Markus schuller presentation

PANTHERA SOLUTIONS STRATEGIC ASSET ALLOCATION INTELLIGENCE

3rd ASSET ALLOCATION GENERATION – SHIFTING

TECTONIC PLATES

CITYWIRE WIEN

12.03.2013

2 INTRO CITYWIRE WIEN

3rd ASSET ALLOCATION GENERATION

Panthera Solutions – mit Sitz im Fürstentum Monaco – ist ein Anbieter von Strategic Asset

Allocation Intelligence für professionelle Anleger in Europa.

Wir bieten SAA-Intelligence für das

Management von Multi-Asset-Portfolios der 3. Generation an.

Innovationsführer in D-A-CH



1950er 1960er 1970er 1980er 1990er 2000er 2010er

MPT

Zeit

Modell- Entwicklung

CAPM Alpha

Option Pricing Financial Futures

EMH

APT Portfolio- Insurance Prospect-

Theory

Behavioural Finance Multi-Factor Return

Models

AMH Structured Products

Tracker Products State Preference

Model

MODERNE MODELLE IM ZEITRAFFER





Dominante Merkmale der 3. Generation

Asset Allokation gemäß

Risikofaktoren-Diversifikation

„Echte“ aktive Manager be-kommen größere Freiheiten

Alternative Assets erweitert um catastrophe bonds, carbon credits, intellectual property rights & longevity swaps

SAA & TAA Unterscheidung ver-liert an Bedeutung – siehe DSAA

Emanzipation von MPT-Familie

1. Generation 2. Generation 3. Generation

1950 - 2000 Traditionelles Beta und langer Anlagehorizont

2000 – 2010 Multi-Asset-Diversifikation

und Globalisierung der Allokation

2010 – Dynamisierung der Multi-Asset-Allokation und Diversifikation

nach Risikofaktoren


Quantitative Optimierung

durch Mean-Variance

Überthema Diversifikation – Publikumsfonds gewinnen an Popularität

Diversifikation durch traditionelle Assetklassen – Aktien, Anleihen, Immobilien, Cash

Ein-Faktoren und Ein-Perioden-Modelle

Home Bias



durch Mean-Variance und Minimum-Variance (für Aktien-Exposure)

Diversifikation durch traditionelle und alternative Assetklassen (leverage- sensitiv: HF, PE, Infrastruktur)

Mehr-Faktoren und Mehr-Perioden-Modelle

SAA & TAA Unterscheidung

Aktives Management – Assetklassen überwiegend von Spezialisten gemanaged



1. Generation Dominante Portfolio-

management Strategien der 1. Generation

Long-Only Portfolio

Buy-Hold Portfolio

Permanent Portfolio

Balanced Portfolio

2. Generation Dominante Portfolio-

management Strategien der 2. Generation

Risk Parity Portfolio

Yale Modell

Most Diversified Portfolio

Best-of-two Portfolio

Portfoliomanagement Strategien der 1. und 2. Generation erzeugen in abnehmendem Maße Diversifikation und Robustheit. Sie verzerren Risiken

und führen zu fehlerhaften Anlageentscheidungen.



Wechsel zur 3. Generation = notwendiger Evolutionsschritt

Eine Erklärung

8 ASSET ALLOCATION HISTORIE CITYWIRE WIEN


BASISANNAHMEN ZU GENERATION 1 & 2

Der US-Amerikanische Ökonom Harry M. Markowitz gilt als Vater der Modernen Portfoliotheorie (MPT). Seine PhD-Publikationen 1952 („Portfolio Selection“) und 1959 („Portfolio Selection: Efficient Diversification of Investments“) gelten auch heute noch als Standardwerke an den führenden Universitäten dieser Welt und brachten ihm 1990 den Nobelpreis ein. Markowitz verfolgte mit der MPT zwei Ziele. Er wollte 1. die Entscheidung zur Diversifikation der Anleger

wissenschaftlich begründen und quantifizieren. 1. ermitteln, welche und wie viele Wertpapiere in ein Portfolio

aufgenommen werden müssen.

MODERN PORTFOLIO THEORY (MPT)

9 ASSET ALLOCATION HISTORIE ALTERNATIVE

PORTFOLIOMANAGEMENT

MPT Annahmen zum Diversifikationseffekt Systematic Risk = non-diversifizierbares Marktrisiko wie zB Leitzinsen, Rezessionen, Kriege.

Unsystematic Risk = spezifisches Risiko = ein spezifisches Wertpapier betreffend. Kann durch Diversifikation minimiert werden.

MODERN PORTFOLIO THEORY (MPT)


PORTFOLIOMANAGEMENT

MODERN PORTFOLIO THEORY (MPT) ANNAHMEN

11 ASSET ALLOCATION HISTORIE

Wertpapierrenditen sind normalverteilt A

Korrelationen zwischen Wertpapieren sind konstant B

Alle Investoren maximieren ihre Nutzenfunktion-max Geld, ohne Erwägung alt. Variablen C

Alle Investoren handeln rational und risiko-avers = Mean Variance Optimizers D

Alle Investoren haben jederzeit Zugang zu den gleichen Informationen E

Transaktionskosten und Steuern bleiben unberücksichtigt F

Alle Investoren sind Preisnehmer = deren Aktionen beeinflussen Wertpapierpreis nicht G

Alle Investoren können unlimitiert Kredite zum risikolosen Zinssatz aufnehmen H

Alle Wertpapiere bleiben beliebig geteilt handelbar I

CITYWIRE WIEN 3rd ASSET ALLOCATION GENERATION

OPTIMAL RISKY PORTFOLIO

MPT | MEAN VS MINIMUM VARIANCE


PORTFOLIOMANAGEMENT

TRIUMVIRAT


PORTFOLIOMANAGEMENT

TRADITIONAL ASSET

ALLOCATION

MPT

EMH CAPM

ASSET MANAGEMENT INDUSTRIE | UPDATE


PORTFOLIOMANAGEMENT

ICI Factbook 2012 ASSET MANAGEMENT INDUSTRIE | UPDATE


PORTFOLIOMANAGEMENT

http://www.icifactbook.org/datatables.html







DEKONSTRUKTION VON MYTHEN

Benoit Mandelbrot - “Misbehaviour of Markets”, 2004

Mandelbrot´s ... Falsifikation A: Die Annahme normalverteilter Wertpapierkurse, die um einen festen Mittelwert mit konstanter Varianz schwanken, ist schlichtweg Unsinn. Falsifikation B: Außerdem hängen, entgegen dem ''Random Walk Modell'', das Ausmaß künftiger Preisschwankungen eines Wertpapiers von den Preisschwankungen in der Vergangenheit ab.

MYTHOS A | RENDITEN SIND NORMALVERTEILT

17 MYTHEN DEKONSTRUKTION CITYWIRE WIEN


Nassim Taleb

Black Swan Erklärt die Grundidee der Theorie, dass Menschen nicht besonders gut darin sind bestimmte Ereignisse zu berücksichtigen (z.B. sehr unwahrscheinliche Ereignisse bzw. sehr extreme Ereignisse). Essenz: 1. Traue keinen staatlichen und wirtschaftlichen Prognosen! z.B. der Truthahn vor seiner Schlachtung.... 2. Erwarte das Unerwartete (the unknown unknown) - vom schwarzen zum grauen Schwan.... 3. Misstraue der Anwendung der statistischen Normalverteilung (Gauss'sche Glockenkurve) und bewundere Mandelbrot Fooled by Randomness Talebs Vorbringen, dass sich Statistiker als Pseudowissenschaftler herausstellten, sobald finanzielle Risiken auftauchen, weil dann die Statistiker versuchten, ihre mangelnde Kompetenz durch komplizierte mathematische Gleichungen zu verdecken, hat allgemein Kritik von Statistikern hervorgerufen.


18

LITERATURE BOX

„Fooled by Randomness“ Taleb 2001/2006

„The Black Swan“ Taleb, 2007/2010

Several years before the financial crisis descended on us, I put forward the concept of "black swans": large events that are both unexpected and highly consequential. We never see black swans coming, but when they do arrive, they profoundly shape our world: Think of World War I, 9/11, the Internet, the rise of Google Some made the mistake of thinking that I hoped to see us develop better methods for predicting black swans. Others asked if we should just give up and throw our hands in the air: If we could not measure the risks of potential blowups, what were we to do? The answer is simple: We should try to create institutions that won't fall apart when we encounter black swans—or that might even gain from these unexpected events. http://online.wsj.com/article/SB10001424127887324735104578120953311383448.html

CITYWIRE WIEN 3rd ASSET ALLOCATION GENERATION MYTHEN DEKONSTRUKTION

http://www.amazon.de/Fooled-Randomness-Hidden-Chance-Markets/dp/0141031484/ref=sr_1_1?s=books-intl-de&ie=UTF8&qid=1321199669&sr=1-1

http://www.amazon.de/Black-Swan-Impact-Highly-Improbable/dp/0141034599/ref=cm_cr_pr_product_top

http://online.wsj.com/article/SB10001424127887324735104578120953311383448.html



Welton Investment Corp.

Empirische Studie auf S&P 500 Welton hat die Daten des S&P500-Index von 1960 bis Juni 2010 untersucht und die effektive Verteilung der Renditen (rollierende Quartalsrenditen) dargestellt. Die dunkelblaue Kurve zeigt die Verteilund der Renditeerwartung bei einer Normalverteilung, während die hellblaue Kurve die effektiv errechneten Renditen darstellt. Klar ersichtlich, dass sehr negative Renditen im Vergleich zu den Erwartungen viel zu häufig auftreten.


19

LITERATURE BOX

“Tail Risk About 5x Wores Than You May Think“ Welton, 2010


http://welton.com/files/resources/Welton-Tail_Risk_5x_Worse_(Visual_Insight_Series).pdf

http://welton.com/files/resources/Welton-Tail_Risk_5x_Worse_(Visual_Insight_Series).pdf

http://www.fww.ovgu.de/fww_media/femm/femm_2010/2010_16.pdf

Empirische Studie auf S&P 500

Ein Multiple von 5,3x im Vgl zu den Vorgaben der Normalverteilung.


Welton Investment Corp.

20 CITYWIRE WIEN

3rd ASSET ALLOCATION GENERATION MYTHEN DEKONSTRUKTION

Wertpapierrenditen sind normalverteilt und random. FALSCH Korrelationen zwischen Wertpapieren sind fix und konstant. FALSCH Alle Investoren streben nach Nutzenmaximierung (dh Maximierung des Einkommens, ohne andere Variablen zu berücksichtigen). FALSCH – Grundannahme der Efficient Market Hypothesis (als Grundpfeiler der MPT) erweist sich, dank Behavioural Finance, als nicht korrekt. Tatsächlich berücksichtigt das Individuum ein Portfolio an Einflussfaktoren zur Zufriedenheitsmaximierung. Alle Investoren agieren rational und risiko-avers. FALSCH – Behavioural Finance zeigt, dass die Kernaussage der Efficient Market Hypothesis (als Grundpfeiler der MPT) nicht gehalten werden kann. Ein Individuum ist kein homo-oeconomicus.

Alle Investoren haben Zugang zu den gleichen Informationen zur gleichen Zeit. FALSCH – kommt auch von EMH. Zumindest die strenge Form der Effizienzmarkthypothese kann als falsifiziert geführt werden. In realen Märkten herrscht Informations-Asymmetry, Insider Trading und simple Ungleichheit bei Informationszugängen..

Es existieren keine Steuern und Transaktionskosten. FALSCH – for obvious reasons.

Alle Investoren sind Preisnehmer, deren Transaktionen beeinflussen nicht die Preisbildung. FALSCH - In realen Märkten kommt es sehrwohl zu Preis-beeinflussungen bei großen Transaktionen – Siehe Dark Pools.

Alle Investoren können unlimitiert zur Risk Free Rate Kredit nehmen. FALSCH – Tatsächlich hat jeder Marktteilnehmer sein Kreditlimit.

Alle Wertpapiere können in unendlich viele Einzelteile zerlegt werden. FALSCH – Tatsächlich gibt es Mindesthandels-Einheiten.

MYTHOS B | DIVERSIFIKATION VIA MPT EINSATZ

21

LITERATURE BOX

“Is Portfolio Theory Harming Your Portfolio?“ Vincent, 2011


http://papers.ssrn.com/sol3/papers.cfm?abstract_id=1840734



Benchmakr Emerging Market

VaR bezieht nicht Liquiditätsunterschiede zwischen Wertpapieren mit ein.

VaR basiert auf der Normalverteilung. Unterschätzt dadurch Auftreten von Fat Tails, überhöhten Spitzen (Leptokurtosis) und auch von Schiefen (Skewness) im Vergleich zum indealisierten theoretischen Verlauf der Normalverteilungskurve.

Nicht nur für das VaR Konzept gültig, sondern grundsätzlicher Natur ist der Einwand bzgl der prinzipiellen Schwierigkeit des Rückschlusses von Vergangenheitsdaten in die Zukunft.

Verlust hinter dem VaR Level findet keine Beachtung. Kann zu falschen Anlageentscheidungen führen.

David Einhorn (HF Manager, Greenlight Cap)

“VaR is like an Airbag that works all the time, except when you have a car accident.”

Nassim Taleb

“VaR ignores 2500 years of experience in favor of untested models built by non-traders. It claims to estimate the risk of rare events, which is impossible. As such it gave false confidence.“

MYTHOS C | RISK MANAGEMENT MITTELS VaR

22 CITYWIRE WIEN


Joe Nocera (NYT) “VaR was very useful to risk experts, but nevertheless exacerbated the crisis by giving false security to bank executives and regulators. It is easy to misunderstand and dangerous when being misunderstood.”

Benchmakr Emerging Market

MYTHOS C | RISK MANAGEMENT MITTELS VaR

23 CITYWIRE WIEN


MYTHOS D | DIVERSIFIKATION DURCH DEVELOPED/EMERGING MARKETS EINTEILUNG

24

LITERATURE BOX

”Seeking Diversification Through Emerging Markets “, MSCI, 2009.


http://www.factset.com/insider/article/seeking_diversification_through_emerging_markets_july_2009.pdf

http://www.factset.com/insider/article/seeking_diversification_through_emerging_markets_july_2009.pdf


25 CITYWIRE WIEN



26 CITYWIRE WIEN


Source: ‘ Popular Delusions’

SocGen Oct2011

MYTHOS E | HIGHER RISK = HIGHER RETURN

27 CITYWIRE WIEN


28 CITYWIRE WIEN


ANTIZIPIEREN VON PHASENWECHSELN IN WIRTSCHAFTS-ZYKLUS FUNKTIONIERT SEIT JAHRZEHNTEN NICHT.

TROTZDEM SIND MARKET-TIMING STRATEGIEN WIE

TAA // SEKTOR-ROTATION // LÄNDER-ROTATION

WEITERHIN FIXER BESTANDTEIL IN VERTRIEBSKANÄLEN.

MYTHOS F | TIMING VON WIRTSCHAFTSZYKLEN

29 CITYWIRE WIEN



30 CITYWIRE WIEN


MARKET TIMING IN ZEITEN SEKTORALER INDIFFERENZ IST NICHT MÖGLICH.

MYTHEN DEKONSTRUKTION


31 CITYWIRE WIEN


Beispiel. “The Fortune Sellers” William Sherden (1998) Sherden untersuchte die Analyse- und Vorhersagegenauigkeit von Ökonomen punkto Umkehrpunkten in Wirtschaftszyklen zwischen 1970 und 1995. Untersuchungsergebnisse: Ökonomen können Umkehrpunkte im Wirtschaftszyklus nicht

vorhersagen. Von den 48 Vorhersagen ware 46 falsch.

Die Vorhersagequalität entspricht jener von Ratespielen.

Weder einzelne Personen, noch ökonomische Theorien produzierten eine konstante Akkuratesse.

Der Einsatz von komplexeren Methoden erwirkt keine Verbesserung.

Consensus Forecasts bieten keine Verbesserung.

MYTHEN DEKONSTRUKTION


32

Source: Behavioural Investing (2007, James Montier)

MYTHEN DEKONSTRUKTION CITYWIRE WIEN



33

Michael McCracken,“How Accurate are forecasts in a recession”, Federal Reserve Bank of St Louis, 2009 He provided further evidence on the failure of economic forecasts to get it right when it is most important. Using as his database the Survey of Professional Forecasters (SPF), he reviewed 26y of quarterly, one-year-ahead mean SPF forecasts from Q3/1981 until Q3/2007. He found that forecaster errors were 4x larger when the economy was in recession than when it was not.

MYTHEN DEKONSTRUKTION CITYWIRE WIEN



34 MYTHEN DEKONSTRUKTION CITYWIRE WIEN


35 ERGEBNIS CITYWIRE WIEN


“Morningstar Advisor“ Larry Swedroe, 2012

70% der TAA Fonds underperformten Benchmark in einer für Market Timer idealen Marktphase.

PUBLIKUMSFONDS (GENERATION 1 & 2)

DINOSAURIER EINER LÄNGST VERGANGENEN ZEIT

http://www.cbsnews.com/8301-505123_162-57390664/tactical-asset-allocation-another-ripoff/?tag=mncol;lst;1

MAC | KRISENERKENNTNISSE 36 ALTERNATIVE

PORTFOLIOMANAGEMENT

SOURCE

Schäfer suchen Herde.

ERGEBNIS

http://online.wsj.com/article/SB10000872396390444354004578058532353736450.html?mod=ITP_moneyandinvesting_1

37 CITYWIRE WIEN


PUBLIKUMSFONDS (GENERATION 1 & 2)

DINOSAURIER EINER LÄNGST VERGANGENEN ZEIT

ERGEBNIS

Mark Carhart, Jennifer Carpenter, “Mutual Fund Survivorship,” Review of Fin. Studies, 2002 Analyzed the performance of 2071 equity funds for the period 1962-1995. They found that the average actively managed mutual fund underperformed its appropriate passive benchmark on a pretax basis by

about 1.8% per annum.

Mark Carhard, “On Persistence in Mutual Fund Performance,” Journal of Finance, March 1997 Carhard Conclusions:

There was no persistence in performance beyond what would be randomly expected – the past performance of active managers is a poor predictor of their future performance. Expenses both reduce returns on a one-for-one basis and explain much of the persistent long-term under-performance of mutual funds Turnover reduces pretax returns by almost 1% of the value of trade

MAC | KRISENERKENNTNISSE 38 CITYWIRE WIEN

3rd ASSET ALLOCATION GENERATION ERGEBNIS

Morningstar “FundInvestor”, Nov2009 About its 5 star funds The 2004 class of 5* domestic funds had a five-

year rating of just 3.2, just slightly above average. And, as we have seen. The average fund has underperformed its risk adjusted benchmark by close to 2%.

The 2005 group of 5* funds had a 3y rating of just 3.1

The 2006 group had a 3y rating of just 2.9

Christopher Philips, Francis Kinnery, “Mutual Fund Ratings and Future Performance”, Vanguard Institute, Feb10 They examined the excess returns over the 3y period following a given rating. They chose the 3y rating period because Morningstar requires at least 3y of performance data to generate a rating and investment committees typically use a 3y window to evaluate the perf of their managers. Period covered was June 30, 1992 through August 31, 2009. Their summary: 39% of funds with 5* ratings outperformed their style

benchmarks for the 36 months following the rating, while 46% of 1* funds did.

Most of the star-rating groups produced negative excess returns in the succeeding 3y. Even worse, the 4* and 5* figures were more negative than those of lower-rated groups.

Higher ratings in no way ensure that an investor would increase his or her odds of outperforming a style benchmark in subsequent years.



Morningstar “FundInvestor”, November 2009 About its 5 star funds The 2004 class of 5* domestic funds had a five-year rating

of just 3.2, just slightly above average. And, as we have seen. The average fund has underperformed its risk adjusted benchmark by close to 2%.

The 2005 group of 5* funds had a 3y rating of just 3.1 The 2006 group had a 3y rating of just 2.9

MAC | KRISENERKENNTNISSE 40

SOURCE

CITYWIRE WIEN 3rd ASSET ALLOCATION GENERATION ERGEBNIS

http://www.thereformedbroker.com/2013/02/18/how-did-morningstars-new-ranking-system-fare-in-2012/

Morningstar “FundInvestor”, November 2009 About its 5 star funds The 2004 class of 5* domestic funds had a five-year rating

of just 3.2, just slightly above average. And, as we have seen. The average fund has underperformed its risk adjusted benchmark by close to 2%.

The 2005 group of 5* funds had a 3y rating of just 3.1 The 2006 group had a 3y rating of just 2.9


SOURCE


http://www.thereformedbroker.com/2013/02/18/how-did-morningstars-new-ranking-system-fare-in-2012/

Marlena Lee, “Is there skill among active bond managers?”, December 2009 Lee studied the performance of 2353 bond funds over the period 1991-2008, which included investment grade, high-yield and gov bond funds. Her findings:

Actively managed bond funds underperformed by an amount roughly equal to fees Expense ratios were a good predictor of performance

Good past performance did not predict good future performance. There was no evidence of positive after-cost expected alphas, even n the top percentile of funds

Underperformance of loser funds persisted for several years. Most of the persistence in loser returns could be attributed to fees.

Collectively, investors in active bond funds lose about 90 bps per year.

SWENSEN stimmt zu




Abstract: In this paper we examine how the relationship between mutual fund benchmark returns and subsequent net annual flows differs in up and down markets. Using a data set comprised of actively managed, retail, no-load, no-redemption fee mutual funds, we find net flows are significantly lower for funds that outperform their benchmark in down markets as compared to similar outperformance in up markets. We also find that that funds that underperform their benchmark index in down markets have significantly less net flows than similarly underperforming funds do in up markets. [...]

In down markets the incentive for active mutual fund managers is to closet index as the benefits of outperforming the benchmark in terms of net flows are low and the costs of underperforming the benchmark in terms of net flows are high. Conversely, active management makes more sense in up markets as the

benefits of outperforming the benchmark in terms of net flows are large and the costs of underperforming the benchmark in terms of net flows are relatively low. SOURCE




How to pick outperforming active mutual funds? WSJ SOURCE #1 Start with fees —active funds with the lowest expense ratios have the lowest hurdle to clear to outperform an index. The median actively managed U.S. stock fund charges 1.16% annually, or $116 per $10,000 invested, according to Morningstar. #2 Next, investors should look for managers who are actually trying to beat their benchmark indexes. Most mutual fund managers don't, says Yakov Amihud, a finance professor at New York University's Stern School of Business. Instead, they build portfolios that nearly mimic common benchmarks, possibly because they are afraid of losing their jobs if they trail their peers, he says. To screen out such "closet indexers," Prof. Amihud uses a statistical measure called "R-squared" to observe how much of active fund managers' returns can

be explained simply by the index. A fund with an R-squared of 100% matches an index exactly, while one with an R-squared of 50% has returns that are only half explained by the index. Actively managed funds should have a low R-squared, because portfolio managers are supposedly paid to make index-beating bets. But a paper co-

written by Prof. Amihud, expected to be published this year, finds that the median fund has an R-squared of 93%. "The great majority of funds are closet indexers," he says. "They tell you they are active funds and take

your money but do something close to the index."




Intro zu „“Active Share“ Wie weit weicht ein Publikumsfonds von Index Allocation ab?

Ergebnisse # Zwischen 1980 und 2003 outperformten Publikumsfonds (US Aktien) mit einem Active Share größer 90% ihre Benchmarks um 1,13% outperformten. # Fonds mit Active Share kleiner 60% underperformten um 1,42%. # Fonds mit konzentrierteren Portfolios tendieren zu höherer Active Share. # Fonds mit AuM größer USD 1 bln tendiereen zu niedrigerer Active Share. # Active Share Kritik Larry Swedroe: "Unfortunately, there is no real evidence that active share is a predictor of returns."

SOURCE


http://rfs.oxfordjournals.org/content/22/9/3329.abstract

46 ERGEBNIS CITYWIRE WIEN


PROZYKLIZITÄT TIEF VERANKERT.

DIE 3. GENERATION BRICHT DAMIT.

MAC | KRISENERKENNTNISSE 47 ERGEBNIS CITYWIRE WIEN


48 CITYWIRE WIEN


DIVERSIFIKATION NEU DENKEN

DIVERSIFIKATION DER DRITTEN GENERATION

SYSTEMTHEORIE

MAC | KRISENERKENNTNISSE 49 DIVERSIFIKATION DER DRITTEN GENERATION CITYWIRE WIEN


Market Risk Equity Risk Property Risk Interest Rate Risk

Credit Risk Default/Downgrade

Risk Spread Risk Reinsurer Credit Risk

Liability Risk Catastrophe Risk Longevity Risk Business Risk

Volume Risk Expense Risk Pricing Risk Operational Risk

Liquidity Risk Counterparty Risk Structural Risk

DIVERSIFIKATION VON RISIKOFAKTOREN




3rd ASSET ALLOCATION GENERATION DIVERSIFIKATION DER DRITTEN GENERATION

DIVERSIFIKATION VON RISIKOFAKTOREN


RISIKOFAKTOR DEFINITION

"Factors are the smallest systematic (or nonidiosyncratic) units that influence investment return and risk characteristics.

They include such elements as

inflation, GDP growth, currency, and convexity of returns,“

(CFA Institute Publication)

Eugene Podkaminer of Callan Associates. "A factor-based investment approach enables the investor theoretically to remix the factors into portfolios that are better diversified and more efficient than traditional portfolios," he says in a paper published by the CFA Institute.

CITYWIRE WIEN 3rd ASSET ALLOCATION GENERATION DIVERSIFIKATION DER DRITTEN GENERATION

http://ai-cio.com/channel/RISK_MANAGEMENT/The_Chemistry_of_Asset_Allocation.html


Eugene Podkaminer of Callan Associates. "A factor-based investment approach enables the investor theoretically to remix the factors into portfolios that are better diversified and more efficient than traditional portfolios," he says in a paper published by the CFA Institute.

Analogie Asset Klasse = Molekül Risikofaktor = Atome

Level II Level III

Atom (griechisch ἄτομος, „das Unteilbare“; 450 v. Chr. Demokrit)



Erste Konzepte zur Diversifikation von Risikofaktoren reichen rund 40 Jahre zurück (Ross, 1976).

Weshalb der langsame Schwenk?

3 Gründe:

1) Die 80er und 90er waren unüblich generös zu Investoren in konventionellen Assets (Jones, 2011).

2) Durch die Risiko-Faktoren Diversifikation ergeben sich non-triviale analystische Problemstellungen in der Portfoliokonstruktion.

3) Kommunikationsanforderungen an Manager, seine Allokationsentscheidung dem Allokator mit minimalem Finanzjargon zu vermitteln, sind hoch.


Andrew Lo, Professor am MIT Sloan School of Management, gab 2004 mit seinem Paper “The Adaptive Markets Hypothesis: Market Efficiency from an Evolutionary Perspective” eine klare Antwort. Um sie mit seinen Worten zu formulieren: "The old model is not wrong, it's just incomplete." Lo vervollständigt den EMH Teil, und führt ein realistisches, evolutionsbasierendes Menschenbild als Grundannahme für Marktteilnehmer ein. Er nennt sie die „Adaptive Market Hypothesis“ (AMH). Die ersten Gehversuche auf diesem Gebiet wurden lange vor Lo von Josef Schumpeter und Gary Becker gewagt, doch Lo´s Kombination aus

Neurowissenschaft, Evolution und Finanzökonometrie ist originell und hat weitreichende Konsequenzen für das Portfolio Management.

ADAPTIVE MARKET HYPOTHESIS


LITERATURE BOX

“The Adaptive Market Hypothesis: Market Efficiency from an Evolutionary Perspective“ Lo, 2004

DIVERSIFIKATION DER DRITTEN GENERATION CITYWIRE WIEN


3GEN BAUSTEINE

http://www.knightsbridgesearch.com/site/downloads/files/31.pdf



Efficient Market

Hypothesis

Adaptive Market

Hypothesis

Rational Expectations Adaptive Expectations

Optimizing Behaviour Satisficing Behaviour

No Free Lunch No Free Lunchplans

Risk/Reward Relation Fear/Greed vs Logic

Static Linear Models Dynamic Nonlinear Models

Homogeneous Agents Heterogeneous Agents

Mathematical Rigor Biological Rigor

Empirical Rejections Empirical Confirmations

EMH/AMH VERGLEICH

Traditional Framework New Framework

Long-only constraint Long/short strategies

Diversify across stocks and

bonds

Diversify across more asset classes

and strategies

Market-cap-weighted indexes Passive transparent indexes

Manage risk via asset

allocation

Manage risk via active volatility

scaling algorithms

Alpha vs market beta Alphas = multiple betas

Markets are efficient Markets are adaptive

Equities in the long run

„In the long run we´re all dead“, but

make sure the short run doesn´t kill

you first

AMH RISK MANAGEMENT

ADAPTIVE MARKET HYPOTHESIS



3GEN BAUSTEINE

STATE PREFERENCE MODELL


LITERATURE BOX

“Investor and Markets: Portfolio Choices, Asset Prices and Investment Advice“ Sharpe, 2007



3GEN BAUSTEINE

http://www.amazon.com/Investors-Markets-Portfolio-Investment-Princeton/dp/0691128421


STATE PREFERENCE MODELL


LITERATURE BOX

“Stating A Preference“ Financial Advisor Magazine, Sharpe Interview, 2007



3GEN BAUSTEINE


http://www.financialadvisormagazine.com/component/content/article/1-features/1703.html?Itemid=42

59

WHO IS THIS MAN?


3GEN BAUSTEINE

60

IT´S ALL ABOUT HAVING SKIN IN THE GAME


3GEN BAUSTEINE

61 CITYWIRE WIEN


3GEN BAUSTEINE

62

WHERE´S YOUR SKIN IN THE GAME?


3GEN BAUSTEINE

UMSETZUNGSFORMEN


LITERATURE BOX

“Long Term Investors And Their Asset Allocation“ IMF, 2011


http://www.imf.org/external/pubs/ft/gfsr/2011/02/pdf/ch2.pdf

http://www.imf.org/external/pubs/ft/gfsr/2011/02/pdf/ch2.pdf





UMSETZUNGSFORMEN



UMSETZUNGSFORMEN


SIMPLE BENCHMARKS

Premia ETF Produkte

Equity Risk Premium SPY – BIL SPY = SPDR S&P 500 ETF BIL = SPDR1-3 Month T-Bill ETF

Bond Premium LQD US – BIL LQD = iShares USD Invest Grade Corp Bond BIL = SPDR1-3 Month T-Bill ETF

EM Equities Premium EEM US – DM Equity ETF EEM = iShares MSCI Emerging Markets ETF DM = MSCI Developed Markets Index ETF


UMSETZUNGSFORMEN





UMSETZUNGSFORMEN



UMSETZUNGSFORMEN


SOURCE


UMSETZUNGSFORMEN

http://ai-cio.com/channel/asset_allocation/calstrs_considers_switch_to_risk-based_allocation.html?terms=calstrs

71 CITYWIRE WIEN



Asset Allokation gemäß

Risikofaktoren-Diversifikation

„Echte“ aktive Manager be-kommen größere Freiheiten

Alternative Assets erweitert um catastrophe bonds, carbon credits, intellectual property rights & longevity swaps

SAA & TAA Unterscheidung ver-liert an Bedeutung – siehe DSAA

Emanzipation von MPT-Familie

Sophistizierte Allokatoren (zB Norwegens SWF) strukturieren Portfolios nach 3. Generation

1. Generation 2. Generation 3. Generation

1950 - 2000 Traditionelles Beta und langer Anlagehorizont

2000 – 2010 Multi-Asset-Diversifikation

und Globalisierung der Allokation

2010 – Dynamisierung der Multi-Asset-Allokation und Diversifikation

nach Risikofaktoren



durch Mean-Variance

Überthema Diversifikation – Publikumsfonds gewinnen an Popularität

Diversifikation durch traditionelle Assetklassen – Aktien, Anleihen, Immobilien, Cash

Ein-Faktoren und Ein-Perioden-Modelle

Home Bias



durch Mean-Variance und Minimum-Variance (für Aktien-Exposure)

Diversifikation durch traditionelle und alternative Assetklassen (leverage- sensitiv: HF, PE, Infrastruktur)

Mehr-Faktoren und Mehr-Perioden-Modelle

SAA & TAA Unterscheidung

Aktives Management – Asserklassen überwiegend von Spezialisten gemanaged



Bausteine der 3. Generation Risikofaktoren und Risikoprämien-Diversifikation, anstatt

Konstruktion via Assetklassen

Risk Management als multi-dimensionaler Prozess, um Anti-Zyklizität herzustellen (keywords: Prozessregeln, Interessenskongruenz („skin-in-the-game“), Kulturarbeit)

Kombination aus Endowment Model (Fokus auf langfristige Risikoprämien) und Macro Hedge Funds (Fokus auf Tail Risk Management)


UNSERE 3GEN LEITLINIEN


DIVERSIFIZIERE RISIKOFAKTOREN

NUTZE ILLIQUIDITÄT

VERWENDE SZENARIEN

VERWENDE ETF ALS CORE

VERWENDE MAC

SAA & PRODUKT SELEKTION

PROAKTIVES TAIL RISK MANAGEMENT

VERWENDE ALTERNATIVES ALS

CORE

PRAKTIZIERE REBALANCING

ÄNDERE SAA NUR WENN SICH RISIKO

FAKTOREN ÄNDERN

ALTERNATIVE PORTFOLIOMANAGEMENT DIVERSIFIKATION DER DRITTEN GENERATION

74 CITYWIRE WIEN


APPENDIX PANTHERA SOLUTIONS ANSATZ


LONG-TERM STRUCTURAL CHANGES

Long-Term Structural Changes

# Master Trends Subtrends Level I Subtrends Level II

A Technologischer Wandel A.1 Beschleunigung im technologischen Fortschritt A.1.1 Schwarmintelligenz: Neue soziale Organisationsformen

A.1.2 Weltweit steigende Durchdringung an Informations- und Kommunikationstechnologien A.1.3 Web 2.0: Neue Medien erobern den Alltag A.1.4 Digitaler Lebensstil: Virtuelle Realität wird real (auch für virtuelle Business Welten) A.1.3 Transparent Society: Überwachung und Kontrolle (incl Quantifizierung des Individuums durch Self-Tracking)

A.2 Neue Basisinnovationen A.2.1 Graphene A.2.2 Bionik

A.3 Technologische Konvergenz A.3.1 Ambient Intelligence: Neue Schnittstellen und Oberflächen A.3.2 Neurowissenschaften, Kunstliche Intelligenz und Robotik A.3.3 Biologie wird zur Leitwissenschaft (see A.2.2) A.3.4 IT & Nanotechnologie als zentrale Konvergenztreiber (Impulse in Feldern wie Medizin, Energie, Materialien)

A.3.5 NBIC-Konvergenz (NBIC = Nanotech, Biotech, Infotech & Cognitive Science B Ökonomischer Wandel B.1 Wissensbasierte Ökonomie B.1.1 Bildung und Lernen als Fundament für neue, globale Wissenselite - kreative Klasse B.1.2 Innovation als zentraler Treiber und Wettbewerbsfaktor B.1.3 Fortschreitende Automatisierung (Vom Produktions- über den Service- in den Wissenssektor) B.1.4 Dynamisierung der Arbeit (orts- und zeitungebunden); flexible interaktive Arbeitsstrukturen B.2 Business Ökosysteme B.2.1 Offene Systeme und Netzwerke: Grenzen von Branchen, Märkten und Unternehmen lösen sich auf B.2.2 Neue Wertschöpfungsnetze (Kundenintegration, Coopetition) B.2.3 Business Mashups: Schnittstellen produzieren neue Märkte B.2.4 New Power Brokers C Demographischer Wandel C.1 Globales Bevölkerungswachstum C.1.1 Geburtenboom in Entwicklungsländern C.1.2 Bevölkerungsschrumpfung im Westen C.1.3 Steigender Altenquotient in Industrienationen C.1.4 Urbanisierung / Starkes Wachstum von Megacitys / Open Source City C.1.5 Entwicklung angepasster Infrastrukturlösungen C.1.6 Neue Wohn-, Lebens- und Partizipationsformen C.1.7 Anwachsende Migrationsströme C.2 Gesundheit C.2.1 Steigendes Gesundheitsbewusstsein und zunehmende Selbstverantwortung C.2.2 Health Tech - Health Style C.2.3 Neue Nahrungsmittel (Functional Food, Gen Food, Novel Food) C.2.4 Neue Konvergenzmärkte (Ernährung - Pharma - Medizin - Kosmetik)

D Ökologischer Wandel D.1 Green Energy D.1.1 Energieeffizienz-Revolution D.1.2 Dezentrale Energieversorgung D.1.3 Alternative Energiequellen D.2 Endliches Okosystem D.2.1 Wasserknappheit D.2.2 Steigende non-renewable Ressourcenknappheit D.2.3 Umweltschaeden durch wachsenden Rohstoffverbrauch E Globalisierung E.1 Steigende Interdependenz von Volkswirtschaften E.1.1 Integration von Welthandel und Finanzmarkt

E.1.2 Steigende Mobilität von Individuen und Ideen E.1.3 Oekonomische Machtbalance verschiebt sich Richtung EM E.1.4 Abbau von weltweiten Schuldenbergen und Imbalances E.1.5 Global Champions E.1.6 Wachsende Mittelschicht in Entwicklungslaendern E.2 Weltrisikogesellschaft E.2.1 Schwelende soziale/kulturelle Konflikte und gescheiterte Staaten E.2.2 Globaler Terrorismus E.2.3 Verbreitung von Massenvernichtungswaffen E.3 Globalisierter Individualismus E.3.1 Verändertes Beziehungsgeflecht: Wenige starke, viele lose Bindungen E.3.2 Vom Massenmarkt zum Mikromarkt E.3.3 Selbstversorgung und Do-it-Yourself-Ökonomie

75 CITYWIRE WIEN




AKTUALISIERUNG I Langfristige makro-ökonomische Transformationsprozesse

AKTUALISIERUNG II: Selektion der im Portfolio abzubildenden Investment Themen

AKTUALISIERUNG III: Welche globalen Risikofaktoren wirkend auf die Investment Themen

AKTUALISIERUNG IV: Welche spezifischen Risikofaktoren wirken auf Investment Themes

AKTUALISIERUNG V: Akademische Neuigkeiten in vier Anlagegruppen

AKTUALISIERUNG VI: Allokationsprämissen – Rahmengerüst für Allokationsmuster

AKTUALISIERUNG VII: Allokationsmuster – konkret ausformulierte Allokationsbudgets

MONATLICHE AKTUALISIERUNGEN IN 7 BEREICHEN

GLOBALE RISIKOFAKTOREN

FAKTORENREIHUNG

2

HIG

H I

MP

AC

T

LO

W I

MP

AC

T

HIGH LIKELYHOOD LOW LIKELYHOOD

1

2

3

4

5

6

7

8

10

9

11

12

13

14

15

China - Immobilienmarkt Korrektur

Wachstumsdelle Weltwirtschaft

Bank Run Italien

Bank Run Spanien

Fiscal Cliff USA

EUR Austritt Griechenland

Chinesisches Hard Landing

Japan fällt in Rezession zurück

EU17 Austerity Ratifikation stoppt

Rezession in UK hält an

Inflationdynamik in Industrieländern

Zerfall der Eurozone

Kein US Real Estate Market Turnaround

Israel Angriff auf Iran

EUR Austritt Deutschland

N C NEW CHANGED

3

4

1

5

6

7

8

9

10

11

12

13

14

15

ON

WO

RL

D E

CO

NO

MY

EVENT IN 6 MONTHS

77 CITYWIRE WIEN


78 SAA PRÄMISSEN

STRATEGIC ASSET ALLOCATION | BUILDING BLOCKS

Allocation Building Blocks

SL1 SL2 SL3 SL4 Exposure Style

Equity Listed Equity Indirect Passive Private Equity Seed Financing Indirect Active Venture Capital Indirect Active Buyouts Indirect Active Fixed Income Governmental Bonds Indirect Passive Corporate Bonds Indirect Passive Real Assets Real Estate Residential Direct - Commercial Direct - Farmland Direct - Forrestry Direct - Natural Resources Soft Commodities (Physical) Indirect Passive Hard Commodities (Physical) Oil Gas Metals Minerals Collectibles Art Direct - Antiques Direct - Absolute Return Market Neutral Fixed Income Arbitrage Indirect Active Merger Arbitrage Indirect Active Equity Market Neutral Indirect Active Convertible Arbitrage Indirect Active Directional Global Macro Indirect Active Long/Short Equity Indirect Active Managed Futures Indirect Active Dedicated Short Bias Indirect Active FX Strategies Indirect Active Cash & Equivalents Direct -


79 SAA PRÄMISSEN

PRÄMISSEN ZUR STRATEGISCHEN ASSET ALLOKATION

INVESTIERE SO DIREKT AM UNDERLYING ALS MÖGLICH

INVESTIERE SO PASSIV ALS MÖGLICH

INVESTIERE IN LANGFRISTIGE, GLOBALE MAKRO-TRENDS

WENDE SAA UND PRODUKTSELEKTION AN UND …

VERMEIDE MARKET-TIMING

G20+ ALS INVESTMENTUNIVERSUM

KEINE RESTRIKTIONEN BEI ASSETKLASSEN

VERWENDE MULTI-ASSET-CONCEPT ALS GRUNDLAGE

VERWENDE ALTERNATIVES ALS CORE INVESTMENT

VERWENDE ETFs ALS CORE INVESTMENT

DIVERSIFIZIERE RISIKOFAKTOREN

VERWENDE SZENARIEN FÜR E (r)

NUTZE ILLIQUIDITÄT

PRAKTIZIERE PROAKTIVES RISK MANAGEMENT

PRAKTIZIERE REBALANCING

ÄNDERE SAA NUR WENN SICH RISIKOFAKTOREN ÄNDERN


Documents

Markus schuller presentation