



Untersuchungszeitraum: 15-28 Jahre



Staatsanleiheindizes - Sommereffekt


α=5%

α=10%

Rendite Aug. - Sep. in 10 v on 10 Fällen überdurchschnittlich



Untersuchungszeitraum: 13 Jahre



50


-5,00%

-3,00%

-1,00%

1,00%

3,00%

5,00%

Janu

ar

Febr

uar

Mär

z

Apr

il

Mai

Juni

Juli

Aug

ust

Sep

tem

ber

Okt

ober

Nov

embe

r

Dez

embe

r

französi scheS taatsanleihen

deutscheS taatsanleihen

CACR

DAX

Anleihen

Akt ien

2 Periode glei t. M ittelw.(Anlei hen)

2 Periode glei t. M ittelw.(Akti en)

Gegenüberstellung von Aktien- und Anleiheindizes

Ø-Korrelation steigt v on -0,41

auf -0,66

Aktien

Anleihen



-5,00%

-4,00%

-3,00%

-2,00%

-1,00%

0,00%

1,00%

2,00%

3,00%

4,00%

5,00%

Janu

ar

Febr

uar

Mär

z

Apr

il

Mai

Juni

Juli

Aug

ust

Sep

tem

ber

Okt

ober

Nov

embe

r

Dez

embe

r

Unternehmensan-leihen

S taatsanleihen

Euro Stoxx 50Performance

S toxx Europe 50Performance

Anleihen

Akt ien

2 Periode glei t.Mi ttelw. (Anleihen)

2 Periode glei t.Mi ttelw. (Aktien)

Gegenüberstellung von Aktien- und Anleiheindizes

Ø-Korrelation* steigt v on -0,26

auf -0,56 * ohne Unternehmensanleihen

Aktien

Anleihen



51


Aktiv es Portf oliomanagement

Anteil Aktien/Anleihenim Portfolio

Januar Dezember Januar Dezember

Anteil Aktien/Anleihen im Portfolio

Buy -and-Hold

W ie sieht die optimale Portfoliogewichtungje Jahreszeit aus

1999 2011

passiv es v s. aktives Portf oliomanagement

1.

2.

Transaktions-kosten

0,25 %

0,50 %

Alternativ-verzinsung

1,5 %

3,0 %Sind aktive Trading-strategien überlegen,falls ja – wie robust

EUR

Investorenperspektive



1999-2011

05.000

10.00015.00020.00025.00030.00035.00040.00045.000

Euro Stoxx 50 Stoxx Europe50

CAC DAX

EU

R

0,25 % TK1,5 % rf.Zins0,25 % TK3,0 % rf.Zins0,5 % TK1,5 % rf.Zins0,5 % TK3,0 % rf.ZinsBuy-and-Hold

-0,0069-0,0049-0,0041-0,0032

0,34360,4241

0,44090,5669

-0,1 0,0 0,1 0,2 0,3 0,4 0,5 0,6

Euro Stoxx 50S toxx Europe 50

DAXCAC

StaatsanleihenUnternehmensanleihen

französi sche S taatsanl eihendeutsche S taatsanlei hen

mod. Sharpe-Ratio

Aktienkäuf e und -v erkäuf e basierend auf dem Sell in May Ef f ekt erzielten den größten Wertzuwachs

Buy -and-Hold bei Aktien lief erte die schlechteste Rendite – Ergebnisse robust bzgl. unterschiedlicher Szenarien und Subperioden

Anleihen weisen deutlich positiv e Sharpe-Ratios auf , Aktien leicht negativ e Anleihen grundsätzlich stärker gewichtet

Sinkende Aktienquote im Marktportf olio während der Sommermonate



52




Emissionstiming – Fragestellungen:

1. Welche Rolle spielt Markt-Timing im Rahmen der Kapitalstrukturpolitik?2. Korreliert die Anzahl an Anleiheemissionen mit den beobachteten

Renditen? 3. Welche Relevanz haben Kalenderzeiteffekte für Emittenten?

Emittentenperspektive

Neben traditionellen Theorien zur Wahl der Unternehmensf inanzierung weisen empirische Untersuchungen auf die Relev anz des Markt-Timings hinsichtlich der Kapitalstruktur hin

Anleihen werden v on den Euro Stoxx 50 Unternehmen bev orzugt im Sommer emittiert; die Ergebnisse sind jedoch nicht statistisch signif ikant

Eine Korrelation zwischen Börsenbewertung und der Wahl der Finanzierung ist daher nicht ersichtlich



53


Zusammenfassung (zentrale Punkte)

Ausblick/ Forschungsfragen

Saisonale Renditemuster auf europäischen Aktien- und Anleiheindizes präsent

- Januaref f ekt nicht relev ant

- Sommeref f ekt mit umgekehrtem Vorzeichen

aktiv e Tradingstrategien sind passiv en Anlagen überlegen

- Während der Sommermonate empf iehlt sich eine Reduzierung der Aktienquote bzw. eine Umschichtung in Anleihen

Gründe der ungleichen Perf ormance im Sommer (Behav ioral Finance, singuläre Ereignisse)

Analy se des Emissionstimings in Verbindung mit Fundamentaldaten (Zinsniv eau, Marktliquidität)

Berücksichtigung weiterer Anlageklassen



Literaturempfehlungen

Auer, B., Rottmann, H. (2011): Statistik und Ökonometrie für Wirtschaftswissenschaftler, 2. Aufl., Wiesbaden 2010

EViews Software Version 6 Studentenversion + EViews 6 User’s Guide I, Irvine 2007

Bruns, C., Meyer-Bullerdiek, F. (2008): Professionelles Portfoliomanagement, 4. Aufl., Stuttgart 2008

De Bondt, W.F.M., Muradoglu, G., Shefrin, H., Staikouras, S.K. (2008): Behavioral Finance: Quo Vadis?, in: Journal of Applied Finance 2008, Jg. 18, Nr. 2, S. 7-21Pompian, M.M. (2012): Behavioral Finance and Wealth Management, 2. Aufl., Hoboken 2012

Spremann, K. (2008): Portfoliomanagement, 4. Auflage, München 2008

Ökonometrie

Portfoliomanagement

Behavioral Finance


UntersuchungsergebnisseFrère, E.E., Rabben, V.L., Rojahn, J.(2012): Kalenderzeiteffekte an europäischen Aktien- und Anleihemärkten: Implikationen für Investoren und Emittenten, Aachen 2012

Informationsgehalt von Volatilty-Skews

54

4.4 Informationsgehalt von Volatilty-Skews

Dipl.-Kfm (FH) Christian Schütze, BBA

Derivate sind aus der Finanzwelt nicht mehr wegzudenken. Dies wird nicht zuletzt durch die starken Wachstumsraten der Umsätze an der deutsch-schweizerischen Terminbörse EUREX deutlich. Ähnlich wie in der klassischen Portfoliotheorie das Portfolio-Selection Model von Harry Markowitz einen Meilenstein markiert, hat sich im Bereich der Derivate das Model von Fischer Black und Myron Scholes zum „Pricing of Options and Corporate Liabilities“, kurz das Black-Scholes Model als einer der Eckpfeiler der modernen Opti-onspreistheorie durchgesetzt.

Die theoretische Annahme des Models besagt, dass der Preis einer Kaufoption eine Funktion aus dem Aktienkurs zum Zeitpunkt Null multipliziert mit der Verteilungsfunktion des Optionsdeltas, abzüglich des abgezinsten Basispreises multipliziert mit der Vertei-lungsfunktion der approximierten Eintrittswahrscheinlichkeit der Optionsausübung ist. Diese theoretische Annahme hilft dabei einen „fairen Wert“ für den Optionspreis zu ermit-teln. Voraussetzung hierfür ist natürlich, dass die zukünftig auftretende Volatilität bekannt ist, da diese die Ausübungswahrscheinlichkeit und das Optionsdelta durch die Vertei-lungsfunktion ermittelbar macht.

Das Black-Scholes Model basiert auf einigen Annahmen, die in der Praxis so nicht halt-bar sind. So wird beispielsweise von einer kontinuierlichen Handelbarkeit in infinitisemal kleinen Schritten ausgegangen, die in der Praxis aufgrund von festgelegten Marktöff-nungszeiten und bei europäischen Aktien kleinsten Preisschritten von i.d.R. 1 Cent nicht auftritt. Einen weiteren Kritikpunkt stellt die Annahme der normalverteilten Renditen dar. Aktienkurse sind empirisch belegt nicht normalverteilt. Und letztendlich werden Optionen an einer Börse gehandelt. Dementsprechend wird der Preis durch Angebot und Nachfra-ge bestimmt und ein Model zur Berechnung von Optionspreisen dient lediglich als An-haltspunkt für einen fairen Preis. Unterschiedliche Handelsstrategien von Marktteilneh-mern können den tatsächlich gehandelten Preis daher beeinflussen und das Model somit in seiner Aussage limitieren.

Als Vorgaben zur Preisberechnung werden der Kurs des Basiswertes, der Basispreis, eine eventuell während der Laufzeit gezahlte Dividende, der Wertpapierleihesatz für den Basiswert, der für die Laufzeit relevante risikolose Zins und die für die Laufzeit auftreten-de Volatilität benötigt. Von diesen Einflussfaktoren können alle bis auf die während der Laufzeit auftretende Volatilität direkt am Markt über verschiedene Instrumente abgelesen werden. Die einzige Variable, die die falschen Modelannahmen und den Einfluss von Angebot und Nachfrage darstellen kann ist die implizite Volatilität.


55

Beim Berechnen des theoretischen Optionspreises wird hier ein Wert für die während der Optionslaufzeit auftretende Volatilität geschätzt. Steht der Optionspreis schon fest kann über ein Iterationsverfahren nach der Volatilität gesucht werden.

Die so errechnete Implizite Volatilität, als ein Ausdruck für die erwartete Volatilität und Variable für Angebot und Nachfrage, müsste theoretisch Informationen über zukünftige Kursbewegungen oder die im betrachteten Markt vorherrschende Stimmung geben kön-nen.

Die vorliegende Präsentation soll einen Einstieg in die Extrapolation und Deutung von impliziter Volatilität geben, sowie darüber hinaus eine Anregung für mögliche For-schungsfragen im Derivatebereich bieten.

Dipl.-Kfm (FH) Christian Schütze, BBA


56

Mrz-13 Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012 1

Vortrag im Rahmen des Forschungsforums 2012

Information Content of Implied Volatility

Gliederung

1. Grundlagen Derivate & Optionspricing2. Hedging & Financing mit Derivaten3. Implizite Volatilität4. Ableitbare Forschungsfragen

2Dipl. Kfm. (FH), BBA Christian Schütze, Forschungsforum 2012Mrz-13


57

Literaturhinweise


- Monographien:+ Natenberg, Sheldon (1994); Option Volatility & Pricing+ Hull, John C. (2012); Options Futures & Other Derivatives+ Talib, Nassim (1997); Dynamic Hedging

- Articles:+ Jiang G., Tian Y. (2005); The model free implied volatility and its

information content+ Muzzioli, S. (2011); The Skew Pattern of Implied Volatility in the

DAX Index Options Market+ Doran, J., Tarrant, B., Peterson, D. (2007); Is there information in

the Volatility Skew+ Buraschi, A., Kamstra, M. (2001); Is Volatility risk priced in the

option market

Gliederung




58

Grundlagen Derivate & Optionspricing


Tdd

d

wobei

dNSdNXep

und

dNXedNSc

TTrXS

TTrXS

rT

rT

σσ

σ

σσ

−==

=

−−−=

−=

−+

++

−

−

1)2/()/ln(

2

)2/()/ln(1

102

210

20

20

)()(

)()(

- Ein einfacher Einstieg in das Pricing von Optionen:


Tdd

d

wobei

dNSdNXep

und

dNXedNSc

TTrXS

TTrXS

rT

rT

σσ

σ

σσ

−==

=

−−−=

−=

−+

++

−

−

1)2/()/ln(

2

)2/()/ln(1

102

210

20

20

)()(

)()(



Einflussfaktor: • Zins• Dividende


59


Long Call

P/L

S

Short Put

P/L

S

Long Put

P/L

S

Short Call

P/L

S

- Auszahlungsprofile von Optionen:



P/L

SBasispreis

- Auszahlungsprofil Long Call:



60

Grundlagen Derivate


Tdd

d

wobei

dNSdNXep

und

dNXedNSc

TTrXS

TTrXS

rT

rT

σσ

σ

σσ

−==

=

−−−=

−=

−+

++

−

−

1)2/()/ln(

2

)2/()/ln(1

102

210

20

20

)()(

)()(


Long CallP/L

S

Einflussfaktor: • Basispreis• Preis des

Basiswertes


- Das Optionsdelta:



61


- Drei Definitionen vom Delta:

+ „Rate of Change“ der Option: zeigt an wie stark sich der Optionspreis bei einer Bewegung des Underlyings um 1 €bewegt

+ „Exercise Probability“ der Option: zeigt an wie groß die Ausübungswahrscheinlichkeit der Option ist. Approximativ!

+ Hedge Ratio der Option: zeigt an wieviel mal das Underlying gekauft oder verkauft werden muss, um+ kein Risiko/keine Chance aus der Bewegung des Basiswertes zu

haben+ 1/Delta zeigt an wieviele Optionen gekauft werden müssen um

einmal das Underlying anzusichern/zu hedgen



Tdd

d

wobei

dNSdNXep

und

dNXedNSc

TTrXS

TTrXS

rT

rT

σσ

σ

σσ

−==

=

−−−=

−=

−+

++

−

−

1)2/()/ln(

2

)2/()/ln(1

102

210

20

20

)()(

)()(



Hedge Ratio:Abhängig von der Volatilität, Restlaufzeit und Strike/Preis Aktie

Exercise Probability


62

Gliederung



Hedging & Financing mit Derivaten


- Verwendung von Derivaten:+ Grundsätzlich vier verschiedene Handelsansätze:

+ Absichern/Hedgen+ Finanzieren & Renditesteigerung/Yield Enhancement+ Arbitrage+ Spekulieren

+ Drei verschiedene Gruppen von Marktteilnehmnern+ Long Only Investoren+ Market Maker & Proprietary Trader+ Arbitrageure


63


P/L

SBasispreis

22

23

24

25

26

27

28

29

30

31

- Financing: Short Call



- DAX Kursverlauf 2012:



64


P/L

SBasispreis

- Absicherung/Hedge: Long Put:



Wert des Portfolios

Wert des Puts

*{

* Optionsprämie

- Szenario DAX Portfolio & Long DAX Put:



65


Long Put

P/L

S

Short Call

P/L

S

- Kombination – Long Put & Short Call & DAX Portfolio:

+ Durch Basispreise der Optionen fest definierte Handelsziele

+ Finanzierung der Absicherungskosten/Versicherungs-prämie durch Take-Profit-Marke

+ Handelsdisziplin


Gliederung




66


Wert des Portfolios

Wert des Puts

*{

* Optionsprämie

- Bestandteile des Optionspreises:

Tdd

d

wobei

dNSdNXep

und

dNXedNSc

TTrXS

TTrXS

rT

rT

σσ

σ

σσ

−==

=

−−−=

−=

−+

++

−

−

1)2/()/ln(

2

)2/()/ln(1

102

210

20

20

)()(

)()(

Optionspreis

Innerer Wert Zeitwert

ZinsDividende

Versicherungs-wert

Implizite Volatilität

Erw. Vola.

Dividende

Zins


- Bestandteile des Optionspreises II:

Aktienkurs

Tdd

d

wobei

dNSdNXep

und

dNXedNSc

TTrXS

TTrXS

rT

rT

σσ

σ

σσ

−==

=

−−−=

−=

−+

++

−

−

1)2/()/ln(

2

)2/()/ln(1

102

210

20

20

)()(

)()(

Basispreis

Optionspreis



67


- Korrelation zwischen impliziter Volatilität und Aktienmärkten:



- Implizite Volatilität:+ Theoretisch die zukünftig erwartete

auftretende Volatilität des Basiswertes für die betrachtete Laufzeit

+ Praktisch ein Ausdruck für Angebot und Nachfrage

+ Theoretisch sollte die implizite Volatilität für sämtliche Basispreise einer bestimmten Laufzeit in einem bestimmten Basiswert gleich sein

+ Praktisch ergibt die grafische Darstellung der impliziten Volatilität eine Kurve

Tdd

d

wobei

dNSdNXep

und

dNXedNSc

TTrXS

TTrXS

rT

rT

σσ

σ

σσ

−==

=

−−−=

−=

−+

++

−

−

1)2/()/ln(

2

)2/()/ln(1

102

210

20

20

)()(

)()(



68


- Volatilitätsskew:



- Gründe für den Volaskew:+ Aktien sind tendenziell ein

„Investmentobjekt“ und daher besteht eher Angst vor fallenden Kursen

+ Market Maker sichern das Delta einer Option über eine Long oder Short Position in der Aktie ab. Als Risikogröße bleibt das Optionsgamma. Da bei fallenden Kursen tendenziell größere Kursausschläge zu beobachten sind und Short Gamma als Risikogröße von Short Optionen „At the money“ am größten ist, müssen „downside Optionen“ entsprechend teurer sein

+ Mathematisch gesehen steigt die Vola bei gleichem Optionspreis an wenn der Basispreis weiter „out of the money“ ist



69

Gliederung



Ableitbare Forschungsfragen


- Ableitbare Forschungsfragen:+ Wie verhalten sich verschiedene Gruppen von Marktteilnehmer

im Derivatemarkt?+ Welche Auswirkungen haben Marktbewegungen auf das

Verhalten von Marktteilnehmern im Derivatemarkt?+ Welche Anhaltspunkte geben implizite Volatilität und

Volatilitätsindices für zukünftige Kursbewegungen?+ Welche Gründe sind für das Auftreten von Volatilitätskurven

verantwortlich?+ Wie kann implizite Volatilität als Indikator für die Angst von

Marktteilnehmern herangezogen werden?+ Welche Faktoren haben Einfluss auf die Entstehung von

Volatilitätsskews

Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung

70

4.5 Modellgläubigkeit vs. Pragmatismus – Modellrisiko der Risikosteuerung1


Die Grundgedanken der Portfoliotheorie und der Risikomessung sind seit mittlerweile einem halben Jahrhundert etabliert und werden gerade in Banken flächendeckend angewendet. Dabei war gerade in den letzten 10-15 Jahren ein Trend hin zu komplexen Risikomodellen festzustellen.

Gerade im Rahmen der Finanzmarktkrise wurden jedoch immer wieder Stimmen laut, die die Funktionsfähigkeit der etablierten Risikomodelle in Frage stellen. Dies zeigt exempla-risch Abbildung 1.

Abbildung 1: Modellrisiko in der Presse2

Doch was sind die Folgen hieraus? Das eine Lager verlangt komplexere Modelle, die alle Eventualitäten abdecken können und dem Entscheider quasi alles abnehmen. Das andere Lager plädiert für die Verwendung des „gesunden Menschenverstandes“ und fordert einfa-chere Modelle und eine stärkere Fokussierung auf qualitative Aspekte des Risikomanage-ments.

Zur strukturierten Vorgehensweise an diese Problematik gilt es im ersten Schritt, Grundbe-griffe zu klären. Die Definition eines Modells ist vielschichtig und in der herrschenden Litera-tur konträr diskutiert worden. Es wird der Definition nach Stachowiak gefolgt, nach der ein

1 Basis: Reuse, S. (2012): Kritische Würdigung des Modellrisikos in der Adressrisikosteuerung, in:

ForderungsPraktiker, 3. Jg., Januar 2012, Ausgabe 01/2012, Heidelberg, S. 34 – 39. 2 Entnommen aus Ziggel, D. (2010): Moderne Portfoliooptimierung mit qon, erhältlich auf:

http://www.quasol.de/presse/qon.pdf, Abfrage vom 12.11.2012.


71

Modell als vereinfachtes Abbild der Realität definiert werden kann3. Im Asset Management und im Risikocontrolling erlangen Modelle immer mehr an Bedeutung. Zum einen ist dies der Komplexität der Materie geschuldet, zum anderen zwingen immer umfangreichere aufsichts-rechtliche Anforderungen die Banken, immer aufwendigere Modelle einzusetzen.

Zudem gilt es, den Modellrisikobegriff abzuleiten4. Verlässt sich ein Anwender auf die Ab-strahierung des Modells, so liegt ein Modellrisiko vor. Ender formuliert treffend: „Modellrisiko entsteht immer dann, wenn der wahre Prozess unbekannt ist und man stattdessen vereinfa-chende Modelle verwenden muss.5“ Der Erwartungswert ist an dieser Stelle, dass das Modell die Realität hinreichend beschreibt. Modellrisiko tritt folglich dann ein, wenn dies nicht mehr der Fall ist – auch wenn die verwendeten Daten und die Implementierung mit großer Sorgfalt erfolgt sind6.

Im zweiten Schritt behandelt dieser Vortrag diese zentralen Problemstellungen und widmet sich verschiedenen Risikomodellen, deren Annahmen und Parametern. Zudem wird eine Würdigung vorgenommen, unter welchen Bedingungen oder auch Einschränkungen die Mo-delle funktionieren und angewendet werden können.

Als Fazit des Ganzen lässt sich festhalten, dass die Risikomodelle als solches funktionieren und auch die richtigen Steuerungsimpulse liefern. Nicht die Modelle haben versagt – es sind die Nutzer, die oftmals nur ein unzureichendes Modellverständnis an den Tag gelegt haben. Dies bedeutet auf der anderen Seite jedoch nicht, dass bestehende Risikomodelle optimal sind. Es besteht immer Potenzial zur Verbesserung, z.B. durch Integration der Aspekte der Behavioral Finance in die klassischen Risikomodelle7. Auch die Erweiterung der einfachen Modelle der Asset Allocation um Extremwerttheorien und Copula-Funktionen kann hier ein sinnvoller Schritt sein.

Allerdings gilt bei der Verwendung eines jeden Modells: Am langen Ende muss der Nutzer entscheiden und nicht das Modell – letzteres darf Entscheidungen immer nur unterstützen, sie aber nie selbst treffen. Transparenz, intern wie extern, wird nicht durch die Modellre-chenergebnisse, sondern durch deren sinnvolle Interpretation erreicht.


3 Definition nach Stachowiak, H. (1973): Allgemeine Modelltheorie, Wien 1973, S. 131 ff.; zitiert nach

Thomas, O. (2005): Das Modellverständnis in der Wirtschaftsinformatik: Historie, Literaturanalyse und Begriffsexplikation, Veröffentlichungen des Instituts für Wirtschaftsinformatik, Herausgeber: Prof. Dr. Dr. h.c. mult. August-Wilhelm Scheer, Heft 184, erhältlich auf: http://www.uni-saarland.de/fileadmin/user_upload/Fachrichtungen/fr13_BWL/professuren/PDF/IWi-Heft_184.pdf, Abfrage vom 29.04.2013, S. 8.

4 Vgl. umfassend Ender, M. (2008): Modellrisiko bei der Bewertung von Optionen in einem Vergleich von Modellen mit stochastischer Volatilität, Diss. Universität Köln 2008, S. 133 ff.; Weber, F. (2001): Modellrisiko bei Value-at-Risk-Schätzungen – eine empirische Untersuchung für den schweizerischen Aktien-und Optionenmarkt, Diss. Freiburg in der Schweiz 2001, S. 130 ff.

5 Ender, M. (2008), a.a.O. (FN 4), S. 5. 6 Vgl. Ender, M. (2008), a.a.O. (FN 4), S. 137. 7 Vgl. Reuse, S. (2011): Korrelationen in Extremsituationen, Wiesbaden 2011, S. 222.


72

Folie 1Dr. Svend Reuse17.11.2012

Modellgläubigkeit vs. Pragmatismus –welche Modelle führen zu Transparenz in der Risikosteuerung?


1. Einleitende Worte

2. Definition Modell und Modellrisiko

3. Kritische Würdigung bestehender Modelle

4. Stresstests als Ergänzung zu Risikomodellen

5. Umgang mit Modellrisiken

6. Fazit und Ausblick

Inhalt









73








Modellfehler kostet 90 Millionen Pfund

Am 28. Februar 1997 gab die National Westminster Bank (NatWest) bekannt, dass sie „ein schwarzes Loch“ in Höhe von 50 Millionen Pfund in ihrem Optionsbuch entdeckt hatte. Es wurde vermutet, dass es sich dabei um Zinsoptionen in Schweizer Franken handelte. Am 15. März 1997 wurde die Verlustschätzung auf 90 Millionen Pfund erhöht. Gleichzeitig teilte die Bank mit, dass Ursache ein Fehler im Bepreisungsmodell für die Optionen war, der seit etwa drei Jahren Bestand.

In einem Artikel berichtet die Zeitschrift Euromoney am Mai 1997, dass es bei NatWest Händlern gestattet war, eigene Preise in Systeme einzugeben und dass das hauseigene „Interest Rate Risk Management System“ nicht in der Lage war, sachgerechte Neubewertungen von Positionen vorzunehmen. Gleichzeitig war es ein offenes Geheimnis am Markt, dass die NatWest-Preise fehlerhaft waren. Deshalb kauften verschiedene Banken große Positionen in den von NatWest emittierten Optionen und konnten sichere Profite einfahren.

NatWest wurde ferner von der Aufsichtsbehörde für Wertpapier- und Futures-Handel zur Zahlung einer Strafe von 420.000 Pfund verurteilt. Erschwerend kamen verschiedene Fälle von Kontrollversagen und die Verschleierung aufgelaufener Verluste durch Händler hinzu. Diese Aspekte liegen außerhalb des Modellrisikos, fallen jedoch in die operationellen Risiken.


Entnommen aus: Voith (2012), S. 636.








• Gerade seit der Finanzmarktkrise geraten Risikomodelle immer mehr in die Kritik.

• Ihnen wird vorgeworfen, gerade in Krisen versagt zu haben und Risiken systematisch zu unterschätzen.

• Doch ist dies wirklich so?

Dieser Vortrag beantwortet Ihnen diese Frage und analysiert das Thema Modellrisiko und gibt Handlungsimpulse für die Risikosteuerung.



74







2. Definition Modell und Modellrisiko2.1. Was ist ein Modell?

• Die Definition eines Modells ist vielschichtig und in der herrschenden Literatur konträr diskutiert worden.

• Nach Stachowiak kann ein Modell als das vereinfachte Abbild der Realität definiert werden.

• Wieso Vereinfachung?- Isolierung der zu analysierenden Faktoren- Vereinfachung zur Reduktion der Komplexität

• Annahmen helfen, die Vereinfachung vorzunehmen.


Vgl. Stachowiak (1973), S. 131 ff.; zitiert nach Thomas (2005), S. 8.







2. Definition Modell und Modellrisiko2.2. Beispiel Modellannahmen

• Art des Zusammenhangs


Die Korrelation ist ein linearerZusammenhang!


75







2. Definition Modell und Modellrisiko2.2. Beispiel Modellannahmen

• Am Beispiel der Behavioral Finance lässt sich dies gut darstellen:


Entnommen aus Reuse (2011), S. 52.







2. Definition Modell und Modellrisiko2.3. Modellrisiko

• „Verlässt sich ein Anwender auf die Abstrahierung des Modells, so liegt ein Modellrisiko vor.“

• „Modellrisiko entsteht immer dann, wenn der wahre Prozess unbekannt ist und man stattdessen vereinfachende Modelle verwenden muss.“

• „Der Erwartungswert ist an dieser Stelle, dass das Modell die Realität hinreichend beschreibt. Modellrisiko tritt folglich dann ein, wenn dies nicht mehr der Fall ist – auch wenn die verwendeten Daten und die Implementierung mit großer Sorgfalt erfolgt sind.“


Reuse (2012), S. 34.

Reuse (2012), S. 34.

Ender (2008), S. 5.


76







3. Kritische Würdigung bestehender Modelle3.1. Markowitz


Entnommen aus: Ziggel (2010), S. 2.







Folie 10Svend Reuse


• Rollierende und historische Korrelationen am Beispiel RexP – DAX.

• Zwischenfazit: in Krisenzeiten ist kein Versagen der Korrelationen festzustellen.

-1,000

-0,800

-0,600

-0,400

-0,200

0,000

0,200

0,400

0,600

0,800

1,000

31.0

1.19

96

30.0

1.19

97

30.0

1.19

98

30.0

1.19

99

30.0

1.20

00

29.0

1.20

01

29.0

1.20

02

29.0

1.20

03

29.0

1.20

04

28.0

1.20

05

28.0

1.20

06

28.0

1.20

07

28.0

1.20

08

27.0

1.20

09

27.0

1.20

10

Zeitverlauf - Endzeitpunkt bei der gleitenden Korrelation

glei

tend

e Ko

rela

tion

im Z

eita

blau

f

Gleitende Korrelationen Klassische KorrelationenNeue Markt Blase (02.2000)

9/11 (09.2001)

Finanzmarktkrise (08.2008)

Subprime Krise (05.2007)

Vgl. Reuse (2011), S. 151.

17.11.2012


77








Fazit: • Makrowitz hat nicht versagt.• Korrelationen sind stabil.• Modellannahmen müssen kritisch hinterfragt – und

verstanden werden!• Markowitz hat sein Modell immer auf erwarteten

Renditen und erwarteten Risiken aufgebaut.• Zudem existiert nur der Einperiodenfall.

Nicht das Modell, sondern seine Nutzer haben versagt.








3. Kritische Würdigung bestehender Modelle3.2. Value at Risk

Die HSH Nordbank brachte dieses Risikofrühwarnsystem nie richtig zum Laufen. Calypso hieß die Software, die Daten fürs Risikokalkül verarbeiten sollte; in der Bank hieß sie "Kollapso". Denn so wie sie damals eingesetzt wurde, war Calypso offenbar für die HSH nicht die richtige Lösung. Sie erfasste nicht alle Deals und vertrug sich nicht mit anderen Systemen der Bank. Vor allem mit dem System nicht, das den täglichen VaR-Report ausspucken sollte. So stimmten die Risikokurven nicht, und verantwortlich für diese falschen Kurven, mit denen die Bank dann trotzdem operierte: der Unternehmensbereich "Group Risk Management" (GRM), der vom heutigen Vorstand Gemmeren geleitet wurde.

Fast jeder Händler in der Bank wusste, dass sie im Blindflug unterwegs waren. Sogar ein Neuling, ein kleiner Trader in London. "Ich habe vor drei Monaten in der Firma angefangen", schrieb er am 14. August 2008 in einer E-Mail an Gemmerens Risikotruppe, "ich habe verzweifelt versucht, bei den Londoner VaR-Ergebnissen durchzublicken, weil die Zahlen überhaupt keinen Sinn machen, besonders nicht die für das Kreditgeschäft." Und weiter: "Die VaR-Zahl ist mathematisch unmöglich. Ich habe das Gefühl, das ist eine sehr wichtige Aufgabe, nicht nur für die Londoner Niederlassung, sondern für alle Abteilungen, die mit Kreditderivaten handeln."


Entnommen aus: Balzli/Dahlkamp/Latsch/Schmitt (2009), S. 105.


78








• Typische Modelle:


Entnommen aus: Reuse (2006), S. 367.








• Versagen von Varianz/Kovarianz:


Quelle: Fröhlich


79









Vgl. Reuse (2012), S. 36.

• Kreditrisiko: Vergleich der Modelle:








Fazit: • Modelle oftmals recht komplex.• Annahmen und Parameter nachzuvollziehen ist mit

einem hohen Aufwand verbunden.• Copulas als Ergänzung der Monte Carlo Simulation• Aber: werden Annahmen als Restriktionen akzeptiert,

so sind die Modelle adäquat.• Vorteil: Es wird eine Haltedauer und ein

Konfidenzniveau geschätzt – etwas, das „Planungssicherheit“ geben kann!

Nicht das Modell, sondern seine Nutzer haben versagt.



80







3. Kritische Würdigung bestehender Modelle3.3. Extremwerttheorie

• Die Extremwerttheorie verwendet als Prognoseverteilung nicht diejenige Verteilung, welche im mittleren Bereich die beste Approximation darstellt, sondern wählt zur Risikoschätzung diejenige theoretische Verteilungsannahme aus, welche die empirische Schätzung am Verteilungsrand am besten approximiert.

• Diese Methode ist in der Lage, auch extreme Wertänderungen im Marktpreisrisikobereich aufzuzeigen.

• Dies zeigt das folgende Beispiel.


Vgl. Reuse (2011), S. 49.









• Historische Kursentwicklung DAX 04.1996 – 04.2009

0

100

200

300

400

500

600

1.4.96 1.4.97 1.4.98 1.4.99 1.4.00 1.4.01 1.4.02 1.4.03 1.4.04 1.4.05 1.4.06 1.4.07 1.4.08 1.4.09

Vgl. Reuse/Zeranski (2009.10).


81









• Historische Kursentwicklung DAX 04.1996 – 04.2009

Vgl. Reuse/Zeranski (2009.10).








Fazit: • Modell mathematisch/statistisch sehr anspruchsvoll.• Werte werden gut approximiert…• … bis zur nächsten Krise?

Modell gut, aber noch zu unbekannt.



82







4. Stresstests als Ergänzung4.1. Definition


• Eckdaten von Stresstests

Quelle: Reuse/Svoboda (2010), S. 65.

• Stresstests sind zusätzliche Simulationen zu den bestehenden Risikomanagementverfahren.

• Sollen externe Faktoren wie ökonomische Makroszenarien beinhalten. • Sie haben qualitativ und quantitativ zu erfolgen. • Sie sollen die Verlustanfälligkeit von Instituten aufzeigen. • Sie müssen somit nicht nur für einzelne Risiken, sondern auch für das gesamte Institut

vollzogen werden. • Sie sollen der Information der Geschäftsleitung dienen. • Sie sollen historische und hypothetische Szenarien umfassen. • Sie müssen außergewöhnliche aber plausible Szenarien darstellen.







4. Stresstests als Ergänzung4.2. Strukturierung von Stresstests


Quelle: Reuse/Svoboda (2010), S. 66.

Stresstests

Univariate Stresstests Sensitivitätsanalyse

Multivariate Stresstests Szenarioanalyse

• Es wird nur ein Risikofaktor variiert. • Ziel ist es, die Empfindlichkeit/Sensitivität

dieses Risikoparameters und seine Einflüsse auf das Risiko zu messen.

• Simultane Veränderung mehrerer Faktoren.

• Ziel ist die Darstellung eines kumulativen Stresszustandes.

Vorteil: • Die isolierte Wirkung eines Parameters

kann aufgezeigt werden. Nachteil: • Die Auswirkungen des Zusammenspiels

mehrere Risikofaktoren werden nicht berücksichtigt.

Vorteil: • „Realistische“ Simulation von

Krisenszenarien. • Betrachtet ggf. alle Portfolien. • Wechselwirkungen zwischen

Parametern werden deutlich. Nachteil: • Erhöhter Modellierungsaufwand. • Die Wirkung des einzelnen Parameters

geht unter.

Arten: • Portfolioindividuelle Verfahren • Standardisierte Verfahren

Arten: • Historische Szenarien • Hypothetische Szenarien


83







4. Stresstests als Ergänzung4.3. Würdigung von Stresstests


• Stresstests sollen Ergänzungen zur klassischen Risikosteuerung darstellen.

• Erfinden einer „Story“ um eine mögliche Stresssituation hinreichend zu beschreiben.

• Stresstests erfassen Dinge, die in der Historie noch nicht aufgetreten sind.

• Eine gute Möglichkeit, Sensitivitäten zu testen.

Sie ergänzen Risikomodelle, ersetzen sie aber nicht.







5. Umgang mit Modellrisiken5.1. Verankerung in den MaRisk


MaRisk-E, AT 4.1, Tz. 8:

„[…] Die den Methoden und Verfahren zugrunde liegenden Annahmen sind nachvollziehbar zu begründen. […]. Die Angemessenheit der Methoden und Verfahren ist zumindest jährlich durch die fachlich zuständigen Mitarbeiter zu überprüfen. Dabei ist den Grenzen und Beschränkungen, die sich aus den eingesetzten Methoden und Verfahren, den ihnen zugrunde liegenden Annahmen und den in die Risikoquantifizierung einfließenden Daten ergeben, hinreichend Rechnung zu tragen. Die Aussagekraft der quantifizierten Risiken ist insofern kritisch zu analysieren.“

Quelle: BaFin (2012).


84







5. Umgang mit Modellrisiken5.2. Genereller Umgang mit Modellrisiken


Vgl. Reuse (2012), S. 37.







5. Umgang mit Modellrisiken5.3. Komplexität vs. Modellrisiko


Vgl. Reuse (2012), S. 38.


85







5. Umgang mit Modellrisiken5.4. Komplexität vs. Ökonomischer Nutzen


Vgl. Reuse (2012), S. 38.








• Modelle helfen „nur“, die grundsätzlichen Wechselwirkungen an den Märkten zu verstehen.

• Modelle und deren Restriktionen müssen verstanden werden, um sie sinnvoll einsetzen zu können.

• Stresstests ergänzen Risikomodelle, ersetzen sie aber nicht.

• Nicht die Modelle haben versagt – es sind die Nutzer, die oftmals nur ein unzureichendes Modellverständnis an den Tag gelegt haben.

Am langen Ende muss der Nutzer entscheiden und nicht das Modell – letzteres darf Entscheidungen immer nur unterstützen, sie aber nie selbst treffen.Transparenz, intern wie extern, wird nicht durch die Modellrechenergebnisse, sondern durch deren sinnvolle Interpretation erreicht.



86







Literatur

BaFin (2012): Konsultation 01/2012: Entwurf der MaRisk (inoffizieller Zwischenentwurf vom 01.08.2012).

Balzli, B. / Dahlkamp, J. / Latsch, G. / Schmitt, J. (2009): Hai und Hering, in: Der Spiegel 48/2009 vom 23.11.2009, erhältlich auf: http://wissen.spiegel.de/wissen/image/show.html?did=67871670&aref=image040/2009/11/21/ROSP200904801040107.PDF&thumb=false, Abfrage vom 12.11.2012.

Ender, M. (2008): Modellrisiko bei der Bewertung von Optionen in einem Vergleich von Modellen mit stochastischer Volatilität, Diss. Universität Köln 2008, erhältlich auf: http://kups.ub.uni-koeln.de/2304/1/Modellrisiko_ManuelaEnder_KUPS_neuesDatum.pdf, Abfrage vom 12.11.2012.

Reuse, S. (2006): Berechnung des Value-at-Risk mit der Monte-Carlo-Simulation –Vorstellung bestehender Modelle und Würdigung der Ergebnisse, in: Bankpraktiker 1. Jg. Juli 2006, Ausgabe 07-08/2006, Düsseldorf, S. 366 – 371.

Reuse, S. (2011): Korrelationen in Extremsituationen, Wiesbaden 2011.Reuse, S. (2012): Kritische Würdigung des Modellrisikos in der Adressrisikosteuerung, in:

ForderungsPraktiker, 3. Jg., Januar 2012, Ausgabe 01/2012, Heidelberg, S. 34 – 39.Reuse, S. / Svoboda, M. (2010): Stresstests – Kritische Analyse der Anforderungen in den

neuen MaRisk und Modellierung eines Prototypen, in: Bankpraktiker 5. Jg., März 2010, Ausgabe 03/2010, Düsseldorf, S. 65 – 70.








Literatur

Sibbertsen, P. / Rohde, J. / Luedtke, C. (2010): Sind Risikomodelle selbst ein Risiko?, in: Unimagazin 2010, S. 46 – 49, erhältlich auf:http://www.uni-hannover.de/imperia/md/content/alumni/unimagazin/2010/sicherheit_46-49_sibbertsen.pdf, Abfrage vom 12.11.2012.

Stachowiak, H. (1973): Allgemeine Modelltheorie, Wien 1973.Thomas, O. (2005): Das Modellverständnis in der Wirtschaftsinformatik: Historie,

Literaturanalyse und Begriffsexplikation, Veröffentlichungen des Instituts für Wirtschaftsinformatik, Herausgeber: Prof. Dr. Dr. h.c. mult. August-Wilhelm Scheer, Heft 184, erhältlich auf: http://www.uni-saarland.de/fileadmin/user_upload/Fachrichtungen/fr13_BWL/professuren/PDF/IWi-Heft_184.pdf, Abfrage vom 12.11.2012.

Voit, J. (2012): Beipackzettel für Risikomodelle?, in: Betriebswirtschaftliche Blätter, 61. Jg., Nr. 11.2011, S. 636 – 640.

Ziggel, D. (2010): Moderne Portfoliooptimierung mit qon, erhältlich auf: http://www.quasol.de/presse/qon.pdf, Abfrage vom 12.11.2012.

Zeranski, S. / Reuse, S. (2009): Neue MaRisk-Anforderungen an Stresstests [Rundschreiben 15/2009 (BA)], in: Bankentimes Spezial Controlling/Gesamtbanksteuerung, Oktober & November 2009.



87

Erstveröffentlichung im ForderungsPraktiker 01/2012, S. 34 – 39, abgedruckt mit freundlicher Genehmigung der Redaktion des ForderungsPraktikers (www.ForderungsPraktiker.de) und des Verlages Finanz Colloquium Heidelberg (www.FC-Heidelberg.de).


88


89


90


91


92

Ableitbare Forschungsansätze und -fragen

93

5 Ableitbare Forschungsansätze und -fragen

Gerade aufgrund der aktuellen Lage an den Märkten kommt dem Thema dieses Forschungs-forums eine besondere Bedeutung zu. Folglich existiert in vielerlei Hinsicht weiteres For-schungspotenzial. Insbesondere sind Forschungsideen durch die Forumsdiskussionen auf-gebracht worden, die im Folgenden skizziert werden.

5.1 Integration von Behavioral Finance in klassischen Risikomodelle

Idee Auch wenn die Grundideen der Behavioral Finance mittlerweile nachgewiesen

werden können, ist eine sinnhafte Verknüpfung mit den klassischen Modellen bis-her nur wenig erfolgt (Vgl. exemplarisch Reuse (2011), S. 143 ff.).

Ein Ansatz zur weiteren Forschung könnte folglich sein, die Verknüpfung beider Ideen weiter voanzutreiben.

Quellen Markowitz, H. M. (1952): Portfolio Selection, in: Journal of Finance, 7. Jg. 1952, Nr. 1, S. 77 – 91.

Reuse, S. (2011): Korrelationen in Extremsituationen, Wiesbaden 2011.

Reuse, S. / Svoboda, M. (2010): Stresstests – Kritische Analyse der Anforderun-gen in den neuen MaRisk und Modellierung eines Prototypen, in: Bankprakti-ker, 6. Jg. 2010, Nr. 3, S. 65 – 70.

Reuse, S. / Zeranski, S. (2009.10): Neue MaRisk-Anforderungen an Stresstests [Rundschreiben 15/2009 (BA)], in: Bankentimes Spezial Banksteue-rung/Controlling, Oktober & November 2009.


94

5.2 Behandlung des Modellrisikos in der Risikotragfähigkeit der Institute

Idee Das Modellrisiko hat auch in der MaRisk 5.0-Novelle vom 14.12.2013 Eingang

gefunden. So sagt AT 4.1 Tz. 8 im Zusammenhang mit dem Umgang in der Risiko-tragfähigkeit: „[…] Dabei ist den Grenzen und Beschränkungen, die sich aus den eingesetzten Methoden und Verfahren, den ihnen zugrunde liegenden Annahmen und den in die Risikoquantifizierung einfließenden Daten ergeben, hinreichend Rechnung zu tragen. Die Aussagekraft der quantifizierten Risiken ist insofern kri-tisch zu analysieren.“

Eine adäquate Integration des Modellrisikos und die Ableitung eines praktischen Umsetzungskonzeptes für die Institute wäre das Ziel einer solchen Ausarbeitung.

Quellen BaFin (2012.12a): MaRisk Novelle 2012 – Veröffentlichung der Endfassung, An-schreiben an die Verbände, Bonn/Frankfurt, 14.12.2012.

BaFin (2012.12b): Rundschreiben 10/2012 (BA) vom 14.12.2012.

BaFin (2012.12c): Anlage 2: Alle Änderungen gegenüber der MaRisk-Fassung vom 15.12.2010.

DSGV (2011): Mindestanforderungen an das Risikomanagement, Interpretations-leitfaden, Version 4.0, Berlin 2011.

Reuse, S. (2011): Korrelationen in Extremsituationen, Wiesbaden 2011.

Reuse, S. (2012): Kritische Würdigung des Modellrisikos in der Adressrisikosteue-rung, in: ForderungsPraktiker, 3. Jg., Januar 2012, Ausgabe 01/2012, Hei-delberg, S. 34 – 39.

Reuse, S. (2013): MaRisk 5.0 – Umsetzungsimplikationen aus den Klarstellungen und Neuregelungen für 2013, in: Bankpraktiker, 8. Jg., Februar 2013, Ausga-be 02/2013, Heidelberg, S. 8 – 14.


95

5.3 Kalenderzeiteffekte und Behavioral Finance

Idee Es verbleibt die Frage nach den Gründen der unterdurchschnittlichen Performance

bei Aktien bzw. überdurchschnittlichen Performance bei Anleihen im Sommer. Die Behavioral Finance bietet individual- und massenpsychologische Modelle, aus denen Forschungsfragen abgeleitet werden können. Halten so z. B. Unternehmen und Analysten in den ersten beiden Quartalen an ihren (möglicherweise zu opti-mistischen) Prognosen fest und korrigieren diese erst im späteren Jahresverlauf nach unten?

Quellen Ackert, L. / Deaves, R. (2009): Behavioral Finance: Psychology, Decision-Making, and Markets, Mason 2009.

De Bondt, W.F.M. / Muradoglu, G. / Shefrin, H. / Staikouras, S.K. (2008): Behav-ioral Finance: Quo Vadis?, in: Journal of Applied Finance 2008, Jg. 18, Nr. 2, S. 7 – 21.

Pompian, M.M. (2012): Behavioral Finance and Wealth Management, 2. Aufl., Ho-boken 2012.

Shefrin, H. (2000): Beyond Greed and Fear – Understanding Behavioral Finance and the Psychology of Investing, New York 2000.

Yazdipur, R. (2011): Advances in Entrepreneurial Finance – With Applications from Behavioral Finance and Economics, New York, Heidelberg und London 2011.

5.4 Management der Wertpapierliquidität

Idee Die Untersuchungen von Rojahn und Elschen haben gezeigt, dass Emittenten die

Liquidität der eigenen Aktie u.a. gezielt durch den Einkauf von Analystencoverage positiv beeinflussen können. Allerdings hängt die Anzahl covernder Wertpapier-analysten unverändert maßgeblich von der Marktkapitalisierung des Emittenten ab. Daraus folgt die Frage nach weiteren Maßnahmen, die geeignet sind, um die Wertpapierliquidität zu erhöhen: Segmentwechsel, Stock Splits, Kapitalerhöhun-gen etc.

Quellen Rojahn, J. / Elschen, R. (2009a): Liquidität und Anteilsbesitzkonzentration, in: Fi-nanz Betrieb, 2/2009, S. 88 – 93 sowie die dort zitierte Literatur.

Rojahn, J. / Elschen, R. (2009b): Management des Illiquiditätsabschlags – der Ein-fluss von Analystencoverage, in: Finanz Betrieb, 3/2009, S. 137-143 sowie die dort zitierte Literatur


96

5.5 Umfassende Fragestellungen aus dem Bereich Volatility Skews

Idee • Wie verhalten sich verschiedene Gruppen von Marktteilnehmer im Derivatemarkt?

• Welche Auswirkungen haben Marktbewegungen auf das Verhalten von Markt-teilnehmern im Derivatemarkt?

• Welche Anhaltspunkte geben implizite Volatilität und Volatilitätsindices für zu-künftige Kursbewegungen?

• Welche Gründe sind für das Auftreten von Volatilitätskurven verantwortlich?

• Wie kann implizite Volatilität als Indikator für die Angst von Marktteilnehmern herangezogen werden?

• Welche Faktoren haben Einfluss auf die Entstehung von Volatilitätsskews?

Quellen Buraschi, A. / Jackwerth, J. C. (1999): Is Volatility risk priced in the option market?, Working paper, London Business School, erhältlich auf: http://papers.ssrn.com/sol3/papers.cfm?abstract_id=161148, Abfrage vom 29.04.2013.

Doran, J. S. / Tarrant, B. C. / Peterson, D. R. (2007): Is there information in the Volatility Skew?, in: Journal of Futures Markets, 27. Jg., 10.2007, S. 921 – 960.

Hull, J. C. (2012): Options Futures & Other Derivatives, 8. Auflage, Essex 2012.

Jiang G. J. / Tian Y. S. (2005): The model free implied volatility and its information content, in: Review of Financial Studies 18. Jg., Nr. 4, S. 1305 – 1342.

Muzzioli, S. (2011): The Skew Pattern of Implied Volatility in the DAX Index Op-tions Market, in: Frontiers in Finance and Economics, 8. Jg., Nr. 1, S. 43 – 68.

Natenberg, S. (1994): Option Volatility & Pricing, New York 1994.

Taleb, N. (1997): Dynamic Hedging – Managing Vanilla and Exotic Options, New York 1997.


97

5.6 Aktuelle Themenstellungen aus dem Bereich Internetnutzung und Datenschutz

Idee Der Internetnutzer ist im Laufe der Zeit vom reinen Konsumenten zum

Prosumenten geworden, da er insbesondere im Web 2.0 die Möglichkeit hat ein-fach und schnell eigene Inhalte zu veröffentlichen. Die Trennung privater und ge-schäftlicher Kontakte erfolgt im virtuellen Netzwerk nicht so konsequent wie in tra-ditionellen Netzwerken, sodass nicht nur private Kontakte Zugang zu privaten In-formationen erhalten.

Das Internet wird dadurch für den Finanzvertrieb zu einer Informationsquelle für persönliche Daten. Die persönlichen Daten bieten vor allem Finanzsektor eine Chance auf einen emotionalen Verkauf, wodurch die Aussichten auf einen Ver-tragsabschluss seitens des Verkäufers erhöht werden.

Anschließende Forschungsfragen:

• Die heutige und zukünftige Bedeutung von Webprivacy.

• Informations-Management als Bildungsaufgabe.

• Alternative Betreuungskonzepte in der Finanzberatung.

Quellen Anderson, P. (2007): What is Web 2.0? Ideas, technologies and implications for education, in: JISC Technology and Standards Watch, February 2007.

Bundestag (2012): Fünfter Zwischenbericht der Enquete-Kommission „Internet und digitale Gesellschaft“ – Datenschutz, Persönlichkeitsrechte, Drucksache 17/8999, Berlin, 15.03.2012.

Cyganski, P. (2008): Soziale Netzwerke im Web 2.0 – Chancen, Risiken und Verände-rungen für Organisationen, in: Becker, J. / Knackstedt, R. / Pfeiffer, D. (Hrsg.), Wertschöpfungsnetzwerke, Berlin 2008, S. 305 – 324.

Dix, A. (2010): Daten- und Persönlichkeitsschutz im Web 2.0, in: Klumpp, D. / Ku-bicek, H. / Poßnagel, A. / Schulz, W. (Hrsg.), Netzwelt – Wege, Werte, Wan-del, Heidelberg, Dordrecht, London und New York 2010.

EU-Kommission (2012): Special Eurobarometer 390 – Cyber Security Report, Stand Juli 2012, Brüssel 2012.

Peterreins, H. (2010): Wege fairer und erfolgreicher Anlageberatung, in: Peterreins, H. / Märtin, D. / Beetz, M. (Hrsg.), Fairness und Vertrauen in der Finanzberatung – Spielregeln für ein partnerschaftliches Miteinander von Kunden und Beratern, Wiesbaden 2010.

Aachen | Augsburg | Berlin | Bochum | Bonn | Bönen | Bremen | Darmstadt | Dortmund | Duisburg | Düsseldorf | Essen | Frankfurt a. M. | Freiburg | Gütersloh | Hagen | Hamburg | Hannover | Kassel | Köln | Leipzig | Mannheim | Marl | München | Münster | Neuss | Nürnberg | Offenbach | Siegen | Stuttgart | Wesel | Wuppertal

Gerade in Zeiten wie diesen kommt dem Thema Transparenz an den Kapitalmärkten eine

besondere Bedeutung zu. Zum einen sind die Themen Informationsbeschaffung, Informati-

onsverarbeitung und Informationsinterpretation wichtig, zum anderen führt gerade das

Internet dazu, dass viele Informationen für jedermann zugänglich sind. Doch wird die Trans-

parenz an den Märkten hierdurch eher verstärkt oder führt die Informationsflut eher zu mehr

Unübersichtlichkeit?

Der Tagungsband des 4. Forschungsforums Finance „Transparenz am Kapitalmarkt“, das am

17.11.2012 in Essen stattfand, skizziert und behandelt einige aktuelle Forschungsansätze

und -ergebnisse zu diesem Bereich. Neben dem zentralen Thema der Informationsbeschaf-

fung finden auch Aspekte der Behavioral Finance und des Modellrisikos Eingang in die Ta-

gung. Diese laden zur Aufarbeitung in Abschlussarbeiten an der FOM ein.

4. F

OM

Fo

rsch

un

gsf

oru

m –

Fin

ance

Tr

ansp

aren

z am

Kap

italm

arkt

Forschungsforum

Frère, Eric · Reuse, Svend · Rojahn, Joachim

4. FOM Forschungsforum – Finance Essen | 17. November 2012 Transparenz am Kapitalmarkt

Documents

Frère Reuse Rojahn Forschungsforum 2012 Stand 2013 05 22