Performance-Optimierung

page-cover-image-performance

Mehrere Faktoren tragen zur Optimierung der Performance Ihres Portfolios bei.

Unser Investmentprozess setzt auf dynamisches Risikomanagement, um bessere risikoadjustierte Renditen zu erwirtschaften. Weitere Faktoren sind günstige Kostenstrukturen sowie realistische Einschätzungen zum Verhalten von Finanzmärkten.

great-value

Geringe
Gebühren

Wir achten auf maximale Kosteneffizienz, um Ihre Renditen nicht durch hohe Gebühren zu beeinträchtigen und verwenden darum ausschließlich ETFs (was sind ETFs?).

pie-chart-2-1

Risikomanagement-
Technologie

Unser dynamisches Risikomanagement zielt darauf ab, Ihr Risiko im Zeitablauf in jeder Marktsituation möglichst stabil zu halten und verbesserte risikoadjustierte Renditen zu erwirtschaften.

diversification-spread (1)

Realistische Risikoabschätzung und Diversifikation

Unser Anlagemodell setzt auf empirische Fakten und nicht auf theoretische und vereinfachende Annahmen konventioneller Modelle, die im klaren Widerspruch zur Realität der Finanzmärkte stehen.

Die Geldanlage an den Kapitalmärkten ist mit Risiken verbunden. Bitte lesen Sie unsere Risikohinweise.

Wollen Sie mehr Expertenwissen zum Thema Geldanlage erhalten?

Als Newsletter-Abonnent sind Sie in der guten Gesellschaft tausender Leser, die von uns regelmäßig Tipps zur erfolgreichen Geldanlage erhalten.

Effektives Risikomanagement verbessert Performance, denn mehr Risiko bedeutet nicht automatisch mehr Rendite.

„Wer nicht wagt, der nicht gewinnt“ ist eine Weisheit, die besonders an der Börse ihre Gültigkeit hat: Hohe Renditen erfordern eine hohe Risikobereitschaft. Tatsächlich gehen Anlageklassen mit langfristig hohen Renditen meist auch mit höheren Risiken einher (z.B. Aktien vs. Staatsanleihen). Der Schluss, hohe Risiken bedeuten automatisch hohe Renditen, greift jedoch zu kurz, denn das Zusammenspiel zwischen Rendite und Risiko an den Finanzmärkten ist wesentlich komplexer.

Grundsätzlich kann man Risiko in zwei Komponenten zerlegen: das Fundamentalrisiko, das die grundsätzlichen Risiken der zugrunde liegenden Anlagen reflektiert, sowie den temporären – positiven und negativen – Abweichungen vom Fundamentalrisiko, die aufgrund schwankender Unsicherheiten hinsichtlich der künftigen Entwicklung einer Anlageklasse entstehen. Während sich das Fundamentalrisiko im Zeitablauf meist nur graduell ändert, können temporäre Abweichungen, auch Überschussrisiko genannt, starken Schwankungen unterworfen sein.
Zwischen Rendite und Fundamentalrisiko ist in der Tat langfristig meist ein positiver Zusammenhang zu beobachten. Bei den Überschussrisiken ist die Sachlage jedoch komplexer. So gehen im Aktienbereich zum Beispiel Phasen mit positivem Überschussrisiko häufig mit schlechten Renditeentwicklungen einher. Ein Anleger wird also für das Aushalten von Fundamentalrisiken entlohnt, für darüber hinausgehende Überschussrisiken jedoch bestraft.

Scalable Capitals Ziel ist es, jedes Portfolio in der vom Klienten vorgegebenen Risikokategorie zu halten. Dazu werden die besten ETFs verschiedener Anlageklassen kombiniert. Signalisieren unsere Projektionen Risikoabweichungen und eine drohende Verletzung der Risikokategorie, werden die Portfoliogewichte automatisch angepasst. Dieses ständige „Ausbügeln“ von positiven und negativen Überschussrisiken führt langfristig zu besseren risikoadjustierten Renditen.

Risiken werden langfristig mit Risikoprämien entlohnt

Jährliche Rendite verschiedener Anlageklassen (in Prozent, 1980-2015)
Vola Returns DE DBG HD
Quelle: Bloomberg-Daten und eigene Berechnungen.

Positive Überschussrisiken führen meist zu negativen Renditen

Kursentwicklung des DAX und des VDAX (Volatilitätsindikator des DAX)
DAX VDAX2 Medianrisiko DBG HD (2)
Quelle: Bloomberg-Daten und eigene Berechnungen.

Wissenschaftliche Studien identifizieren „Low-Risk-Prämie“ – eine Prämie für Investitionen in Phasen geringerer Unsicherheit.

Wissenschaftliche Studien belegen, dass auf Risikoanalyse anstatt auf Kursprognosen fokussierte Anlagemodelle langfristig verbesserte Rendite/Risiko-Profile ermöglichen. Siehe zum Beispiel: Haas und Mittnik (2009), Mittnik und Paolella (2003) sowie Moreira und Muir (2016).

„Portfolios, die weniger Risiken eingehen, wenn Volatilitäten hoch sind, erzielen bessere risikoadjustierte Renditen“, führt die Studie der Yale-Wissenschaftler Moreira und Muir an. Ihre Studie identifiziert eine sogenannte „Low-Risk-Prämie“, also eine Belohnung für die Investition in normalen und ruhigen Marktphasen.

Die beiden Wissenschaftler verglichen die Performance von Aktien-Portfolios über einen Zeitraum von 90 Jahren (1926-2015), die zwei verschiedene Anlagestrategien verfolgen. Die erste ist eine gewöhnliche ”Buy & Hold“-Strategie, die zweite verwendet eine Risikosteuerung, bei der in hochvolatilen Phasen Risikopositionen ab- und in risikoarmen Phasen aufgebaut werden.

Das Ergebnis: „In volatilen Marktphasen existieren deutlich höhere Risiken. Wenn man nicht adäquat für die Übernahme dieser Risiken entlohnt wird, dann ist die richtige Strategie, den Markt zu verlassen. Das belegen die untersuchten Daten“, fasst Tyler Muir, Professor für Finanzen an der Yale School of Management, zusammen.

Yale-Studie (2016): Risikofokussierte Anlage wird belohnt.

Performance von US Aktien-Portfolios, die einer ”Buy & Hold“-Strategie (schwarz) und einer Risikosteuerung (türkis) folgen. Logarithmische Skalierung.
yale chart page DE
Zeitraum: 1926-2015. Quelle: Moreira und Muir (2016, Abb. 3)
Hinweis: historische oder simulierte Wertentwicklungen sind kein verlässlicher Indikator für die künftige Wertentwicklung. Bitte beachten Sie hierzu unsere Risikohinweise.
Haas, M. und Mittnik, S. (2009), Portfolio selection with common correlation mixture models, in: Bol, G., Rachev, S.T. und Würth, R. (Hrsg.), Risk Assessment: Decisions in Banking in Finance, Springer-Verlag.
Kuester, K., Mittnik, S. und Paolella, M. (2006), Value-at-Risk Prediction: A Comparison of Alternative Strategies, Journal of Financial Econometrics, 4, 53–89.
Mittnik, S., und Paolella, M. (2003), Prediction of Financial Downside-Risk with Heavy-Tailed Conditional Distributions, in: Rachev, S.T. (ed.) Handbook of Heavy Tailed Distributions in Finance, Elesvier/North-Holland, 2003.
Moreira, A., und Muir, T. (2016), Volatility Managed Portfolios. Working paper, February 2016, Yale School of Management, .

Professionelle Vermögensverwaltung.

Keine Mindestlaufzeit. Keine versteckten Kosten. Volle Transparenz.