Der Low-Volatility-Effekt

Bis in die 1980er Jahre dominierte in der Kapitalmarktforschung die Effizienzmarkthypothese, aus der verschiedene Erklärungsmodelle abgeleitet wurden. Seit den 1990er Jahren entdeckten Forscher jedoch immer mehr Anomalien, die den ursprünglichen Aussagen dieser Modelle teils widersprachen. Eine dieser Anomalien ist der Low-Volatility-Effekt. Während das theoretische Capital Asset Pricing-Modell (CAPM) besagt, dass höhere Risiken mit entsprechend höheren Renditen einhergehen sollten, konnten empirische Untersuchungen diese Vermutung mehrheitlich nicht belegen. Demnach brachten Aktien mit höherem Risiko eine niedrigere Rendite. Im Folgenden gehen wir kurz auf die CAPM-Modellwelt sowie die tatsächlichen empirischen Ergebnisse ein.

Theorie versus Praxis
Die dicke schwarze Linie in Abb. 1 zeigt den theoretisch vermuteten Zusammenhang zwischen Rendite und Risiko. Diese verläuft steigend durch das Aktienmarkt-Portfolio, welches aus allen Titeln am Markt besteht. Die anderen zehn Punkte bezeichnen die 10% der Aktien mit dem niedrigsten Beta beziehungsweise Risiko (D1) bis zu den 10% der Aktien mit dem höchsten Risiko (D10). Interessant ist nun, dass eine lineare Regressionslinie dieser Punkte (siehe gestrichelte Linie) fallend verläuft und nicht steigend, wie es die Theorie vermuten lässt. Damit erwirtschaften Aktien mit niedrigerem Risiko höhere Renditen als Aktien mit hohem Risiko. Für diese Beobachtung ist es unerheblich, ob das Risiko als annualisierte Volatilität der Renditen oder als Beta gemessen wird.

Die Studie, der die Grafik in Abb. 1 entnommen ist, quantifiziert zudem den Low-Volatility-Effekt. Demnach erwirtschaftete ein globales Portfolio mit den 10% der Aktien mit der niedrigsten Volatilität jährlich eine Überrendite von 12% gegenüber den 10% der Aktien mit der höchsten Volatilität – und das über einen Zeitraum von 1986 bis 2006. Der Effekt lässt sich auch in den USA, Europa und Japan isoliert nachweisen, so die Autoren.

Erklärungsversuche
An dieser Stelle drängt sich die Frage auf, wie es über einen so langen Zeitraum zu einer solch starken Anomalie kommen kann. Es scheint so, als wären Investoren bereit, für riskante Aktien systematisch zu viel zu bezahlen – aber warum?

Eine ursprünglich im Financial Analysts Journal und später beim CFA Institute erschienene Studie beschäftigt sich intensiv mit dem Phänomen. Eine mögliche Erklärung sind verhaltensbasierte Effekte. Zum Beispiel ist der Kauf einer hochvolatilen Aktie mit einem Lottoschein vergleichbar, der ein hohes Risiko für eine „Niete“, aber eine kleine Chance auf einen deutlich überproportionalen Gewinn hat. Wenn Marktteilnehmer eine Präferenz für „Lotto-Aktien“ haben, liegen deren Bewertungen entsprechend höher und die Renditen niedriger. Ein anderer Effekt, der Marktteilnehmer zum Kauf volatiler Aktien bewegt, ist, dass die hohe Rate, mit der solche Investments scheitern, unterschätzt wird. Wenige Erfolgsstorys hochvolatiler Titel werden demnach fälschlicherweise als repräsentativ erachtet.

Neben der verhaltensbasierten Schiene gibt es den Erklärungsansatz der „Limits on Arbitrage“ – das bedeutet, dass der Effekt aus irgendwelchen Gründen am Markt nicht wegarbitriert wird. Konkret vermuten die Autoren, dass der Effekt deswegen besteht, weil fast alle institutionellen Fondsmandate an Benchmarks wie zum Beispiel den S&P 500 Index gebunden sind. In der Studie zeigen die Autoren unter der Annahme, dass kein Hebel eingesetzt werden darf, etwas Erstaunliches: Ein institutioneller Anleger, der an eine feste Benchmark gebunden ist, wird nur sehr unwahrscheinlich niedrig volatile Aktien kaufen, selbst wenn er die Anomalie kennt. Er wird im Umkehrschluss sogar eher volatile Aktien übergewichten und die Anomalie damit verstärken. Der Grund hierfür ist, dass der Fondsmanager bei Low-Volatility-Aktien Gefahr läuft, seinen Tracking Error – also die Abweichung gegenüber der Benchmark – zu erhöhen, an der er gemessen wird. Denn: Kauft er solche Aktien, kann er zwar mit etwas höheren Renditen rechnen, handelt sich aber aufgrund des gegenüber dem Index anders gearteten Risikos einen saftigen Tracking Error ein. Sein Ziel ist es allerdings, den Tracking Error zu minimieren. Daher versucht er eher, Low-Volatility-Aktien beziehungsweise Aktien mit niedrigem Beta unterzugewichten (es sei denn, die erwartete Überrendite der Aktie ist sehr hoch). Wenn die Mehrheit der Fondsmanager so agiert und Low-Volatility-Aktien untergewichtet, wird deutlich, warum diese Titel dauerhaft höhere Renditen aufweisen als Aktien mit höherem Risiko. Übrigens werden zum Beispiel in den USA rund 95% aller Aktienfonds an einem bekannten US-Index „benchmarkt“. Daher kommt nur ein kleiner Anteil an Marktteilnehmern für Arbitrage infrage, und die Anomalie wird dadurch nicht beseitigt.

Fazit
Mit hoher Wahrscheinlichkeit spielen sowohl verhaltensbezogene Aspekte als auch feste Benchmarks bei Fonds eine Rolle in der Entstehung der Low-Volatility-Anomalie. Da sich weder das grundsätzliche Verhalten der Marktteilnehmer noch die Benchmark-Orientierung im Fondsgeschäft schnell verändern werden, ist vorerst nicht mit einem abrupten Ende der Anomalie zu rechnen.

Privatanleger, die unabhängig von Benchmarks frei investieren können, haben hier einen Vorteil. Um von der Anomalie profitieren zu können, sind Strategien speziell zur Auswahl niedrig-volatiler Aktien – beziehungsweise von Aktien mit niedrigem Beta-Faktor – interessant. Wichtig ist wie bei vielen Anomalien der Portfoliokontext, also die Auswahl einer ausreichenden Anzahl an Titeln. Hier wiederum liegt der „Knackpunkt“, da Privatanleger mitunter zu kleine Investitionssummen für ein größeres Portfolio haben. Eine institutionelle Arbitrage-Möglichkeit wäre der Handel des Spreads mit jeweils vielen leerverkauften High- und gekauften Low-Volatility-Aktien.

B1) Theoretischer vs. Empirischer Rendite-Risiko-Zusammenhang
Dargestellt ist der CAPM-Zusammenhang, dass die Rendite mit zunehmendem Risiko steigen sollte (dicke schwarze Linie). Empirisch ergibt sich jedoch überraschend etwas anderes. Die einzelnen Punkte bezeichnen die 10% der Aktien mit dem niedrigsten Beta (Risiko) (D1) bis zu den 10% der Aktien mit dem höchsten Risiko (D10). Eine Regression durch die einzelnen Punkte zeigt, dass Aktien mit niedrigerem Risiko höhere Renditen erwirtschaften.

Quelle: Blitz, D. C., van Vliet, P. (2007), The Volatility Effect: Lower Risk without Lower Return, ERIM Report Series Research in Management, S. 18.

B2) Renditen verschiedener Volatilitäts-Quintile
Hier sehen Sie die Wertentwicklung von 1 USD, der von 1968 bis 2008 in Aktien aus jeweils fünf verschiedenen Volatilitäts-Quintilen investiert wurde (monatliche Portfolioanpassung, ohne Transaktionskosten). Die höchste Rendite brachten die 20% der Aktien mit der niedrigsten Volatilität (Bottom Quintile), die niedrigste Rendite die 20% der Aktien mit der höchsten Volatilität (Top Quintile). Das Bottom Quintile weist zudem deutlich niedrigere Drawdowns auf als das Top Quintile.

Quelle: Baker, M., Bradley, B., Wurgler, J. (2011), Benchmarks as Limits to Arbitrage: Understanding the Low-Volatility Anomaly, CFA Institute, S. 41 (ursprünglich veröffentlicht im Financial Analysts Journal, Volume 67, Nr. 1).