Quantitative Geldanlage – Einführung in die datengesteuerte Geldanlage und quantitative Anlagestrategien

Der erst in den 1980er und 1990er Jahren entstandene Bereich der quantitativen Geldanlage ist heute ein fester Bestandteil der Vermögensverwaltungsbranche. Während viele Bereiche der Finanzdienstleistungsbranche durch Technologie und neue Vertriebskanäle einen nachhaltigen Wandel durchlaufen, florieren quantitative Anlagestrategien sowie innovative FinTech Unternehmen.

Quantitatives Portfoliomanagement, das auf empirischen Erkenntnissen basiert, eliminiert die negativen Auswirkungen von Emotionen auf die Entscheidungsfindung. Es ist kostengünstiger als Fundamentalanalyse und ermöglicht es auch kleinen Teams, ein großes Spektrum an Wertpapieren abzudecken. Das Potenzial des quantitativen Investierens ist noch nicht vollständig ausgeschöpft, und es sind mehrere Fortschritte im Gange. Dieser Artikel gibt Ihnen eine Einführung in die Welt des quantitativen Investierens.

• Was ist quantitatives Investieren?
• Warum macht quantitatives Investieren Sinn?
• Quantitative vs. fundamentale Geldanlage
• Arten von quantitativen Anlagestrategien
• Vorteile von Quantstrategien
• Nachteile von Quantstrategien
• Quantitatives Investieren heute
• Die Zukunft des quantitativen Investierens

Was ist quantitatives Investieren?

Die quantitative Vermögensverwaltung nutzt statistische und mathematische Modelle, um das Verhalten von Aktien und anderen Anlageklassen zu untersuchen. Quantitatives Investieren besteht aus zwei verschiedenen Teilen: Forschung und Umsetzung. Die Forschung kann auf proprietärer Forschung oder unter Verwendung veröffentlichter wissenschaftlicher Arbeiten basieren. Das Research wird verwendet, um ein Modell zu erstellen, das Wertpapiere mit einer überdurchschnittlichen Wahrscheinlichkeit identifiziert, einen Benchmark-Index zu übertreffen.

Um ein Modell zu implementieren, werden Wertpapieren wie Aktien typischerweise eine Bewertung basierend auf einem oder mehreren Merkmalen (oder Faktoren) zugeordnet und anschließend klassifiziert. Ein quantitatives Investmentportfolio hält in der Regel die am höchsten eingestuften Aktien und wird dann in regelmäßigen Abständen oder wenn es nicht mehr mit dem Modell übereinstimmt, neu ausbalanciert. Quantitative Techniken können eingesetzt werden, um sowohl Long-Only-Portfolios als auch Long / Short Portfolios zu verwalten.

Warum macht quantitatives Investieren Sinn?

Wenn ein aktiver Vermögensverwalter eine Investitionsentscheidung trifft, basiert diese in der Regel auf der Einschätzung, wie sich Unternehmen in Zukunft entwickeln werden, unter der Annahme, dass eine gute Unternehmensleistung zu einer positiven Aktienkursentwicklung führen wird. Diese Entscheidungen basieren auf einer subjektiven Analyse des Managements und den Produkten des Unternehmens sowie des Markt- und Wirtschaftsumfelds, in dem es tätig ist.

Aktiv verwaltete Fonds werden seit den 1960er Jahren mit Indizes verglichen. Im Laufe der Zeit hat sich gezeigt, dass die Mehrheit der aktiv verwalteten Fonds ihre Benchmark-Indizes selten langfristig schlägt. Der technologische Fortschritt in den 1970er Jahren ermöglichte, dass Analysten Anfang der 1980er Jahre erstmals sehr große Datensätze analysieren konnten. Diese quantitative Analyse ermöglichte es Anlegern herauszufinden, welche Arten von Aktien sich im Laufe der Zeit besser entwickelt haben.

Quantitatives Investieren ermöglichte drei Dinge – die gleichzeitige Auswertung einer größeren Anzahl von Wertpapieren, Entscheidungen, die auf empirischen Grundlagen und nicht auf subjektiven Prognosen basieren, und einen systematischen Ansatz für das Portfoliomanagement. Frühe Untersuchungen haben ergeben, dass bestimmte Anomalien existieren, um die Aktienkursentwicklung teilweise zu erklären. Value, Momentum und Size waren die ersten Faktoren, die zu einer erklärbaren Outperformance führten. Im Laufe der Zeit haben sich andere Faktoren und Kombinationen von Faktoren herauskristallisiert, die zu einer regelmäßigen Outperformance führen.

Die quantitative Investmentanalyse ist auch für die Vermögensallokation und das Risikomanagement nützlich. Es ermöglicht die Konstruktion oder Analyse eines Portfolios basierend auf langfristig erwarteten Renditen und Volatilitäten. So können Portfolios nach den individuellen Bedürfnissen der Anleger zusammengestellt werden. Heutzutage verwenden die meisten Fonds zumindest für einen Teilbereich ihres Portfoliomanagementprozesses einen quantitativen Ansatz. Auch wenn es nicht für die Aktienselektion verwendet wird, wird es in der Regel für das Risikomanagement oder die Vermögensallokation verwendet.

Quantitative vs. fundamentale Geldanlage

Die traditionelleren aktiven und fundamentalen Investitionsansätze basieren in der Regel auf einer Bottom-up-Analyse und auf Prognosen über Unternehmensgewinne und Wirtschaftswachstum. Die Fundamentalanalyse betrachtet aber auch qualitative Faktoren wie die Qualität des Managements und die Stärke der Bilanz. Bei der Verwendung quantitativer Faktoren im Rahmen von Investitionsentscheidungen suchen Portfoliomanager hingegen nach den Faktoren, die nachweislich zuverlässig zu einer Outperformance geführt haben. Sie investieren nicht auf der Grundlage subjektiver Prognosen, sondern auf der Grundlage empirischer Erkenntnisse.

Quantitative Anlagemodelle basieren auf Wahrscheinlichkeiten und einer erwarteten Verteilung der Renditen. Dies bedeutet, dass das erwartete Risiko und die erwartete Rendite genauer vorhergesagt werden können. Das erfordert jedoch auch einen ausreichend großen Stichprobenumfang, um effektiv zu sein. Quantitative Fonds halten daher in der Regel eine höhere Anzahl von Wertpapieren als aktiv verwaltete Fonds.

Anlageentscheidungen für einen aktiv verwalteten Fonds werden vom Fondsmanager mit großem Ermessensspielraum getroffen. Bei quantitativen Fonds werden Kauf- und Verkaufsentscheidungen nach einem Modell getroffen, mit sehr wenig Ermessensspielraum seitens des Fondsmanagers.

Arten von quantitativen Anlagestrategien

Während sich die meisten quantitativen Anlagemodelle überschneiden und auch ihre eigenen Besonderheiten aufweisen können, enthalten die meisten Strategien Elemente aus einigen der folgenden Strategien:

Faktor-Modelle werden verwendet, um Aktien auszuwählen, die eine oder mehrere Eigenschaften aufweisen, die in der Vergangenheit zu einer Outperformance geführt haben. Zu den allgemeinen Faktoren gehören Value, Momentum, Size und Growth. Spezifischere Faktoren sind Kennzahlen wie Kurs-/Buchwert, Kurs zu Free Cash Flow und Eigenkapitalrendite. Quantitative Investitionsfaktormodelle bewerten in der Regel jede Aktie anhand einer Reihe von Kennzahlen und berechnen dann einen Gesamtpunktwert, der dann zur Bewertung von Aktien verwendet wird.

Ereignisgesteuerte Arbitrage-Strategien nutzen Kursmuster, die typischerweise vor oder nach bestimmten Ereignissen auftreten. Zu den Ereignissen gehören Ergebnismitteilungen, Ankündigungen von Wirtschaftsdaten, Kapitalmaßnahmen und gesetzliche Änderungen. Portfolios werden durch den Kauf oder Verkauf von Wertpapieren konstruiert, um Gewinne zu erzielen, wenn die Kursentwicklung einem typischen Muster folgt.

Systematische globale Makro-Strategien basieren auf einer quantitativen Analyse der Volkswirtschaften in den einzelnen Ländern und Regionen. Diese Analyse wird verwendet, um Kapital auf Länder, Regionen, Anlageklassen und Sektoren mit günstigen Fundamentaldaten zu allokieren.

Risk Parity Fonds gleichen das Risiko eines Portfolios über verschiedene Anlageklassen aus, basierend darauf, wie sich jede Anlageklasse in verschiedenen Marktsituationen verhält. Die Idee ist, dass Volatilität und Verluste in einer Anlageklasse immer durch die anderen Anlageklassen ausgeglichen werden. Dieser Ansatz übertrifft nicht unbedingt die Performance von Aktienfonds, sondern kann im Laufe der Zeit bessere risikoadjustierte Renditen liefern.

Statistische Arbitrage ist eine der aktivsten Quanthandelsstrategien. Dies ist ein “Mean Reversion” Ansatz, der nach Fehlpreisen sucht, die auf den Beziehungen zwischen Wertpapieren basieren. Long und Short-Positionen werden in artverwandten Aktien eröffnet, um zu profitieren, wenn sich die Preise wieder “normalisieren”, also zum langfristig zu erwartenden Bewertungsdurchschnitt zurückkehren. Statistische Arbitrage nutzt auch finanzielle Kennzahlen, um falsch bewertete Vermögenswerte zu identifizieren.

Managed Futures, auch bekannt als CTAs (Commodity Trading Advisors) und Trendfolge-Hedgefonds, verfolgen mit systematischen Methoden die wichtigsten Markttrends. Traditionell haben sich diese Fonds auf die Futures-Märkte konzentriert, aber zunehmend sind sie auch an der Börse aktiv.

Smart Beta Strategien werden eingesetzt, um passive Anlageinstrumente wie ETFs und Investmentfonds systematisch zu verwalten. Anstatt die Marktkapitalisierung zur Gewichtung von Aktien zu nutzen, können andere Faktoren genutzt werden, um die risikoadjustierte Rendite eines Portfolios zu verbessern.

Quantitative Value Fonds verwenden einen methodischen Ansatz, um jede Zeile der Gewinn- und Verlustrechnung und Bilanz eines jeden Unternehmens zu analysieren. Ein aggregierter Wert wird dann berechnet und zur Bewertung von Aktien verwendet. Dieser systematische Value-Investing-Ansatz kann sehr effektiv sein, erfordert aber einen langfristigen Anlagehorizont.

K.I. und Big Data basierte Strategien sind die neueste Kategorie von Quantstrategien. Sie versuchen, neue Alpha-Quellen zu finden, indem sie Techniken und Daten verwenden, die bis vor kurzem noch nicht in der Fondsmanagementbranche verwendet wurden.

Vorteile von Quantstrategien

Da quantitative Handelsentscheidungen von einem Computermodell getroffen werden, werden sie nicht von menschlichen Emotionen beeinflusst. Wenn Menschen Investitionsentscheidungen treffen, werden sie oft von Angst oder Gier beeinflusst. Dies gilt sowohl für das Eingehen als auch für das Auflösen von Positionen, wo Disziplin häufig ein Problem für Investoren darstellt. Darüber hinaus können quantitative Investments auch die Möglichkeiten von irrationalen Entscheidungsfindungen auf dem Markt ausnutzen.

Kleine Teams von Quant-Analysten können eine sehr große Anzahl von Wertpapieren abdecken. Sie können mehrere Sektoren, Regionen und Länder abdecken, ohne neue Analysten einstellen zu müssen. Quant Teams haben daher mehr Möglichkeiten, Wertpapiere zu finden, die sich besser entwickeln könnten. Es bedeutet auch, dass die Analyse pro Aktie billiger ist.

Quantitatives Investieren basiert auf nachweisbaren Mustern, was bedeutet, dass die Ergebnisse vorhersehbarer sind, insbesondere im Hinblick auf das erwartete Risiko- und Ertragsprofil. Sie können daher auch besser auf die Bedürfnisse der verschiedenen Investoren abgestimmt werden. Einmal erstellt, können quantitative Modelle einfach und kostengünstig auf verschiedenen Märkten getestet werden, mit oder ohne Modifikationen.

Nachteile von Quantstrategien

Da Quantstrategien auf einer erwarteten Renditeverteilung und Wahrscheinlichkeiten basieren, ist eine relativ hohe Anzahl an Datenpunkten und Beobachtungen erforderlich. Dies kann jedoch zu einer Verwässerung der Renditen führen. Quantitative Strategien benötigen typischerweise lange Zeiträume für die Performance und liegen oft über kürzere Zeiträume unter ihrem Benchmark. Dies gilt nicht für alle Quantfonds, und neue Datenquellen werden nun genutzt, um Modelle zu erstellen, die auch kurzfristig Alpha generieren können. Die meisten quantitativen Fonds sind häufig nicht in der Lage, subjektive Faktoren zu berücksichtigen.

Quant-Strategien sind anfällig für plötzlich ansteigende Volatilität und Flash-Crashs, die durch andere algorithmische Handelsstrategien erzeugt werden können. Die Tatsache, dass quantitative Fonds ohne jegliche Ermessensspielräume verwaltet werden, kann ein zweischneidiges Schwert sein. In den meisten Fällen ist die emotionslose Art der Entscheidungsfindung von Vorteil, aber es gibt Situationen, in denen sie von Nachteil sein kann.

Quantitatives Investieren heute

Heute hat sich die Wall Street ganz dem quantitativen Investieren verschrieben. Quantitative Techniken werden inzwischen verwendet, um die meisten Arten von Investmentfonds zu verwalten, einschließlich Investmentfonds, Hedgefonds, ETFs und Einzelportfolios. Quantitative Techniken werden auch für die Wertpapierallokation und das Risikomanagement sowie für die Ausrichtung der Portfolios an den Bedürfnissen der Kunden eingesetzt.

Das neue Ziel für das quantitative Investieren ist die Entwicklung von Strategien, die den aktuellen Stand der Technologie vollständig berücksichtigen. Künstliche Intelligenz (K.I.) wird eingesetzt, um neue Muster und Beziehungen zwischen Wertpapierkursen und Daten aus anderen Datenquellen zu finden. Big Data wird verwendet, um neue Datenquellen zu erschließen, die zu Alpha-generierenden Ideen führen können. Benutzergenerierte Daten werden verwendet, um die Stimmung von Anlegern zu messen, die Einfluss auf Aktienkurse haben können.

Quant-Plattformen wie Quantopian und Quandl existieren, um Crowd-Sourcing von Anlageideen zu ermöglichen und quantitativen Analysten die Zusammenarbeit und Datenbeschaffung zu erleichtern. Robo-Advisor, die es einzelnen Anlegern ermöglichen, für den Ruhestand oder bestimmte Lebenssituationen zu investieren oder zu sparen, nutzen quantitative Modelle für die Kapitalallokation. Und schließlich ermöglichen Social Trading-Plattformen es Tradern, ihre Performance nach außen transparent zu machen und indirekt Geld für einzelne Investoren zu verwalten.

Die Zukunft des quantitativen Investierens

Das quantitative Investieren schreitet an mehreren Fronten voran, und in Zukunft wird wahrscheinlich eine Konvergenz verschiedener Techniken und Plattformen zu beobachten sein. Entwicklungen in anderen Bereichen, einschließlich der Einführung neuer Anlageprodukte und Anlageklassen (z.B. Kryptowährungen und Tokenized Securities), werden neue Möglichkeiten eröffnen.

Die fortschreitende Globalisierung der Märkte wird auch in Zukunft eine Rolle spielen, da Investoren neue Märkte erschließen können. Die größten Chancen liegen in der Nutzung von K.I. und Big Data. Diese Technologien ermöglichen es Analysten, Zusammenhänge zwischen Aktienkursen und Daten zu finden, die traditionell nicht von Investoren verwendet wurden. Satellitenbilder, Social Media-Inhalte und GPS-Daten von Fahrzeugen und Geräten sind potenzielle Informationsquellen.

Das Sentiment, die Stimmung zu einzelnen Aktien oder dem Markt, ist ein Faktor, der für quantitative Geldanlagen immer wichtiger wird. Sowohl K.I. als auch Big Data Techniken werden intensiv eingesetzt, um die Stimmung und ihre Vorhersagekraft zu analysieren. Fortschritte in der künstlichen Intelligenz könnte es schließlich ermöglichen, auch qualitative Faktoren zu modellieren. Damit würde die Lücke zwischen quantitativem und traditionellem aktivem Fondsmanagement geschlossen, indem nun auch subjektivere Faktoren berücksichtigt werden können.

Der Wettbewerbsdruck in der Branche dürfte sich weiter erhöhen. Nur die quantitativen Asset Manager, die sich der Entwicklung und der Suche nach neuen quantitativen Strategien verschrieben haben, werden zukünftig in der Lage sein, Alpha konsequent zu generieren und letztendlich am Markt zu überleben.

Fazit: Quantitative Analyse als systematischer Ansatz für Geldanlage

Die quantitative Analyse hat einen wissenschaftlicheren und systematischeren Ansatz für die Geldanlage eingeführt. Es gibt mehrere Vorteile, Investitionsentscheidungen auf der Grundlage empirischer Erkenntnisse zu treffen, darunter niedrigere relative Kosten und die Beseitigung von Emotionen bei der Entscheidungsfindung.

Eine Anlagestrategie, die auf einem quantitativen Modell basiert, ist aber kein Allheilmittel, und es gibt keine Garantie für die Performance. Jedoch haben in den meisten Fällen Quantfonds eine bessere Chance, ihre Ziele zu erreichen. Die jüngste Einführung neuer Produkte, Technologien und Anlageklassen deutet darauf hin, dass noch ein weiter Weg vor uns liegt und die Branche im kommenden Jahrzehnt weiter wachsen und sich weiterentwickeln wird.