Lade Inhalt...

Bedeutung der Behavioral Finance für Aktienanalysen: Empirische Analyse am Beispiel kalendarischer Anomalien

Bachelorarbeit 2012 47 Seiten

Leseprobe

2.1.3 Kritik an klassischer Kapitalmarkttheorie

Grundsätzlich ist zu sagen, dass die Modelle der klassischen Finanzmarkttheorien auf sehr restriktiven und auch realitätsfernen Annahmen basieren.[1] In der Realität werden nie alle Inverstoren immer als vollständig-rationale Nutzenmaximierer am Kapitalmarkt agieren, denn es treten oft Abweichungen vom postulierten Idealverhalten, u.a. in Form von fehlerbehafteter Informationsverarbeitung oder falscher Wahrnehmung von Risiken, auf.[2]

Die Effizienzmarkthypothese besagt außerdem, dass alle relevanten Informationen in den Preisen der Wertpapiere auf dem Kapitalmarkt reflektiert werden. Dies würde einen kostenlosen Zugang zu allen Informationen implizieren. Folglich würden die in der Praxis existenten Kosten der Informationsbeschaffung und auch -verarbeitung ineffiziente Aktienkurse verursachen.[3]

Des Weiteren sei Kritik an den Modellspezifikationen des CAPM geübt. Zum einen liegen in der Praxis keine perfekten Kapitalmärkte vor. Zum anderen kann das Marktportfolio aufgrund des Fehlens der Marktwerte von bestimmten Marktpositionen nicht alle risikobehafteten Anlagemöglichkeiten abbilden. Somit kann dies zur falschen Ermittlung des Proxy für das Marktportfolio führen und damit eine Fehlallokation der fairen Marktpreise verursachen.[4]

Die klassische Finanzmarkttheorie stellt aufgrund der einfachen und intuitiven Anwendbarkeit weiterhin ein weitverbreitetes Instrument bei der Aktienanalyse dar. Dabei erscheint sie mehr als ein Referenzmodell für einen von der Realwelt abstrakten Idealzustand, als ein empirisches Prognose- und Erklärungsmodell.[5]

2.2 Behavioral Finance

Die Behavioral Finance stellt einen noch jungen Bereich der Kapitalmarktforschung dar. Hierbei versucht sie Preisanomalien von Wertpapieren, welche sich nicht durch die klassische Finanzmarktheorie begründen lassen, durch die integrale Berücksichtigung von Erkenntnissen aus den Humanwissenschaften, insbesondere der Psychologie, zu erklären. Dabei werden die Prozesse der Informationsverarbeitung und Erwartungsbildung sowie das anschließende Entscheidungsverhalten der Anleger in der Realität analysiert.[6] Insbesondere wird von nicht vollständig rational agierenden (quasirationalen) Marktakteuren, sowie von limitierten Arbitragemöglichkeiten gesprochen.[7]

2.2.1 Quasirationalität

Ein quasirationaler Investor bewertet seine Entscheidungsmöglichkeiten in komplexen Situationen unter Risiko nicht ausschließlich nach objektiven Kriterien. Der individuelle Nutzen wird dabei an subjektiven Referenzpunkten gemessen, wobei sich eine signifikante Aversion gegenüber Verlusten abzeichnet.[8]

Der Marktakteur bedient sich oft Heuristiken als Hilfsmittel zum schnellen Treffen von Entscheidungen und zur Reduktion der Komplexität des Problems.[9] Dabei wird bereits bei der Informationsaufnahme auf bekanntes Wissen bzw. Erfahrungen, welche im Gedächtnis verankert sind, zurückgegriffen. Dies kann die Entscheidung für den Investor erleichtern, verzerrte Vereinfachungen bzw. inkorrekte Heuristiken können jedoch Irrationalitäten verursachen.

Der Rahmen (Frame), in welchem die Informationen präsentiert und vom Investor aufgenommen werden, ist ein ebenso relevanter Punkt für die Entscheidungsfindung. Variierende Darstellungen desselben Problems, beispielsweise der Zeitpunkt oder die Formulierung in Gewinn- oder Verlustgrößen, können unterschiedliche Ergebnisse verursachen.[10]

Die von Kahneman und Tversky (1979) formulierte Prospect Theory versucht ebenfalls Irrationalitäten bei der Entscheidung unter Risiko zu erklären und hat damit die Behavioral Finance stark geprägt. Dabei wird ersichtlich, dass der Entscheider eine stärkere Aversion gegenüber Verlusten als eine Affinität zu betragsmäßig identischen Gewinnen hat.[11]

2.2.2 Limitierte Arbitrage

Gemäß der Effizienzmarkthypothese werden auf einem informationseffizienten Kapitalmarkt Abweichungen der Aktienkurse von ihrem fundamentalen Wert umgehend über die Möglichkeit der risikolosen Arbitrage eliminiert. Die Anwendung in der Praxis ist jedoch mit Kapitalrestriktionen und auch Risiken verbunden und somit als limitiert zu betrachten.[12] Diese Limitierung kann in der Realität zu persistenten Preisanomalien an Kapitalmärkten führen.

3 Kalendarische Anomalien

Die der Effizienzmarkthypothese zu Grunde liegende Random Walk Theorie schließt saisonale Muster in Aktienkursen grundsätzlich aus, da Kurse offensichtlich kein „Gedächtnis“ besitzen und einer zufälligen Entwicklung folgen.[13] In der Praxis lassen sich jedoch saisonale Muster erkennen, die aufgrund der Abweichung von ihrem antizipierten Wert als kalendarische Anomalien bezeichnet werden. In der Theorie werden dabei mehrere Erscheinungsformen thematisiert, wovon die relevantesten Ausprägungen im Folgenden beschrieben werden.

3.1 Day-of-the-Week-Effekt

Empirische Studien der Vergangenheit haben gezeigt, dass die durchschnittlichen Tagesrenditen im Verlauf der Woche variieren.[14] Dabei zeigt sich an Montagen ein signifikant negatives Abweichen vom Mittelwert der Woche sowie eine auffällige positive Performance an Freitagen.[15]

Die in der Kapitalmarktforschung auch als Weekend-Effekt deklarierte Anomalie wird sehr kontrovers diskutiert und eine konsistent anerkannte Begründung zeichnete sich bisher noch nicht ab. Unter anderem wurde versucht sie durch Aspekte, wie z.B. Messfehler in den Renditegrößen[16], systematische Muster im Anlegerhalten[17] oder Trading Aktivitäten von Spezialisten[18] zu erklären.

3.2 Holiday-Effekt

Die Erkenntnisse der empirischen Studien zum Weekend-Effekt veranlassten Ariel (1990) und Lakonishok und Smidt (1988) zur Untersuchung des amerikanischen Aktienmarktes auf einen sogenannten Holiday-Effekt .[19] Dabei stellten sie eine signifikant positive Überrendite für den letzten Handelstag vor einem gesetzlichen Feiertag in den USA fest.

Um potenziellen Data Mining-Problemen gerecht zu werden, untersuchten Cadsby und Ratner (1991) Renditeabweichungen auf globaler Ebene.[20] Dabei konnten sie international signifikante Holiday-Effekte für landesspezifischen Feiertage entdecken. Als Ursache werden u.a. Short-Seller gesehen, die ihre risikobehafteten Positionen vor Feiertagen glattstellen und somit einen Nachfragedruck ausüben.[21]

3.3 Turn-of-the-Month-Effekt

Ein weiteres kalendarisches Muster lässt sich beim Betrachten der Renditegrößen vor bzw. nach einem Monatswechsel erkennen. Dabei entdeckte Ariel (1987) für den letzten Handelstag im Vormonat und die erste Monatshälfte durchschnittlich positive Renditen, für die zweite Monatshälfte kaum von Null verschiedene Durchschnittsrenditen.

Eine einheitliche und rationale Begründung kann Ariel für diese signifikante Anomalie jedoch nicht festhalten. Eine Verzerrung durch Dividendenausschüttungen, die üblicherweise zu Monatsbeginn stattfinden, lässt sich durch die Verwendung von Reinvestment-Indizes bei der Untersuchung der Anomalie erfolgreich eliminieren.[22] Eine mögliche Ursache könnte aber in den vermehrten Portfolioumschichtungsaktivitäten von privaten und institutionellen Anlegern zum Monatswechsel liegen, welche durch Liquiditätsüberschüsse, geschuldet den Gehaltszahlungen zu Monatsbeginn sowie fälligen Zinszahlungen, ausgelöst werden.[23]

3.4 Januar-Effekt

Die in der Literatur als Januar-Effekt bekannte saisonale Anomalie wurde erstmals durch Rozeff und Kinney (1976) erforscht. Hierbei entdeckten sie auf dem amerikanischen Aktienmarkt ein signifikant positives Abweichen der Januarrenditen vom Mittelwert der restlichen elf Monate.[24] Gultekin und Gultekin (1983) konnten einen empirischen Nachweis für die Existenz dieses Effektes auch auf internationaler Ebene liefern.[25] Bei der weiteren Untersuchung dieser Anomalie stellte insbesondere Keim (1983) einen starken Zusammenhang zwischen dem Januar-Effekt und einem Size-Effekt fest, welcher sich in einem stärkeren Januar-Effekt für kleinere Unternehmen wiederspiegelt.[26]

Als Ursache für den Turn-Of-The-Year-Effekt lassen sich unterschiedliche Ansätze finden. Roll (1983) und Reinganum (1983) sehen in den vermehrten Veräußerungen von Aktien aus steuerlichen Gesichtspunkten (Tax-Selling-Effekt) zum Jahresende hin einen Auslöser für einen Preisdruck im Dezember. Nach dem Wegfall dieses Druckes kommt eine Erholung bzw. kommen überproportional positive Renditen im Januar zustande.[27]

Das sogenannte Window-Dressing stellt eine weitere Begründung der Januar-Anomalie dar, welche in enger Verbindung mit dem Tax-Selling-Effekt steht. Zu Jahresbeginn kaufen Investmentfonds-Manager riskante Small Caps und zum Jahresende hin stoßen sie vermehrt schlecht performende Wertpapiere wieder ab, damit diese u.a. nicht in den Jahresabschlüssen aufgeführt werden. Dies verursacht ein Fallen der Wertpapierkurse im Dezember und eine dazu relative Erholung im darauf folgenden Monat.[28]

Des Weiteren wird der Turn-of-the-Year-Effekt durch Liquiditätsüberschüsse auf den Wertpapiermärkten zum Jahresbeginn begründet. Für Privatanleger fallen insbesondere fällige Zinseinnahmen für das abgelaufene Kalenderjahr, potentielle Boni-Einnahmen oder Guthaben aus realisierten Wertpapierverkäufen aus steuerlichen Gesichtspunkten kumulativ auf den Jahresanfang. Beim Betrachten des Januar-Effekts für kleine Unternehmen fällt auch auf, dass dieser höher ist als für Unternehmen mit größerer Marktkapitalisierung. Die Besitzverhältnisse dieser sogenannten Small Caps zeigen nur einen unterproportionalen Anteil an institutionellen Anlegern. Dies unterstützt die Begründung des Januar-Effekts über die überschüssige Liquidität an den Märkten.[29]

3.5 Halloween-Effekt

Der Halloween-Effekt geht ursprünglich auf die alte Börsenweisheit „Sell in May and go away…“ zurück, welche darauf basiert, dass die durchschnittlichen Renditen für die im Mai beginnende Sommerperiode erfahrungsgemäß unter dem Jahresdurchschnitt liegen.[30] Bouman und Jacobsen (2002) führten erste empirische Studien zur Untersuchung dieses Effektes durch und konnten für 36 von 37 Ländern einen Halloween-Effekt entdecken.[31]

Eine Sonderstellung innerhalb der saisonalen Anomalien nimmt der Halloween-Effekt insofern ein, dass er sich bisher als persistent erweist. Obwohl dieser bereits mehrmals in der Finanzpresse behandelt wurde, ist er immer noch signifikant an vielen Kapitalmärkten präsent.[32]

Eine schlüssige Begründung für den Sell-in-May-Effekt lässt sich ebenso wenig finden wie für die bereits behandelten kalendarischen Anomalien. Bouman und Jacobsen (2002) begründen diese Renditenanomalie durch eine Veränderung der Risikoaversion und der Liquiditätsausstattung der Investoren vor bzw. nach Urlauben. Zum einen haben die Investoren auf einem Markt das gesamte finanzielle Risiko des Marktes zu tragen. Dabei wirkt eine temporäre Verringerung der Zahl der Marktteilnehmer (aufgrund eines Urlaubes in den Sommermonaten) auf die erwartete Risikoprämie der verbliebenen Marktakteure. Um die Marktteilnehmer mit einer höheren erwarteten Rendite zu kompensieren, müssen die Preise folglich fallen. Zum anderen fühlen sich Investoren nach Reisen finanziell eingeschränkt. Daher fordern sie höhere Prämien für das Bereitstellen von Liquidität auf den Märkten.[33]

Maberly und Pierce (2004) wiederum sehen negative Ausreißer-Monate in der Stichprobe, die zufällig häufig in die Sommerperiode gefallen sind, als Ursache für das Halloween-Phänomen.[34]

Haggard und Witte (2010) untersuchen, ob der Halloween-Effekt als ein „verschleierter Januar-Effekt“ erklärt werden kann. Durch eine geeignete empirische Untersuchung lehnen sie diese Hypothese jedoch ab.[35]

4 Daten und Methoden

Die Theorie hat verschiedene kalendarische Anomalien offengelegt, analysiert und auch wiederum revidiert. Dabei wurden unterschiedliche Betrachtungszeiträume und auch abweichende Datenbasen herangezogen. Im Folgenden soll auf einheitlicher Datengrundlage über einen längerfristigen Zeitraum die Existenz und Persistenz dieser saisonalen Anomalien geprüft werden.

4.1 Daten

In Anlehnung an Bouman und Jacobsen (2002) verwende ich für den Hauptteil meiner empirischen Untersuchung die w ert-gewichteten Marktindizes von 24 Developed Market (DM) Ländern (Australien, Belgien, Dänemark, Deutschland, Finnland, Frankreich, Griechenland, Großbritannien, Hong Kong, Irland, Israel, Italien, Japan, Kanada, Neuseeland, Niederlanden, Norwegen, Österreich, Portugal, Schweden, Singapur, Spanien, Schweiz und die USA), sowie vier länderübergreifende Indizes (Europa, Naher Osten, Nordamerika und Welt). Die Verwendung von wert-gewichteten anstatt gleich-gewichteten Marktindizes beugt hierbei einer Verzerrung durch Renditeanomalien von kleinen Unternehmen vor und reduziert zugleich die Gefahr von Auto-Korrelation.[36] Die Daten basieren auf den vom US-amerikanischen Finanzdienstleister Morgan Stanley Capital International (MSCI) erstellten Reinvestment Indizes,[37] gemessen in der jeweiligen nationalen Währung (oder in US-Dollar für länderübergreifende Indizes) und wurden der MSCI Datenbank entnommen. Der Beobachtungszeitraum erstreckt sich für den Großteil der Länder von Januar 1970 bis April 2012, mit Ausnahme der Indizes für die Länder Finnland, Griechenland, Irland, Neuseeland und Portugal (Januar 1988 – April 2012) sowie Israel (Januar 1993 – April 2012).

Aus den Werten dieser Performanceindizes wurden die monatlichen kontinuierlichen Renditen nach folgender Formel errechnet:

(1)

Wobei Kt den Kurs des Aktienindex zum letzten Tag des Monats t darstellt.[38]

Tabelle 1 (Anhang) gibt eine Übersicht über die durchschnittlichen monatlichen Renditen für die 28 unterschiedlichen Marktindizes. Würde man nach der in 2.1.2 erwähnten Random Walk-Theorie gehen dürften sich dabei keine systematischen Muster abzeichnen. Analysiert man nun über alle Länder hinweg die jeweils schlechtesten und besten Monate bzgl. der durchschnittlichen Monatsrendite, kann man Auffälligkeiten erkennen. Dabei treten insbesondere April (für 6 Länder), Januar (für 7 Länder) und Dezember (für 14 Länder) als die Monate mit der besten monatlichen Performance auf. Untersucht man das Sample hinsichtlich der schlechtesten monatlichen Performance, sticht der Monat September für 20 von 28 Indizes als schlechtester Monat deutlich hervor.

[...]


[1] Hierbei sei explizit auf den u.a. im CAPM angenommenen perfekten Kapitalmarkt verwiesen.

[2] Vgl. Murschall (2007), S. 32

[3] Vgl. Grossman/Stiglitz (1980), S. 393-408

[4] Vgl. Roll (1977), S. 130

[5] Vgl. Murschall (2007),S. 69

[6] Vgl. Murschall (2007), S. 69f

[7] Vgl. Barberis/Thaler (2003), S. 1056-1064

[8] Vgl. Kahneman/Tversky (1979), S. 265-273

[9] Heuristiken können im weiteren Sinne als Daumenregeln gedeutet werden.

[10] Vgl. Ritter (2003), S. 431f

[11] Vgl. Kahneman/Tversky (1979), S. 274-284

[12] Eine explizite Darstellung der Arbitragerisiken kann Barberis und Thaler (2003) entnommen werden. Vgl. Barberis/Thaler (2003), S. 1056-1065

[13] Vgl. Campbell/Lo/MacKinlay. (1997), S. 28-33

[14] Vgl. Cross (1973), S. 67-69, French (1980), S. 67f., Gibbons/Hess (1981), S. 571

[15] Dabei sei die Arbeit von Lakonishok und Smidt (1988) hervorzuheben, die den Dow Jones Industrial Index über einen Zeitraum von 90 Jahren (1897-1986) auf einen sign. Weekend-Effekt untersucht haben. Vgl. Lakonishok/Smidt (1988), S. 403-425

[16] Vgl. Keim/Stambaugh (1984), S. 825-829

[17] Vgl. Lakonishok/Maberly (1990), S. 231

[18] Vgl. Keim/Stambaugh (1984), S. 831-834

[19] Vgl. Lakonishok/Smidt (1988), S. 411-415, Ariel (1990), S. 1612-1615

[20] Vgl. Cadsby/Ratner (1992), S. 502-507

[21] Vgl. Ariel (1990), S. 1625

[22] Vgl. Ariel (1987), S. 162-170,

[23] Vgl. Hawawini/Keim (1992), S. 27

[24] Vgl. Rozeff/Kinney (1976), S. 379-402

[25] Vgl. Gultekin/Gultekin (1983), S. 480

[26] Vgl. Keim (1983), S. 31

[27] Vgl. Roll (1977), S. 18-28, Reinganum (1983), S. 103

[28] Vgl. Lakonishok/Shleifer/Vishny (1992), S.37-39

[29] Vgl. Ogden (1990), S. 1262f.

[30] Vgl. Rotblut (2012)

[31] Dabei war der Halloween-Effekt für 20 der 37 untersuchten Länder signifikant von Null verschieden zum einem zehnprozentigem Niveau. Vgl. Bouman/Jacobsen (2002), S. 1622

[32] Vgl. Bouman/Jacobsen (2002), S. 1619

[33] Vgl. Bouman/Jacobsen (2002), S. 1628f.

[34] Vgl. Maberly/Pierce (2004), S. 43

[35] Vgl. Haggard/Witte (2010), S. 379–387

[36] Vgl. Bouman/Jacobsen (2002), S. 1620f.

[37] Hierbei bildet der jeweilige MSCI Reinvestment Index eine konstante Dividendenzahlung von jeweils einem Zwölftel der jährlichen Gesamtdividende auf jedes Monatsende ab. Dies ist für meine Untersuchung insofern relevant, da die jährlichen Dividendenzahlungen oft kumuliert in einen Monat fallen und somit die betroffene Monatsperformance verzerren würde. Vgl. Bouman/Jacobsen (2002), S. 1620

[38] Vgl. Dorfleitner (2002), S.216-241

Details

Seiten
47
Erscheinungsform
Erstausgabe
Jahr
2012
ISBN (eBook)
9783955497996
Dateigröße
835 KB
Sprache
Deutsch
Katalognummer
v297211
Institution / Hochschule
Universität Augsburg
Note
1
Schlagworte
Halloween-Effekt Halloween Prospect Theorie Sell-in-May Januar-Effekt Kapitalmarkttheorie

Autor

Zurück

Titel: Bedeutung der Behavioral Finance für Aktienanalysen: Empirische Analyse am Beispiel kalendarischer Anomalien