Der quantitative Investmentansatz nutzt datengestützte Analysen, um ein breites Universum von Aktien anhand von mathematischen und statistischen Modellen in kurzer Zeit zu bewerten.
Die Strategie hilft Fondsmanagern, Trends und Marktineffizienzen frühzeitig zu erkennen oder auch Risiko und Diversifikation präzise zu steuern.Quantitatives Investieren hat sich zusammen mit dem technologischen Fortschritt laufend weiterentwickelt. Den Vorreitern des Quant-Investing standen weder Computer noch schnelle Algorithmen zur Verfügung, Berechnungen und Datenanalysen waren ungleich zeitaufwendiger. Heutzutage können Fondsmanager dank leistungsstarker Rechner, schneller Datenverarbeitung und immer komplexerer Modelle schnellere Investmententscheidungen treffen.
Der US-Wirtschaftswissenschaftler Robert Merton gilt als eine der Schlüsselfiguren der quantitativen Finanzwissenschaft und des quantitativen Investierens. Er leistete seit den 1970er Jahren Pionierarbeit bei der Entwicklung mathematischer Modelle für die Bewertung von Finanzinstrumenten. Gemeinsam mit seinen Kollegen Fischer Black und Myron Scholes entwickelte Merton das 1973 veröffentlichte Optionspreismodell – oder Black-Scholes-Merton-Modell – mit dem sie das Verständnis der Bewertung von Optionen und anderen derivativen Finanzinstrumenten revolutionierten. Es war eines der ersten Modelle, das mathematische Methoden auf den Finanzmärkten anwandte und legte die Grundlage für das quantitative Investieren.
Die Optionspreisformel hilft Anlegern nicht nur Optionen zu bewerten und Strategien zu entwickeln, sondern trägt auch dazu bei, die Märkte mit Liquidität zu versorgen. Mertons Arbeiten betonen die Verwendung von dynamischem Hedging zur Risikominderung in einem Portfolio. Er analysierte, wie Händler ihre Positionen in Optionen anpassen können, um Risiken effektiv abzusichern. Diese Ideen sind heute grundlegender Bestandteil von quantitativen Handelsstrategien. Merton trug auch zur Weiterentwicklung der vom US-Ökonomen Harry Markowitz begründeten modernen Portfoliotheorie – Optimierung von Portfolios auf der Basis von Rendite und Risiko – bei. Merton erweiterte diese Theorie, indem er Modelle entwickelte, die die Unsicherheit zukünftiger Renditen und Risiken berücksichtigten.
Fundamentalanalyse – die traditionelle Art Investmententscheidungen zu treffen
Eine Fundamentalanalyse erfolgt gewöhnlich in drei Schritten. Angefangen mit der Globalanalyse also dem "große Ganzen" über die Branchenanalyse bis zur Unternehmensanalyse geht sie immer tiefer ins Detail. Die fundamentale Analyse stützt sich auf eine intensive Analyse der Geschäftstätigkeit, des Managementteams und der Marktchancen eines Unternehmens, um die Attraktivität einer Aktie zu beurteilen. Das Fachwissen des Fondsmanagers zählt, um fundierte Entscheidungen, welche Aktien gekauft und welche verkauft werden sollen.
Mit der Fundamentalanalyse lässt sich herausfinden, ob eine Aktie ein gutes Preis-Leistungs-Verhältnis bietet. Oder anders gesagt, ob der aktuelle Börsenkurs dem wirklichen Wert entspricht, oder ob ein Unternehmen derzeit über- oder unterbewertet ist. Hierbei spielen verschiedene betriebswirtschaftliche Kennzahlen eine wichtige Rolle, die sich aus der Bilanz und der Gewinn-und-Verlust-Rechnung (GuV) der Geschäftsberichte ableiten lassen, wie zum Beispiel das Kurs-Gewinn-Verhältnis (KGV), das Kurs-Buchwert-Verhältnis (KBV), die Eigenkapitalquote oder der Verschuldungsgrad.
Quant-Strategien – die systematische Art, Chancen aufzuspüren
Quantitatives Investieren, auch bekannt als systematisches Investieren, ist eine Investitionsstrategie, bei dem mathematische Modellierung, Computersysteme und Datenanalyse eingesetzt werden, um die optimale Wahrscheinlichkeit für die Ausführung eines gewinnbringenden Handels zu berechnen. Quantitative Strategien – auch Alpha-Generatoren oder Alpha-Gens genannt – haben sich inzwischen in der Finanzwelt etabliert und werden von Investmentfonds, Hedgefonds und institutionellen Anlegern eingesetzt. Quantitative Investmentstrategien können verschiedene Anlagestile umfassen, darunter Value Investing, Momentum Investing, Low Volatility Investing und mehr. Diese Stile zielen darauf ab, bestimmte Merkmale von Aktien oder Märkten auszunutzen, um eine überdurchschnittliche Rendite zu erzielen.
In der Regel vereinen quantitative Analysten die Fähigkeiten von Investmentanalysten, Statistikern und Programmierern in sich. Aufgrund der komplexen mathematischen und statistischen Modelle rekrutieren sich die Spezialisten aus Akademikern der Disziplinen Finanzen, Wirtschaft, Mathematik oder Ingenieurwesen. Quantitative Analysten greifen auf eine breite Palette von Datenquellen zu, um ihre Modelle zu verbessern. Neben den klassischen Finanzdaten werden auch alternative Datenquellen wie Social-Media-Aktivitäten, Webseitenbesuche, Satellitenbilder oder Stimmungsanalysen in die Analyse einbezogen, um zusätzliche Einblicke in den Markt zu gewinnen.
Quantitative Analysten arbeiten daran ihre Modelle laufend zu verbessern und an sich ändernde Marktbedingungen anzupassen. Das erfordert eine kontinuierliche Forschung und Innovation. Moderne quantitative Investmentstrategien nutzen vermehrt Machine-Learning-Algorithmen und künstliche Intelligenz, um Muster in großen Datenmengen zu erkennen. Diese Technologien können komplexere Zusammenhänge und nicht-lineare Trends identifizieren, die von traditionellen Modellen möglicherweise übersehen werden.
Krisen, Kosten und Kontrolle
Quantitative Modelle funktionieren beim sogenannten Backtesting, d.h. der Analyse des Erfolgs einer Investition im Voraus, unter normalen Marktbedingungen gut, aber ihre Anwendung und ihre Erfolgsquoten sind umstritten. Dagegen sind sie in Zeiten extremer Volatilität und Krisen oft anfälliger. Plötzliche und unerwartete Marktveränderungen können dazu führen, dass die ihnen zugrunde liegenden Annahmen nicht mehr richtig sind und die Modelle an Gültigkeit verlieren, da sie auf vergangenen Daten basieren und daher nicht mit außergewöhnlichen Ereignissen umgehen können.
Ein Beispiel hierfür: Der Quant-Hedgefonds Long-Term Capital Management (LTCM), der u.a. von Scholes und Merton 1994 aufgelegt wurde. Bis 1998 hatte LTCM nach einer veröffentlichten Schätzung Kontrakte im Gesamtwert von einer Billion US-Dollar abgeschlossen, darunter einige komplexe Finanzierungsinstrumente wie Derivate oder Swaps. Die Russlandkrise und Fehlspekulationen mit italienischen Staatsanleihen brachten den LTCM zunehmend unter Druck.
Und: Die Modelle des LTCM kalkulierten das Risiko eines Zahlungsausfall Russlands nicht ein. Die Fehlspekulationen lösten eine Kettenreaktion aus und es wurde befürchtet, dass die Weltmärkte zusammenbrechen könnten. In einer bis dahin weltweit einmaligen Rettungsaktion konnte 1998 das Schlimmste abgewendet werden. Der Fonds wurde im Jahr 2000 aufgelöst.
Quantitative Strategien zielen auf effiziente und schnelle Handelsausführung ab. Häufige Handelsaktivitäten können daher zu höheren Transaktionskosten führen, die die erzielte Rendite beeinträchtigen können. Darüber hinaus können quantitative Investmentstrategien aufgrund ihrer Komplexität und des Einsatzes von Algorithmus-Handelssystemen regulatorische Herausforderungen mit sich bringen. Regulierungsbehörden versuchen sicherzustellen, dass solche Strategien fair und transparent agieren und nicht zu Marktverzerrungen führen.
Quant-Strategien – Früherkennung von Trends
Auch wenn es schwierig ist den Erfolg einer Investition zu prognostizieren, können passende Modelle sehr hilfreich dabei sein, den Erfolg einzuschätzen. Generell liegt der Vorteil der Quant-Strategien darin, dass sehr schnelle Computer verwendet werden. Durch die Schnelligkeit werden Ineffizienzen an den Märkten auf der Grundlage quantitativer Daten ausgenutzt. Erfolgreiche Strategien können Trends bereits im Frühstadium erkennen, da die Computer ständig Szenarien durchspielen, um Ineffizienzen aufzuspüren, bevor es andere tun. Die Modelle sind in der Lage, eine große Gruppe von Anlagen gleichzeitig zu analysieren, während ein traditioneller Analyst vielleicht nur einige wenige auf einmal im Blick hat. Die Modelle selbst können auf einigen wenigen Finanzkennzahlen wie dem Kurs-Gewinn-Verhältnis, dem Verschuldungsgrad und dem Gewinnwachstum beruhen, oder tausende von Dateninputs verwenden, die gleichzeitig zusammenwirken.
Quant-Modelle ermöglichen auch Variationen von Strategien wie Long, Short und Long/Short. Gute quantitative Fonds achten sehr genau auf die Risikokontrolle. Die Diversifikation kann präzise gesteuert werden, indem zum Beispiel Sektor- und Branchengewichtungen verwendet werden. Quant-Fonds sind in der Regel kostengünstiger, da sie durch den Einsatz von Computern weniger operative Arbeit von Analysten und Portfoliomanager erfordern.
Fazit: Der quantitative Ansatz nutzt datengestützte Analysen, um ein breites Universum von Aktien zu bewerten. Er stützt sich auf Faktoren, die im Laufe der Zeit von Portfoliomanagern und Wissenschaftlern ermittelt wurden, um Portfolios von Aktien mit attraktiven Merkmalen zusammenzustellen und Marktineffizienzen zu nutzen. Diese Faktoren haben in der Vergangenheit eine Überperformance gezeigt und sollten somit genutzt werden. Zudem kann die Quant-Analyse Trends früh erkennen und Diversifikation exakt steuern. Trotzdem sind quantitative Modelle anfällig für unvorhersehbare Ereignisse und können ungenau sein. Quantitative Manager betrachten das Investieren als Wissenschaft, fundamentale Manager sehen das Investieren eher als eine Kunst und verlassen sich auf ihre Fundamentaldatenanalyse, ihr Urteilsvermögen und ihre Erfahrung. Anleger sollten die beiden Ansätze nicht isoliert sehen, sondern die Stärken beider nutzen.
Pro- und Contra des quantitativen Ansatzes in Kürze:
Schwächen:
- Vergangenheitsbasierte Modelle können fehlerhaft sein.
- Anfälligkeit für unvorhersehbare Ereignisse und Krisen (wie im o.g. Fall von LTCM).
- Transaktionskosten können die erzielte Rendite beeinträchtigen.
- Regulatorische Herausforderungen aufgrund der Komplexität und des Algorithmus-Einsatzes.
- Menschliche Entscheidungen beeinflussen die Modellgestaltung und -interpretation.
[ignoreKi] Tipp aus der Redaktion: Diese drei Top-Energie-Dividendenaktien sollten Sie kennen! So können Sie im Energieboom von kontinuierlichen Erträgen profitieren. Kostenloses Research für Sie vom Börsenexperten Bryan Perry! Einfach hier downloaden. [/ignoreKi]
Stärken:
- Quantitative Modelle nutzen Backtesting effektiv, um Investitionserfolge vorherzusagen.
- Schnelle Computer nutzen Marktineffizienzen auf Basis von quantitativen Daten aus.
- Früherkennung von Trends durch kontinuierliche Szenario-Simulation.
- Effiziente Diversifikation und Risikokontrolle.
- Modelle basieren auf Daten und Forschung, nicht auf subjektiven Einschätzungen.
- Quantitative Strategien sind oft kosteneffizienter und transparenter
[ignoreKi]Autor: wallstreetONLINE Zentralredaktion[/ignoreKi]
