Aktienselektion Auffällige Kursbewegungen müssen keine Übertreibung sein
Eine Aktie eilt von einem Höchststand zum anderen, obwohl sich bei den Gewinn- und Umsatzschätzungen kaum etwas geändert hat. Oder das Gegenteil ist der Fall: Ein Wert fällt und fällt, während Analysten keine ernsthafte Verschlechterung der fundamentalen Daten feststellen können. Wie sollen Investoren damit umgehen? Die klassische Antwort wäre die, bei scheinbaren Übertreibungen nach oben die Aktie eher zu verkaufen und bei scheinbaren Übertreibungen nach unten Aktien eher zu kaufen.
Dahinter steckt die Vermutung, dass Aktien nach irrationalen Bewegungen dazu tendieren, zu ihrem fundamentalen Gleichgewicht zurückzukehren. Hier wird auch von einer Tendenz zur „mean reversion“ gesprochen. Doch ist das tatsächlich eine sinnvolle Vorgehensweise? Die Erwartung einer mean reversion unterstellt, dass der Markt sich „verlaufen“ hat, während doch eigentlich auf Basis der Fundamentaldaten relativ klar war, wie eine plausible Kursentwicklung hätte aussehen müssen. Diese Frage tangiert letztlich sogar den Kern des Asset Managements. Denn: Es geht darum, wie effizient Märkte sind und mit wie viel Demut eine Anlageentscheidung zu treffen ist, und zwar unabhängig von der Konfidenz, mit der die Entscheidung einhergeht.
Schließlich kommt es in gewisser Weise einer Anmaßung von Wissen gleich, eine Kauf- oder Verkaufsentscheidung auf Basis vermeintlich objektiver Daten gegen den Markt zu treffen. Denn jeder Investor hat sich (hoffentlich) etwas dabei gedacht, wenn er eine Transaktion tätigt und dafür riskiert, Geld zu verlieren. Genau dieser Mechanismus macht Märkte und die damit einhergehende Informationsverarbeitung so effizient.
1.200% Rendite in 20 Jahren?
Irrational oder doch rational?
Könnte es sein, dass sich eine zu einem gegebenen Zeitpunkt irrational erscheinende Entwicklung später vielleicht doch als rational herausstellt?
Wir haben versucht, diese Frage wie folgt zu beantworten. Für jede Aktie bestehen Analystenschätzungen für eine Vielzahl von Kennzahlen, die im Zeitverlauf immer wieder angepasst werden. Grundsätzlich können Anleger davon ausgehen, dass das gesamte öffentlich verfügbare Wissen über ein Unternehmen in diesen Kennzahlen und deren Verlauf zusammengefasst ist. Wir haben ab Ende 2010 in einem Abstand von jeweils sechs Monaten zunächst eine Liste der Aktien erstellt, die zu dem Zeitpunkt im europäischen Aktienindex STOXX 600 enthalten waren. Für diese Aktien haben wir jeweils den Verlauf der zuvor geschätzten Bilanzkennzahlen auf Niveauebene für die vorherigen fünf Jahre abgefragt. Dabei wurden nur Daten verwendet, die auch bei einer Echtzeitanwendung in der Datenbank vorhanden gewesen wären.
Zu den abgefragten Kennzahlen gehörten beispielsweise die Gewinne, der Cash-Flow, der Umsatz und der Buchwert pro Aktie. Diese Indikatoren entwickeln sich in groben Zügen ähnlich wie die Kurse – auch wenn durchaus temporäre Entkopplungen zu beobachten sind. Nun haben wir zu jedem Zeitpunkt für jedes einzelne Unternehmen ein Regressionsmodell erstellt, das bestmöglich den Kurs einer Aktie mit den jeweils verfügbaren Bilanzdaten erklären kann. Dabei wurde peinlichst genau darauf geachtet, dass jeweils nur Daten verwendet werden, die auch bei einer Echtzeitanwendung verfügbar gewesen wären. Jede Berechnung findet komplett out of sample statt und bildet damit perfekt eine Anwendung in der Realität ohne jegliches Wissen über die Zukunft ab.
