Anlageberatung bei Retailbanken: Einfluss auf das Anlageverhalten und die Performance von Kundendeopts

Armin Müller Anlageberatung bei Retailbanken

GABLER EDITION WISSENSCHAFT EBS Forschung Schriftenreihe der European Business School (EBS) International University · Schloss Reichartshausen Herausgegeben von Univ.-Prof. Ansgar Richter, PhD

Band 70

Die European Business School (EBS) – gegründet im Jahr 1971 – ist Deutschlands älteste private Wissenschaftliche Hochschule für Betriebswirtschaftslehre im Universitätsrang. Dieser Vorreiterrolle fühlen sich ihre Professoren und Doktoranden in Forschung und Lehre verpflichtet. Mit der Schriftenreihe präsentiert die European Business School (EBS) ausgewählte Ergebnisse ihrer betriebs- und volkswirtschaftlichen Forschung.

Armin Müller

Anlageberatung bei Retailbanken Einfluss auf das Anlageverhalten und die Performance von Kundendepots

Mit einem Geleitwort von Prof. Dr. Andreas Hackethal

GABLER EDITION WISSENSCHAFT

Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über abrufbar.

Dissertation European Business School Oestrich-Winkel, 2007 D 1540

1. Auflage 2008 Alle Rechte vorbehalten © Gabler | GWV Fachverlage GmbH, Wiesbaden 2008 Lektorat: Frauke Schindler / Britta Göhrisch-Radmacher Gabler ist Teil der Fachverlagsgruppe Springer Science+Business Media. www.gabler.de Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Verarbeitung in elektronischen Systemen. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften. Umschlaggestaltung: Regine Zimmer, Dipl.-Designerin, Frankfurt/Main Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier Printed in Germany ISBN 978-3-8349-0917-6

Für meine Frau Claudia und meine Eltern

VII

Geleitwort Die Bedeutung der privaten Altersvorsorge nimmt in fast allen entwickelten Volkswirtschaften stetig zu, und damit auch die Bedeutung privater Anlageentscheidungen. So ist es auch nicht verwunderlich, dass das Anlageverhalten von Privathaushalten vermehrt in den Fokus der internationalen Finance-Forschung rückt. Spätestens seit der ÄPresidential Address³ von John Y. Campbell an die Mitglieder American Finance Association aus dem Jahr 2006, die den Titel ÄHousehold Finance³ trug, wenden sich mehr und mehr Forscher der Analyse von Handelsstrategien und Vermögensstrukturen von Privathaushalten zu. Die meisten Arbeiten sind empirischer Natur und verwenden Datensätze von Online-Brokern. Ein Aspekt des Anlageverhaltens von Haushalten wurde in den bisherigen Studien jedoch kaum untersucht, und das ist die Rolle professioneller Anlageberater bei der Entscheidungsunterstützung. Dabei liegt die Vermutung sehr nahe, dass das zu beobachtende Anlageverhalten vieler Haushalte maßgeblich durch Banken und unabhängige Finanzberater beeinflusst wird und dass die Qualität der Beratung nicht einheitlich hoch ist. Tatsächlich setzt die ÄMarkets in Financial Instruments Directive³ (kurz MiFID), die Ende 2007 in Deutschland und weiteren EU-Ländern in Kraft trat und für mehr Wettbewerb und Anlegerschutz sorgen will, insbesondere bei der Anlageberatung durch Finanzdienstleister an. Aktuell herrscht weder in der Praxis noch in der Forschung ein Konsens darüber, welchen Einfluss und Wert die verschiedenen anzutreffenden Formen der Anlageberatung aus Kundensicht haben und wie sich der Einfluss über regulatorische Vorgaben verbessern ließe. Es besteht also ein großer Bedarf nach ersten empirischen Anhaltspunkten zum Einfluss der Anlageberatung auf das Verhalten von Privatinvestoren. Herr Müller hat sich zu Beginn seiner Promotionszeit erfolgreich der Herausforderung angenommen, einen führenden Finanzdienstleister für das Thema zu begeistern und ihn davon zu überzeugen, Kundendaten zur Verfügung zu stellen. Herr Müller verrichtete auch die nachfolgende, aufwändige Arbeit der Datenaufbereitung mit viel Geduld und Bravour und wurde schließlich mit einem einzigartigen Datensatz belohnt, wie ihn wohl bis dato kaum ein zweites Forscherteam auf der Welt besitzt.

VIII Schon die Betrachtung der schön aufbereiteten deskriptiven Statistiken lohnt daher die Lektüre für den am Thema interessierten Leser. Weitere spannende Einsichten ergeben sich aus der ökonometrischen Analyse des Beratungseinflusses auf Transaktionsverhalten und Portfoliostruktur. Das Hauptergebnis der Arbeit, dass nämlich der untersuchte Typus von Finanzberatung zumindest im Durchschnitt keinen eindeutig positiven Kundenwert schafft, ruft nach weiterer Forschung auf dem Gebiet der Anlageberatung und kann als Appell an Finanzdienstleister verstanden werden, Beratungsprozesse und Anreizsysteme auf Kompatibilität mit langfristigen Kundenbedürfnissen hin auf den Prüfstand zu stellen. Die vorliegende Arbeit leistet einen wichtigen Beitrag zur wissenschaftlichen und anwendungsorientierten Literatur und wird sicher viele interessante Arbeiten nach sich ziehen. Herrn Müller gebührt große Anerkennung für seine Pionierleistung auf dem Gebiet der Household Finance.

Frankfurt am Main, 01.11.2007 Prof. Dr. Andreas Hackethal

IX

Inhaltsverzeichnis

Abbildungsverzeichnis .................................................................................................XIII Tabellenverzeichnis .......................................................................................................XV Abkürzungsverzeichnis .............................................................................................. XVII Symbolverzeichnis .......................................................................................................XIX 1 Einleitung......................................................................................................................1 1.1 Einführung .............................................................................................................1 1.2 Ziele der Untersuchung..........................................................................................2 1.3 Aufbau der Arbeit ..................................................................................................4 2 Die Anlageberatung ......................................................................................................6 2.1 Anlageberatung: Marktpotenzial und Konkurrenz ................................................6 2.2 Definition und Existenz der Anlageberatung.......................................................10 2.3 Beratungsprozess und rechtliche Anforderungen ................................................12 2.4 Gründe für die Inanspruchnahme der Anlageberatung........................................14 2.5 Varianten der Beratung........................................................................................17 2.6 Kurze Zusammenfassung.....................................................................................19 3 Theoretische Grundlagen und empirische Befunde....................................................20 3.1 Portfolio- und kapitalmarkttheoretische Grundlagen zur Performancemessung...........................................................................................20 3.1.1 Die Portfoliotheorie....................................................................................21 3.1.1.1 Optimale Portfolioauswahl ...........................................................21 3.1.1.2 Effizientes Portfolio mit der Möglichkeit der Geldanlage oder Kreditaufnahme....................................................................26 3.1.1.3 Kritische Würdigung der Portfoliotheorie ....................................27 3.1.2 Bewertung anhand des CAPM ...................................................................28 3.1.2.1 Die Ableitung des Capital Asset Pricing Model ...........................28 3.1.2.2 Empirische Validierung des CAPM und adaptierte Modelle........31 3.2 Bisherige Befunde und hieraus abgeleitete Fragestellungen ...............................34 3.2.1 Determinanten der Portfolioperformance...................................................36 3.2.1.1 Arten von Transaktionskosten bei der Anlageberatung................36 3.2.1.1.1 Die unmittelbar und die mittelbar messbaren Transaktionskosten .......................................................38

X 3.2.1.1.2 Die Höhe der periodisierten Transaktionskosten ..........39 3.2.1.2 Der Einfluss von Anlagestrategie und Asset Allocation...............40 3.2.1.2.1 Die Expertise der Institutionellen .................................41 3.2.1.2.2 Einblicke in die Attributionsanalyse .............................42 3.2.1.2.3 Die optimale Asset Allocation unter dem Aspekt der Dynamik..................................................................44 3.2.1.3 Erkenntnisse zur naiven und internationalen Diversifikation .......45 3.2.1.3.1 Die Wechselwirkung zwischen naiver Diversifikation und Portfolioperformance ...................48 3.2.1.3.2 Die Wechselwirkung zwischen internationaler Diversifikation und Portfolioperformance ...................49 3.2.2 Der Einfluss von Anlageempfehlungen durch Experten............................51 3.2.2.1 Analystenempfehlungen und Kursprognosen ...............................52 3.2.2.2 Börsenbrief und Online-Portal ......................................................54 3.2.2.3 Rendite und Performance von Privatkundenportfolios.................55 3.2.3 Fragestellungen ..........................................................................................57 4 Methodik.....................................................................................................................58 4.1 Methodische Grundlagen zur Renditemessung ...................................................58 4.1.1 Allgemeine Verfahren zur Ermittlung der Anlegerrendite ........................58 4.1.1.1 Einfache Rendite ...........................................................................58 4.1.1.2 Geldgewichtete Rendite ................................................................60 4.1.1.3 Zeitgewichtete Rendite .................................................................63 4.1.1.4 Vergleich zwischen geld- und zeitgewichteter Rendite................64 4.1.1.5 Stetige Rendite ..............................................................................67 4.1.2 Bereinigung von Ertrags- und Kostengrößen.............................................67 4.1.2.1 Ertrags- und Kostenbereinigung im Sinne der Standards .............69 4.1.2.2 Ertrags- und Kostenbereinigung gemäß der Theorie ....................70 4.1.3 Inputdaten und Berechnungsmethoden gemäß GIPS und DVFA..............71 4.1.3.1 Datenanforderung gemäß GIPS und DVFA .................................72 4.1.3.2 Methodikhinweis aus GIPS und DVFA........................................73 4.1.4 Einsatz von hybriden Verfahren zur Ermittlung der Anlegerrendite .........74 4.1.4.1 Modifizierte Dietz-Verknüpfung ..................................................74 4.1.4.2 Verknüpfung mittels BAI-Periodenrenditen .................................75 4.1.5 Zusammenfassung der Ergebnisse zum Thema Anlegerrendite ................75 4.2 Methodische Grundlagen zur Risiko- und Performancemessung .......................76 4.2.1 Diversifikations- und Risikomaß ...............................................................77

XI 4.2.1.1 Herfindahl-Hirschman-Index ........................................................77 4.2.1.2 Idiosynkratisches Risiko ...............................................................79 4.2.1.3 Lower Partial Moments 1. und 2. Ordnung ..................................80 4.2.2 Relatives und absolutes Performancemaß..................................................82 4.2.2.1 Sharpe Ratio..................................................................................82 4.2.2.2 Jensens Alpha................................................................................83 4.2.3 Zusammenfassung......................................................................................85 5 Messmethodik Beratungsintensität und Kundenportfoliorendite ...............................86 5.1 Operationalisierung der Beratungsintensität........................................................86 5.2 Experteninterviews zur Messung von Beratungsintensität..................................88 5.3 Operationalisierung der Kundenportfoliorendite.................................................88 5.3.1 Lösungen zur Umsetzung der GIPS-Anforderungen .................................90 5.3.2 Die formale Darstellung der Berechnung der Kundenportfoliorendite......91 5.4 Zusammenfassende Würdigung...........................................................................93 6 Die Stichprobe ............................................................................................................94 6.1 Überblick und Anmerkungen zur Datenbasis......................................................95 6.1.1 Soziodemografische, -ökonomische und -psychologische Daten ..............97 6.1.2 Zur Repräsentativität der sozioökonomischen und soziodemografischen Daten .......................................................................99 6.1.3 Depot-, Leistungs-, Transaktions- und Depotzusatzdaten .......................102 6.1.4 Zur Repräsentativität der Asset Allocation ..............................................103 6.2 Weitere Anmerkungen zur Datenbasis ..............................................................106 6.2.1 Nicht auswertbare Variablen ....................................................................106 6.2.2 Kritische Würdigung der Datenbasis .......................................................106 7 Empirische Analyse: Deskriptive Statistik und Einflüsse der Anlageberatung auf die Portfoliodeterminanten .......................................................................................110 7.1 Deskriptive Statistik...........................................................................................110 7.1.1 Portfoliocharakteristika ............................................................................110 7.1.2 Anlegertypus ............................................................................................114 7.2 Empirische Analyse I: Einfluss der Anlageberatung auf die Kostendeterminante / Transaktionskosten.........................................................119 7.3 Empirische Analyse II: Einfluss der Anlageberatung auf die Ertragsdeterminante / Asset Allocation.............................................................127 7.3.1 Deskriptive Analysen zur Asset Allocation .............................................129 7.3.2 Deskriptiver Clustervergleich zur Asset Allocation.................................134

XII 7.3.3 Die erklärenden Variablen zur Asset Allocation und eine kurze Zusammenfassung....................................................................................138 7.4 Empirische Analyse III: Einfluss der Anlageberatung auf die Risikodeterminante / Diversifikation.................................................................141 7.4.1 Clustervergleich: HHI und internationale Diversifikation .......................145 7.4.2 Clustervergleich: Standardabweichung und idiosynkratisches Risiko.....148 7.4.3 Clustervergleich: Lower Partial Moment (LPM 1 und LPM 2)...............154 7.4.4 Kurze Zusammenfassung .........................................................................157 7.5 Fazit zu den Portfoliodeterminanten..................................................................157 8 Vereinfachter Rendite- und risikoadjustierter Renditevergleich ..............................159 8.1 Die Renditen bei Äberatenen³ und Änicht beratenen³ Kundenportfolios...........159 8.1.1 Gegenüberstellung der logarithmierten Brutto- und Nettorendite ...........160 8.1.2 Wertbeitrag einer standardisierten Anlageberatung und kritische Würdigung................................................................................................166 8.2 Vergleiche der risikoadjustierten Rendite zwischen den Äberatenen³ und Änicht beratenen³ Kundenportfolios..................................................................170 8.2.1 Clustervergleich: Sharpe Ratio.................................................................170 8.2.2 Clustervergleich: Jensens Alpha ..............................................................174 8.2.3 Zusammenfassung....................................................................................178 9 Implikationen für weitere Forschungsvorhaben .......................................................179 9.1 Inhaltliche Implikationen...................................................................................179 9.2 Methodische Implikationen ...............................................................................180 10 Zusammenfassung ....................................................................................................182 11 Anhang......................................................................................................................185 Literaturverzeichnis .......................................................................................................229

XIII

Abbildungsverzeichnis Abbildung 2.1: Abbildung 2.2: Abbildung 2.3: Abbildung 3.1: Abbildung 3.2:

Generischer Prozess der Anlageberatung .............................................13 Gründe für die Inanspruchnahme einer Anlageberatung ......................15 Varianten der Anlageberatung ..............................................................18 ȝ/ı-Kombinationen bei Mischung von mehreren Wertpapieren ..........22 Fiktive Zerlegung des Optimierungsproblems der effizienten Portfolios...............................................................................................25 Abbildung 3.3: Abbildung des individuellen, optimalen Portfolios ..............................25 Abbildung 3.4: Definition des optimalen Portfolios mittels Tobin-Separation .............27 Abbildung 3.5: Theoretisch optimale und empfohlene Portfolios .................................41 Abbildung 3.6: Zusammenhang zwischen Anlageberatung, Portfoliorenditedeterminanten sowie Portfoliorendite und performance ..........................................................................................51 Abbildung 4.1: Auszugsweise Gegenüberstellung zur Datenanforderung: GIPS und DVFA-PPS.....................................................................................72 Abbildung 4.2: Auszugsweise Gegenüberstellung zur Berechnungsmethodik: GIPS und DVFA ...................................................................................73 Abbildung 5.1: Methodik zur Berechnung der Beratungsintensität...............................86 Abbildung 6.1: Lösungsweg zur Forschungsfrage ± vereinfachte Darstellung .............94 Abbildung 6.2: Aufteilung der Kundenanzahl im Hauptsample....................................96 Abbildung 6.3: Geschlechterverteilung nach Alter ± in 2003........................................99 Abbildung 6.4: Monatliches Haushaltsnettoeinkommen nach Alter ± wirtschaftlich Unselbständige .............................................................100 Abbildung 6.5: Berufsgruppenverteilung in der Stichprobe ± Anteile ........................100 Abbildung 6.6: Berufsgruppenallokation ± Projektion des Hauptsamples auf die Grundgesamtheit .................................................................................101 Abbildung 6.7: Asset-Allocation-Vergleich ± Sample versus Zielpopulation.............104 Abbildung 6.8: DAX-Entwicklung von Januar 2003 bis Oktober 2005 ......................108 Abbildung 7.1: Assetklassenanteile nach Risikoeinstellung ± (BI-Trennung 0) .........133 Abbildung 7.2: Musterallokation bei schwach konservativer Anlagestrategie: Assetklassenanteile .............................................................................136 Abbildung 7.3: Vergleich der monatlichen Wertentwicklungen: DAX versus DIMAX ...............................................................................................137 Abbildung 7.4: Histogramm zum Herfindahl-Hirschman-Index .................................142 Abbildung 7.5: Relative HHI-Verteilung nach beratenen und nicht beratenen Kunden ± BI-Einteilung = 0...............................................................145 Abbildung 8.1: Wertbeitrag der Anlageberatung: Erklärung der Renditedifferenzen ± logarithmierte Gesamtnettorendite (33 Monate Laufzeit ± in %) .....................................................................168 Abbildung 11.1: Test von Homoskedastizität und normalverteilten Residuen (Depotvolumen) ..................................................................................188 Abbildung 11.2: Test zu normalverteilten Residuen (Kosten pro normierte Transaktion) ........................................................................................194 Abbildung 11.3: Assetklassenanteile nach Depotvolumen ± 1. bis 4. Quartil (BITrennung 0).........................................................................................197 Abbildung 11.4: Internationale Asset Allocation vom MSCI Global Capital Market Index .......................................................................................205

XIV Abbildung 11.5:Assetklassenanteile bei den beratenen und nicht beratenen Kunden ................................................................................................206 Abbildung 11.6: Test zu normalverteilten Residuen (Ln(HHI)) ...................................207 Abbildung 11.7:Annualisierte Standardabweichung der Portfolioüberschussrendite und Beta der Kundenportfolios (Grundlage: Panel G) ..........................................................................210 Abbildung 11.8:Idiosynkratischer Varianzanteil in Abhängigkeit von der annualisierten Standardabweichung der Portfolioüberschussrendite (Grundlage: Panel G) ..............................211 Abbildung 11.9:Die Sharpe Ratio in Abhängigkeit von der Beratungsintensität ± Sharpe Ratio >= 0 ± Jahresbasis .........................................................225

XV

Tabellenverzeichnis Tabelle 2-1: Tabelle 2-2: Tabelle 3-1: Tabelle 4-1: Tabelle 4-2: Tabelle 5-1: Tabelle 6-1: Tabelle 7-1: Tabelle 7-2: Tabelle 7-3: Tabelle 7-4: Tabelle 7-5: Tabelle 7-6: Tabelle 7-7: Tabelle 7-8: Tabelle 7-9: Tabelle 7-10: Tabelle 7-11: Tabelle 7-12: Tabelle 7-13: Tabelle 7-14: Tabelle 7-15: Tabelle 7-16: Tabelle 8-1: Tabelle 8-2: Tabelle 8-3: Tabelle 8-4: Tabelle 8-5: Tabelle 8-6:

Die Geldvermögensentwicklung der deutschen privaten Haushalte.................................................................................................6 Übersicht zum Bestand an Kreditinstituten und Zweigstellen (Stand: Ende 2005)..................................................................................9 Auszugsweise Darstellung zu Transaktionskostendefinitionen ............38 Beispielhafte Kontostaffel mit einem Kapitalzufluss als Mittelbewegung ± höhere Rendite in der ersten Teilperiode ................65 Beispielhafte Kontostaffel mit einem Kapitalzufluss als Mittelbewegung ± höhere Rendite in der zweiten Teilperiode .............66 Vereinfachte Kauf- und Verkaufsabrechnung ......................................92 Struktur der Depot-, Leistungs-, Transaktions- und Depotzusatzdaten ................................................................................103 Deskriptive Statistik zu Depotvolumen, Transaktionen und Umschlagshäufigkeit...........................................................................111 Vergleich der Anlegertypen anhand von verschiedenen Stimuli ± beratene Kunden und nicht beratene Kunden .....................................116 Probit-Analyse: Welcher Anlegertyp nimmt eine Beratung wahr? ....118 Deskriptive Übersicht: Transaktionskosten pro Monat in Abhängigkeit von der Anlageberatung ± I / II ....................................121 Panelregression (Random Effects) ± Transaktionskosten pro Monat ..................................................................................................124 OLS (Multiple Regression): Kosten pro normierter Transaktion .......125 OLS (Multiple Regression): Kosten pro normierter Transaktion; zweites Sample....................................................................................127 Deskriptive Übersicht: Asset Allocation nach Depotvolumen (BITrennung 0).........................................................................................130 Deskriptive Übersicht: Asset Allocation nach Alter (BITrennung 0).........................................................................................132 OLS (Multiple Regression): Einzelaktien- und Aktienfondsanteil.....139 Inländischer Wertpapieranteil je Assetklasse .....................................143 OLS (Multiple Regression): Ln(Herfindahl-Hirshman-Index)...........147 Übersicht zum Portfoliorisiko ± Jahresbasis .......................................150 OLS (Multiple Regression): Stimuli der Standardabweichung ..........153 Panelvergleich: LPM 1 und LPM 2 - Monatsbasis .............................154 OLS (Multiple Regression): Stimuli zu Ln(Lower Partial Moments 1) .........................................................................................156 Deskriptive Übersicht: Logarithmierte Bruttorendite pro Monat (BI-Trennung bei 0) ............................................................................161 Panelregression (Random Effects) ± Stimuli zu Ln (Monatsbruttorendite) ....................................................................164 Panelvergleich: Sharpe Ratio >= 0 ± Jahresbasis................................172 OLS (Multiple Regression): Stimuli zur Sharpe Ratio >= 0 ± Jahresbasis...........................................................................................173 Jensens Alpha in Abhängigkeit von der Beratungsintensität ± Monatsbasis.........................................................................................175 Panelregression (Random Effects) ± Stimuli zu Jensens Alpha ± Monatsbasis.........................................................................................177

XVI Tabelle 11-1: Tabelle 11-2: Tabelle 11-3: Tabelle 11-4: Tabelle 11-5: Tabelle 11-6: Tabelle 11-7: Tabelle 11-8: Tabelle 11-9: Tabelle 11-10: Tabelle 11-11: Tabelle 11-12: Tabelle 11-13: Tabelle 11-14: Tabelle 11-15: Tabelle 11-16: Tabelle 11-17: Tabelle 11-18: Tabelle 11-19: Tabelle 11-20: Tabelle 11-21: Tabelle 11-22: Tabelle 11-23: Tabelle 11-24:

OLS (Multiple Regression): Erklärende Variablen zum Depotvolumen .....................................................................................187 Deskriptive Übersicht: Transaktionskosten in Abhängigkeit von der Anlageberatung ± II / II.................................................................190 Panelregression (Random Effects) ± Anzahl Transaktionen pro Monat ..................................................................................................191 OLS (Multiple Regression ± erweitert): Gesamttransaktionskosten für 33 Monate ± Untersuchung BI > 0 .....192 OLS (Multiple Regression ± erweitert): Gesamttransaktionskosten für 33 Monate ± Untersuchung BI >= 0,5........................................................................................................193 Deskriptive Übersicht: Asset Allocation nach Depotvolumen (BITrennung 0,5)......................................................................................196 Deskriptive Übersicht: Asset Allocation nach Alter (BI-Trennung 0,5) ......................................................................................................198 Deskriptive Übersicht: Asset Allocation nach Anlagestrategie (BI-Trennung 0) ..................................................................................199 OLS (Multiple Regression): Die restlichen Assetklassen...................201 OLS (Multiple Regression): Einzelaktien- und Aktienfondsanteil, zweites Sample....................................................................................202 OLS (Multiple Regression): Die restlichen Assetklassen, zweites Sample.................................................................................................203 OLS (Multiple Regression): Ln(Herfindahl-Hirshman-Index), zweites Sample....................................................................................208 OLS (Multiple Regression): Inlandsanteil aller Assetklassen ............209 Panelvergleich: LPM 1 und LPM 2 ± Mindestzinssatz Euribor .........212 Panelvergleich: LPM 1 und LPM 2; zweites Panel ............................213 Deskriptive Übersicht: Logarithmierte Nettorendite pro Monat ± (BI-Trennung bei 0) ............................................................................215 Deskriptive Übersicht: Logarithmierte Bruttorendite pro Monat ± (BI-Trennung bei 0,5) .........................................................................216 Deskriptive Übersicht: Logarithmierte Nettorendite pro Monat ± (BI-Trennung bei 0,5) .........................................................................217 Panelregression (Random Effects) ± Stimuli zu Ln(Monatsnettorendite) ......................................................................218 Panelregression (Random Effects) ± Stimuli zu Ln (Monatsnettorendite); 2. Sample ...................................................219 Übersicht zum Wertbeitrag der Anlageberatung ± grobe Attributionsanalyse .............................................................................220 Panelvergleich: Sharpe Ratio >= 0 - Jahresbasis ................................224 OLS (Multiple Regression): Sharpe Ratio >= 0 ± Jahresbasis; 2. Sample.................................................................................................226 Panelregression (Random Effects) ± Jensens Alpha ± Monatsbasis; 2. Sample.......................................................................227

XVII

Abkürzungsverzeichnis ACWI

All Country World Index

AIMR

Association for Investment Management and Research

APT

Arbitrage Pricing Theory

AWD

Allgemeiner Wirtschaftsdienst

BaFin

Bundesanstalt für Finanzdienstleistungsaufsicht

BAI

Bank Administration Institute

BI

Beratungsintensität; Stärke der Inanspruchnahme einer Anlageberatung

BörsG

Börsengesetz

BVI

Bundesverband Investment und Asset Management e. V.

bzw.

beziehungsweise

CAPM

Capital Asset Pricing Model

CFA

Chartered Financial Analyst

CPD

Conto pro Diverse

DAX

Deutscher Aktienindex

DSGV

Deutscher Sparkassen- und Giroverband e. V.

DVAG

Deutsche Vermögensberatung AG

DVFA

Deutsche Vereinigung für Finanzanalyse und Asset Management GmbH

et al.

et alii

EVS

Einkommens- und Verbrauchsstichprobe

ff.

folgende [Seiten]

GAMSC

German Asset Management Standards Committee

GIPS®

Global Investment Performance Standards

HHI

Herfindahl-Hirschman-Index

i. e. S.

im engeren Sinn

i. w. S.

im weiteren Sinn

IAPM

International Asset Pricing Model

Ibid.

Ibidem

ICAPM

Intertemporal Capital Asset Pricing Model

LPM

Lower Partial Moment

MLP

Marschollek, Lautenschläger und Partner AG

MSCI

Morgan Stanley Capital International Inc.

XVIII MVO

Mean Variance Optimizer

OLS

Ordinary Least Square

p. a.

per anno

PPS

Performance Presentation Standards

SR

Sharpe Ratio

TSPM

Time State Preference Model

u. a.

unter anderem

vgl.

vergleiche

WpHG

Wertpapierhandelsgesetz

z. B.

zum Beispiel

XIX

Symbolverzeichnis

¼

Euro

ai

Portfolioanteil der Assetklasse i

A t 1

t

o

Summe der (Depot)-Marktwerte aller innerhalb des Zeitraums von t-1 bis t abgegangenen Wertpapiere

B

Anfangswert des Portfolios; Gentry / Pike (1969)

Ci

i-ter Kapitalzufluss (positives Vorzeichen) oder Kapitalabfluss (negatives Vorzeichen)

CS

Summe aller linear-zeitgewichteten Kapitalbewegungen

Ct

Kapitalzufluss (positives Vorzeichen) oder Kapitalabfluss (negatives Vorzeichen) in Periode t

D

Gesamtdividendenzahlungen; Gentry / Pike (1969)

E

Endwert des Portfolios; Gentry / Pike (1969)

( U

Vektor der erwarteten Renditen der einzelnen Wertpapiere; Ingersoll (1987)

E(ri)

Erwartete Rendite eines Wertpapiers

( U

Erwartete Rendite des Tangentialportfolios; Ingersoll (1987)

E t 1

Summe der innerhalb des Zeitraums von t-1 bis t angefallenen Erträge

W

o

t

ik

Rendite nach der k-ten Approximation; Gentry / Pike (1969)

K Kt 1

o

t

K Vt 1

o

t

K VV t 1

o

t

Summe der innerhalb des Zeitraums von t-1 bis t angefallenen Kaufkosten Summe der innerhalb des Zeitraums von t-1 bis t angefallenen Verkaufskosten Summe der innerhalb des Zeitraums von t-1 bis t angefallenen Verwahrungs- und Verwaltungsgebühren

NAVt

Standardisierter Portfolioinventarwert zum Zeitpunkt t (Net-Asset-Value)

P

Gesamtvolumen an Käufen; Gentry / Pike (1969)

rBAI

Portfoliorendite gemäß modifizierter BAI-Methode

XX

rf

Rendite einer sicheren Anlage- oder Verschuldungsmöglichkeit; feste Verzinsung (fixed return)

s rmin, t

Mindestrendite zum Zeitpunkt t (target return) - stetig

rmd

Portfoliorendite gemäß modifizierter Dietz-Methode (modified Dietz)

rmw

Geldgewichtete Portfoliorendite (money-weighted)

rNAV

Portfoliorendite gemäß Anteilswertmethode

rP

Durchschnittliche Rendite des Portfolios P

rPt

Diskrete Rendite des Portfolios P für den Zeitraum von t-1 bis t

rPts

Stetige Rendite des Portfolios P für den Zeitraum von t-1 bis t

rsd

Portfoliorendite gemäß einfacher Dietz-Methode (simple Dietz)

rtw

Zeitgewichtete Portfoliorendite (time-weighted)

S

Gesamtvolumen an Verkäufen; Gentry / Pike (1969)

T

Anlagezeitraum; Endzeitpunkt

VPi

Marktwert des Portfolios P unmittelbar vor der nächsten Mittelbewegung i

VPt

Marktwert des Portfolios P zum Zeitpunkt t; Monatsultimobestandswert des Depots im Rahmen der empirischen Analyse

VPt 1

Marktwert des Portfolios P zum Zeitpunkt t-1; Vormonatsultimobestandswert des Depots im Rahmen der empirischen Analysen

VPT

Marktwert des Portfolios P zum Ende der Betrachtungsperiode T

Z

Vektor der relativen Gewichtung der Wertpapieranteile im Portfolio; Ingersoll (1987)

Z t 1

o

t

Summe der (Depot)-Marktwerte aller innerhalb des Zeitraums von t-1 bis t zugegangenen Wertpapiere

ː

Varianz-Kovarianz-Matrix der Renditen der einzelnen Wertpapiere; Ingersoll (1987)

˩

Erwartete Portfoliorendite; Ingersoll (1987), Jensen (1968)

XXI ˰W

Kovarianzvektor des Tangentialportfolios; Ingersoll (1987)

V i2, kdnr

Quadratische, idiosynkratische Risiko eines Kundenportfolios

V 2kdnr

Varianz der Kundenportfolioüberschussrendite

V 2Benchmark Varianz der Index-Überschussrendite (Beispiel: DAX) ˟P

Kennzahl für das im Marktzusammenhang mit einer Investition übernommene systematische Risiko als Teil des Gesamtrisikos; Betafaktor

E 2kdnr

Quadrierter Betafaktor der Kundenportfolioüberschussrendite

~ K

unsystematisches Risiko

1

jt

Einheitsvektor; Ingersoll (1987)

1

1

Einleitung

ÄRetail brokerage firms also provide stock selection advice to their clients. If this advice is valuable and if investors attend to it, it is plausible that individual investors at these firms earn both better gross returns and net returns. We would welcome the opportunity to test this hypothesis directly by obtaining a data set similar to that employed in our study from retail brokerage firm³.1

1.1 Einführung Nicht nur die aktuell sehr erfolgreichen Finance-Wissenschaftler Brad Barber und Terrance Odean stellen sich die Frage, welchen Einfluss und welche Qualität die Empfehlungen von Anlageberatern2 von Retailbanken haben. Millionen von Privatanlegern werden nach der langanhaltenden, desillusionierenden Abwärtsbewegung der Aktienmärkte in den Jahren von 2000 bis 2002 ähnliche Überlegungen angestellt oder gegebenenfalls ihr eigenes Agieren an den Kapitalmärkten angezweifelt haben. Faktum ist, dass die Kunden auch gemäß aktuellen Studien mit der Bankberatung im Allgemeinen, allerdings auch mit der Anlageberatung im Speziellen, nicht zufrieden sind.3 Interessant ist, dass vor allem die deutschen Banken ein sehr negatives Urteil erhalten.4 Es mangele an Serviceorientierung und bei der Durchführung der Beratung fehle es an Anlegerbezug. Die Qualität von Expertenwissen und dessen Wechselwirkung mit der Portfoliorendite sind bereits mehrfach empirisch analysiert worden. Jedoch ist es bisher nicht gelungen, die Auswirkungen einer standardisierten Anlageberatung auf die Kosten-, Ertrags- und Risikodeterminante eines Anlegerportfolios sowie der Anlageperformance zu bestimmen und dies, obwohl täglich millionenfach Anlageentscheidungen mit Hilfe von Anlageberatern getroffen werden.

1

Vgl. Barber / Odean (2000a), S. 776-777.

2

Aus Vereinfachungsgründen und zur besseren Lesbarkeit unterbleiben in dieser Arbeit geschlechtsspezifische Unterscheidungen. Der Leser möge die verwendete Form als geschlechtsneutral werten.

3

Siehe hierzu: DAB_bank (2004), S. 40 und KPMG_International (2005), S. 24.

4

Siehe hierzu: KPMG_International (2005), S. 24.

2 Barber et al. (2001) und Barber et al. (2003b) gelangen nach der Analyse von 4.340 Analystenempfehlungen zu der Erkenntnis, dass sich Expertenwissen durchaus rentieren kann. Gegenteiliges dokumentieren allerdings De Bondt / Thaler (1990) sowie Cahart (1997). De Bondt / Thaler (1990) zeigen auf, dass Analysten sowie private Investoren zur Überreaktion am Aktienmarkt neigen. Auch Cahart (1997) findet keinen Beweis dafür, dass Wertpapieranalysten sowie Fondsmanager spezifisches Wissen oder Informationen durchgängig vorteilhaft einzusetzen vermögen. Copeland / Mayers (1982) und Lewis et al. (1997) ermitteln wiederum, dass sich die Umsetzung der Empfehlungen des Online-Portals ÄValue Line³ überdurchschnittlich im Verhältnis zu der zugrunde liegenden Benchmark rentiert. Welchen Einfluss allerdings eine standardisierte Anlageberatung hat, verbleibt bisher unbeantwortet. Wie sind letztlich die Unterschiede erklärbar zwischen den Portfolios der Investoren, die sich beraten lassen, zu denen, welche lieber vollkommen eigenverantwortlich agieren (auch self-directed genannt)? Folgerichtig leitet sich aus dieser Fragestellung und den vorhergehenden Anmerkungen das Hauptinteresse dieser Arbeit ab. Die für den Untersuchungszweck relevanten Daten stellt ein großer deutscher Finanzdienstleister des Retailbanking zur Verfügung.

1.2 Ziele der Untersuchung Resultierend aus den Erkenntnissen des vorangegangenen Abschnitts ergeben sich für die Arbeit inhaltliche und methodische Ziele. Das Hauptaugenmerk der empirischen Untersuchung ist, einem privaten Anleger zu vergegenwärtigen, was für positive und negative Auswirkungen die Inanspruchnahme einer standardisierten Anlageberatung aller Voraussicht nach haben wird oder auch, welche Vor- oder Nachteile das eigenverantwortliche Handeln am Geld- und Kapitalmarkt haben kann. Im Rahmen dessen wird angenommen, dass die zur Verfügung gestellten Datensamples mit 12.000 beziehungsweise 10.050 Kundendatensätzen eine hinreichend große Datenmenge aufweisen, um Repräsentativitätsschlüsse zur Grundgesamtheit ziehen zu können. Um den Ergebnissen der Analyse eine hohe Validität beimessen zu können, werden neben verschiedenen statistischen Tests zusätzlich die Ausprägungen der für die

3 Untersuchung relevanten Variablen mit denen der entsprechenden Grundgesamtheit verglichen.5 Weiterhin wird unterstellt, dass die meisten der empirisch gewonnenen Aussagen auch für einen unbestimmten Zeitraum in der Zukunft gelten.6 Die inhaltlichen Ziele der Untersuchung sind: 1. die Charakteristika der verschiedenen Anlegertypen festzustellen und die gewonnenen Einsichten für die weiteren Analysen zu verwenden, 2. den Zusammenhang zwischen der Inanspruchnahme einer standardisierten Anlageberatung und den dabei entstehenden Transaktionskosten zu evaluieren, 3. die Wechselwirkung zwischen der Beratung und der Anlagestrategie / Asset Allocation sowie Portfoliodiversifikation / Portfoliorisiko zu bestimmen und 4. als Letztes ist der Versuch zu unternehmen, den Einfluss der Anlageberatung auf die Portfoliorendite beziehungsweise -performance zu determinieren. Im Rahmen der empirischen Analyse wird darauf Wert gelegt, dass alle signifikant erklärenden, relevanten Faktoren berücksichtigt werden. Das bedeutet, dass zum Beispiel in die Analyse zur gewählten Anlagestrategie auch soziodemografische oder sozioökonomische Kundendaten Eingang finden oder dass die Wertpapierkenntnisstufe einbezogen werden, um eine Selbstselektion, bezogen auf die nicht zufällige Zuordnung zu den Clustern beratene oder nicht beratene Kunden, ausschließen zu können. Insgesamt sollen die Ergebnisse einen Hinweis zur Vorteilhaftigkeit der Anlageberatung gewähren, zum einen aus Sicht des Kunden und zum anderen aus Sicht der Bank. Der Fokus der Arbeit liegt beim Kundennutzen. Gleichwohl wird erwartet, dass die Erkenntnisse auch Verbesserungsvorschläge für die Retailbanken implizieren. Die methodischen Ziele stellen die Grundlage für die empirische Analyse dar:

5

Siehe Kapitel 6.

6

Diese Aussage betrifft nur eingeschränkt die Wechselwirkungen zwischen der Anlageberatung und der Portfoliorendite beziehungsweise der -performance. Der Grund hierfür ist, dass sich der Untersuchungszeitraum im Vergleich zu Kapitalmarktanalyse nur über einen kurzen Zeitraum erstreckt (ca. 3 Jahre). Gleichwohl existieren zahlreiche themenverwandte wissenschaftliche Veröffentlichungen, die ebenfalls einen relativ eingeschränkten Zeitraum von 3 bis 7 Jahren aufweisen: Barber / Odean (2000a) (knapp 6 Jahre), Cowles (1933) (ca. 4,5 Jahre), Womack (1996) (knapp 3 Jahre).

4 1. Die Berechung der Portfoliorendite ist an den allgemein anerkannten Regeln auszurichten (Global Investment Performance Standards ± GIPS) und 2. es ist eine Regel zu definieren, die es erlaubt, eine Beratungsleistung messbar zu machen.

1.3 Aufbau der Arbeit Die Arbeit gliedert sich über die Einleitung hinaus in neun weitere Kapitel. Zunächst werden in den Kapiteln 2 und 3 die inhaltlichen Grundlagen für das Thema gelegt. Eingangs des Kapitels 2 wird anhand des Marktpotenzials und eines kurzen Überblicks zur Konkurrenzsituation die heutige und zukünftige Relevanz des Beratungsgeschäfts aufgezeigt. Im weiteren Verlauf des Kapitels 2 werden Definition, Prozess und Anforderungen der Anlageberatung erläutert. Zudem werden in Kürze die Gründe skizziert, die aus Kundensicht dafür sprechen, eine Anlageberatung in Anspruch zu nehmen. Das Kapitel 2 schließt mit der Darstellung von verschiedenen Varianten der Beratung. An die Darstellung des Untersuchungsgegenstands Anlageberatung schließen sich in Kapitel 3 die theoretischen Grundlagen und bisherigen empirischen Befunde an. Anfangs des Kapitels wird erörtert, wie man aus theoretischer Sicht (normativ) sein Geld anlegen sollte und wie die Grundlage zur Bewertung von Wertpapieren herzuleiten ist. Anschließend dient die Darlegung der bisherigen Befunde zur Ableitung der Kernfragestellungen dieser Arbeit. Da kein direkter Bezug zum Thema der standardisierten Anlageberatung anhand der bisherigen wissenschaftlichen Veröffentlichungen herzustellen ist, werden thematische eng verwandte Untersuchungen analysiert. Die Kapitel 4 und 5 markieren mit den methodischen Rahmenbedingungen einen Schwerpunkt der Arbeit. Durch die Portfoliorenditeberechnung, die in Kapitel 4 methodisch hergeleitet und in Kapitel 5 operationalisiert wird, werden elementare Voraussetzungen für die Untersuchungen bereitet. Die adäquate Berechnung der Portfoliorendite ist nicht nur für den Clustervergleich der beratenen und nicht beratenen Investoren von äußerster Relevanz, sie ist auch die Grundlage für die Ermittlung weiterer Risiko- und Performancekennzahlen, die im Rahmen der empirischen Analyse Anwendung finden. In Kapitel 4 werden zudem weitere zum Einsatz kommende Risiko- und Performancekennzahlen erläutert. In Kapitel 5 wird außerdem die Beratungsleistung operationalisiert.

5 In Kapitel 6 wird ausführlich die Stichprobe dargestellt und Vergleiche zur relevanten Grundgesamtheit gezogen. Die Kapitel 7 und 8 stellen die Kernauswertungen der Analyse dar. Zu Beginn wird in Kapitel 7 herausgearbeitet, was für Eigenschaften der typische beratene Investor im Vergleich zum nicht beratenen Kunden aufweist. Hiernach werden die Wechselwirkungen zwischen der Beratungsleistung und den Portfoliodeterminanten evaluiert. In Kapitel 8 wird der Versuch unternommen, Zusammenhänge zwischen der Anlageberatung und der Portfoliorendite beziehungsweise der -performance herzustellen. Die Arbeit schließt mit der Diskussion inhaltlicher und methodischer Implikationen und einer Zusammenfassung.

6

2

Die Anlageberatung

2.1 Anlageberatung: Marktpotenzial und Konkurrenz Trotz der starken Kurskorrekturen in den Jahren 2000, 2001 und 2002 ist der deutsche Aktienmarkt für alle Finanzdienstleister attraktiv. Ein Blick in die OECD-Statistiken verdeutlicht diese Aussage. Immerhin lag die durchschnittliche Zuwachsrate des Geldvermögens bei deutschen privaten Haushalten in den Jahren 1996 bis 2005 etwas unter 4 % p. a.7 Das Marktpotenzial wächst und begründet hiermit die Relevanz der Thematik rund um die Anlage- und Vermögensberatung ± siehe Tabelle 2-1. Tabelle 2-1:

Die Geldvermögensentwicklung der deutschen privaten Haushalte

Bestand am Jahresende in Mrd. EUR Geldanlage bei Banken - Kurzfristig - Langfristig Geldanlage bei Versicherungen Geldanlage in Wertpapieren - Festverzinsliche Wertpapiere - Aktien - Investmentzertifikate - Sonstige Beteiligungen Pensionsrückstellungen Insgesamt

2001

2002

2003

2004

2005

1262 957 305

1341 1041 300

1399 1111 288

1448 1156 292

1492 1205 288

914

959

1003

1052

1103

1318 351 343 436 188

1159 375 179 425 180

1286 406 237 464 179

1345 431 246 462 206

1421 411 283 516 211

203

214

224

233

243

3697

3673

3912

4078

4259

Quelle: http://www.bvi.de/de/statistikwelt/sonstige_statistiken/zeitreihen/geldvermoegen_priv_hh.html; Bundesverband Investment und Asset Management e. V. Erläuterung: Unter den privaten Haushalten werden auch private Organisationen ohne Erwerbszweck subsumiert. Die Geldanlage bei Banken umfasst Sichteinlagen, Termingelder, Spareinlagen, Sparbriefe und Weitere. Die Geldanlage bei Versicherungen umfasst Personenversicherungen (z. B. Lebens- und Rentenversicherungen), Pensionsfonds, Pensionskassen, berufsständische Versorgungswerke und Weitere.

7

Quelle: www.oecd.org. Das Geldvermögen der privaten Haushalte in Deutschland betrug am Jahresende 1996: 2,875 Billionen EUR, im Jahr 2005: 4,259 Billionen EUR. In den Jahren 1997-1999 stieg der DAX sogar im Durchschnitt um über 30 % pro Jahr.

7 Anhand der Tabelle 2-1 wird ersichtlich, dass vor allem die Investitionsbereiche Aktien und Investmentzertifikate, meist zum Zwecke des Vermögensaufbaus oder zur Altersvorsorge eingesetzt, in der jüngsten Vergangenheit die höchsten Steigerungsraten verbuchen konnten; in den Jahren 2002 bis 2005 nahm das Aktienvermögen um nicht ganz 60 % und das der Investmentzertifikate um etwas über 20 % zu. Insgesamt ist dies auch auf die Aktienmarkterholung zurückzuführen. Weiterhin erscheint das Umschichtungspotenzial der kurzfristigen Sparprodukte in Richtung provisionslastiger Wertpapiere relativ groß, da der sicher Ägeparkte³ kurzfristige Anteil der Geldanlage bei Banken im Jahre 2005 ca. 28 % des gesamten Geldvermögens ausmacht ± in Abhängigkeit von der durchschnittlichen Umschlagshäufigkeit im Bereich der Provisionsprodukte und den Zinsmargen der Sparprodukte. Rein theoretisch begünstigt die Fungibilität der Wertpapiere wie Aktien und Investmentzertifikate die Umschlagshäufigkeit im Vergleich zu Termingeldern oder Sparprodukten mit einer festen Laufzeitvereinbarung. Auch die Versicherungsprodukte haben als Baustein für die Altersvorsorge an Attraktivität gewonnen. Vor allem die neuen staatlichen Zuschüsse und Steuerentlastungen bei den Riester- und Rürup-Renten nutzen aktuell unabhängige Finanzdienstleister wie AWD, OVB, DVAG, MLP und weitere als zusätzlichen Vertriebsansatz.8 Bemerkenswert ist, dass diese Vertriebsinitiative ohne große anfängliche Kundenbasis und implementiertes Kunden-Data-Warehouse durchaus erfolgreich ist.9 Zudem haben die Direktbanken den Markt für Wertpapierdienstleistung für sich entdeckt. So zeigt die Studie von Oehler zu Mehrfachbankverbindungen, dass die Direktbanken hauptsächlich über die Nebenbankverbindungen der Privatkunden mit Hauptbankverbindung zu den Groß- oder Genossenschaftsbanken große Marktanteile hinzu-

8

Siehe Krah (2006), S. 17 und 19. Laut einer branchenübergreifenden Studie zu Wachstumsunternehmen ist AWD nach der Deutschen Börse AG auf dem zweiten Platz der Wachstumsperformance; siehe Bain_&_Company (2006).

9

Von Seiten der unabhängigen Finanzdienstleister verweist man hauptsächlich auf die starke Kundenorientierung und starke Vertriebsseite; Krah (2006), S. 18 und 19. Im ÄWorld Retail Banking Report 2005³ der Unternehmensberatung Capgemini wird allerdings hervorgehoben, wie wichtig die zugrunde liegende Kundendatenbasis für eine effektive Anlageberatung ist; siehe Capgemini_Consulting (2005), S. 21; siehe weiterhin: Boston_Consulting_Group (2004).

8 gewonnen haben.10 Dies liegt hauptsächlich an den weitreichenden Ausgestaltungsmöglichkeiten, die das Online-Banking beziehungsweise das Internet-Banking bieten.11 Dennoch bleibt die stationäre Anlageberatung die Hauptinformationsquelle der deutschen Anleger ± bei einer repräsentativen deutschlandweiten Umfrage gaben 80 % der Befragten die Beratung als wichtigstes und 29,9 % das Internet als zweitwichtigstes Medium an.12 Obwohl die Marktanteile durch die deutschen Banken, Sparkassen sowie die Direktbanken umkämpft sind, offenbart der Vergleich mit dem internationalen Ausland, dass sich die Bankstellendichte in Deutschland immer noch auf mittlerem Niveau befindet.13 So entfallen per Ende 2004: 1.731 Einwohner auf eine Bankstelle.14 In den Niederlanden sind es 3.952 und in den USA 2.357. Eine höhere Bankstellendichte weist z. B. Frankreich mit 1.554 Einwohnern pro Bankstelle auf. Im Jahre 2001 waren es in Deutschland sogar nur ca. 1.500 Einwohner pro Bankstelle. Ein internationaler Vergleich zu diesem Zeitpunkt wies darauf hin, dass Deutschland Äoverbanked³ oder Äoverbranched³ gewesen ist.15 Gemäß Hackethal / Schmidt (2005) ist ein Grund für das mangelnde Ausmaß an Konsolidierung der hohe Anteil öffentlich-rechtlicher Kreditinstitute ± siehe Tabelle 2-2. Diese Kreditinstitute konnten bisher nicht durch Privatbanken erworben werden.16

10

Siehe: Oehler (2003), S. 9, 10 und 17 ± die Kundenbefragungen beziehen sich auf das Jahr 1996 und 2002; siehe weiterhin: Oehler (2000).

11

Hierzu beispielhaft: Buhl et al. (2002), S. 2-3; Benkenstein et al. (2002), S. 672; Liao et al. (1999) und Zuber (2005).

12

Hierzu: DAB_bank (2004). Auch in den Vereinigten Staaten von Amerika hat der Anlageberater (ÄFinancial Adviser³) immer noch eine große Bedeutung. So zeigt eine Studie des Investment Company Institute und der Securities Industry Association im Jahre 2005, dass die Amerikaner ihre Aktienpositionen zum größten Teil über die Anlageberater gekauft haben. Dieses ist allerdings kein Hinweis darauf, ob sie eine direkte Beratung in Anspruch genommen haben beziehungsweise einer Wertpapierempfehlung gefolgt sind ± siehe hierzu: Investment_Company_Institute (2005), S. 29-31, weiterhin beispielhaft: Allen (2001); Allen / Santomero (2001); Capon et al. (1996).

13

Vgl. Deutsche_Bundesbank (2006), S. 11-12; Hackethal / Schmidt (2005), S. 2-5; Schmidt et al. (2002).

14

Diese Angabe ist ohne Berücksichtigung der Bankstellen der Deutschen Postbank AG. Werden die Bankstellen mit einbezogen, so kamen im Jahr 2005: 1.776 Einwohner aus einer Bankstelle ± siehe hierzu Deutsche_Bundesbank (2006), S. 11.

15

Hackethal / Schmidt (2005), S. 3.

16

Ibid., S. 4. Ein oft zitiertes Beispiel, bei welchem es beinahe zu einer Transaktion gekommen wäre, ist die Sparkasse Stralsund.

9 Tabelle 2-2:

Übersicht zum Bestand an Kreditinstituten und Zweigstellen (Stand: Ende 2005)

Kategorie Universalbanken

Anzahl Kreditinstitute

Anzahl Zweigstellen

2126

41307

356 5 216 135

14044 11446 2526 72

1295 2 1293

12733 11 12722

475 12 463

14530 580 13950

218

2943

68 24 26 18

2769 56 2682 31

Andere Geldinstitute - Kapitalanlagegesellschaften - Wohnungsunternehmen mit Spareinrichtung - Wertpapiersammel- und Bürgschaftsbanken

150 81 43 26

174 100 48 26

Insgesamt

2344

Private Geschäftsbanken - Großbanken - Regional- und Wertpapierhandelsbanken - Zweigstellen ausländischer Institute Genossenschaftliche Institute - Genossenschaftliche Zentralbanken - Kreditgenossenschaften Öffentlich-rechtliche Institute - Landesbanken - Sparkassen Spezialinstitute Spezialbanken - Realkreditinstitute - Bausparkassen - Banken mit Sonderaufgaben

44250

Quelle: Deutsche Bundesbank; in Anlehnung an Hackethal / Schmidt (2005), S. 6.17 http://www.bundesbank.de/bankenaufsicht/bankenaufsicht_dokumentation_statistiken.php. Erläuterung: Unter den fünf Großbanken wird auch seit 2005 in den öffentlichen Statistiken die Deutsche Postbank AG aufgeführt. Innerhalb des Cluster Regional- und Wertpapierhandelsbanken sind Institute von ausländischen Hauptanteilseignern mit aufgenommen.

Der DSGV (Deutscher Sparkassen- und Giroverband) als Repräsentant des öffentlichrechtlichen Sektors argumentiert, dass eine hohe Bankstellendichte ein hohes Maß an Konkurrenz repräsentiert und dies letztlich dem Kunden zum Vorteil gereichen wird.18 Diese Aussage würde eine hohe Kundenzufriedenheit bedeuten, die scheinbar nicht vorhanden ist. Zumindest präsentieren aktuelle Studien zum Thema der Anlageberatung ein anderes Ergebnis. Zum einen ist der Kunde mit der Beratungsleistung seiner Hausbank am wenigsten zufrieden19 und zum anderen ist eine positive Dienstleistungsmenta-

17

Siehe auch Schmidt et al. (2002).

18

Vgl. Hackethal / Schmidt (2005).

19

DAB_bank (2004), S. 40; Finanztest (2000).

10 lität in den Filialen noch zu gering ausgeprägt.20 Letztendlich implizieren diese Erkenntnisse, dass vor allem im Rahmen der Wachstumsstrategien in den Bereichen des attraktiven Vermögens- und Anlageberatungsmarktes neue Optimierungsmöglichkeiten existieren.

2.2 Definition und Existenz der Anlageberatung Was wird im Allgemeinen unter dem Begriff der Anlage- oder auch Vermögensberatung verstanden?21 Die Frage betrifft nicht nur den Inhalt und die Vorgehensweise bei der Durchführung, prinzipiell stellt sich auch die Frage nach dem Umfang der Dienstleistung. Der Abschnitt 2.3 beschreibt den Prozess und die rechtlichen Anforderungen an eine Anlageberatung. Im Abschnitt 2.5 wird skizziert, was es bedeutet standardisiert, produktbezogen oder auch ganzheitlich, umfassend zu beraten. Im Weiteren wird zunächst auf den Inhalt im Allgemeinen und den Grund für die Existenz einer Anlageberatung eingegangen. Im Fokus der vorliegenden Untersuchung steht die standardisierte Anlageberatung für Privat- und Individualkunden. Bei Definitionen aus den 1990er Jahren wird deutlich, dass man zu diesem Zeitpunkt noch davon ausging, dass die Initiative, eine Anlageberatung durchzuführen, tendenziell vom Kunden ausging.22 Heutzutage stellt sich die Ausgangslage im Rahmen der PushDienstleistungsmentalität anders. Vielmehr wird ein Anlageberater gegenwärtig dazu erzogen, einen Kunden proaktiv auf seine Bedürfnisse anzusprechen.23

20

KPMG_International (2005), S. 24. Auch das eigentliche Kundenbedürfnis steht nicht genügend im Vordergrund; siehe hierzu beispielhaft: Hackethal / Jansen (2006); Krishnan et al. (1999); Gierl (1999).

21

Es existieren weitere Synonyme für den Begriff der Anlageberatung: Finanzberatung, Vermögensstrukturberatung, Finanz-Check und Ähnliches. Gleichwohl sind diese Begriffe weitreichend auszulegen. Das bedeutet, dass z. B. eine Vermögensstrukturberatung auch umfangreicher ausfallen kann als eine standardisierte Form der Anlageberatung ± siehe hierzu Abschnitt 2.5.

22

Vgl. Hein (1993), S. 32; Obst et al. (1993), S. 563.

23

Dies ist unabdingbar, wenn man einen ganzheitlichen Beratungsansatz unterstellt, wie es z. B. beim Financial-Planning-Ansatz der Fall ist; vgl. Schaubach / Tilmes (2004), S. 81 ± siehe auch Abschnitt 2.5.

11 Dem Kunden soll die Möglichkeit gewährt werden, eigenständig den Anlageentschluss treffen zu können.24 Hierzu muss der Anlageberater dem Kunden die entscheidenden Informationen übermitteln und ihn bei der Auswahl der Anlagealternativen unterstützen.25 Konkret soll der Bankberater verschiedene Leistungsarten erklären und Empfehlungen bei der Wahl zwischen zwei Alternativen innerhalb einer Leistungskategorie aussprechen.26 Im Jahresbericht 2001 der DVFA (Deutsche Vereinigung für Finanzanalyse und Asset Management) wird unter anderem das Berufsbild des Anlageberaters definiert: ÄAnlageberater sind Personen, die Dritten professionelle Entscheidungshilfen für Kauf und Verkauf von Kapitalanlagen geben unter dem Gesichtspunkt der Mischung und Streuung von Vermögen unter Beachtung der persönlichen Verhältnisse des Anlegers³.27 Die Definition fällt unter den Punkt der Grundsätze ordnungsmäßiger Analyse und Anlageberatung.28 Weiterhin wird in diesem Rahmen formuliert, dass der Beruf integer und in ethisch einwandfreier Weise ausgeübt werden soll und nicht zuletzt die geltenden Gesetze eingehalten werden müssen. Vor allem wird auf das WpHG (Wertpapierhandelsgesetz) und auf das BörsG (Börsengesetz) verwiesen.29 Rein ökonomisch betrachtet ist eine Bank mit ihren Anlageberatern ein Intermediär zwischen Kapitalmarkt und Investor.30 Leland / Pyle (1977) begründen die Existenz einer Bank mit der Möglichkeit, die bestehenden Informationsasymmetrien neutral und effizient zwischen den Investoren und den Unternehmen zu verringern. Dadurch, dass Banken selbst Firmenanteile von Kapitalnehmern beziehungsweise Unternehmen halten,

24

Vgl. Ruda (1988), S. 78.

25

Vgl. Böckhoff / Stracke (1999), S. 61.

26

Vgl. Hein (1993), S. 26. Leistungskategorien sind z. B. Angebot von Geldanlage, Finanzierung sowie Verwahrung und Verwaltung von Geld und Effekten. Leistungsarten sind beispielhaft: Entgegennahme von Spar- und Termineinlagen, Verkauf von Effekten und Weiteres.

27

DVFA (2001), S. 48.

28

Ibid., S. 48.

29

Ibid., S. 48.

30

Vgl. Leland / Pyle (1977).

12 signalisieren sie mit der Performance ihres eigenen Portfolios, dass die Firmenanteile werthaltig sind.31 Golec (1992) beschreibt das Verhältnis zwischen dem Anleger und seinem Berater als ein Prinzipal-Agenten-Modell, in welchem der Berater aufgrund der Partizipation an der Anlageperformance des Kundendepots einen Anreiz haben wird, dem Anleger lukrative Informationen zu unterbreiten. Allen / Gale (1999) und Allen / Santomero (1998) rücken von dem Aspekt der Informationssuchkosten / Transaktionskosten ab.32 Vielmehr rechtfertigen sie die Existenz der Banken mit dem Argument, dass Unternehmen durch die Intermediäre effizient an Investoren gelangen, welche letztlich eine Risikoteilung für das Unternehmen gewährleisten. Und gleichermaßen verschaffen Banken Anlegern höhere Renditechancen. Sie haben die Opportunität, direkt in Firmen zu investieren.33 Zur Existenz einer Anlageberatung lassen sich weitere Begründungen finden. Somit ist die kurze Aufzählung nicht abschließend. Gleichwohl münden die weiteren Argumente vor allem in die Thematik, die praktischen Gründe eines Anlegers für die Inanspruchnahme einer Beratung zu bestimmen ± siehe hierzu 2.4.

2.3 Beratungsprozess und rechtliche Anforderungen Im Allgemeinen wird der Ablauf einer standardisierten Anlageberatung in drei Hauptprozessschritte oder auch drei Phasen eingeteilt.34

31

Siehe Ibid., S. 383: Ä Both these problems in capturing a return to information can be overcome if the firm gathering the information becomes an intermediary, buying and holding assets on the basis of its specialized information.³ Heutzutage ist eine solche Auslegung rein rechtlich nicht mehr tragbar. Die direkte funktionale oder räumliche Zusammenarbeit zwischen dem Kundenbereich und dem Eigenhandel (oder der Analystenabteilung) wird untersagt: § 33 Abs. 1 WpHG.

32

Vgl. Allen / Gale (1999), S. 1241. Siehe hierzu auch 3.2.1.1.

33

Zurzeit besteht auch die Möglichkeit, Ädirekt³ in kleinere und mittlere Unternehmen zu investieren. Ein dem Eigenkapital ähnliches Konstrukt sind z. B. FLPs (First Loss Pieces) ± siehe beispielhaft: Krahnen (2005).

34

Vgl. Rehkugler et al. (1992), S. 317-318; Zuber (2005), S. 17. Bei der Abbildung des FinancialPlanning-Prozesses werden zwei weitere Schritte für die Auftragsannahme und für die Betreuung / Finanzplankoordination hinzugefügt; siehe hierzu: Schaubach / Tilmes (2004), S. 87; Tilmes (2002). Insgesamt ist die Intensität der Kundenbetreuung beim Financial-Planning-Ansatz wesentlich höher als bei einer standardisierten Anlageberatung.

13 Typischerweise ist dies zunächst die Phase, bei welcher der Berater verschiedene Fragen zur persönlichen Situation des Kunden stellt. Danach erfolgt die Phase, in welcher der Berater Informationen preisgibt beziehungsweise aushändigt und die individuellen Lösungen mit dem Kunden bespricht, um im letzten Hauptprozess die offerierte Empfehlung gegebenenfalls umzusetzen. Der gesamte Prozessverlauf oder auch einzelne Schritte können sich während der Fortdauer der Kundenbeziehung durchaus mehrere Male wiederholen. Die unten stehende Abbildung 2.1 skizziert den Verlauf. Abbildung 2.1: Generischer Prozess der Anlageberatung 1.

Die Situation hat sich verändert neue Ausgangssituation?

2.

Datenaufnahme und Analysephase

Persönliche Daten des Kunden festhalten

Gesamtsituation des Kunden evaluieren

3.

Beratungs- und Informationsphase

Information bereitstellen

Empfehlungs- und Umsetzungsphase

Ergebnis erörtern

Empfehlung zur Umsetzung unterbreiten

Empfehlung ggf. umsetzen

Bedeutung der Prozessphase

Relevante Teilprozesstätigkeiten

Reiner Umschichtungsvorschlag Neue Ausgangssituation (z. B. Anlegertypus hat sich verändert)

Quelle: Eigene Darstellung in Anlehnung an: Rehkugler et al. (1992); Zuber (2005).

Im ersten Schritt, der Datenaufnahme und Analysephase, sollten nicht nur Anlagebetrag, -dauer und Verfügbarkeit erfragt werden,35 von entscheidender Bedeutung sind auch die finanzielle Situation, die persönliche Risikoeinstellung und die Wertpapierkenntnisse des Kunden.36 Zudem ist relevant, was für lebensphasenbezogene Ziele der Anleger mit seinem Investment verfolgt, z. B.: Vermögensaufbau, Altersvorsorge oder Ähnliches. Nach Aufnahme dieser Daten hat der Berater die Gesamtsituation des Kunden zu evaluieren (Bedürfnisanalyse; ggf. durch Unterstützung von Portfoliooptimierungssoftware und weiteren Hilfsmitteln).37 Gemäß § 31 Abs. 2 Nr. 1 WpHG ist die Bank dazu verpflichtet, Wertpapierkenntnisse und Anlageziele sowie die finanzielle Situation des Kunden zu ergründen. Dieser Sach-

35

Vgl. Rehkugler et al. (1992), S. 317-318; Jütten (1995), S. 221-222; Schaubach / Tilmes (2004), S. 87.

36

Vgl. Kienle (1997), S. 2898. Kienle differenziert zwischen der Äanlegergerechten³ und der Äobjektgerechten³ Anlageberatung.

37

Siehe Spremann / Winhart (1998), 150-152.

14 verhalt wird zudem durch den § 32 Abs. 1 Nr. 1 bedingt, welcher der Bank verbietet, An- und Verkaufsempfehlungen zu unterbreiten, wenn sie nicht mit den Interessen des Kunden übereinstimmen. Nachdem der Berater die Gesamtsituation analysiert hat, wird er im zweiten Schritt dazu angehalten, dem Kunden Äalle zweckdienlichen Informationen³ mitzuteilen. Hierunter können im Einzelnen Informationen zu Kapitalmarktentwicklung, Finanzprodukt und Portfoliozusammensetzung subsumiert werden. Wichtig ist für den Kunden, dass er auf die Risikoreduzierungsmöglichkeiten aufmerksam gemacht wird. Die rechtlichen Grundlagen sind § 31 Abs. 2 Nr. 2 WpHG und § 53 Abs. 2 BörsG.38 In der letzten Phase des Prozesses wird der Anlageberater dem Kunden eine Empfehlung unterbreiten, die die Anlageziele des Kunden unter Berücksichtigung seiner persönlichen Situation optimal abdeckt (Produktauswahl und ggf. Produktabschluss). Der Kunde soll in die Lage versetzt werden, eigenverantwortlich handeln und vor allem die mit seiner Anlage verbundenen Risiken einschätzen zu können. Der in der Abbildung 2.1 skizzierte Prozessverlauf ist als idealtypisch zu bewerten und wird in praxi auch in adaptierter Form eingesetzt. Zudem verweist die Abbildung zusätzlich auf eine Situation, welche als reine Portfolioumschichtung zu beurteilen ist. In diesem Fall werden nur die Phasen zwei und drei durchlaufen.

2.4 Gründe für die Inanspruchnahme der Anlageberatung Wie aus den oben aufgeführten formalen Definitionen und rechtlichen Grundlagen hervorgeht, ist aus Sicht des Kunden die Übermittlung der für eine Anlageentscheidung relevanten Informationen einer der Gründe für das Nutzen einer Beratung. Durchaus denkbar ist, dass er sich gar nicht mit Finanzfragen auseinandersetzen möchte, ihm tatsächlich das Wissen hierzu fehlt oder auch, dass der Investor keine Zeit hat, sich mit der Materie zu beschäftigen. Zum Beispiel bestimmen Guiso / Jappelli (2005) mittels einer Bevölkerungsumfrage in Italien, dass ca. 33 % der Befragten keine Aktien und 50 % keine Investmentfonds ken-

38

Vgl. § 242 BGB ± siehe auch Sartowski (2005), S. 54. Die Wohlverhaltensregelungen der § 31, 32 WpHG fixieren die Pflicht der Bank zur Übermittlung von Informationen, jedoch nicht die Pflicht zur Beratung, Einschätzung oder auch Empfehlung; siehe Sartowski (2005), S. 57.

15 nen.39 Um hinreichend Informationen sammeln und auswerten zu können, müssen viele Anleger Zeit und Anstrengungen investieren. Der hiermit verbundene Aufwand kann auf einen Berater übertragen werden. Insofern kann die Beratung ÄTransaktionskosten³ bei der Informationssuche und -auswertung reduzieren.40 Die Bank verfügt im Vergleich zum einzelnen Kunden über ausreichende Einblicke in die Kapitalmärkte und kann durch eine Spezialisierung Economies of Scale verzeichnen. Wie in Abbildung 2.2 deutlich wird, existieren weitere Gründe. Sie lassen sich in finanzielle und nicht-finanzielle Aspekte einteilen. Abbildung 2.2: Gründe für die Inanspruchnahme einer Anlageberatung Finanzielle Aspekte 1

2

Information / Effizienz

3

4

Performance / Risiko

Fehlervermeidung / Effektivität

Ganzheitlichkeit / Einfachheit

5

Prestige / Vertrauen

Nicht-finanzielle Aspekte

Quelle: Eigene Darstellung.

Die Informationssuche ist aufgrund der möglichen Effizienzsteigerung und somit der Reduzierung der Transaktionskosten in die finanzielle Kategorie einzuordnen. Auch der zweite Punkt, die Portfolioperformance und das Portfoliorisiko, ist hierunter zu subsumieren. Die Punkte vier und fünf fallen unter die Rubrik der nicht-finanziellen Aspekte. Der dritte Punkt stellt eher eine hybride Form dar. Selbstverständlich ist die Portfolioperformance für den Investor ein äußerst wichtiger Aspekt, ebenso die hiermit verbundene Hoffnung / Hypothese, dass insgesamt der Rat des Wertpapierspezialisten lukrativ ist ± siehe hierzu auch Abschnitt 3.2.1. Da sich die

39

Vgl. Guiso / Jappelli (2005), S. 540. Sie stellen fest, dass die Dauer der Kunden-Bank-Beziehung einen positiven Einfluss auf den Kenntnisstand des Kunden hat; siehe Guiso / Jappelli (2005), S. 557.

40

Siehe hierzu Abschnitt: 3.2.1.1.

16 vorliegende Arbeit im Kern diesen Fragestellungen widmet und hierzu kaum wissenschaftliche Veröffentlichungen existieren, sei auf die Kapitel 7 und 8 verwiesen. Nitzsch / Hackethal (2005) weisen darauf hin, dass die Qualität der Beratung auch unter dem Gesichtspunkt zu bewerten ist, ob sie den Kunden auf ihm nicht bewusste Probleme im Kontext der Geldanlage hinweist.41 Hiermit adressieren sie die Belange der Behavioral Finance. Gelingt es z. B. dem Berater, den Anleger darauf aufmerksam zu machen, dass er nicht jedes Anlageengagement isoliert betrachten (Mental Accounting) oder nur anschauliche, kurzfristig verfügbare Informationen in Anbetracht ziehen sollte (Verfügbarkeitsheuristik)? Kann der Wertpapierspezialist den Kunden für internationale Anlagen gewinnen, obwohl dieser aufgrund seiner Unkenntnis vor unkontrollierten Situationen lieber Abstand nimmt (Kontrollwahrnehmung)? Ingesamt wird der Investor davon ausgehen, dass ein Anlageberater versucht, Verhaltensanomalien und somit Investitionsfehler zu unterbinden.42 Weiterhin spricht die Expertise eines Beraters für eine einfache Übermittlung eines komplexen Ganzen. Eine ganzheitliche Beratung wird alle über die Lebenszeit anfallenden finanziellen Bedürfnisse des Kunden berücksichtigen. Unbedingt sollten die persönlichen Lebensumstände und die Bedürfnisse unter dem Aspekt der dynamischen Einkommensentwicklung analysiert werden. Spremann / Winhart (1998) fixieren, dass die Anlageberatung am Lebenszyklus ausgerichtet sein muss.43 Sie stellen weiterhin fest, dass junge Anleger fälschlicherweise zu übergroßer Vorsicht angehalten werden.44 Der letzte Aspekt zielt auf die nicht rational begründeten Sachverhalte ab, dass ein Investor gerne in die Bank kommt, weil man hierdurch an Prestige gewinnt oder auch die Anlageberaterin sowie der -berater attraktiv sind. Insgesamt verkörpern diese Sachverhalte das Vertrauen in die Bank und den Wunsch Äzu ihr zu gehören³.45

41

Vgl. Nitzsch / Hackethal (2005), S. 1.

42

Siehe auch: Ritter (2003) oder Breuer et al. (2004); Nitzsch et al. (2004); Nitzsch / Rouette (2003).

43

Siehe auch: Bodie et al. (1992).

44

Vgl. Spremann / Winhart (1998), S. 151; Spremann / Winhart (1997).

45

Vgl. Bergstresser et al. (2006), S. 10; Gierl (1999).

17

2.5 Varianten der Beratung Da sich bereits verschiedene wissenschaftliche Veröffentlichungen dem Thema ÄVarianten / Arten der Beratung³ widmen, sei an dieser Stelle nur ein kleiner übergeordneter Einblick gegeben, um im Rahmen dessen die notwendige Abgrenzung zu der vorliegenden Arbeit und somit zum Thema der standardisierten Anlageberatung vornehmen zu können.46 Prinzipiell lässt sich die Beratung nach verschiedenen Kriterien abgrenzen. Dies sind beispielhaft: Umfang der Betreuung, Umfang des Produktangebots und Grad der Delegation.47 So kann man eine Anlageberatung und eine Finanzberatung unterscheiden. Die erste Dienstleistung umfasst Produkte aus dem Wertpapier- und Sparbereich und die letztgenannte schließt ebenfalls Allfinanzprodukte ein. Oder man differenziert nach dem Grad der Delegation. Bei einer Vermögensverwaltung / Mandantenbetreuung definiert der Kunde lediglich seine Anlageziele und weitere persönliche Bedürfnisse, um dann alles Weitere in die Hände des Vermögensverwalters zu geben.48 In Abbildung 2.3 wird vor allem nach dem Betreuungsumfang unterschieden, was mit der Steigerung der Qualität des Beratungsansatzes einhergehen sollte.49 Die umfangreichste Betreuung in den Bereichen Privat- und Individualkunden ist zurzeit das Financial Planning.

46

Beispiele zu wissenschaftlichen Arbeiten, welche die Arten / Varianten der Beratung thematisieren: Matschke et al. (2002) oder auch Bätscher et al. (2002); Schaubach / Tilmes (2004).

47

Die Aufzählung erhebt nicht den Anspruch auf Vollständigkeit.

48

Vgl. Severidt (2001), S. 5.

49

Vgl. Schaubach / Tilmes (2004), S. 81.

18 Abbildung 2.3: Varianten der Anlageberatung

Ansteigende Beratungsqualität

Ganzheitlicher Beratungsansatz

1.

2.

3.

4.

5.

Einmaliges Beratungsgespräch

Strukturierte Anlageberatung mit Mustervorlagen

Strukturierte Anlageberatung mit Mustervorlagen und IT

Financial Planning light

Financial Planning

Produktverkauf im Fokus

Ansteigender Betreuungsumfang

Quelle: Eigene Darstellung.

Unter dem Financial-Planning-Ansatz versteht man die kontinuierliche Begleitung des Kunden über die Zeit unter Berücksichtigung der finanziellen Verhältnisse des Kunden. Die Ziele des Kunden werden auch in Hinblick auf erbrechtliche, steuerrechtliche und weitere Fragestellungen hin untersucht.50 Ein zwischen dem einmaligen, produktorientierten Beratungsgespräch und dem Financial Planning liegender Ansatz wird zurzeit von den meisten Großbanken Deutschlands im Bereich der Privat- und Individualkunden eingesetzt. Es dreht sich um eine Anlageberatung, die Portfoliooptimierungsansätze ganzheitlich umsetzt. Hierzu hat der Anlageberater die finanziellen Verhältnisse des Kunden zu analysieren und gleichzeitig seine Bedürfnisse zu berücksichtigen. Abgegrenzt wird dieser Ansatz von dem Financial Planning, da hier nicht alle Aspekte der persönlichen Situation umfassend einfließen (z. B. Erbe, Unternehmenssituation, Hauskauf). Zudem fehlt meistens die dynamische Optimierung über die Zeit. Typischerweise existieren je nach Anlegertyp (Risikoeinstellung des Kunden) Mustervorlagen (teilweise mit IT-Unterstützung), die es dem Berater ermöglichen, eine kundenadäquate Empfehlung zur Asset Allocation auszusprechen.

50

Vgl. z. B.: Gebistorf (2004), S. 30; Schaubach / Tilmes (2004), S. 81. Die Financial-Planning-Kosten betragen z. B. bei der Hamburger Sparkasse einmalig 5.000 Euro und jedes weitere Update 500 Euro (Stand 01/2007). Beim Bankhaus Conrad Hinrich Donner in Hamburg betragen die einmaligen Kosten zwischen 2.500 und 5.000 Euro (Stand 01/2007).

19 Im Rahmen der vorliegenden Arbeit wird eine standardisierte Anlageberatung auf mittlerem Niveau untersucht, bei welcher Mustervorlagen hinsichtlich der zu wählenden Asset Allocation dem Anlageberater als Unterstützung dienen.

2.6 Kurze Zusammenfassung Insgesamt ist zu konstatieren, dass der Markt für Anlageberatung stetig wächst und vor allem aktuell wieder äußerst interessant ist. Viele verschiedene Finanzdienstleister inklusive der Großbanken konzipieren neuerdings Wachstumsstrategien im Retailbanking. Wichtige Elemente im Rahmen dessen sind die Weiterentwicklung des Beratungsprozesses und die komplette Neuausrichtung der Anlageberatung. Der Prozessablauf einer Beratung wird typischerweise in drei Prozessschritte eingeteilt: die Phase der Kundenbefragung und Analyse, die Beratungs- und Informationsphase und die Empfehlungs- und Umsetzungsphase. Wichtige Teilelemente sind Bedürfnisanalyse, Produktauswahl und Produktabschluss. Finanzielle und nicht-finanzielle Aspekte können die Inanspruchnahme einer Anlageberatung begründen. Dieses sind zum Beispiel Anlageinformationen und Hinweise zur Portfoliooptimierung. Weiterhin kann die Beratung dem Kunden ganzheitlich sein Anlage- und Vorsorgeproblem aufzeigen oder dem Kunden helfen, Investitionsfehler zu vermeiden.

20

3

Theoretische Grundlagen und empirische Befunde

3.1 Portfolio- und kapitalmarkttheoretische Grundlagen zur Performancemessung Zur Beurteilung der Portfolioperformance sind in den letzten Jahrzehnten eine Reihe von Maßen entwickelt worden.51 Klassische Arbeiten und angewandte Methoden gehen zurück auf Treynor (1965), Sharpe (1966), Jensen (1968) und Treynor / Black (1973). Sie alle basieren auf dem —/ı-Prinzip.52 Unabhängig voneinander entwickelten Sharpe (1964), Lintner (1965) und Mossin (1966) das Kapitalmarktgleichgewichtsmodell CAPM, das die normative Portfoliotheorie von Markowitz (1952) als Basis hat. In den kommenden Abschnitten sollen portfolio- und kapitalmarkttheoretische Zusammenhänge verdeutlicht werden, um hierdurch auch die Motivation zu den in dieser Arbeit verwandten Performancemessmethoden darlegen zu können.

51

In der wissenschaftlichen Literatur findet der Begriff der Performance in der Regel bei risikoadjustierten Renditemaßen (inklusive der Benchmarkvergleiche) Anwendung ± siehe beispielhaft: Bacon (2005).

52

Das ȝ/ı-Prinzip geht auf das ȝ-Prinzip von Thomas Bayes (1702-1761) zurück, bei welchem in einer risikoneutralen unterstellten Umgebung die Entscheidung ausschließlich anhand des Erwartungswertes (ȝ) getroffen werden kann. Das ȝ/ı-Prinzip trägt zusätzlich dem Risiko Rechnung, indem die Standardabweichung der Zufallsvariable (ı) in die Entscheidung mit einbezogen wird ± dies ist im Rahmen einer unterstellten risikoaversen Welt sinnvoll. Der Einbezug der Standardabweichung einer Zufallsvariable ist nicht die einzige Möglichkeit, dem Risiko Rechnung zu tragen. Im weiteren Verlauf der Arbeit werden auch asymmetrische Risikomaße erörtert und angewandt. Bekanntermaßen haben nicht alle Bewertungsansätze ihren Ursprung in der ȝ/ı-Welt: Zum Beispiel entwickelte Ross (1976) mit der APT (Arbitrage Pricing Theory) ein Bewertungsmodell, welches nicht die Bewertungsrelevanz des systematischen Risikos aufgibt, dennoch nicht alle Annahmen des CAPM übernimmt. Insbesondere beruht diese Theorie nicht auf dem ȝ/ı-Prinzip und den damit einhergehenden restriktiven Annahmen bezüglich der Nutzenfunktionen der Marktteilnehmer. Vielmehr geht es in diesem Faktorenmodell um eine begrenzte Anzahl gemeinsamer, systematischer Risikofaktoren / Marktfaktoren, die die Renditen aller betrachteten Wertpapiere / Portfolios determinieren: ÄReturn = a + b1(factor 1) + b2(factor 2) + « + noise³; (vereinfachte Darstellung in Anlehnung an: Brealey / Myers (1996), S. 190). Auch der Ansatz des TSPM (Time State Preference Model) legt nicht das ȝ/ı-Prinzip zugrunde. Es befasst sich zwar ebenfalls mit der Beschreibung von Marktpreisen in einem Gleichgewicht, gleichwohl geht es in diesem Modell um die Optimierung von zustandsabhängigen Nutzenfunktionen, definiert durch den Konsum in entweder t = 0 oder t = 1. Der Wert eines Portfolios wird durch zustandsabhängige Zahlungsansprüche determiniert. Sowohl die APT als auch das TSPM finden heutzutage sehr selten Anwendung. Im Rahmen dieser Arbeit wird auf diese Theorien oder Gedankengänge nicht weiter Bezug genommen. Gemäß der einschlägigen Performanceliteratur bilden sie keine entscheidende Grundlage für die Performancemessung als solche.

21 Zunächst soll ein Einblick gegeben werden, wie ein rationaler Privatkunde am Kapitalmarkt handeln müsste, wenn er vernünftigerweise sein Geld anlegt: die Portfoliotheorie von Markowitz (1952). Danach wird die Frage beantwortet, wie sich die Bewertung von Portfolios und Wertpapieren gestaltet, falls alle Marktteilnehmer gemäß der Annahmen der Portfoliotheorie agieren: das CAPM. 3.1.1 Die Portfoliotheorie 3.1.1.1 Optimale Portfolioauswahl53 Erst mit der Annahme, dass das —/ı-Prinzip Anwendung finden kann, ist gewährleistet, dass jede Anlagealternative anhand von zwei Parametern eindeutig beschrieben werden kann. Die Anleger haben insofern die simplifizierte, gleichwohl exakte Möglichkeit, eine Entscheidung aufgrund der Parameter —, ı stellvertretend für die gesamte Wahrscheinlichkeitsverteilung der Renditen treffen zu können. Sollen hierbei keine Informationen aus der zugrunde liegenden Wahrscheinlichkeitsverteilung verloren gehen, so impliziert diese Vorgehensweise, dass Entscheidungen auf der Grundlage einer quadratischen Nutzenfunktion und/oder einer bestimmten algebraischen Form der Verteilung der Renditen (Standard-, Normalverteilung) zu treffen sind. Wie wird ein risikoaverser Investor sein Portfolio optimal zusammenstellen ± wie sollte er vorgehen? Zunächst ist die Menge aller möglichen Portfolios zu bestimmen, bei denen der gesamte anzulegende Kapitalbetrag investiert ist. Hieraus wählt dann der risikoaverse Investor seine Teilmenge an effizienten Portfolios aus, um letztendlich gemäß seinen individuellen Präferenzen das für ihn optimale Portfolio zu generieren. Zur Veranschaulichung können alle denkbaren Konstellationen von Portfolios in einem —/ı-Diagramm wie in Abbildung 3.1 dargestellt werden.

53

Siehe hierzu Markowitz (1952).

22 Abbildung 3.1: ȝ/ı-Kombinationen bei Mischung von mehreren Wertpapieren54

ı

attainable —,Ů portfoliocombinations

b

efficient ȝ,ı portfoliocombinations a

ȝ Quelle: Markowitz (1952), S. 82.

Effizient sind nur diese Portfolios, deren —/ı-Kombinationen direkt auf dem steigenden Abschnitt der Kurve liegen, der den Bereich nach rechts unten begrenzt. Diese Portfolios liegen auf der Effizienzlinie (Äefficient frontier³). Das Minimierungsproblem der effizienten Portfolios bei Abwesenheit der sicheren Anlage- oder Verschuldungsmöglichkeit ist beschrieben durch:55 (3-1)

Min

 

Z c¦ Z

Min

 

>w

1

w2  wn

@

ªV 2 V 1, 2 « 1 «V V 22 « 2,1  «  « ¬«V n ,1 V n , 2

 V 1, n º »  V 2, n » »   » »  V n2 ¼»

ª w1 « «w 2 «  « «¬ w n

º » » » » »¼

unter Beachtung der Nebenbedingungen:

54

Hinweise zur Darstellung: 1) Es existieren auch zahlreiche Veröffentlichungen, bei denen die —-Achse die Ordinate und die ıAchse die Abszisse darstellen. 2) Es existieren weitere Darstellungsformen, bei denen nicht die Standardabweichung, sondern die Varianz als Risikomaß dient. Konzeptionell führen alle Varianten selbstverständlich zu identischen Resultaten.

55

Die formalen Herleitungen folgen im Wesentlichen Huang / Litzenberger (1988), S. 59-66 und Ingersoll (1987), S. 82-90. Anders als Funktionen und Skalare werden Matrizen und Vektoren in der folgenden Darstellung fett gekennzeichnet.

23 (3-2)

c Z 1 

ª w1 º «w » >1 1  1@ ««  2 »» 1 «w » ¬ n¼ ; (3-3)

c ( U Z

˩



ª w1 º «w » >E(~r1 ) E(~r2 )  E(~rn )@ « 2 » ˩ «  » « » ¬w n ¼ .

mit:

Z

ː

1 (U

˩

= Vektor der relativen Gewichtung der Wertpapieranteile im Portfolio, = Varianz-Kovarianz-Matrix der Renditen der einzelnen Wertpapiere, = Einheitsvektor, = Vektor der erwarteten Renditen der einzelnen Wertpapiere, = Erwartete Portfoliorendite.

Zur Lösung des Minimierungsproblems wird ein Lagrange-Ansatz verwendet (3-4)

L





Z c¦ Z c  O 1  c Z  J ˩  ( U Z 2 .

Aus der Minimierung der Lagrange-Funktion erfolgt der optimale Portfolioanteil Z mit (3-5)

Z

Oː 1  Jː 1( U

und (3-6)

O

&  ˩% , J '

mit den Nebenbedingungen: $ { c ː 1 ! 0,

(3-7)

% { c ː 1(U , & { (U c ː 1(U ! 0, ' { $&  %  ! 0.

˩$  % '

24 Hieraus ergibt sich die den Lokus a-b der effizienten Portfolios beschreibende parabelförmige Funktion56 (siehe Abbildung 3.1): (3-8)

V

Z c¦ Z





Z c¦ O ː 1  Jː 1( U

$˩ 2  2%˩  & ' .

Aus Gleichung (3-5) wird ersichtlich, dass jedes effiziente Portfolio bereits aus einer Linearkombination von nur zwei unterschiedlichen, effizienten Portfolios zusammengestellt werden kann; gekennzeichnet durch den ersten und zweiten Term auf der rechten Seite der Gleichung. Das globale Minimum-Varianz-Portfolio lässt sich folgendermaßen ermitteln: (3-9)

0

wV  w˩

$˩  2% ' .

Nach Einsetzen in (3-7) und (3-8) erhält man die erwartete Portfoliorendite mit B/A und die Varianz als 1/A. Falls nun die erwartete Portfoliorendite, ˩ , in (3-6) durch B/A substituiert wird, erhält man für O = 1/A und für J = 0. Folglich repräsentiert der Lagrange-Multiplikator O das Minimum-Varianz-Portfolio. Das bedeutet, dass der erste Term auf der rechten Seite der Gleichung (3-5) den Anteil am Minimum-Varianz-Portfolio darstellt (Scheitelpunkt der Funktion) und dementsprechend die Rendite durch den zweiten Term der Gleichung optimiert wird. Dieser verkörpert den Anteil an einem anderen effizienten Portfolio mit höherer Renditeerwartung als das Minimum-VarianzPortfolio. Die Zerlegung der Optimierung in die Teilschritte erstens und zweitens verdeutlicht, dass gewährleistet ist, dass das Ergebnis immer ein effizientes Portfolio darstellen wird (siehe Abbildung 3.2).

56

In einer —/ı-Welt ergibt sich die gewohnte hyperbelförmige Gleichung.

25 Abbildung 3.2: Fiktive Zerlegung des Optimierungsproblems der effizienten Portfolios

ı

1. Teilschritt - Minimierung der Varianz: Scheitelpunkt der Funktion berechnen 2. Teilschritt ² Maximierung der Rendite: Die erwartete Rendite in Abhängigkeit des Grades der Risikoaversion des Investors berechnen attainable —,Ů portfoliocombinations 2.

1.

b 2.

a 1.

ȝ Quelle: Eigene Darstellung.

Wie sollte ein Investor sein optimales Portfolio auswählen? Die Wahl ist präferenzabhängig. Der individuelle Grad seiner Risikoaversion ist entscheidend. Auch dieser kann in Form von Indifferenzkurven in einem —/ı-Diagramm abgebildet werden (siehe Abbildung 3.3). Abbildung 3.3: Abbildung des individuellen, optimalen Portfolios

ı

attainable —,Ů portfoliocombinations

I(1) I(2) I(3) indifference curves optimal portfolio

ȝ

Quelle: Markowitz (1952), S. 82.

Bei gegebener individueller Risikopräferenzfunktion wird das optimale Portfolio durch den Berührungspunkt der Indifferenzkurve mit der Effizienzlinie bestimmt. In der Grafik kennzeichnet I(3) die Indifferenzkurve mit dem höchsten Nutzen für einen bestimmten fiktiven Investor.

26 3.1.1.2 Effizientes Portfolio mit der Möglichkeit der Geldanlage oder Kreditaufnahme57 Erweitert man die Modellwelt um die Möglichkeit zur Anlage oder Verschuldung zum sicheren Zinssatz rf wie in Abbildung 3.4, dann entfällt zunächst die Restriktion, in die nicht sicheren Portfolios investieren zu müssen (Gleichung (3-2)).58 Zudem muss die Nebenbedingung der erwarteten Portfoliorendite in eine Form der Überschussrendite59 adaptiert werden (3-10)

( U  rf  c Z

˩  rf .

Das Ergebnis des optimalen Vektors der Portfoliogewichtung und der Anteil an der sicheren Anlage beziehungsweise Verschuldung sieht wie folgt aus: (3-11)

Z

J ː 1 (U  rf  ,

Z



1  c Z .

Auch diese Art der Anlageentscheidung ist teilweise präferenzabhängig. Präferenzabhängig allerdings lediglich in dem Sinne, dass über die relative Allokation zwischen sicherer Anlage beziehungsweise Verschuldung und optimalem Marktportfolio zu entscheiden ist. Das Marktportfolio ist einheitlich für alle Anleger. Dies führt zu einem Separationstheorem zwischen Investition, die präferenzunabhängig ist, und Konsum (Verschuldungsgrad), der präferenzabhängig ist.60

57

Siehe Huang / Litzenberger (1988) und Ingersoll (1987).

58

Auch in den in Abschnitt 3.1.1.1 betrachteten Szenarien existieren keine Budgetrestriktion von wi • 0. ÄShortsales³ werden zugelassen. Jedoch sind alle vorhandenen Anlagealternativen mit Risiko behaftet.

59

Überlicherweise wird der Renditeanteil, der größer ist als die Rendite der sicheren Anlage, als Überschussrendite bezeichnet. Wohingegen eine abnormal positive Rendite ausdrückt (auch teilweise als Überrendite bezeichnet), dass die erwirtschaftete Rendite größer ist als die unterstellte BenchmarkRendite (Marktportfoliorendite).

60

Vgl. Tobin (1958).

27 Abbildung 3.4: Definition des optimalen Portfolios mittels Tobin-Separation

ı attainable —,Ů portfoliocombinations

y

b

I(1) I(2) indifference curves

optimal portfolio choice of investor

a

x rf = risk free interest rate

ȝ

Quelle: in Anlehnung an Tobin (1958).

Das optimale Marktportfolio, auch Tangentialportfolio (Äoptimal portfolio³ in Abbildung 3.4), besitzt den Gewichtungsvektor (3-12)

Z

W

ː  1 (U  rf  %  $rf .

Somit stellt die als Kapitalmarktgerade bezeichnete Linie Äx ĺRSWLPDOSRUWIROLR³GLH neue Menge an effizienten Anlagemöglichkeiten dar. Unter der Annahme der Kreditaufnahme erweitert sich die Linearkombination von Äx ĺRSWLPDOSRUWIROLR³]XÄ[ĺ y³. Ein mögliches Investitionsprogramm ist abgebildet durch den Punkt in der Abbildung: choice of investor. 3.1.1.3 Kritische Würdigung der Portfoliotheorie An dieser Stelle seien einige kritische Punkte der Portfoliotheorie skizziert: 1. Ein Problem der Anwendung des Modells ist die Verarbeitung der Informationsmenge: Zur Berechnung benötigt man für alle Anlagealternativen sowohl die Erwartungswerte und Standardabweichungen (Varianzen) der zukünftigen Einzahlungen als auch alle Kovarianzen; dies bedeutet für n Investments allein für die Kovarianzen: (n x (n-1))/2;61 2. der Planungszeitraum bezieht sich nur auf eine Periode. Investitionen wirken sich allerdings auf mehrere Perioden aus;

61

Unberücksichtigt ist hier die Notwendigkeit des Datums der risikofreien Anlage.

28 3. das —/ı-Prinzip setzt eine quadratische Nutzenfunktion des Anlegers voraus und/ oder eine bestimmte Form der Wahrscheinlichkeitsverteilung der Renditen aller Wertpapiere (z. B. die Normalverteilung). Empirische Untersuchungen hingegen deuten bei risikobehafteten Wertpapieren eher auf eine rechtsschiefe Verteilung hin. Zudem sind die Annahmen der Nutzenfunktion fragwürdig; quadratische Nutzenfunktionen haben die zweifelhafte Eigenschaft der zunehmenden Risikoaversion bei steigenden Renditeerwartungen. Es existieren zahlreiche Publikationen zum Thema Portfoliotheorie, welche entweder Diskussionen entfachen oder darüber hinaus die Annahmen der Portfoliotheorie für eine eingeschränkte untersuchte Reichweite falsifizieren. Michaud (1989) konstatiert, dass Tests mit verschiedenen Portfoliooptimierungsansätzen zu dem Ergebnis gelangen, dass die ÄMean-Variance-Optimizer³-Programme (MVO-Programme), die den Markowitz-Ansatz verwenden, einfachen Gleichgewichtungsansätzen unterlegen sind.62 Hierzu merkt Michaud allerdings zusätzlich an, dass bei einer Auswertung dieser Ergebnisse berücksichtigt werden muss, dass zwar die mathematische Reife der Optimierungsansätze höchsten Ansprüchen gerecht wird, gleichwohl vor allem die Inputfaktoren in Bezug auf erwartete Wertpapierrenditen diesem Niveau nicht standhalten. Insofern kann dieses Ergebnis nur bedingt den MVOProgrammen zugerechnet werden. Brennan et al. (1997), Balduzzi / Lynch (1999) oder auch Campbell et al. (2003) stellen fest, dass die Operationalisierungsvariable Zeithorizont einen erheblichen Einfluss auf die Zusammensetzung des optimalen Portfolios hat. Die Theorie durch Markowitz ist eine zu simplifizierte Darstellung der Realität, jedoch existiert die Kernhypothese der Diversifikation weiterhin.63 3.1.2 Bewertung anhand des CAPM 3.1.2.1 Die Ableitung des Capital Asset Pricing Model Da nicht nur zahlreiche bekannte Performancemaße, sondern auch verschiedene Modellierungsansätze anhand des Kapitalmarktbewertungsmodells CAPM ableitbar sind und 62

Vgl. Michaud (1989).

63

Die Annahme des rationalen Verhaltens eines Marktteilnehmers wird teilweise in Abschnitt 3.1.2.2 exemplifiziert.

29 im Rahmen der empirischen Analyse zum Einsatz gelangen, ist auf das zugrunde liegende Theoriegebilde sowie dessen Implikationen und Annahmen einzugehen. Im CAPM werden die Preise risikobehafteter Wertpapiere im Kapitalmarktgleichgewicht abgeleitet. Danach wird von den Investoren nur das systematische Risiko bewertet, während das unsystematische Risiko diversifizierbar und daher auch nicht zu entgelten ist. Das CAPM knüpft an die Portfoliotheorie von Markowitz an.64 Das CAPM postuliert, dass es einen proportionalen Zusammenhang zwischen der erwarteten Überschussrendite eines einzelnen Wertpapiers E(ri) - rf und der Kovarianz zwischen dieser und der erwarteten Rendite des Tangentialportfolios ( U gibt. Dieser Zusammenhang soll im W

Folgenden abgeleitet werden. Der Kovarianzvektor ˰ W des Tangentialportfolios ist definiert durch die Multiplikation der Varianz-Kovarianz-Matrix ː mit dem Gewichtungsvektor Z W des Tangentialportfolios unter Verwendung von Gleichung (3-12):65

64

Der Übergang zum CAPM anhand der Portfoliotheorie über die Kapitalmarktlinie ist bereits in verschiedenen wissenschaftlichen Quellen ausführlich dokumentiert, deshalb wird an dieser Stelle lediglich die verkürzte Darstellung in Anlehnung an Huang / Litzenberger (1988) und Ingersoll (1987) gewählt. Siehe hierzu beispielhaft: Copeland / Weston (1992), Kapitel 7; Sharpe / Alexander (1990), Kapitel 6 und 8.

65

Folgende elementare Sätze zur Kovarianz liegen der Ableitung (3-13) anhand von Gleichung (3-8), (3-12) zugrunde: 1) Sind v1, v2 und v3 drei Zufallsvariablen, wobei v1 = v2/a, so gilt: &RY Y  , Y 

1 &RY Y , Y   a

denn &RY Y  , Y 

E >E Y   Y  E Y   Y  @ ª § E Y 

E Ǭ ©

a



º Y · ¸ E Y   Y  » a ¹ ¼

1 E >E Y  Y E Y  Y @     a 1 &RY Y , Y .   a

2) Ist vj (j = 1, «, m) eine Menge von Zufallsvariablen und V ist die Summe aller vj von j = 1 bis j = m, so gilt:

30

(3-13)

ː ZW

˰W

( U  rf  %  $rf .

Die Varianz des Tangentialportfolios wird ausgehend von Gleichung (3-8) ermittelt als: (3-14)

c

˰ W

ZW ˰W

( U W  rf %  $rf .

Aus der Auflösung und Subtraktion der beiden Gleichungen (3-13), (3-14) ergibt sich folgender linearer Zusammenhang zwischen den erwarteten Renditen der einzelnen Wertpapiere und der Verbindung der Kovarianz des Tangential- oder Marktportfolios mit dessen Überschussrendite: (3-15)

(U  rf 

˰W

( U W  rf ˰ W

.

Bereits Gleichung (3-15) suggeriert, dass Investoren gegebenenfalls die erwartete Rendite und das Risiko eines einzelnen Wertpapiers lediglich nach dessen Beitrag zu Rendite und Risiko des Marktportfolios bewerten. Jedoch liegen dem CAPM weitergehende Annahmen als die der Portfoliotheorie zugrunde, welche erst die Ableitung der postulierten Wechselbeziehung ermöglichen. Dies sind die Elemente der Nutzenfunktion eines Investors, Renditemaximierung sowie Risikominimierung, zudem die einheitliche Annahme des Investitionszeithorizonts und zum anderen die beliebige Teilbarkeit der Wertpapiere.66 Unter Verwendung dieser Gegebenheiten stellt sich heraus, dass alle Marktteilnehmer anteilig in das Marktportfolio und/oder in die risikofreie Anlage investieren. Dementsprechend determiniert die Gesamtnachfrage nach dem Marktportfolio auch direkt die

m

¦ &RY Y L , Y M ,

&RY Y L , 9 j

denn &RY Y L , 9

1

E >E Y L  Y L E 9  9 @ ª § m m ·¸ º ¨ E «« E Y L  Y L ¨ ¦ E Y M  ¦ Y M ¸ »» ¨ j 1 j 1 ¸¹ »¼ © ¬«



m

>

 

¦ E E Y L  Y L E Y M  Y M

j 1

@

m

¦ &RY Y L , Y M . j

66

1

Vgl. Ingersoll (1987), S. 92 und S. 96. Es existiert keine Budgetrestriktion.

31 aggregierte Nachfrage nach einem Wertpapier. Dies resultiert aus der prädestinierten Gewichtung des einzelnen Wertpapiers im Marktportfolio. Folglich beeinflusst die erwartete Rendite und das Risiko eines Wertpapiers auch in umgekehrter Kausalität die erwartete Rendite und das Risiko des Marktportfolios (m für Marktportfolio): (3-16) mit:

( U  rf  ˟P

˟P

=

˟ P rm  rf ˰P ˰ P



,

= Kennzahl für das im Marktzusammenhang mit einer Investition übernommene systematische Risiko als Teil des Gesamtrisikos; Betafaktor.

Insofern ist die Kernaussage des CAPM, dass im Gleichgewichtszustand des Kapitalmarktes die erwartete Überschussrendite eines Wertpapiers aus der Überschussrendite des Marktes und dem systematischen Risiko des Wertpapiers zum Marktportfolio berechnet werden kann.67 3.1.2.2 Empirische Validierung des CAPM und adaptierte Modelle Das CAPM von Sharpe (1964), Lintner (1965) und Mossin (1966) erscheint sowohl für Praktiker als auch für Wissenschaftler attraktiv. Der simple, linear modellierte Zusammenhang zwischen erwartetem Ertrag und dem damit verbundenen Risiko suggeriert eine Leichtigkeit beim Bewertungsvorgang. Zahlreiche Wissenschaftler warnen jedoch vor diesem Sachverhalt oder negieren sogar die Existenz der linearen Wechselbeziehung. Aktuell stellen Fama / French (2004) heraus, dass zum einen das Modell falsch angewendet wird und zum anderen, dass eine empirische Überprüfung des Modells mit Schwierigkeiten verbunden ist. Beide Aussagen beziehen sich auf den Proxy des Marktportfolios.

67

Black et al. (1972), S. 112. Das CAPM setzt demgemäß weiterhin voraus, dass das Marktportfolio im Sinne der Portfoliotheorie effizient ist. Black et al. (1972) zeigen ferner, dass Portfolios mit geringem Beta höhere Renditen als vom CAPM vorhergesagt erzielen, während dies bei Portfolios mit hohem Beta umgekehrt ist.

32 Die anfänglichen empirischen Untersuchungen verhießen zunächst Gutes. Lintner (1969), Black (1972) und Fama / Macbeth (1973) unterstützten die Gültigkeit des CAPM. Lintner (1969) selbst trug zur Weiterentwicklung bei, ohne jedoch den linearen Zusammenhang (auch Security Market Line) in Frage zu stellen oder zu falsifizieren. Er modifizierte das theoretische Fundament durch die Implementierung von verschiedenen Zinssätzen bei Kreditaufnahme und Geldanlage sowie heterogenen Erwartungen vereinzelter Marktteilnehmer. Black (1972) führte das Nullvarianzportfolio als Substitut für die risikolose Anlage ein. Und Fama / Macbeth (1973) dokumentierten, dass ihre Ergebnisse das CAPM nicht falsifizieren, obwohl es bei der Überprüfung dessen von Periode zu Periode zu stochastischen Nichtlinearitäten kam. Gegen Ende der 1970er Jahre bis heute mehren sich allerdings kritische Stimme. Roll (1977) resümiert in seiner Kritik, dass das CAPM nur prinzipiell zu testen ist.68 Rudolph (1979) gelangt sogar zu dem Schluss, dass das CAPM Äpraktisch nicht³ getestet werden kann.69 Zudem existieren bereits viele Abwandlungen.70 Insgesamt sind folgende Kritikpunkte und gleichermaßen Weiterentwicklungsfelder etabliert: 1. Nicht fixierte versus stetige Verteilungsparameter Die Realität an der Börse zeigt Dynamik. Die Markteilnehmer haben die Möglichkeit fortlaufend zu handeln, und folglich ist das Marktgeschehen kontinuierlich. Diesen Realitätsbezug kann das klassische CAPM nicht herstellen. Es wird angenommen, dass die entscheidenden Verteilungsparameter — und ı eine zeitliche Konstanz wie in einem konzipierten Zwei-Zeitpunkte-Modell aufweisen.71 Zudem kritisiert Roll (1977), dass der Verteilungstyp, welcher die Kursentwicklung der risikobehafteten Wertpapiere an der Börse widerspiegelt, nicht fixiert ist.72 Merton (1973) kritisiert Gleiches und schafft

68

Vgl. Roll (1977), S. 129.

69

Vgl. Rudolph (1979), S. 1048.

70

Vgl. Fama / Macbeth (1973), S. 607 ff.

71

Vgl. Fabozzi / Francis (1978), Sunder (1980), Brooks et al. (1992).

72

Vgl. Roll (1977); Roll (1978) ± Entwickler der APT. Zur Diskussion stehen beispielhaft: Normalverteilung, logarithmische Normalverteilung, autoregressive Verteilung. Roll (1977) und Fabozzi / Francis (1978) kritisieren auch den Beta-Faktor als Risikomaß. Fabozzi / Francis (1978) stellen fest, dass bei ihrer Untersuchung das Risiko der Aktienportfolios nur zu knapp weniger als 50 % durch den Beta-Faktor abgebildet werden kann.

33 mit dem ICAPM (Intertemporal Capital Asset Pricing Model) Abhilfe.73 Das ICAPM erweitert das CAPM nicht nur um einen kontinuierlichen Handel und ersetzt die im CAPM vorgesehene Ästationäre³ Nutzenmaximierung durch die Maximierung des erwarteten zukünftigen Nutzens, zusätzlich ergänzt es auch weitere Erklärungsbestandteile, wie den Nutzen von Einkommen und Konsum und deren Implikation auf die Anlagestrategie der Investoren sowie nachgelagert auf die Zusammensetzung des Marktportfolios. 2. Homogene versus heterogene Erwartungen Haben wirklich alle Marktteilnehmer eine einheitliche Vorstellung bezüglich der Renditeerwartungen, Varianzen und Kovarianzen? Existieren nicht doch Informationsdifferenzen beziehungsweise Informationsineffizienzen?74 Die homogenen Erwartungen der Investoren sind eine häufig zur Diskussion stehende Annahme.75 Jedoch gelingt es auch unter heterogenen Erwartungen, die einzelnen Wertpapierrenditen als gewogene Mittelwerte darzustellen, ohne die entsprechende Aussage des homogenen Modells zu verwerfen. Entscheidend ist die Gewichtung der einzelnen Anlegergruppen. So darf das Marktagieren der gut informierten Anlegergruppen nicht dazu führen, dass diese die mittlere Kursentwicklung von Wertpapieren beeinflussen.76 3. Unvollkommener versus anomaler Kapitalmarkt Das CAPM ist aufgrund von verschiedenartigen Marktunvollkommenheiten adaptiert worden: Einführung uneinheitlicher Zinssätze77, Budgetrestriktionen78 sowie Existenz von Ertragssteuern79, um nur einige aufzuführen. Auch bei diesen Modellen wird die Kernaussage der Security Market Line nicht falsifiziert. Weitere empirische Kritik an der Gültigkeit des CAPM resultiert aus den systematischen Abweichungen der am Kapitalmarkt beobachtbaren Renditen von den durch das

73

Vgl. Merton (1973).

74

Vgl. Gonedes (1976); Grossman (1976); Grossman / Stiglitz (1980).

75

Beispielhaft: Fama (1976).

76

Vgl. Mayers / Rice (1979).

77

Beispielhaft: Brennan (1971).

78

Beispielhaft: Black (1972).

79

Beispielhaft: Brennan (1971).

34 Modell prognostizierten. Basu (1977) ermittelt einen ÄPrice/Earnings³-Effekt80, Banz (1981) einen ÄSize³-Effekt81 und Fama / French (1992) einen ÄBook-to-Market³Effekt82. Weitere abnormal positive Renditen können durch den Montagseffekt von Frantzmann (1987), den Wochenendeffekt von French (1980) und durch den Januareffekt von Keim (1986) belegt werden.83 Zusammenfassend ist zu konstatieren, dass die Gültigkeit des CAPM immer noch umstritten ist und fortwährend dem Versuch einer Falsifizierung unterzogen wird. Nichtsdestotrotz findet das Modell breite Anwendung und hat sich als eines der wichtigsten Elemente der Kapitalmarktforschung etabliert. Stigler (1983) argumentiert: ÄThe main reason for the considerable acceptance of the approach is that fundamental rule of scientific combat: it takes a theory to beat a theory³.84 Fama / French (2004) formulieren: ÄThe model¶s empirical problems may reflect true failings. (It is, after all, just a model.)³85

3.2 Bisherige Befunde und hieraus abgeleitete Fragestellungen Das Ziel eines rationalen Anlegers ist es, das investierte Geld unter bestimmten Umständen bestmöglich zu mehren. Vereinfachend und generalisierend könnte man be80

Vgl. Basu (1977) und Basu (1983). Er errechnet, dass Aktien mit einem niedrigen ÄPrice/Earnings³Ratio höhere durchschnittliche risikoadjustierte Renditen erzielen als Aktien mit einem hohen ÄPrice/Earnings³-Ratio.

81

Banz (1981) zeigt, dass Aktien von Unternehmen mit geringer Marktkapitalisierung während des Untersuchungszeitraums höhere risikoadjustierte Renditen erzielen als Aktien von Unternehmen mit hoher Marktkapitalisierung.

82

Vgl. Fama / French (1992) und Fama / French (1993). Dieser Effekt besagt, dass Unternehmen mit hohem ÄBook-to-Market³-Ratio (Buchwert zu Marktwert des Eigenkapitals) höhere Überrenditen erzielen als vom CAPM prognostiziert.

83

Sehr häufig sind nordamerikanische Firmen Gegenstand der empirischen Untersuchungen. Schiereck et al. (1999) oder auch Grammig et al. (2001) sowie Frantzmann (1987) gelangen bei ihren Untersuchungen mit deutschen Aktien zu ähnlichen Ergebnissen, obwohl die länderspezifischen Besonderheiten dies nicht nahe legen (anders organisierte Börsen, andere kulturelle Entwicklungen in Bezug auf Geldanlagen; siehe hierzu auch Schiereck et al. (1999), S. 114.) Schiereck et al. (1999) definieren wie Cahart (1997), dass das Preismomentum als eine Erklärung für abnormale Wertpapierrenditen dienen kann, Marktinformationen werden zeitversetzt eingepreist.

84

Vgl. Stigler (1983), S. 541 und Stigler (1966).

85

Vgl. Fama / French (2004), S. 25.

35 haupten: Jeder Anlageberater, dem es unter bestimmten Umständen gelingt, das Vermögen des Kunden wahrscheinlicher und/oder besser zu mehren, als dieser es selbst vermag, schafft einen Mehrwert für den Kunden. Und hierbei ist es zunächst unerheblich, ob ein marktbreiter Wertpapierindex sowohl das Portfolio mit Anlageberatung oder auch das Portfolio des nicht beratenen Kunden outperformt. Wie im Abschnitt 2.4 beschrieben worden ist, sind auch nicht finanzielle oder nur latent messbare Dienstleistungen für einen Investor wichtig, allerdings nicht unter der Vorraussetzung von rationalem Handeln.86 Zudem stellt sich die Frage, ob der direkte Geltungsbereich von latenten Variablen tatsächlich messbar ist.87 Schlagworte wie Empathie, Flexibilität, Customizing oder Ähnliches sind von Seiten des Finanzdienstleisters erst interessant, wenn diese wirklich in einem Zusammenhang zu Kundenretention, akquisition oder -abwanderung stehen. Die Hauptaufgabe der vorliegenden Untersuchung ist es, die Auswirkungen einer standardisierten Anlageberatung auf die verschiedenen Portfoliorenditedeterminanten zu quantifizieren: Transaktionskosten, Asset Allocation und Diversifikation. Da bisher keine wissenschaftliche Veröffentlichung den kausalen Zusammenhang zwischen einer standardisierten Anlageberatung und den Portfoliodeterminanten evaluiert hat, werden nahe gelegene Themen zur Ableitung der relevanten Fragestellungen verwandt. Folgende Themenbereiche werden betrachtet:

86

Ein rationales Verhalten eines Anlegers würde bedingen, dass er die Anlageberatung präferiert, die ihm die höchstmögliche risikoadjustierte Rendite unter Einbezug von Kosten erwirtschaftet. Siehe auch Abschnitt 2.4.

87

Da die Servicequalität einer Dienstleistung nur bedingt quantifizierbar ist, entwickelten Parasuraman et al. (1988); Parasuraman et al. (1994) hierzu ein Modell (SERVQUAL). Um die fünf latenten Konstrukte der Servicequalität messbar zu machen, ermittelten sie 22 verschiedene, zu bewertende Eigenschaften, welche auf einen der fünf Konstrukte luden: ÄTangibles, Reliability, Responsiveness, Assurance und Empathy³ ± siehe Parasuraman et al. (1988), S. 23. Cronin / Taylor (1992); Cronin / Taylor (1994) adaptierten SERVQUAL zu einem performanceorientierten Modell mit der Bezeichnung SERFPERF. Rust et al. (1995) entwickelten eine Möglichkeit zur Messung der Kausalität: Anstieg des Unternehmensgewinns durch eine Verbesserung der Serviceleistung (ÄReturn on Quality-Approach³). Yavas et al. (1997) führten eine empirische Studie mit SERVQUAL im Umfeld der Banken durch. Deutsche Studien zur Servicequalität im Privatkundengeschäft und zu Kundenpräferenzen sind z. B.: Bühler (1993); Gierl (1999) und Rolfes / Benna (1998).

36 ƒ

Arten von Transaktions- und Informationskosten beim Thema Anlageberatung (Abschnitt 3.2.1.1),

ƒ

Einfluss der Anlagestrategie oder Asset Allocation auf die Rendite- sowie Performanceentwicklung (Abschnitt 3.2.1.2),

ƒ

Erkenntnisse zur naiven und internationalen Diversifikation und der Zusammenhang zur Portfoliorendite sowie -performance (Abschnitt 3.2.1.3),

ƒ

Messungen zur Rendite- sowie Performanceentwicklung in Abhängigkeit von verschiedenen Arten von Anlageempfehlungen (Abschnitt 3.2.2).

3.2.1

Determinanten der Portfolioperformance

In den folgenden Abschnitten 3.2.1.1 bis 3.2.1.3 werden die Faktoren analysiert, die es ermöglichen, Hauptbestandteile der Performance von Privatkundenportfolios zu erklären. Sicherlich zeigen zahlreiche Household-Portfolio-Untersuchungen auf, dass Variablen wie Beruf, Ausbildung88, Geschlecht89, Einkommen90 und Weiteres partiell die Portfolioperformance auch intervenierend, antezedierend bedingen, dennoch besteht kein direkter, intuitiver Zusammenhang zu Kosten, Ertrag und Risiko einer Geldanlage.91 Anders ist dies zu werten für Transaktionskosten, Anlagestrategie / Asset Allocation und Wertpapierauswahl sowie für die naive und internationale Diversifikation. Hier beeinflussen jeweils die Höhe, die Wahl und der Grad direkt die Portfolioperformance. 3.2.1.1 Arten von Transaktionskosten bei der Anlageberatung Dass Transaktionskosten die Zusammensetzung des theoretischen Marktportfolios bedingen, sondieren unter anderem Constantinides (1986) und Davis / Norman (1990). Sie analysieren den Effekt von proportionalen Transaktionskosten. Constantinides zeigt anhand seiner Ergebnisse auf, dass die Investitionsentscheidung nach Markowitz adaptiert werden muss. Die Nachfrage nach einem der beiden Assets, bei welchem proporti-

88

Siehe beispielhaft: Davis / Willen (2000).

89

Siehe beispielhaft: Barber / Odean (2001) und Biais et al. (2005).

90

Siehe beispielhaft: Haliassos / Michaelides (2003).

91

Im Rahmen der Stichprobenbeschreibung und Variablengenerierung wird noch einmal auf soziodemografische, -ökonomische und -psychologische Faktoren eingegangen. Diese Variablen werden verwendet, um für Scheinkorrelation oder Intervention zu kontrollieren.

37 onale Transaktionskosten gezahlt werden, nimmt über die Zeit ab. Folglich verlagert sich die optimale Asset Allocation eines Investors. Investoren werden sich mit der Zeit anpassen. Sie lassen weniger Wertpapierordern ausführen.92 Davis und Norman nehmen sich des gleichen Themas an. Sie dokumentieren Äquivalentes. Wie ist der Bezug zwischen Transaktionskosten und Portfoliorendite? Grossman (1976) und Grossman / Stiglitz (1980) untersuchen die Kapitalmarkteffizienz unter dem Aspekt von Informationskosten.93 Wertpapierpreise enthalten nur partiell alle öffentlich verfügbaren Informationen. Der Kapitalmarkt ist nicht effizient im mittelstarken Sinn.94 Insofern muss es sich für einen nicht informierten Marktteilnehmer rentieren, Informationen zu sammeln und diese auszuwerten, ansonsten würde er dies unterlassen. Bei einer dynamischen Betrachtung existiert immer ein gewisses Maß an Ungleichgewicht und somit auch an Arbitragemöglichkeiten. Bereits diese formale Beziehung gewährt einen Hinweis darauf, dass Wissen, generiert beispielhaft durch die Inanspruchnahme einer Anlageberatung, etwas kosten kann, jedoch auch gleichzeitig die Rendite, aufgrund einer konsistenten, verbesserten Assetklassen- oder Wertpapierauswahl, positiv beeinflussen kann. In diesem Fall würden zusätzlich entstehende Transaktionskosten den Wert der Information symbolisieren.95 Jedoch stellt diese Zusammenfassung die aktuellen theoretischen Erkenntnisse simplifiziert und unzureichend dar. Im Folgenden werden zwei Arten von Transaktionskosten beschrieben, die einen direkten Bezug zur Portfoliorendite oder Anlageberatung aufweisen und somit auch in der Analyse berücksichtigt werden müssen.

92

Vgl. Constantinides (1986), S. 843 und Abschnitt 3.1.2.1. Siehe auch: Schroder (1995).

93

Siehe auch Green et al. (1976).

94

Man bezeichnet einen Kapitalmarkt als stark-effizient, wenn in den Wertpapierpreisen fortwährend alle Informationen verarbeitet sind. Mittelstark-effizient steht für die Kategorie, bei welcher sich alle öffentlich verfügbaren Informationen (exklusive private Informationen, Insiderwissen) unmittelbar in den Preisen widerspiegeln. Auf einem Kapitalmarkt, der eine der beiden Formen der Effizienz aufweist, ist es anhand von rechtmäßig erlangten Informationen nicht möglich, Überrenditen zu erzielen. Auf einem als schwach-effizient deklarierten Kapitalmarkt besteht die Möglichkeit, anhand von Fundamentalanalysen unter- oder überbewertete Wertpapiere zu identifizieren. Wesentliche wissenschaftliche Beiträge hierzu sind von Paul Samuelson und Eugene Fama veröffentlicht worden. Vgl. zudem: Bachelier (1900); Dimson / Mussavian (1998)

95

Siehe beispielhaft: Priewasser (1994), S. 219; Stein (1999), S. 190-219.

38 3.2.1.1.1 Die unmittelbar und die mittelbar messbaren Transaktionskosten Balduzzi / Lynch (1999), Vissing-Jörgensen (1999), Paiella (2001), Vissing-Jörgensen (2002), Alan (2005) und Huang et al. (2005) widmen sich dem Thema der unmittelbaren und nur mittelbar messbaren Transaktionskosten. Gemäß ihren Ergebnissen gliedern sich die Transaktionskosten zunächst in zwei Kategorien: unmittelbar messbar sowie mittelbar messbar; siehe Tabelle 3-1. Tabelle 3-1:

Auszugsweise Darstellung zu Transaktionskostendefinitionen

Definition nach: Haliassos / Bertaut (1995) Balduzzi / Lynch (1999)

VissingJörgensen (1999 / 2002); Paiella (2001)

Huang / Wie / Yan (2005)

Unmittelbar messbare Transaktionskosten (Transaktionskosten i.e.S) Proportionale Kosten: Provision, Ausgabeaufschlag und Ähnliches (stehen eher für zeitpunktspezifische Informationssuche - speziell: Investitionszeitpunkt)

Mittelbar messbare Transaktionskosten (Bestandteil der Transaktionskosten i.w.S) Informationssuchkosten: Fortlaufende Kosten für die Informationssuche und -analyse

Proportionale Kosten: Provision, Ausgabeaufschlag und Ähnliches (stehen eher für zeitpunktspezifische Informationssuche - speziell: Investitionszeitpunkt)

"Fixe" Investitionskosten: Einmalige Eingangskosten (Informationskosten), welche entstehen, weil ein Investor das erste Mal am Kapitalmarkt handeln möchte. Periodenkosten: Kosten für die laufende aktive Informationssuche

Komplementäre Transaktionskosten : Aktive: Der Investor sucht aktiv nach relevanten Informationen Passive: Der Investor akkumuliert die Informationen, welche der Finanzdienstleister veröffentlicht. Tendenziell verkörpern Provisions- und Ausgabeaufschlagszahlungen solche Transaktionskosten.

"Fixe" Investitionskosten: Einmalige Eingangskosten (Informationskosten), welche entstehen, weil ein Investoren das erste Mal am Kapitalmarkt handeln möchte.

Quelle: Eigene Darstellung.

Die unmittelbar messbaren Transaktionskosten repräsentieren die variablen Kosten bei Wertpapiertransaktionen. Inbegriffen sind: Provision, Ausgabeaufschlag, Kursschnitt, Maklergebühr und Weiteres, wie sie auch im Abschnitt 4.1.2.1 beschrieben sind.96

96

Unmittelbar messbar steht für die Möglichkeit, die Kostengrößen aus der System-IT abgreifen zu können, da sie tatsächlich angefallen und verbucht worden sind. Anders ist dies bei den mittelbar messbaren Transaktionskosten.

39 Interessant ist die Kategorie der mittelbar messbaren Kosten. Vissing-Jörgensen (2002) klassifiziert hierzu zwei Arten.97 Dies ist zum einen ein einmalig entstehender, zeitlicher Aufwand, um sich das Basiswissen zu Wertpapieren und Kapitalmärkten anzueignen (fixe Investitionskosten). Zum anderen sind es periodisierte Kosten. Sie repräsentieren die Zeit, die man innerhalb eines Jahres investiert, um sein Portfolio zu optimieren. Informationen werden gesammelt, analysiert und umgesetzt. Vissing-Jörgensen subsumiert hierunter auch Informationsforen wie Fernsehsendungen mit Börseninformationen. Gleichwohl merkt sie kritisch an, dass dies auch reine Unterhaltung sein könnte.98 Paiella (2001) gelangt im Rahmen ihrer Analysen zu sehr ähnlichen Erkenntnissen.99 Alan (2005) geht indes so weit zu behaupten, dass man zur Messung des periodisiert entstandenen Aufwands entgangenes Arbeitsentgelt ansetzen könnte.100 Die mittelbar messbaren Transaktionskosten ± konkreter die periodisierten Kosten ± werden bei dem direkten Renditevergleich zwischen beratenen und nicht beratenen Kunden berücksichtigt. Tendenziell werden die Kosten bei den nicht beratenen Investoren höher ausfallen. Dies trägt der Zeitersparnis der beratenen Kunden Rechnung. Wie allerdings bereits Lease et al. (1974) feststellen, widmet sich der größte Teil der privaten Investoren auch im Allgemeinen immer wieder dem Thema Wertpapiere und Kapitalmärkte.101 3.2.1.1.2 Die Höhe der periodisierten Transaktionskosten Vissing-Jörgensen (2002) bestimmt zwei Methoden für die Berechnung der theoretisch anfallenden periodisierten Transaktionskosten.102 Bei ihrer Ähomogenen³ Kalkulation bedient sich Vissing-Jörgensen eines einfachen Vorteilhaftigkeitskalküls. Der geldwerte Zusatznutzen bei einer Teilnahme am Aktienmarkt muss die zusätzlichen Transaktions-

97

Vgl. Vissing-Jörgensen (2002), S. 18.

98

Vgl. Ibid., S. 19.

99

Vgl. Paiella (2001), S. 4.

100

Vgl. Alan (2005), S. 3; siehe auch Huang et al. (2005).

101

Vgl. Lease et al. (1974), 424 und 428.

102

Im Kern sucht Vissing-Jörgensen nach Faktoren, welche potenzielle Anleger von Kapitalmarktinvestitionen abhalten werden. Sie gelangt zu dem Ergebnis, dass gering anfallende periodisierte Transaktionskosten eine hinreichende Erklärung liefern.

40 kosten, hauptsächlich die periodisierten, überwiegen. Sie datiert die jährlichen Kosten auf 50 bis 260 US-Dollar in realen Werten aus dem Jahre 2000. Bei ihrer zweiten Herangehensweise adaptiert Vissing-Jörgensen das Phänomen der Äequity premium³.103 Mittels der von ihr als Äheterogen³ bezeichneten Methode ermittelt sie Kosten pro Jahr in Höhe von bis zu 350 US-Dollar in realen Werten aus dem Jahre 2000.104 Paiella errechnet geringere Werte: Ä [«] which is a higher figure than the ones I obtain, but is fully consistent with my results.³105 Alan wiederum beziffert ihre einmalig anfallenden Wissenskosten auf 2,15 % vom laufenden Jahreseinkommen.106 Die extreme Diskrepanz zwischen den Werten von Alan und Vissing-Jörgensen erklärt sich durch die verschiedenen Berechnungsansätze: einmalig anfallende Kosten versus periodisierte Kosten. 3.2.1.2 Der Einfluss von Anlagestrategie und Asset Allocation Bisher hat die Frage nach der optimalen Asset Allocation in der quantitativen Finanzwirtschaft im Vergleich zu den Thesen der Portfoliodiversifikation eher eine untergeordnete Rolle gespielt. Allerdings könnte man auch behaupten, dass die Portfoliotheorie in Verbindung mit dem CAPM das Substitut für eine Asset-Allocation-Strategie ist. Dies trifft zu, falls ein Anleger davon ausgehen kann, dass sein individuell risikoadjustiertes, optimales Investment tatsächlich anhand von zwei Assetklassen zu ermitteln ist. Zahlreiche Veröffentlichungen weisen darauf hin, dass dies nicht der Fall ist.107 Vor allem der Aspekt der Dynamik ist für eine Aussage zur Bewertung der Asset Allocation von entscheidender Bedeutung. Sind aktive strategische und taktische Weichenstellungen bei einer Anlagestrategie sinnvoll? Oder sollte man sich für eine einmalig fixe, passive Assetklassenaufteilung

103

Vgl. hierzu beispielhaft Dimson et al. (2003). Sie ermitteln, dass die Aktien trotz Risikoadjustierung erhebliche Überrenditen generieren.

104

Im Abschnitt 8.1.2 werden die indirekten, nur mittelbar messbaren Transaktionskosten mittels Durchschnittskalkulationsverfahren determiniert und angesetzt; in US-Dollar: (((50+260)/2)*0,5+350*0,5).

105

Vgl. Paiella (2001), S. 4. Paiella bezieht sich auf die Studie von Vissing-Jörgensen.

106

Vgl. Alan (2005), S. 4.

107

Siehe hierzu Abschnitt 3.1.2.2.

41 entscheiden? Was treibt die Portfolioertragsseite? Und zuletzt ist maßgeblich, was für ein Zusammenhang zwischen der langfristig gewählten Asset Allocation und der Portfolioperformance besteht. 3.2.1.2.1 Die Expertise der Institutionellen Canner et al. (1997) zeigen in ihrer empirischen Studie, dass die von führenden Investmentgesellschaften propagierten Anlagestrategien im Vergleich zum Markt zu nicht optimalen Ergebnissen führen. Des Weiteren stellen sie fest, dass die von den Experten empfohlenen Asset-Allocation-Varianten nicht den theoretischen Erkenntnissen entsprechen (siehe Abbildung 3.5). Abbildung 3.5: Theoretisch optimale und empfohlene Portfolios 2

Recommended Portfolios

Bonds/Stocks-Ratio

1,5 1 0,5 0

CAPM Assumptions

-0,5 -1 -1,5 0

0,2

0,4

0,6

0,8

1

Proportion of Assets in Stock

Quelle: in Anlehnung an Canner et al. (1997), S. 184.

Es kommt zu einer Divergenz zwischen praktischer Empfehlung und theoretischer Optimierung. Die Autoren versuchen anhand von acht verschiedenen Erklärungsansätzen dem Rätsel der Divergenz auf den Grund zu gehen. Jedoch führt sie auch die Vereinfachung der theoretischen Annahmen nicht zum Ergebnis.108 Elton / Gruber (2000) kritisieren die Studie von Canner, Mankiw und Weil aufgrund der fehlenden Repräsentativität. Ihre Studie basiert auf lediglich vier verschiedenen Quellen. Außerdem sind nur zwei ihrer Quellen große Finanzinstitute mit eigenem quantitativem Research und einer Strategieabteilung. Elton und Gruber finden bei ihren Untersuchungen keine Divergenz zwischen den Empfehlungen von Theorie und Praxis.

108

Vgl. Canner et al. (1997), S. 190.

42 3.2.1.2.2 Einblicke in die Attributionsanalyse Echtes Interesse an dem Einfluss der Asset Allocation auf die Portfolioperformance entstand in der Mitte der 1980er Jahre. Die zahlreichen Beweise zu Kapitalmarktunvollkommenheiten eröffneten den Wissenschaftlern die Chance, vollkommen neu auf den Investmentprozess und die Bewertung von Wertpapieren zu blicken.109 Brinson, Hood und Beebower gehören zu den Ersten, die den Determinanten der Attributionsanalyse einen Namen geben: Ä[«] a method for delineating responsibility and measuring the performance contribution of those activities that compose the investment management process ± investment policy, market timing and security selection³.110 Sie fokussieren einen anderen Ansatz als Sharpe, Treynor, Black und Jensen. Diesmal steht nicht die Risikoadjustierung der Renditen im Vordergrund, vielmehr analysieren sie den Einfluss von verschiedenen Kriterien auf die Überrendite.111 Brinson, Hood und Beebower bestimmen drei maßgebliche Einflusskriterien: Erstens hat jeder Fondsmanager oder Wertpapierspezialist eine grundlegende Anlagestrategie, in welcher die Asset Allocation für den langfristigen Anlagezeitraum determiniert ist: die Investment Policy. Hierdurch wird langfristig ein bestimmtes Risikoniveau sichergestellt. Der zweite Einflussfaktor bezieht sich auf die Market-Timing-Qualitäten des Managers. Gelingt es ihm, durch die Variation der Assetklassenanteile den Markt outzuperformen? Er kann sich für ein kurzfristiges, aktives Abweichen von der Benchmark entscheiden, indem er Assetklassen unter- und übergewichtet. Der dritte Einflussfaktor bezieht sich auf die Security-Selection-Qualitäten. Es wird untersucht, ob der Manager wirklich eine herausragende Analytik oder eine bestimmte

109

Siehe Abschnitt 3.1.2.2 Punkt 3.

110

Vgl. Brinson et al. (1986), S. 133. Vgl. auch: Lakonishok et al. (1992); Singer (1997); Annaert et al. (2002).

111

Anstatt der Bezeichnung Attributionsanalyse werden auch die Begriffe Beitrags- oder Performanceanalyse verwendet.

43 Kenntnis besitzt, die es ihm ermöglicht, Wertpapiere zu identifizieren, die zu einer überdurchschnittlichen Portfolioperformance beitragen können.112 Brinson, Hood und Beebower analysieren die Renditen von 91 Firmenpensionsfonds. Der Untersuchungszeitraum beträgt zehn Jahre und beginnt 1974. Ihr Vergleich ergibt, dass die Rendite bei der reinen Investment-Policy-Strategie höher ausfällt als bei den Alternativen ÄInvestment Policy and Security Selection³ und ÄInvestment Policy and Timing³. Jedes Jahr kosten ÄTiming³ und ÄSelection³ durchschnittlich knapp 110 Basispunkte.113 Das Ergebnis zeigt auf, dass langfristig die richtige Wahl der Asset Allocation für die Portfoliorendite entscheidend ist. Hierdurch ist allerdings nicht ausgeschlossen, dass eine Einzelstrategie, die verstärkt bis ausschließlich auf Timing- oder Security-Selection-Aspekten basiert, nicht auch einen positiven, überdurchschnittlichen Renditebeitrag leisten kann. 1991 verteidigen und erweitern Brinson, Singer und Beebower ihre frühere Studie.114 Diesmal analysieren sie 82 Pensionsfonds im Zeitraum von 1977 bis 1987. Es zeigt sich abermals, dass die Asset Allocation einen entscheidenden Einfluss auf Rendite und Performance hat. Blake et al. (1999) kritisieren die Studie von Brinson, Hood / Singer und Beebower zum einen aufgrund der limitierten Anzahl an Assetklassen (Aktien, Anleihen, Liquidität und Sonstiges) und zum anderen hinsichtlich der fehlenden Approximation in Bezug auf die Veränderung des Assetklassenanteils über die Zeit.115 Deswegen adaptieren sie die Me-

112

Heutzutage wird die Attributionsanalyse in bis zu fünf Kategorien aufgeteilt: Asset Allocation, Wertpapierauswahl, Timing der Asset Allocation, Timing der Wertpapierauswahl und Währungsmanagement. Siehe Fischer (2000), S. 126: Der Beitrag beispielhaft für Allokations- und Wertpapierauswahl: Allokationsbeitrag = (Gewichtung des Portfoliosegments ± Gewichtung des Benchmarksegments) * Rendite des Benchmarksegments Wertpapierauswahlbeitrag = Gewichtung des Benchmarksegments * (Rendite des Portfoliosegments ± Rendite des Benchmarksegments). Brinson et al. (1986), S. 134, definieren die Kategorien der Attributionsanalyse in einer etwas anderen Form.

113

Vgl. Brinson et al. (1986), S. 135.

114

Vgl. Brinson et al. (1991).

115

Vgl. Blake et al. (1999), S. 430, Fußnote: Ä Nevertheless, several of his criticisms are potentially important [«] the limited number of asset classes and time-series observations used in their analysis.³ An dieser Stelle beziehen sich Blake et al. (1999) auf Jahnke (1997).

44 thodik in ihrer Analyse. Dies ermöglicht eine lineare Approximation der zeitanteiligen Assetklasseninvestments. Insgesamt kommen auch Blake et al. (1999) zu einem sehr ähnlichen Ergebnis: Ä[«] asset allocation accounts for most of the time-series variation in portfolio returns, while market timing and asset selection appear to have been far less important.³116 3.2.1.2.3 Die optimale Asset Allocation unter dem Aspekt der Dynamik Ende der 1990er Jahre und Anfang 2000er Jahre nehmen sich Forscher des Themas der dynamischen Portfoliooptimierung an (eine kontinuierliche Anpassung der Renditeerwartungen).117 Brennan et al. (1997) sind die Ersten.118 Sie betrachten drei verschiedene Strategien: die Ä1-Monats-Strategie³, Ä1992-Strategie³ und Ä20-Jahres-Strategie³. Die erste Strategie soll eine kurzfristige und somit taktische Asset Allocation repräsentieren, die monatlich neu ausgelegt wird. Die Ä1992-Strategie³ verkürzt monatlich ihren Anlagehorizont mit dem verbleibenden Endzeitpunkt Januar 1992. Die letzte Strategie ist die am langfristigsten angelegte. Sie repräsentiert eine strategische Asset Allocation. Die Assetklassen sind: Liquidität / Termingeld, Rentenpapiere und Aktien. Brennan, Schwartz und Lagnado stellen fest, dass die optimalen Liquiditätsanteile über die Zeit zwischen 0 und 90 % variieren. Zudem ist der Liquiditätsanteil bei der Ä1-Monats-Strategie³ fast durchgehend höher als bei der Ä20-Jahres-Strategie³. Diese Konstellation stellt sich ein, weil die kurzfristigen Zinsen fest und insofern sicher sind. Dieser Gesichtspunkt verändert sich, wenn die Zinszahlungen im Rahmen einer auf 20 Jahre ausgelegten Strategie fortwährend wieder angelegt werden und nicht als Neuanlage interpretiert werden ± der Anlagehorizont verändert die Vorteilhaftigkeitsbetrachtung. Außerdem ist der Aktienanteil bei der Ä20-Jahres-Strategie³ immer höher als bei der Ä1-Monats-Strategie³. Gründe hierfür sind die Steigerung der zu erwartenden Rendite

116

Vgl. Blake et al. (1999), S. 429.

117

Siehe Abschnitt 3.1.2.2 Punkt 1.

118

Vgl. auch Kandel / Stambaugh (1996). Sie versuchen, die Dynamik anhand des Äa priori³ und Äa posteriori³ Erwartungswertes von Bayes zu approximieren. Grauer / Shen (2000) adaptieren diskrete, zeitdynamische Modelle, indem sie Restriktionen einführen. Die restriktiven Modelle erhöhen den vom Anleger erwünschten Diversifikationsgrad.

45 und die Tendenz von Aktien, zu ihrer langfristigen Durchschnittspreisentwicklung zurückzukehren (mean-reverting-tendency).119 Das Risiko nimmt ab. Jacquier und Marcus machen nochmals auf die Bedeutung der Korrelation bei der Portfoliooptimierung aufmerksam.120 Diversifizierung ist der Schlüssel zur effizienten Asset Allocation. Jacquier und Marcus definieren den Correlation Breakdown: Ä [«] the power of diversification is weakest precisely when it is most desired.³121 Bei hoher Marktvolatilität steigen gleichzeitig die positiven Korrelationen der Wertpapierrenditen. Insofern verändern sich die Annahmen der Portfoliotheorie von Markowitz über die Zeit. Gleiches bemängeln Campbell et al. (2003): Ä[«] the analysis is static; it assumes that investors care only about risks to wealth one period ahead. In reality, however, many investors [«] seek to finance a stream of consumption over a long lifetime.³122 Insgesamt zeigen die Ergebnisse zum Thema der langfristigen Anlagestrategie und Asset Allocation, dass der Aktienanteil für eine hohe Portfolioperformance über die Zeit entscheidend ist. Zwei interessante, zu untersuchende Fragestellungen ergeben sich aus den theoretischen Erkenntnissen: zum einen die Frage nach dem Einfluss der Anlageberatung auf die Auswahl bestimmter Assetklassen (z. B. auf die Aktien) und zum anderen, wie sich die jeweilige Assetklasse auf die Portfoliorenditeentwicklung auswirkte. 3.2.1.3 Erkenntnisse zur naiven und internationalen Diversifikation Unzweifelhaft besteht, wie in Abschnitt 3.2.1.2.3 angedeutet worden ist, zwischen dem Risiko einer Anlage und der Asset Allocation ein Bezug. Allerdings sei an dieser Stelle vor allem auf den Zusammenhang zwischen dem idiosynkratischen Risiko und der Portfolioperformance eingegangen. Gerade die traditionelle Portfoliotheorie von Markowitz suggeriert, dass ein jeder Anleger ein diversifiziertes Portfolio halten sollte und wird. Die Vielfalt der Anlagen sorgt

119

Mit Mean Reversion bezeichnet man das Verhalten eines Wertpapierpreises, nach einer Periode des Ansteigens (Absinkens) zu einer Kursbewegung in die entgegengesetzte Richtung zu tendieren.

120

Vgl. Jacquier / Marcus (2001).

121

Vgl. Ibid., S. 18.

122

Vgl. Campbell et al. (2003), S. 42. Siehe auch Gomes / Michaelides (2005).

46 dafür, dass das spezifische Risiko eines einzelnen Wertpapiers reduziert wird. Es verbleibt das Risiko des Marktportfolios, das nicht diversifizierbare Risiko.123 Viel wurde darüber geschrieben, wie viele Wertpapiere ein Investor letztendlich in seinem Depot vereinen müsste, um davon ausgehen zu können, dass er gut diversifiziert ist. Statman (1987) untersucht diese Fragestellung anhand eines Vergleichs zwischen einem gängigen Marktindex und einem zufällig zusammengestellten Wertpapierdepot. Er gelangt zu der Erkenntnis, dass ein kreditorisch veranlagter Investor mindestens 40 Wertpapiere halten muss, um sich nicht schlechter als der Index zu stellen. Ein debitorisch veranlagter Anleger sollte mindestens 30 verschiedene Wertpapiere halten. Dies steht den pauschal gehaltenen Aussagen anderer Wissenschaftler entgegen. Zum Beispiel erhoben Evans / Archer (1968) in früheren Zeiten Zweifel, ob eine Geldanlage mit über 10 Wertpapieren ökonomisch zu rechtfertigen sei.124 Auch heutzutage gehen manche Wissenschaftler davon aus, dass der Nutzen der Diversifikation mit 20 oder 30 verschiedenen Wertpapieren ökonomisch erschöpft ist.125 Entscheidend für den Diversifikationseffekt ist eine nicht systematische, nicht einseitige Auswahl der Wertpapiere, die Renditen sollten nicht stark positiv korreliert sein. Dennoch existieren verschiedene Studien, die exakt dieses aufzeigen. Aufgrund von Fehlverhalten der Anleger werden die positiven Effekte der Diversifizierung konterkariert. Man spricht in diesem Zusammenhang auch von Äbehavioral biases³. Kroll / Levy (1992) und Kroll et al. (1988) ermitteln, dass Investoren aufgrund von Verfügbarkeits- und Repräsentativitätsheuristiken Renditekorrelationen und somit die Diversifikationseffekte unbeachtet lassen.126 Andere Anleger haben ein Faible für glamou-

123

Das theoretische ÄMarktrisiko³ kann reduziert werden durch eine Investition in Wertpapiere, deren Renditen negativ mit den Renditen des ÄMarktportfolios³ korrelieren. Voraussetzung ist, dass diese Wertpapiere nicht Bestandteil des ÄMarktportfolios³ sind.

124

Siehe Evans / Archer (1968), S. 767.

125

Siehe Brealey / Myers (1996), S. 154.

126

Die Verfügbarkeitsheuristik beschreibt ein nicht optimales Verhalten des Investors, bei welchem dieser Eintrittswahrscheinlichkeiten von Ereignissen auf Basis schnell und leicht verfügbarer Informationen schätzt und somit schlecht oder nicht unmittelbar verfügbare Informationen vernachlässigt. Die Repräsentativitätsheuristik steht für die Neigung von Menschen, in Stereotypen zu denken. Eintrittswahrscheinlichkeiten von Ereignissen werden danach beurteilt, ob diese sich in ein bereits bekanntes Schemata einfügen lassen. Dadurch werden bekannte, an sich irrelevante Informationen zu Determinanten der Entscheidungsfindung. Siehe hierzu auch: Nitzsch / Hackethal (2005).

47 röse Wertpapiere127, folgen einem Preistrend128 oder kaufen vor allem die ihnen bekannten Wertpapiere129. Weitere Studien stellen fest, dass Anleger eine neue Investition isoliert und nicht im Gesamtzusammenhang bewerten.130 Auch diese Begebenheiten können dazu führen, dass die positiven Effekte der Diversifikation zunichte gemacht werden. Welche Merkmale weist ein gut diversifizierter Investor letztendlich auf? Bereits Blume / Friend (1975) ermitteln eine positive Abhängigkeit zwischen dem Einkommens- und Vermögensverhältnis eines Anlegers und der Anzahl investierter Aktien. Goetzmann / Kumar (2001), Vissing-Jörgensen (2003) und Goetzmann / Kumar (2005) bestätigen die positive Beziehung zwischen Einkommen sowie Diversifizierung und verweisen diesbezüglich auf ein möglicherweise kontraproduktives Anlageverhalten gemäß verschiedener Household-Portfolio-Untersuchungen.131 Zudem stellen sie auch für Alter und Ausbildung eine positive Wechselwirkung mit dem Diversifikationsgrad fest. Sie werten den Faktor Ausbildung als Proxy für Kapitalmarktkenntnisse. Des Weiteren bescheinigen Goetzmann und Kumar den Investoren mit den besseren Wertpapierkenntnissen, dass sie auch die besser diversifizierten Portfolios haben (Äthat more sophisticated investors and those with higher income hold better diversified portfolios³).132 Dorn / Huberman (2005) merken zu den Analyseergebnissen von Portfolios eines deutschen Discountbrokers an, dass Risikobewusstsein und Risikoaversion die Diversifikation positiv bedingen. Wiederum nicht entscheidend ist der Irrglaube, lediglich zu vernuten, man besitze bessere Informationen als die anderen Marktteilnehmer. Ähnliches dokumentieren Graham et al. (2006): Investoren, die aufgrund eines übersteigerten Selbstwertgefühls davon ausgehen, dass ihre Informationen außergewöhnlich gut seien, haben tendenziell schlecht diversifizierte Portfolios, wohingegen diejenigen, die von

127

Siehe Barber et al. (2003a).

128

Siehe Dhar / Kumar (2001).

129

Siehe Grinblatt / Keloharju (2001).

130

Siehe Baberis et al. (2006).

131

Haliassos / Michaelides (2003) und Guiso et al. (2003) stellen heraus, dass die Aktienquote mit steigendem Humankapital (Einkommen) zunehmen sollte. In diesem Fall wäre der Anleger durch die stabile Einkommensbasis abgesichert. Dies kann den Diversifikationsgrad senken.

132

Vgl. Goetzmann / Kumar (2005), S. 23.

48 sich selbst behaupten, dass sie gute Wertpapierkenntnisse besitzen, gut diversifiziert sind. Calvet et al. (2006) untersuchen das Anlageverhalten von schwedischen Investoren und gelangen zu der Konklusion, dass die sehr erfahrenen Investoren tendenziell schlechter diversifiziert sind. Zudem weisen die schwedischen Aktienportfolios eine hohe Konzentration auf, jedoch nicht die Gesamtportfolios inklusive anderer Assetklassen. Die Regressionsschätzungen, die sich auf diese Thematik beziehen, haben lediglich ein RSquare von 0,02 bis 0,04. 3.2.1.3.1 Die Wechselwirkung zwischen naiver Diversifikation und Portfolioperformance Man kann anhand des theoretischen Fundaments des CAPM und der Portfoliotheorie keine achtbare, anerkennenswerte Hypothese ableiten, die besagt, dass ein Anleger durch die Übernahme eines geringeren unsystematischen Risikos die Rendite steigern kann ± zumindest nicht unmittelbar und auch nicht unter der Annahme, dass die Anleger effiziente Portfolios halten. Goetzmann / Kumar (2001) und Goetzmann / Kumar (2005) halten dennoch in ihren Veröffentlichungen fest, dass ihre Ergebnisse eine positive Wechselwirkung zwischen Diversifikation und Portfolioperformance belegen. Goetzmann und Kumar verwenden in ihren Studien gängige Diversifikationsmaße, wie z. B. die Summe der quadrierten Assetklassenanteile (auch naive Diversifikation). Die naive Diversifikation wird typischerweise in Anlehnung an den Herfindahl-Hirschman-Index (HHI) berechnet. Diese Berechnungsmethodik wird in Abschnitt 4.2 erläutert. Goetzmann und Kumar stellen heraus, dass in beiden Perioden ihrer Analyse die Sharpe Ratio der Zwei-Aktien-Portfolios unter denen der Portfolios liegt, die 15 und mehr Aktien enthalten.133 In ihrer Publikation aus dem Jahre 2005 dokumentieren sie: ÄOn an annual basis the most diversified investor group earns 2.04 % higher return than the least diversified investor group³134.

133

Die Berechnung der Sharpe Ratio wird in Abschnitt 4.2.2.1 dargelegt.

49 Ist dem tatsächlich so? Rein intuitiv ist es fragwürdig, ob eine Art der Risikoreduzierung unmittelbar dazu führen kann, dass auch die Performance steigt. Ivkovic, Sialm und Weisbenner können dem nicht beipflichten.135 Ihre Analyse ergibt, dass unabhängig von der Höhe des Investitionsvolumens stark diversifizierte Portfolios unter der Rendite der Benchmarkportfolios verbleiben. Jedoch stellen sie weiterhin fest, dass wenig konzentrierte Portfolios mit hohem Anlagevolumen die Benchmark outperformen können.136 Sie begründen dies mit den faktisch notwendigen Wertpapierkenntnissen eines Großinvestors. Er wird die Gabe besitzen, spezielle Aktien auszuwählen, die ihm zum Vorteil gereichen werden. In diesem Fall würde allerdings die intervenierende Variable ÄWertpapierkenntnisse³ sowohl die überdurchschnittliche Rendite als auch die gute Diversifizierung bedingen. Somit geben diese Befunde lediglich einen Hinweis auf eine mögliche Wechselwirkung zwischen naiver Diversifikation, Expertenwissen und Portfolioperformance. 3.2.1.3.2 Die Wechselwirkung zwischen internationaler Diversifikation und Portfolioperformance Verzichten Anleger auf die Vorteile einer internationalen Diversifikation? Diese Frage kann mit einem Ja beantwortet werden. Denn zahlreiche empirische Messungen anhand des IAPM (International Asset Pricing Model) belegen dies.137 Nach dem IAPM wäre die regionale Aufteilung einer Geldanlage, unabhängig von dem Heimatland des Anlegers, entsprechend dem Verhältnis der weltweiten Marktkapitalisierung des jeweiligen Landes zu wählen. Überschreitet der Depotanteil mit heimischen Wertpapieren das Verhältnis der Marktkapitalisierung, liegt der so genannte Home Bias vor. Für deutsche Anleger zeigen Oehler et al. (2005) und Rouette (2005) diesen Effekt auf. Rouette dokumentiert, dass die deutschen Investoren in den 1990er Jahren noch knapp 90 % deutsche Investments hielten, im Jahre 2003 allerdings nur noch in einer Größenordnung von etwas mehr als 60 %. Dennoch ist dies ein hoher Wert, wenn man beachtet, dass

134

Vgl. Goetzmann / Kumar (2005), S. 28.

135

Vgl. Ivkovic et al. (2005).

136

Vgl. Ibid., S. 4-5.

137

Vgl. Solnik (1974).

50 das deutsche Wertpapierinvestitionsvolumen nur circa 4 % des Weltkapitalmarktes repräsentiert.138 Oehler et al. (2005) gelangen zu ähnlichen Resultaten. Das Home-Bias-Phänomen ist nicht deutschlandspezifisch. So ermittelten bereits Levy / Sarnat (1970) bei ihrer Untersuchung für 28 Länder, die sich über den Zeitraum von 1951 bis 1967 erstreckt, dass dieses Phänomen quasi weltweit vorkommt. French / Poterba (1991), Coen (2001) und Faruqee et al. (2004) weisen Äquivalentes nach.139 Levy und Sarnat zeigen auf, dass ein amerikanischer Investor in Verbindung mit Auslandsinvestments eine effizientere Risiko/Rendite-Position hätte erreichen könnte.140 French und Poterba ermitteln die rationale, implizite Renditeerwartung eines Investors, welcher ausschließlich oder zumindest zu einem relativ hohen Anteil in inländische Wertpapiere investiert. French und Poterba konkludieren, dass ein britischer Investor den durchschnittlichen heimatbezogenen Wertpapieranteil von 82 % nur dadurch rechtfertigen kann, weil er auf den Heimatmarkt eine um jährlich 500 Basispunkte höhere Rendite als auf dem nordamerikanischen Markt erwartet.141 Bei einem entsprechenden Vergleich zwischen Nordamerika und Japan stellt sich heraus, dass der durchschnittliche nordamerikanische Anleger jährlich einen Mehrwert von 250 Basispunkten erwartet. French und Poterba analysieren hierfür die Aktienmärkte von USA, Japan, UK, Frankreich, Deutschland und Kanada im Zeitraum von 1975 bis 1989.142 Das Ausmaß der Divergenz der Renditeerwartungen ist rational kaum zu begründen. Auf Basis von optimierten Portfolioanlagestrategien zeigen Grauer / Hakansson (1987) für einen durchschnittlichen nordamerikanischen Investor auf, dass ein internationales Portfolio eine um 2,8 % höhere Rendite bei nahezu gleichem Risiko erzielt als ein reines inländisches Portfolio. 138

Weitere Angaben hierzu befinden sich im Abschnitt 7.4.

139

Weitere länderspezifische Untersuchungen sind: Grinblatt / Keloharju (2001) für Finnland, Massa / Simonov (2006) für Schweden und Feng (2004) für China. Sie bestätigen auch den Home Bias. Ivkovic / Weisbenner (2005) finden eine Erklärung für das Faible, regional oder heimatverbunden Geld anzulegen. Sie stellen heraus, dass Anleger mit regionalen Investments besser liegen, eine höhere Rendite erzielen können als mit Äfernen³ Geldanlagen. Sie begründen den Sachverhalt mit den Firmenkenntnissen eines ÄOrtsansässigen³. Dies bedeutet dennoch nicht, dass eine internationale Diversifizierung Schaden verursacht.

140

Vgl. Levy / Sarnat (1970), S. 674.

141

Vgl. French / Poterba (1991), S. 223.

142

Siehe auch: French / Poterba (1990).

51 Sinquefield (1996) kann keine Vorteile für einen US-Anleger durch eine internationale Diversifikation erkennen. Gemäß den Befunden von Gerke et al. (2005) und Maurer / Mertz (2000) hat ein deutscher Investor durch eine erweiterte internationale Diversifikation ein zusätzliches Renditepotenzial zu erwarten. 3.2.2

Der Einfluss von Anlageempfehlungen durch Experten

Wenn man reflektierend die bisher dargestellten Befunde auswertet, gelangt man zu der Erkenntnis, dass direkt messbare Transaktions- in Verbindung mit Informationskosten einen negativen Einfluss auf Rendite und Performance des Portfolios haben, die Wahl der Asset Allocation und Wertpapierauswahl sowohl einen negativen als auch einen positiven, und die Steigerung der internationalen Diversifikation eventuell einen positiven Einfluss darauf hat (siehe hierzu Abbildung 3.6). Abbildung 3.6: Zusammenhang zwischen Anlageberatung, Portfoliorenditedeterminanten sowie Portfoliorendite und -performance

Anlageberatung

z. B.: Transaktions- und Informationskosten

z. B.: Asset Allocation und Wertpapierauswahl

z. B.: Diversifikation und Standardabweichung

Kostenkomponente

Ertragskomponente

Risikokomponente

-

- +

Nicht finanzielle Determinanten

(+)

Portfoliorendite und -performance

= Mögliche Interdependenzen zwischen den Determinanten

-/+

= Negativer / positiver Zusammenhang zwischen der erklärenden und der erklärten Variable

Quelle: eigene Darstellung.

52 Plakativ und vereinfachend: Transaktionskosten senken, die Höhe des Aktienanteils erhöht und eine gute internationale Diversifikation steigert die Portfolioperformance. Der Einfluss der Anlageberatung auf die einzelnen Portfoliodeterminanten ist allerdings unklar, da bis dato kaum Befunde in der wissenschaftlichen Literatur existieren, welche ausgehend von der Determinante Anlageberatung das in Abbildung 3.6 skizzierte Konstrukt gesamthaft aufarbeiten. Sehr wohl existieren ähnlich geartete empirische Untersuchungen in nahe liegenden Themenbereichen. Folgende Untersuchungen werden verwandt, um die Zusammenhänge zwischen Beratung und Portfoliorendite, aber teilweise auch den Bezug zwischen Beratung und Portfoliorisiko darlegen zu können: Zum einen die sehr umfangreiche Gruppe von Publikationen, die sich den Themen der veröffentlichten Wertpapierempfehlungen und Kursprognosen im Allgemeinen widmen, um eine konkrete Beurteilung der Informationen vornehmen zu können (Abschnitt 3.2.2.1). Adaptiert auf die Anlageberatung geht es darum, exemplarisch auszuwerten, ob Informationen von Experten einen Mehrwert für einen Anleger bedeuten können. Ein weiterer Bereich evaluiert die Güte der Empfehlung in Abhängigkeit vom Medium. Zum Beispiel werden die Bekanntmachungen eines bestimmten, weit verbreiteten Online-Portals beurteilt (Abschnitt 3.2.2.2). Auch diese Literaturreihe soll einen Hinweis dazu gewähren, ob veröffentlichte Informationen, auch lediglich in Form eines Teilprozesses ÄProdukt empfehlen / auswerten³, einen Investornutzen zu generieren vermögen. Weitere empirische Studien behandeln die Wertentwicklungen von Privatkundenportfolios (Abschnitt 3.2.2.3). Sie ermöglichen eine kurze Analyse zum Kontext ÄKosten und Rendite des Portfolios³. 3.2.2.1 Analystenempfehlungen und Kursprognosen Cowles (1933) veröffentlicht als einer der Ersten wissenschaftliche Resultate zum Forschungsgebiet Analystenempfehlung und -prognose. Die durchschnittliche, zusammengefasste Wertentwicklung der 7.500 Empfehlungen von 16 verschiedenen Finanzdienstleistern im Zeitraum von Januar 1928 bis Juli 1932 liegt im jährlichen Durchschnitt 1,43 % unter der Aktienmarktentwicklung.

53 Brown et al. (1998) merken jedoch an, dass Cowles keine Risikoadjustierung vorgenommen hat. Sie revidieren seine Aussage, indem ihre Ergebnisse der replizierten Studie positive Jensen Alphas und Sharpe Ratios ergeben.143 Auch Elton et al. (1986), Conroy / Harris (1987), Womack (1996), Barber et al. (2001) und Barber et al. (2003b) bescheinigen den Wertpapieranalysten, dass man anhand ihrer Empfehlungen oder Kursprognosen abnormal positive Renditen im Vergleich zur Benchmark verdienen kann. Elton et al. (1986) berechnen, dass man für einen zweimonatigen Zeitraum auf Basis der 10.000 Empfehlungen von 33 Brokerfirmen im Zeitraum von März 1981 bis November 1983 eine risikoadjustierte Überrendite hätte erzielen können. Eine positive Veränderung auf der Aktienempfehlungsliste, von beispielhaft ÄHalten³ zu ÄKauf³, korreliert ex post positiv mit der Kursentwicklung.144 Sie stellen jedoch gleichzeitig fest, dass eine einzelne Brokerfirma nicht die Qualität hat, den Markt dauerhaft outzuperformen. Conroy / Harris (1987) ermitteln, dass ein vorteilhaftes Marktagieren aufgrund von Kursprognosen in einem kurzen Zeitintervall möglich ist. Zudem merken sie an, dass die beste Prognose eine übereinstimmende, zusammengefasste und quasi konsensorientierte ist. Gleichermaßen zeichnet Womack (1996) auf, dass ein Preismomentum bei Kaufempfehlungen positiv ist, jedoch von wesentlich kürzerer Dauer als bei Verkaufsempfehlungen. Alle drei Studien ziehen die direkt messbaren Transaktionskosten nicht in Betracht. Anders ist dies bei Barber et al. (2001) und Barber et al. (2003b). Sie dokumentieren indes, dass man mittels Analystenempfehlungen zwar abnormal positive Brutto-, jedoch keine Nettorenditen generieren kann. Aufgrund der Transaktionskosten konvergiert die erzielte Überrendite zu einem Wert von Null. Sie werten über 360.000 Empfehlungen von insgesamt 4.340 Analysten aus. Erstaunliches tritt in den Jahren 2000 und 2001 zutage: Konträr zu den Studienresultaten aus den vorhergehenden Jahren fallen die Aktienkurse der Kaufempfehlungen, wohingegen die der Verkaufsempfehlungen steigen. Für diese Begebenheit finden sie keine Erklärung.145

143

Siehe hierzu die Abschnitte: 4.2.2.1 und 4.2.2.1.

144

Siehe auch Abschnitt: 3.1.2.2, Punkt 3.

145

Vgl. Barber et al. (2003b), S. 90.

54 Die geschilderten Ergebnisse sollen dennoch nicht darüber hinwegtäuschen, dass die Empirie auch Gegenteiliges vorzuweisen hat. Zum Beispiel zeigen De Bondt / Thaler (1990) auf, dass Analysten wie private Investoren zur Überreaktion neigen. Die Volatilität in den Änderungen der Aktienrankings ist zu hoch, als dass diese aufgrund von neuen Informationen noch als rational einzuschätzen ist. Auch Cahart (1997) findet keinen Beweis dafür, dass Wertpapierexperten wie Fondsmanager spezifische Fähigkeiten oder spezielle Informationen haben. Vielmehr underperformen die meisten Fondsmanager die zu zahlenden Investitionsgebühren.146 3.2.2.2 Börsenbrief und Online-Portal Metrick (1999) zeigt in seiner empirischen Untersuchung, dass die Empfehlungen der 153 betrachteten Börsenbriefe keine Überrendite ermöglichen.147 Wiederum zu einer konträren Aussage gelangen die Wissenschaftler hinsichtlich des ÄValue Line Enigma³.148 Die Empfehlungen des Online-Portals und Börsenbriefs ÄValue Line³ generieren laut Black (1973), Copeland / Mayers (1982), Huberman / Kandel (1990) und Lewis et al. (1997) tatsächlich signifikante, abnormal positive Renditen. Copeland / Mayers (1982) fixieren weiterhin, dass die Überrenditen nach Adaption der anfallenden Transaktionskosten in Höhe von 1 % pro Order mit einer üblichen Kaufund Verkaufsstrategie nicht mehr möglich wären. Außergewöhnliche Renditen seien dann nur noch mit Short-Strategien realisierbar, was eine sehr gute Bonität des Marktteilnehmers erfordert.149

146

Vgl. Cahart (1997), S. 80. McNichols / O´Brien (1997) stellen fest, dass Analysten öfter Kaufempfehlungen als Verkaufsempfehlungen veröffentlichen.

147

Vgl. Metrick (1999), S. 1754. Er wendet das Vier-Faktoren-Modell von Cahart (1997) an. Dieses ist die Erweiterung des Drei-Faktoren-Modells von Fama / French (1996). In dem Vier-Faktoren-Modell werden auch Preismomentumeffekte abgebildet.

148

Zitiert nach Huberman / Kandel (1990), S. 188. Siehe auch: http://www.valueline.com/.

149

Vgl. Copeland / Mayers (1982), S. 319.

55 3.2.2.3 Rendite und Performance von Privatkundenportfolios Gary Schlarbaum, Wilbur Lease und Ronald Lease gehören zu den ersten Wissenschaftlern, die Privatkundeninvestments untersuchen.150 Ihre Analyse bezieht sich auf geschlossene Wertpapierpositionen im Zeitraum von 1964 bis 1970 von 2.506 privaten Investoren einer Retailbank.151 Nicht geschlossene Positionen werden außer Acht gelassen. Tatsächlich können die privaten Investoren in diesem Zeitraum die passiven, wertgewichteten Marktbenchmarks outperformen, obgleich die Überrendite nach Einkalkulieren der Transaktionskosten gegen den Wert Null konvergiert. Schlarbaum, Lewellen und Lease begründen die positiven Ergebnisse hinsichtlich der Bruttorendite mit der exzellenten Wertpapierauswahl der privaten Investoren. Sie mutmaßen, dass die Unterstützung der Anlageberater zu diesem Resultat beigetragen haben könnte, und verweisen auf die Studie von Logue / Tuttle (1973). Interessant ist, dass das Datenmaterial von Schlarbaum, Lewellen und Lease wahrscheinlich weitere außergewöhnliche Analysen ermöglicht: ÄThe record for each transaction included: [«] (8) whether it was Ãsolicitedµ (by the account executive) or Ãunsolicitedµ (initiated by the customer)³.152 Brad Barber und Terrance Odean verweisen in einer ihrer zahlreichen Studien auf die Problematik bei der Studie von Schlarbaum, Lewellen und Lease:153 Die Renditeergebnisse könnten nach oben hin verzerrt sein. Der Grund ist, dass private Anleger dazu neigen, wahrscheinlicher Gewinne als Verluste zu realisieren.154 Und indem Schlarbaum, Lewellen und Lease nur geschlossene Wertpapierpositionen prüfen, besteht die Tendenz, Gewinne auszuwerten. Barber und Odean ermitteln in weiteren Studien auch den Effekt der ÄOverconfidence³.155 Eine übersteigerte Selbstsicherheit, präzisere Informationen zu Kapitalmarktentwicklungen als die übrigen Marktteilnehmer zu besitzen, führt dazu, dass manche Anle-

150

Vgl. Schlarbaum et al. (1978a) und Schlarbaum et al. (1978b).

151

Vgl. Schlarbaum et al. (1978b), S. 303. Die geschlossene Wertpapierposition ist definiert als eine Position in einem Wertpapierdepot, die einmal Äumgeschlagen³ wurde (Kauf und Verkauf).

152

Vgl. Ibid., S. 302.

153

Vgl. Barber / Odean (2000a), S. 777.

154

Vgl. auch Odean (1998).

155

Vgl. Barber / Odean (1999) und Barber / Odean (2000a).

56 ger relativ häufig das Depot umschlagen. Sie weichen von den in den klassischen Theorien als homogen bezeichneten Kurserwartungen ab. Dies wiederum führt aufgrund der erhöhten Transaktionskosten zur starken Reduzierung der Portfoliorendite. Insgesamt gelangen sie zu dem Ergebnis, dass Investoren, die häufig ihr Depot umschlagen, eine niedrigere Depotnettoperformance erzielen als diejenigen, welche kaum das Depot umschlagen. Hierzu analysieren sie in einem Zeitraum von 1991 bis 1996 die Aktiendepotpositionen von 66.465 privaten Anlegern bei einem Discount-Broker. Sie konstatieren, dass eine analoge Studie bei einer Retailbank andere Ergebnisse als ihre liefern könnte, und akzentuieren gleichzeitig ihr Interesse an einem solchen Vorhaben.156 In den Veröffentlichungen Barber / Odean (2000b) und Barber et al. (2003a) zeigen die Autoren auf, dass Investmentclubs und auch private Investoren mit hohem Interesse Glamouraktien kaufen. Auch dies hat im Durchschnitt einen negativen Einfluss auf die Portfoliorendite. Die Aktien erscheinen attraktiv, weil die meisten Anleger das dahinter stehende Unternehmen kennen und es für gut befinden, womöglich aufgrund der hohen Erträge, den niedrigen Kosten, des guten Managements und der guten Auftragslage. Diese Informationen sind allerdings bereits im Aktienkurs eingepreist. Die angeführten Publikationen verweisen auf Zusammenhänge zwischen Expertenwissen / Beratung und Portfoliorendite beziehungsweise Portfolioperformance. Diese sind allerdings nicht eindeutig.

156

Vgl. Barber / Odean (2000a), S. 777.

57 3.2.3 Fragestellungen Folgende Themen und Fragestellungen stehen im Vordergrund der Analysekapitel: Kernthema 1 (siehe Abschnitt 7.2): Steht die Anlageberatung (Beratungsintensität) im positiven Zusammenhang mit einer Erhöhung der Transaktionskosten i. e. S.?157 Falls ein Unterschied bei den Transaktionskosten i. e. S. zwischen den Äberatenen³ und Änicht beratenen³ Kundenportfolios besteht, wie hoch ist dieser? Kernthema 2 (siehe Abschnitt 7.3): Hat die Anlageberatung einen Einfluss auf die Asset Allocation? Falls ein Unterschied zwischen den Äberatenen³ und Änicht beratenen³ Kundenportfolios besteht, welche Assetklassen werden über- beziehungsweise untergewichtet? Kernthema 3 (siehe Abschnitt 7.4): Welche Kundenart (beratene oder nicht beratene) ist besser diversifiziert (HerfindahlHirshman-Index, Home Bias, «)? Welcher Kundenart (beratene oder nicht beratene) trägt das höhere Portfoliorisiko (Idiosynkratisches Risiko, Lower Partial Moments I und II, «)? Kernthema 4 (siehe Kapitel 8): Wie stark beeinflusst die Asset Allocation die erzielte Portfoliorendite / Portfolioperformance? Welche Kundenart (beratene oder nicht beratene) verzeichnete ex post die höhere Portfoliorendite / Portfolioperformance (Sharpe Ratio, Jensens Alpha, «)?

157

Die Transaktionskosten im engeren Sinn repräsentieren: Ausgabeaufschläge, Provisionen, Kursschnitte und weitere Gebühren.

58

4

Methodik

4.1 Methodische Grundlagen zur Renditemessung Die Methodik zur Messung der Portfoliorendite ist für die Analyse von hoher Relevanz: zum einen, weil verschiedene Möglichkeiten existieren und in der Praxis angewandt werden, und zum anderen, weil der Ansatz der Ertrags- und Kostengrößen durchaus in Theorie und Praxis zur Diskussion steht. 4.1.1 Allgemeine Verfahren zur Ermittlung der Anlegerrendite Den Ausgangspunkt für die Messung der Performance von Anlegerportfolios bildet die Ermittlung der Portfoliorendite.158 Alle im Abschnitt 4.1.1 aufgeführten und diskutierten Renditeberechnungsmethoden haben eine Basisformel als Grundlage. Diese wird gelegentlich auch als ÄFormel der einfachen Rendite³ bezeichnet (oder auch: ÄSimple Return³, ÄStraightforward Rate of Return³).159 Die geld- und die zeitgewichtete Rendite stellen jeweils eine Erweiterung dieser Form dar. Sie werden in den Abschnitten 4.1.1.2 und 4.1.1.3 erörtert. Zunächst sei jedoch auf die Ermittlung der einfachen Anlegerrendite eingegangen. 4.1.1.1 Einfache Rendite Die Berechnung der Periodenrendite einer Vermögensanlage oder eines gesamten Wertpapierdepots vermag bei der ersten Überlegung trivial erscheinen. Die Beurteilung dessen ist gewiss subjektiv, allerdings geben die fortwährenden Anpassungen der Standards zur Messung von Performance und Rendite sowie die Existenz eines wissenschaftlichen Journals, das sich fast ausschließlich diesem Thema widmet, einen Hinweis darauf, dass dieser anfängliche Anschein an Trivialität trügt.160 Die Ermittlung einer einfachen Anlegerrendite ist anhand des gesamten Depot- oder Portfoliovermögens V über

158

In der wissenschaftlichen Literatur findet der Begriff der Performance in der Regel bei risikoadjustierten Renditemaßen Anwendung ± siehe beispielhaft: Bacon (2005) und Kritzman (1993).

159

Vgl. Fama (1972).

160

Als Beispiel sei ÄThe Journal of Performance Measurement³ angeführt.

59

(4-1)

rPt

mit:

rPt VPt

VPt  VPt 1 VPt 1

VPt 1 VPt 1

= diskrete Rendite des Portfolios P für den Zeitraum von t-1 bis t, = Marktwert des Portfolios P zum Zeitpunkt t,

VPt 1 = Marktwert des Portfolios P zum Zeitpunkt t-1 berechenbar, sofern in dem betrachteten Zeitraum keine Mittelab- und -zuflüsse stattfinden; unter dem Begriff der Mittelab- und -zuflüsse werden auch Ertrags- und Kostenzahlungen subsumiert. Die Durchschnittsrendite eines Portfolios mit Renditewerten von angrenzenden Perioden, die von Mittelbewegungen abstrahieren, wird wie folgt berechnet: 1

(4-2)

mit:

rP

rP T

ª « ¬

T

– t 1

ºT  1  rPt »  1 ¼

= durchschnittliche Rendite des Portfolios P, = Anlagezeitraum, auf den sich die durchschnittliche Rendite bezieht.161

Liegen im Zeitintervall von t-1 bis t jedoch exogene Mittelbewegungen vor, dann lässt sich die Formel (4-1) nur im Rahmen der Betrachtung von Teilintervallen, die zwischen den Kapitalbewegungen liegen, verwenden. Bei Depots, die mehrere Kapitalbewegungen verzeichnen, wäre die ausschließliche Verwendung der Formel (4-1) ohne weitere Anpassungsmaßnahmen wenig hilfreich, da eine Abbildung einer Kontostaffel mit aufgereihten Renditewerten für eine Interpretation der Wertentwicklung insgesamt wenig aufschlussreich ist. Deshalb werden für komplexere Depotauswertungen andere Evaluationsmethoden herangezogen. Hierfür ist zunächst zu klären, ob die Kapitalbewegungen, die innerhalb des Beobachtungszeitraums anfallen, von den Dispositionsentscheidungen des Anlageberaters abhängen oder ob sie als exogene Größe zu betrachten sind und insofern nicht vom Berater beeinflusst werden können. Im ersten Fall ist der Einsatz der geldgewichteten Rendi-

161

Diese multiplikative Verknüpfung ist als eine Vorstufe der Methode der zeitgewichteten Rendite zu interpretieren.

60 te als Maß sinnvoll.162 Es berücksichtigt sowohl Zeitpunkt der Kapitalzu- und -abflüsse als auch die Höhe der Investition beziehungsweise Desinvestition.163 Im Gegensatz hierzu eliminiert die zeitgewichtete Rendite den Einfluss der Mittelbewegungen. Der Vergleich im Kapitel 4.1.1.4 konkretisiert diesen Zusammenhang. 4.1.1.2 Geldgewichtete Rendite Per definitionem erzielt jede investierte Geldeinheit unabhängig vom Investitionszeitpunkt die gleiche Rendite. Das Renditemaß der geldgewichteten Rendite stellt somit eine Durchschnittsrendite dar, die für die Gesamtanlagedauer ermittelt wird und die Verzinsung des jeweils gebundenen Kapitals wiedergibt. Das am häufigsten eingesetzte Verfahren zur Berechnung der geldgewichteten Rendite wird aus der Investitionstheorie adaptiert: der interne Zinssatz oder auch ÄInternal Rate of Return³.164 Das Anfangskapital und jeder Mittelzu- und/oder -abfluss wird vom Eintrittszeitpunkt bis zum Ende der Anlagedauer aufgezinst, sodass deren Aufsummierung dem Endwert des Portfolios entspricht:

(4-3)

VPt 1 u  1  rmw  T

VPT

T

¦ C u  1 r

T t

t

mw

t 1

mit:

VPT

VPt 1 rmw Ct

= Marktwert des Portfolios zum Ende der Betrachtungsperiode T, = Marktwert des Portfolios zum Beginn der Betrachtungsperiode; Anfangsportfoliowert (vor einer Mittelbewegung), = geldgewichtete (Ämoney-weighted³) Portfoliorendite, = Kapitalzufluss (positives Vorzeichen) oder Kapitalabfluss (negatives Vorzeichen) in Periode t.

Im Vergleich zur multiplikativ verknüpften, einfachen Rendite existieren bei dieser Variante zwei Vorteile: Erstens ist zu jedem Zeitpunkt der Anlagedauer ein aktualisierter

162

Vgl. Bacon (2005), S. 17; Fisher (1966) S. 111; Kritzman (1993), S. 14.

163

So ist der Einsatz einer geldgewichteten Rendite z. B. dann sinnvoll, wenn ein Vermögensverwalter beurteilt werden soll, der für die Allokation, für die Höhe der Investition sowie für die Wahl des Investitionszeitpunktes verantwortlich zeichnet, und wenn der Bankkunde sich somit in einer Art ÄMandantenbetreuung³ befindet; siehe Kapitel 2.5.

164

Vgl. Bacon (2005), S. 9.

61 Renditevergleich unter Einbezug der selbstgesteuerten Mittelbewegungen möglich und zweitens erfordert dies nur einen einmaligen Bewertungsvorgang.165 Speziell bei längerfristigen Anlagedauern werden die Ergebnisse in der Praxis mittels des Einsatzes von Computerprogrammen, die auf iterativen Verfahren wie z. B. dem Newton¶schen Verfahren basieren, generiert. Eine Abwandlung der geldgewichteten Rendite ist die modifizierte Dietz-Methode. Sie hat den Vorteil der vereinfachten mathematischen Ausgestaltung. Wird in der Gleichung (4-3) die exponentielle Verzinsung linearisiert, lässt sich der innerhalb einer Periode errechnete Renditewert der modifizierten Dietz-Methode als Näherungswert des internen Zinssatzes interpretieren.166 Die Rendite gemäß der modifizierten Dietz-Methode wird folgendermaßen ermittelt: n

(4-4)

und

VPT  VPt 1  rmd

VPt 1  C n

CS

¦C

¦ i 1

Tt T

i

i

i 1 S

u Ci

165

Vgl. Levy (1968), S. 37.

166

Siehe hierzu Fischer / Telöken (1999); sie interpretieren die modifizierte Dietz-Methode als eine, die eher dem Begriff der Durchschnittsverzinsung verpflichtet ist und somit folglich auch in die Verfahren der Ägeldgewichteten³ Methode einzuordnen ist. Die gleiche Interpretation vollzieht Bacon (2005), S. 12-13, der diese Methodik auch zu dem Ägeldgewichteten³ Verfahren zählt. Jedoch teilen nicht alle Wissenschaftler des Konzils zum ÄPerformance Measurement³ ohne weiteres diese Einschätzung. Spaulding (2003a), S. 40: ÄThe answer to the question Ãis the Modified Dietz a moneyweigthed return?µ is therefore Ãnoµ. The only universally accepted method that I¶m aware of to derive money-weighted rates of return is the IRR³. Auch Dietz selbst argumentiert (Dietz (1968), S. 270271): ÄFor comparative measurement, a method is needed which eliminates the effect of differing cash flows and growth rates among funds³. Hiernach wird seine eigene Methode beschrieben. Gleichwohl formuliert Dietz weiter hinten (S. 272): ÄWhere cash flow is any amount other than zero the rate of return is only an approximation of the true intra period rate. The formula inherently assumes that all new cash flows to the portfolio earn at the average rate of the entire portfolio.³ Auch diese Formulierung bezieht sich auf seine Methode und legt nahe, dass man eventuell auch den Begriff der Durchschnittsverzinsung verwenden könnte. Siehe hierzu weiterhin Abschnitt 4.1.4.1.

62 mit:

rmd VPT VPt 1

Ci CS

= Portfoliorendite gemäß modifizierter Dietz-Methode, = Marktwert des Portfolios zum Ende der Betrachtungsperiode T, = Marktwert des Portfolios zum Beginn der Betrachtungsperiode; Anfangsportfoliowert (vor einer Mittelbewegung), = i-ter Kapitalzufluss (positives Vorzeichen) oder Kapitalabfluss (negatives Vorzeichen), = Summe aller linear-zeitgewichteten Kapitalbewegungen.167

Die Gleichung (4-4) kann wie folgt interpretiert werden: Im Zähler auf der rechten Seite der Gleichung wird der innerhalb des Betrachtungszeitraums erzielte Nettowertzuwachs der Anlageinvestition abgebildet. Der Nenner kann als mittleres, gebundenes Anlagevolumen interpretiert werden. Auch an dieser Gleichung ist erkennbar, dass die Höhe und der Zeitpunkt der Mittelbewegung ( C i , C S ) den Durchschnittszins rmd direkt beeinflussen und rmd nicht über eine jeweils aktualisierte Bewertung des Depotvermögens, ausgelöst durch die i-te Mittelbewegung zu einem bestimmten Zeitpunkt, determiniert wird. Bei der vereinfachten Form der Dietz-Methode, auch ÄSimple Dietz³ genannt, wird zusätzlich der Term der linearen Gewichtung simplifiziert, indem angenommen wird, dass alle innerhalb der Betrachtungsperiode anfallenden Kapitalbewegungen in der Mitte der Periode entstehen und insofern mit einem Faktor von 0,5 gewichtet werden:168 n

VPT  VPt 1  (4-5)

rsd

i

i 1

rsd VPt 1  1

mit:

¦C n

2

¦C

i

i 1

= Portfoliorendite gemäß einfacher Dietz-Methode.169

Je kleiner der Zeitraum der Periode gewählt wird, umso besser ist die Approximation.

167

Vgl. hierzu: Dietz (1968); Dietz (1971).

168

Mittelwert einer linearen Funktion innerhalb eines geschlossenen Zeitraums [0;1].

169

Vgl. Dietz (1968), S. 271.

63 4.1.1.3 Zeitgewichtete Rendite Der Gesamtzeitraum der Anlagedauer wird bei der zeitgewichteten Rendite in Teilintervalle zerlegt, deren Länge und Anzahl von den Mittelbewegungen abhängen beziehungsweise per Definition anhand dessen gebildet werden. Ein neues Teilintervall wird automatisch durch eine neue Mittelbewegung ausgelöst, insofern existieren innerhalb eines Teilintervalls keine Mittelbewegungen. Der Grundgedanke ist, jedem Renditezeitintervall das gleiche Gewicht beizumessen. Hieraus folgt die Bezeichnung der Zeitgewichtung. Die durchschnittliche Portfoliorendite wird folgendermaßen kalkuliert: 1

(4-6)

mit:

ª « «¬

rtw

rtw VPi

C i 1

n

– i 1

§ VPi ¨ ¨ V C  Pi 1 i 1 ©

· ºT ¸»  1 ¸ ¹ »¼

= zeitgewichtete (Ätime-weighted³) Portfoliorendite, = Marktwert des Portfolios unmittelbar vor der nächsten Mittelbewegung, = Saldo des i-ten Kapitalzuflusses (positives Vorzeichen) oder Kapitalabflusses (negatives Vorzeichen) mit i = 1, «, n.170

Die Anmerkung von Bacon (2005), dass Mittelbewegungen C i 1 , falls diese erst am Ende eines Handelstages valutieren, als Subtraktionsterm im Zähler und nicht wie in Gleichung (4-6) im Nenner aufgenommen werden sollten, ist ausschließlich im Falle von ungelösten praktischen Buchungsproblemen relevant. Per Definition wird der Startzeitpunkt eines Subintervalls durch eine neue Mittelbewegung ausgelöst und folglich muss die nächste, unmittelbar zu berechnende Teilintervallrendite immer eine veränderte Kapitalbasis aufweisen (ein verändertes gebundenes Kapitalvolumen).171 Eine Variante der klassischen zeitgewichteten Renditeberechnung ist die Anteilswertmethode, auch ÄUnit Price Method³. Sie wird zur Abbildung der Wertentwicklung eines Fonds verwendet. Diese auf Kundenportfolioebene zu adaptierende Methode führt zum selben Ergebnis wie das klassische Verfahren der zeitgewichteten Rendite.

170

Vgl. Fisher (1966), S. 112-114. Die Methode zur zeitgewichteten Rendite geht auf Prof. Lawrence Fisher zurück. Hierzu Fama (1972), S. 563, Fußnote: ÄIt is also closely related to the Ãtime-weighted rate of returnµ approach developed by Professor Lawrence Fisher³.

171

Vgl. Bacon (2005), S. 14.

64 Im Rahmen der Adaption wird lediglich der Marktwert des Nettofondsvermögens durch den Marktwert eines Portfolios substituiert und gleichermaßen werden die Kapitalbewegungen anhand des jeweils zu aktualisierenden Portfolioanteilswertes evaluiert (ÄNet Asset Value³).172 Dieser lässt sich wiederum durch Division des aktuellen Marktwertes des Kundenportfolios mit den bis dato Äim Umlauf³ befindlichen Portfolioanteilen ermitteln. Der Vorteil dieses Verfahrens liegt darin, dass die Berechnung der Rendite allein aus dem Verhältnis des Endportfolioanteilswertes zum Anfangsportfolioanteilswert berechnet werden kann; allerdings nur unter Berücksichtigung der zeitweiligen Anpassungen durch die von den exogenen Mittelbewegungen initiierten Neubewertungen ± siehe Formel (4-7). Die Portfoliorendite mittels Anteilswertmethode wird folgendermaßen berechnet:

rNAV

(4-7)

mit:

NAVt NAVt 1 NAVt  2 NAVT u u u ... u  1 NAVt 1 NAVt NAVt 1 NAVT 1 NAVT  1 NAVt 1

rNAV

= Portfoliorendite gemäß Anteilswertmethode,

NAVt = standardisierter Portfolioinventarwert zum Zeitpunkt t.

4.1.1.4 Vergleich zwischen geld- und zeitgewichteter Rendite Wie bereits in 4.1.1.1 angedeutet, ist die Entscheidung, welche der beiden Methoden für einen Renditevergleich in Frage kommen sollte, vor allem anhand der Erkenntnis zu treffen, ob der zu beurteilende Anlageberater für die Kapitalbewegungen eines Kunden als Verantwortlicher zeichnet. Es ist die Frage nach der Entscheidungsbefugnis zu beantworten. Wesentlich ist dieser Sachverhalt, da beispielhaft bei einem schlechten Timing eines Kapitalzuflusses die Evaluation durch die zeitgewichtete Rendite vorteilhafter ausfällt als bei der geldgewichteten Berechnungsmethode. Konkreter formuliert: Wenn in Zeiten

172

Zum Beispiel verwendet der BVI diese Methode. Sie sieht eine Reinvestition von Ausschüttungen am Ausschüttungstag vor; vgl. BVI (2005a) und BVI (2005b), S. 38 ff.

65 niedriger Anlagekapitalverzinsung viel Kapital investiert wird und in Zeiten guter Verzinsung wenig, ist die zeitgewichtete Rendite höher als die der geldgewichteten. Im umgekehrten Fall liegt die geldgewichtete über der zeitgewichteten Rendite. Vor diesem Hintergrund ist fraglich, ob der Anlageberater einer Bank oder Sparkasse dann mittels der geldgewichteten Rendite eine passende Beurteilung seiner Anlageempfehlung erfährt. Die wissenschaftlich geläufige Antwort hierauf lautet nein, da der Anlageberater nicht über die Mittelbewegungen eines Kunden verfügen kann und somit nicht für das Timing der Investition oder Desinvestition Verantwortung tragen sollte. Im Folgenden sei der Zusammenhang zwischen der geld- und zeitgewichteten Rendite anhand des Kontostaffelbeispiels von Fischer (2000), S. 28-29, kurz dargestellt.173 Im ersten Zahlenbeispiel der Kontostaffel aus Tabelle 4-1 ist erkennbar, dass in der ersten Teilperiode von Anfang Januar bis Ende Juni relativ wenig Anlagekapital investiert ist, und dies in einem Zeitraum, in dem sich die zugrunde liegende Investition gut verzinst. In der zweiten Teilperiode ist der Zusammenhang exakt umgekehrt. Folglich liegt die zeitgewichtete über der geldgewichteten Rendite: rtw § 57,41 %; rmw § 34,17 %.

Tabelle 4-1:

Beispielhafte Kontostaffel mit einem Kapitalzufluss als Mittelbewegung ± höhere Rendite in der ersten Teilperiode

Datum

Mittelbewegung

Portfoliowert unmittelbar vor einer Mittelbewegung

01.01.2005 30.06.2005 30.06.2005 31.12.2005

unmittelbar nach einer Mittelbewegung

100 170 100

270 250

Quelle: in Anlehnung an Fischer (2000), S. 28.

Im zweiten fiktiv gewählten Zahlenbeispiel aus der Tabelle 4-2 sind der Anfangsportfoliowert, die Höhe der Mittelbewegung und der Endwert des Portfolios exakt gleich. Die Verzinsung ist allerdings in der zweiten Teilperiode höher als in der ersten.

173

Vgl. auch Illmer / Marty (2003) oder Spaulding (2003a).

66 Der Sachverhalt schlägt sich in den Renditen nieder: rtw § 30,95 %; rmw § 34,17 %.

Tabelle 4-2:

Beispielhafte Kontostaffel mit einem Kapitalzufluss als Mittelbewegung ± höhere Rendite in der zweiten Teilperiode

Datum

Portfoliowert

Mittelbewegung

unmittelbar vor einer Mittelbewegung

01.01.2005 30.06.2005 30.06.2005 31.12.2005

unmittelbar nach einer Mittelbewegung

100 110 100

210 250

Quelle: in Anlehnung an Fischer (2000), S. 29.

Interessant hieran ist nachzuvollziehen, wann sich dieser Umstand egalisiert, wann die beiden Renditen bei diesem Zahlenbeispiel exakt den gleichen Wert annehmen werden. Dies ist genau dann der Fall, wenn die Depotbewertung unmittelbar vor der Mittelbewegung den Wert aufweist, der sich gleichermaßen bei der geldgewichteten Verzinsung einstellen würde. Es folgt die Verdeutlichung anhand des oben aufgeführten Zahlenbeispiels:174 1

1  rtw

ª « «¬

n

– i 1

§ VPi ¨ ¨ V C  Pi 1 i 1 ©

· ºT ¸» ¸ ¹ »¼

X tw 250 u 100 X tw  100

,

Weiterhin gilt folgender funktionaler Zusammenhang:

rtw

1,5 X tw  100 X tw  100 .

Da der Depotwert gesucht ist, der gewährleistet, dass sich exakt die geldgewichtete Rendite einstellt, obwohl das Verfahren der zeitgewichteten verwendet wird, ist die linke Seite der Gleichung durch die geldgewichtete Rendite zu substituieren:

174

Vgl. Fischer (2000), S. 32.

67

0,3417

1,5 X tw  100 Ÿ X tw X tw  100

Ÿ 0,3417

115,83 250 u 100 115,83  100

Ÿ 0,3417

1,1583 u 1,1583.

115,83.

Prinzipiell ist das Ergebnis nicht weiter verwunderlich, da die geldgewichtete Rendite eine Art Durchschnittsverzinsung darstellt. Zusammenfassend ist zu konstatieren, dass der Anlageberater, der die Kapitalverschiebungen des Kunden nicht zu verantworten hat, nicht anhand der geldgewichteten Rendite bewertet werden sollte. 4.1.1.5 Stetige Rendite Im Rahmen von Rendite- und Performanceanalysen empfiehlt sich die Verwendung von stetigen Renditen. (Zeit-)Stetige Renditen, auch logarithmierte Renditen oder Äcontinously compounded returns³, weisen folgende Merkmale als Vorteil gegenüber den bisher dargestellten, diskreten Renditen auf: ƒ

Sie ermöglichen eine bessere Approximation der Normalverteilung,175

ƒ

sie werden additiv miteinander verknüpft.

4.1.2

Bereinigung von Ertrags- und Kostengrößen

In den bisherigen Abschnitten zur Renditemethodik wurde zum einen anhand der Vorstellung der einfachen Rendite das Fundament für die Renditemessung aufgezeigt und zum anderen eine aufgrund von intertemporalen Mittelbewegungen resultierende Messherausforderung dargestellt. In den folgenden zwei Abschnitten wird der Inhalt des Terminus ÄMittelbewegung³ konkretisiert. Vor allem jedoch seien mögliche Herangehensweisen zur Berücksichtigung der im Rahmen von Wertpapierbeständen und umsätzen anfallenden Ertrags- und Kostenkomponenten skizziert. Hierzu anbei zwei Beispiele, welche andeuten, dass man auch im Rahmen der Reinvestition / Thesaurie-

175

Die stetigen Renditen weisen tendenziell keine systematische Verzerrung in Richtung des positiven Bereichs auf ± keine rechtsschiefe Verteilung.

68 rung von Wertpapiererträgen zu verschiedenen gedanklichen Lösungsansätzen kommen kann:176 Bacon (2005) z. B. merkt im Zusammenhang mit der Ermittlung des mittleren gebundenen Anlagevolumens an: ÄThis is perhaps not unreasonable from the perspective of the client if the income is retained and not paid until the end of the period. However, from the asset manager¶s viewpoint, if this income is not available for reinvestment it should be treated as a negative cash flow as follows: [«]³.177 Fama (1972) wiederum schrieb seinerzeit zum exakt gleichen Sachverhalt: Ä [«] V ´ a , t = actual market value of the portfolio at time t. It thus includes the effects of investment of new capital or reinvestment of any cash income received on securities held in the portfolio ³178. Beide Wissenschaftler eruieren eine Möglichkeit, wie man im Nenner der Renditegleichung die Reinvestition von Erträgen berücksichtigen kann. Sie gelangen nicht zum gleichen Ergebnis.179 Der gleiche Sachverhalt ist im umgekehrten Sinn bei den Kostenpositionen zu analysieren.180

176

In der Literatur werden die Begriffe Reinvestition und Thesaurierung nicht immer synonym verwandt. Reinvestition steht teilweise für eine Investition der ausgeschütteten Erträge verbunden mit Kosten. Die Thesaurierung hingegen kommt eher im Rahmen des Fondsgeschäfts zum Einsatz und bezeichnet hier die Wiederanlage der Ausschüttungen. Eine solche Unterscheidung wird an dieser Stelle nicht vorgenommen. Siehe Price (2001), S. 11, zum Thema ÄIncluding Dividends³.

177

Vgl. Bacon (2005), S. 11.

178

Vgl. Fama (1972), S. 563.

179

Die üblichen Ertragspositionen der im Portfolio gehaltenen Wertpapiere sind Zinsen, Ausschüttungen oder Dividenden.

180

Die üblichen Kostenpositionen können in eigene und fremde Positionen eingeteilt werden. Eigene Kostenpositionen muss ein Kunde entrichten, sie fließen direkt an die Bank oder Sparkasse, welche das Wertpapierdepot betreut; es seien beispielhaft erwähnt: Provisionen und Gebühren bei Aktienkauf oder -verkauf, Ausgabeaufschläge beim Fondskauf sowie Provisionen und Kursschnitte (auch Bonifikation) bei Erwerb oder Veräußerung eines festverzinslichen Wertpapiers. Zudem hat der Kunde Verwahrungs- und Verwaltungsgebühren zu tragen. Fremde Kostenpositionen hat der Kunde zu entrichten, die Bank oder Sparkasse erhält sie nur kommissarisch. Dies sind z. B. Maklergebühren / Maklercourtage, welche das Finanzinstitut an diesen transferieren muss. Auch fremde Spesen werden hierunter subsumiert. Weiterhin sind Auslagen für das Clearing weiterzuleiten.

69 4.1.2.1 Ertrags- und Kostenbereinigung im Sinne der Standards Eine erste global ausgerichtete Version zu offiziell geltenden Rendite- und Performancestandards für Asset Manager wurde 1995 vom CFA Institute veröffentlicht.181 Die offizielle Bezeichnung dieser Standards ist: Global Investment Performance Standards, GIPS®. Zum 1. Januar 2006 ist die zuletzt überarbeitete Version in Kraft getreten.182 Sie bildet die Grundlage für einen einheitlichen Renditevergleich im Rahmen der Geldanlage und -verwaltung. Bei detaillierter Betrachtung der GIPS offenbart sich der unter dem Terminus Mittelbewegung zusammengefasste Inhalt. Dies sind nicht nur die Wertpapierumsätze wie Kauf, Verkauf, Zeichnung, Depotübertrag, Umtausch, Buchung von Belegschaftsaktien, Einlösungsabrechnung und Weitere. Zusätzlich fallen auch Ertrags- und Kostengrößen hierunter. Die Ausführungen zu den Gliederungspunkten 2.A.1, 2.A.5 und 2.A.7 innerhalb des Abschnitts zur Berechnungsmethodik definieren Einzelbestandteile dieser Größen, die bei einer Renditekalkulation berücksichtigt werden müssen, wie z. B.: Ärealized and unrealized gains and losses plus income [«]; [«] actual TRADING EXPENSES [«] und [«] direct TRADING EXPENSES and the INVESTMENT MANAGEMENT FEE³.183 Äquivalentes findet man in den DVFA-Performance Presentation Standards (auch DVFA-PPS).184 Dies ist nicht weiter verwunderlich, da die DVFA einer der deutschsprachigen ÄLocal Sponsors³ und Projektbeteiligten bei der Ausgestaltung und Umsetzung der GIPS ist. In einzelnen Passagen der Gliederungspunkte 2.1.1 und 2.1.6 existieren vertiefende Anhaltspunkte zum Wertpapierertrag: Ä[«] sowie sämtliche Erträge (Zinsen, Dividenden, etc.)³ und zudem eine detailliertere Definition der Kostenbestandteile:

181

Zu diesem Zeitpunkt firmierte das CFA Institute noch unter dem Namen ÄAssociation for Investment Management and Research³, auch AIMR.

182

Vgl. CFA_Institute (2005).

183

Vgl. Ibid., S. 10.

184

Vgl. DVFA (2000), S. 9-11. Die DVFA-Performance Presentation Standards werden laut GAMSC (German Asset Management Standards Committee) durch die zum 1. Januar 2006 in Kraft getretenen GIPS inhaltlich abgelöst. Hierzu bedarf es jedoch der Übersetzung der GIPS in eine deutsche Version. Bis zu diesem Zeitpunkt haben die DVFA-Performance Presentation Standards weiterhin Gültigkeit. Das GAMSC wurde im März 2005 durch die DVFA, den BVI und die German CFA-Society gegründet.

70 Ä[«] bei denen Brokerkommissionen, Börsensteuern und andere mit Transaktionen verbundene Gebühren und Steuern schon in performancemindernder Weise berücksichtigt worden sind³.185 In früheren Versionen der GIPS kommen auch vereinfachte Rechenbeispiele vor. In AIMR (2002) ist z. B. dokumentiert, dass im Rahmen des Ansatzes der modifizierten Dietz-Methode für eine einperiodische Renditemessung alle Erträge im Zähler der Gleichung addiert werden, jedoch aufgrund der restriktiven Annahme, dass die Erträge nicht vollständig zur Reinvestition zur Verfügung stehen. Das mittlere gebundene Kapital wird in diesem Fall nicht reduziert.186 Im Rahmen des BVI geht man wiederum davon aus, dass alle Ausschüttungen vollständig wieder in den Fonds eingebracht werden und somit der nachfolgenden Wertentwicklung unterliegen. Das bedeutet, dass sich das Fondssondervermögen erhöht, welches bei dem Versuch einer Analogie dem mittleren gebundenen Kapital gleichzusetzen wäre.187 4.1.2.2 Ertrags- und Kostenbereinigung gemäß der Theorie Die Formel von Gentry / Pike (1969) geht auf Fisher (1966) zurück.188 Obwohl Gentry / Pike (1969) sich lediglich auf Dividendenerträge beziehen, wird durch ihre Darstellungsform beispielhaft verdeutlicht, wie Reinvestitionen von Erträgen verrechnet werden sollten. Im umgekehrten Sinn entspricht dies einer Kostenverrechnung. Sie beschreiben die Portfoliorendite als:

(4-8)

i k i

i (t ) i (T  t ) i (T  t ) º ª k k k » E  ¦ «B u e  (P  S) u e  Due « » ¬ ¼ ik  i (t ) i (T  t ) i (T  t ) º ª k k k  Due » ¦ ««(T  t) B u e  (P  S) u e ¼» ¬

185

Vgl. Ibid., S. 9. In Deutschland wurde bis Ende 1964 die Börsenumsatzsteuer und die Gesellschaftssteuer erhoben. Zudem wurde bis März 1965 eine dritte Kapitalverkehrsteuer erhoben, die den Ersterwerb von Schuldverschreibungen erfasste. Teile der Stempelsteuer (Wechselsteuer, auch Börsensteuer) wurden zum 1. Januar 1992 abgeschafft ± siehe hierzu: Bundesministerium_der_Finanzen (2002), S. 130.

186

Vgl. AIMR (2002), S. 12. Vgl. weiterhin: AIMR (2001) und Anson (2001).

187

Vgl. BVI (2005a), S. 1.

188

Vgl. Gentry / Pike (1969), S. 546.

71 mit:

ik E B T t P S D

= = = = = = = =

die Rendite nach der k-ten Approximation, Endwert des Portfolios, Anfangswert des Portfolios, Gesamtzeitraum der Analyse (1 Jahr), Zeitperiode, bei welcher Kapital bewegt wurde (Halbjahr), Gesamtvolumen an Käufen, Gesamtvolumen an Verkäufen, Gesamtdividendenzahlungen.

Dieses Beispiel dokumentiert, dass sich zum einen die zu messende Portfoliorendite formal durch eine Ertragszahlung erhöht, indem sich der Nettozuwachs im Zähler auf der rechten Seite der Gleichung erhöht, dass sich jedoch zum anderen die Portfoliorendite aufgrund der erweiterten Kapitalbasis reduziert (siehe Nenner). Wichtig in dem Sinne ist, dass Gentry / Pike (1969) bei der Reinvestition der Dividenden von einer Akkumulierung des mittleren eingesetzten Kapitals ausgehen. Tendenziell wird sich der Einbezug von Ertragszahlungen auch bei dieser Methodik positiv auf die Ermittlung der Perioden- oder Gesamtrendite auswirken. Dies ist der Fall, wenn das mittlere eingesetzte Kapital größer ist als der Nettowertzuwachs. Exakt andersherum verhält es sich bei den Kosten. 4.1.3

Inputdaten und Berechnungsmethoden gemäß GIPS und DVFA

In der Umfrage von Spaulding aus dem Jahre 2002 zeigt sich die eigentliche Relevanz der GIPS.189 Im Rahmen einer weltweit ausgerichteten Umfrage zur Umsetzung der Performance Presentation Standards behaupten über 70 % der insgesamt 145 befragten Asset Manager, dass sie, die zum Zeitpunkt geltenden GIPS bereits erfüllen oder es zukünftig anstreben. Allein diese Forschungsergebnisse gewähren einen Hinweis darauf, was für eine bedeutende Stellung die GIPS heutzutage einnehmen. Aufgrund dessen liefern die GIPS und die deutschen DVFA-PPS auch weitere notwendige Anhaltspunkte für eine sachgerechte Operationalisierung der Kundenportfoliorendite.

189

Vgl. hierzu Spaulding (2003b).

72 4.1.3.1 Datenanforderung gemäß GIPS und DVFA Die DVFA-PPS sind nicht ± wie oft behauptet wird ± eine bloße Kopie der GIPS. Fischer et al. (2000) gelangen zu dem Ergebnis, dass die Veröffentlichungsrichtlinien der DVFA-PPS strikter gefasst sind (Ästricter than the ones in GIPS³).190 Weiterhin ergründen sie, dass diese Konstellation durch die verschiedenartigen Entwicklungsstufen der Kapitalmärkte bedingt ist. Die damaligen Richtlinien der GIPS sind allerdings heutzutage überarbeitet.191 Die Abbildung 4.1 stellt einen Auszug aus den aktuellen Richtlinien und Empfehlungen der GIPS sowie der DVFA-PPS dar. Abbildung 4.1: Auszugsweise Gegenüberstellung zur Datenanforderung: GIPS und DVFA-PPS

GIPS

DVFA ± PPS

Requirements

Richtlinien

1.A.2 PORTFOLIO valuations MUST be based on MARKET VALUES (not cost basis or book values).

1.1.2 Die Bewertung der Portfolios muß (!) auf den aktuellen Marktwerten basieren (nicht auf Buchwerten).

1.A.3 For periods prior to 1 January 2001, PORTFOLIOS MUST be valued at least quarterly. For periods between 1 January 2001 and 1 January 2010, PORTFOLIOS MUST be valued at least monthly. For periods beginning 1 January 2010, FIRMS MUST value PORTFOLIOS on the date of all LARGE EXTERNAL CASH FLOWS. « ...

1.1.3 Portfolios müssen zumindest monatlich bewertet werden.

... ...

Empfehlungen 1.A.5 For periods beginning 1 January 2005, FIRMS MUST use TRADE DATE ACCOUNTING.

1.2.2 Jeder Performancerechnung sollte die ÄHandelstag³-Bewertung zugrunde liegen. Die ÄValutatag³-Bewertung ist zwar zulässig, die ÄHandelstag³-Bewertung stellt jedoch das Ideal dar.

Quelle: CFA_Institute (2005) und DVFA (2000) ± Stand 2006.

Die Gegenüberstellung zeigt auf, dass man die strikteren Anweisungen bei den GIPS vorfindet. Das Bild hat sich insofern über die Jahre verändert. Wichtig für die Operationalisierung der Kundenportfoliorendite ist zum einen die Berücksichtigung der Tatsache, dass die Bewertung auf Basis von Marktwerten durchgeführt wird, und zum anderen, dass sie mindestens monatlich erfolgt (GIPS: 1.A.2 und

190

Vgl. Fischer et al. (2000), S. 64. Fischer und Wittrock sind Mitherausgeber der DVFA-PPS.

191

Vgl. AIMR (1999).

73 1.A.3; DVFA: 1.1.2 und 1.1.3). Weiterhin ist das Handelstagsprinzip anzusetzen (GIPS: 1.A.5; DVFA: 1.2.2).192 4.1.3.2 Methodikhinweis aus GIPS und DVFA Die GIPS enthalten auch einen zusätzlichen Hinweis zur Berechnungsmethodik (siehe Abbildung 4.2). Abbildung 4.2: Auszugsweise Gegenüberstellung zur Berechnungsmethodik: GIPS und DVFA

GIPS

DVFA ± PPS

Requirements

Richtlinien

2.A.2 TIME-WEIGHTED RATES OF RETURN that adjust for EXTERNAL CASH FLOWS MUST be used. Periodic returns MUST be geometrically linked. EXTERNAL CASH FLOWS MUST be treated in a consistent manner with the FIRM'S documented, COMPOSITE-specific policy. At a minimum:

2.1.2 Der Wert der Gesamtperformance muß (!) mittels der Methode zu Berechnung der zeitgewichteten Performance berechnet werden. Dabei sind Näherungsmethoden (z. B. die Verwendung der modifizierten DietzMethode) zulässig. Die für die einzelnen Subperioden ermittelten Performancewerte müssen in geometrischer Form miteinander verknüpft werden. Entsprechend der Bestimmung 1.1.3 darf die Periodenlänge für die Näherungsverfahren einen Monat nicht überschreiten.

a. For periods beginning 1 January 2005, FIRMS MUST use approximated rates of return that adjust for daily-weighted EXTERNAL CASH FLOWS. b. For periods beginning 1 January 2010, FIRMS MUST value PORTFOLIOS On the date of all LARGE EXTERNAL CASH FLOWS.

Quelle: CFA_Institute (2005) und DVFA (2000) ± Stand 2006.

Gemäß Gliederungspunkt 2.A.2 wird vorausgesetzt, dass die über einen bestimmten Zeitraum erzielte Gesamtrendite eines Portfolios anhand der geometrischen Verknüpfung von zeitgewichteten Periodenrenditen kalkuliert wird. Die im Unterpunkt a. genannten Aspekte eröffnen dem Asset Manager die Möglichkeit, Näherungsverfahren anzuwenden. So besteht für ihn bis zum 1. Januar 2010 nicht die Restriktion oder Prämisse der zeitgewichteten Rendite, dass die Einteilung der Subperioden durch jede einzelne Mittelbewegung ausgelöst und somit determiniert wird. Die Richtlinien der GIPS gewähren ihm bis zum Eintritt dieses Zeitpunktes die Möglichkeit, die externen Mittel-

192

Im Rahmen der DVFA-PPS wird die Regelung lediglich empfohlen. Sie ist nicht unter den Richtlinien aufgeführt.

74 bewegungen, wie es z. B. bei der Anwendung der modifizierten Dietz-Methode der Fall ist, tagesgenau zu gewichten und dabei das Mindestmaß an zeitintervallspezifischen Bewertungen vorzunehmen (siehe 1.A.3).193 Konkret bedeutet dies: Der Asset Manager muss das C S aus Gleichung (4-4) ermitteln. Ab dem 1. Januar 2010 müssen die Asset Manager bei jeder größeren Mittelbewegung eine Bewertung des Portfolios vornehmen. 4.1.4 Einsatz von hybriden Verfahren zur Ermittlung der Anlegerrendite Wie bereits oben beschrieben, werden laut GIPS übergangsweise Näherungsverfahren akzeptiert. Die bekanntesten und auch von den GIPS akzeptierten Näherungsverfahren zur Ermittlung der Gesamtportfoliorendite sind die Hybriden.194 Dazu gehören zum einen die geometrische Verknüpfung der mittels der modifizierten Dietz-Methode berechneten Periodenrenditen und zum anderen die Verknüpfung von periodenspezifischen internen Zinssätzen, wie es die BAI-Methode vorschlägt.195 Es folgt eine kurze formale Darstellung beider Verfahren. 4.1.4.1 Modifizierte Dietz-Verknüpfung Die laut Bacon (2005) aktuell von institutionellen Asset Managern am häufigsten eingesetzte Methodik zur Bestimmung der Gesamtportfoliorendite ist eine Verknüpfung von Monatsrenditen, die mittels modifizierter Dietz-Methode kalkuliert worden sind.196 Dementsprechend findet die weiter oben aufgeführte Gleichung (4-4) Anwendung:

(4-9)

rP

ª « ¬

T

º –  1  r »¼  1 md

t 1

193

In den DVFA-PPS befindet sich zusätzlich ein separater Hinweis, dass Näherungsmethoden zulässig sind ± siehe hierzu DVFA-PPS 2.1.2.

194

Vgl. Bacon (2005), S. 18-21. Weitere nicht offizielle, von den GIPS anerkannte Näherungsverfahren sind: das Indexsubstitutionsverfahren, die Regressionsmethode oder auch der Analystentest.

195

Vgl. hierzu: AIMR (2002), S. 2 ff.; Bacon (2005), S. 22; Spaulding (2003a). Bei der Ermittlung der Gesamtportfoliorendite im Falle von logarithmierter, stetiger Rendite sind diese additiv zu verknüpfen. BAI steht für Bank Administration Institute.

196

Bacon (2005), S. 21.

75 mit:

rP rmd T

= Rendite des Portfolios P, = Portfoliorendite gemäß modifizierter Dietz-Methode (periodenspezifisch), = Anlagezeitraum; t = 1 bezieht sich auf den ersten Monat des Betrachtungszeitraums.

4.1.4.2 Verknüpfung mittels BAI-Periodenrenditen Ähnlich wie bei der Dietz- verhält es sich auch bei der BAI-Methode. Es existieren zwei Berechnungsalternativen: eine einfache und eine modifizierte.197 Die Art der Modifizierung ist die gleiche, indem die Zeitpunkte aller exogenen Mittelbewegungen auf die Mitte des Zeitintervalls gelegt werden. Bei der Berechnung eines internen Zinssatzes entspricht der Mittelpunkt allerdings der Mitte des Betrachtungszeitraums und nicht der Mitte einer Subperiode (Prinzip der Durchschnittsverzinsung). An dieser Stelle wird lediglich die modifizierte Variante abgebildet:

(4-10)

VPT

VPt 1 u  1  rBAI 

T

¦ C u  1 r t

BAI

T t T

t 1

mit:

VPT

VPt 1

rBAI Ct

= Marktwert des Portfolios zum Ende der Betrachtungsperiode T, = Marktwert des Portfolios zum Beginn der Betrachtungsperiode t-1, = Portfoliorendite gemäß modifizierter BAI-Methode, = Kapitalzufluss (positives Vorzeichen) oder Kapitalabfluss (negatives Vorzeichen) in Periode t.

4.1.5 Zusammenfassung der Ergebnisse zum Thema Anlegerrendite Zusammenfassend liefern die bisherigen Erkenntnisse folgende Ergebnisse: ƒ

Falls der Anlageberater oder Asset Manager den Zu- oder Abfluss der Mittelbewegungen nicht eigenständig veranlasst, muss bei der Errechnung einer Kundenportfoliorendite die Methodik der zeitgewichteten Rendite Anwendung finden.

197

Vgl. Dietz / Kirschman (1990).

76 (Die GIPS ermöglichen bis zum 1. Januar 2010 den Einsatz von Näherungsmethoden. Entscheidend ist, dass eine tagesgenaue Gewichtung der exogenen Mittelbewegungen vorgenommen wird. Das ist z. B. bei der Verwendung der modifizierten Dietz- oder BAI- Methode der Fall.) ƒ

Bei der Berechnung des Total Returns eines Kundenportfolios sind sowohl sämtliche Erträge als auch sämtliche Kosten zu berücksichtigen,

ƒ

zudem ist die Reinvestition im Nenner der Renditegleichung mit aufzunehmen,

ƒ

die Mindestanforderung, eine Portfoliobewertung monatlich durchzuführen, gilt nur bis zum 1. Januar 2010 (danach verlangen die GIPS eine Bewertung nach jeder größeren exogenen Mittelbewegung),

ƒ

es ist das Handelstagsprinzip anzuwenden,

ƒ

die stetige Rendite hat gewisse Vorteile, die im Rahmen der Evaluierung von statistisch belegten, kausalen Zusammenhängen zum Tragen kommen.

4.2 Methodische Grundlagen zur Risiko- und Performancemessung Nachdem im vorherigen Abschnitt ausführlich die Konzeption zur Messung und Präsentation der Portfoliorendite erörtert worden ist, wird in diesem Abschnitt lediglich in Kurzform ein Teil der in der empirischen Analyse verwendeten Risiko- und Performancekennzahlen dargestellt. Ziel ist es, die in der Finance-Literatur gängigen Kennzahlen vorzustellen und dabei kritisch auf mögliche Einschränkungen bei der Interpretation der Ergebnisse hinzuweisen. Weiterhin wird auf die individuelle Ausgestaltung der in die Berechnung der Kennzahlen einfließenden Variablen aufmerksam gemacht. Folgende fünf Kennzahlen werden in der angeführten Reihenfolge in den kommenden Abschnitten behandelt: Herfindahl-Hirschman-Index zur Messung der naiven Diversifikation, idiosynkratisches Risiko zur Evaluierung des marktunabhängigen Risikos, Lower Partial Moments zur Ermittlung des Downside-Risks, Sharpe-Ratio und Jensens Alpha als gängige Maße zur Bestimmung der risikoadjustierten Portfoliorendite.

77 4.2.1

Diversifikations- und Risikomaß

4.2.1.1 Herfindahl-Hirschman-Index Der Herfindahl-Hirschman-Index (HHI) ist ein anerkanntes und weit verbreitetes statistisches Konzentrationsmaß. Unabhängig voneinander entwickeln die Ökonomen Albert O. Hirschman und Orris C. Herfindahl diesen Index.198 Hirschman setzt ihn ein, um die Konzentration von weltweiten Handelsbeziehungen zu messen, und Herfindahl nutzt das Maß zur Ermittlung der Diversifikation im US-amerikanischen Stahlmarkt. Auch bei der Evaluierung der Asset Allocation von Wertpapierportfolios findet der HHI Anwendung. Blume und Friend gehören zu den Ersten, die den Index in leicht adaptierter Form bei der Messung des Diversifikationsgrades von Wertpapierportfolios zum Einsatz bringen.199 Hiernach folgen zahlreiche weitere Autoren.200 Der im Rahmen dieser empirischen Analyse verwendete HHI wird wie folgt berechnet: N

¦ai

HHI

(4-11)

2

i 1

mit:

ai

= Portfolioanteil der Assetklasse i (volumengewichtet über die Zeit); die Assetklassen-Fonds werden im Verhältnis 1:3 untergewichtet.

Für jedes Kundendepot wird nur ein HHI berechnet. Das bedeutet, dass die Assetklassen über die Zeit aggregiert werden und als volumengewichtete Mittelwerte in die Kalkulation einfließen. Zusätzlich müssen weitere Berechnungsanpassungen aufgrund be-

198

Siehe Hirschman (1945), S. 157-162 oder Herfindahl (1950), S. 21. Siehe auch Hirschman (1964); Florinsky (1946).

199

Siehe Blume / Friend (1975), S. 586. Blume und Friend treffen die Annahme, dass der Anteil eines einzelnen Wertpapiers am Marktportfolio als gering zu bewerten ist; insofern approximieren sie: N

N

¦ a i  a m i 1

2

§

1 ·

i 1©

¹

¦ ¨¨ a i  N m ¸¸

2

N

|

¦ ai

2

;

i 1

ai

= Anteil des Wertpapiers i am Kundenportfolio;

am

= Anteil des Wertpapiers i am Marktportfolio;

Nm = Anzahl Wertpapiere im Marktportfolio. 200

Siehe beispielhaft: Ivkovic et al. (2005), S. 7 oder auch Dorn / Huberman (2005), S. 465; Goetzmann / Kumar (2005), S. 8 sowie Kelly (1995), S. 91-95.

78 stimmter Assetklassen erfolgen. Bekanntermaßen existieren am Kapitalmarkt Produkte, welche in sich bereits einen höheren Diversifikationsgrad als zum Beispiel Einzelaktien vereinen (ein hoher Diversifikationsgrad spiegelt sich durch einen niedrigen HHI wider). Dorn und Huberman stoßen bei ihrem Versuch, eine adäquate Berechungsmethodik für die Aufnahme von Fonds zu entwickeln, exakt auf diese Problematik. Letztendlich lösen sie die Herausforderung dadurch, dass sie annehmen, dass alle Fonds jeweils hundert gleichgewichtete Wertpapierpositionen enthalten. Das wiederum bedeutet, dass ein Fonds hundertfach besser diversifiziert ist als eine Einzelaktie.201 Auch bei der vorliegenden empirischen Untersuchung stellt sich die Frage, wie Fonds berücksichtigt werden sollten. Jedoch stellt sich diesbezüglich gleichzeitig eine weitere Frage, da alle Wertpapierbestände und -umsätze der Kunden in Assetklassenkategorien verbucht sind. Somit ist fraglich wie das Diversifikationsverhältnis zwischen einer EinzelAssetklassenkategorie und einer Fonds-Assetklassenkategorie angenommen werden sollte. Konkreter ausgedrückt geht es um die Annahme wie viele Einzeltitel im Durchschnitt ein Kundendepot in einer Assetklassenkategorie Einzelaktien im Verhältnis zu einer Assetklassenkategorie Aktienfonds enthält und gleichzeitig, ob der Grad der Diversifikation bei einem Fonds mit extrem vielen Einzeltiteln fortwährend proportional ansteigt. Nach Durchsicht von ca. 100 Kundendepots im operativen System und Befragung der Wertpapierexperten des Finanzdienstleisters wird ein Verhältnis von 1:3 angesetzt. Hiermit wird nicht nur der Zusammenhang zwischen Einzeltitel- und Fondskategorie determiniert, das Verhältnis verkörpert gleichzeitig die Hypothese, dass die Diversifikation ab einer bestimmten Anzahl an Einzeltiteln nicht weiter ansteigt.202 Zugegebenermaßen sind diese Annahmen durchaus weitreichend. Dennoch kann der ermittelte HHI einen Hinweis zur Diversifikation geben, vor allem wenn sich herausstellt, dass die Kunden mit einem höheren Fondsanteil einen geringeren HHI haben und

201

Siehe Dorn / Huberman (2005), S. 465.

202

Siehe hierzu: 3.2.1.3. Als Beispiel sei hier der deutsche Aktiemarkt angeführt: In diesem Fall wird davon ausgegangen, dass ein Kundendepot im Durchschnitt 10 deutsche Einzelaktien enthält und ein DAX-Fonds die gleiche Diversifikation erzielt wie der DAX mit 30 Einzeltiteln.

79 somit besser diversifiziert sind, obwohl das Verhältnis lediglich mit 1:3 und nicht beispielsweise mit 1:10 angesetzt wird. Die empirische Analyse zum HHI findet in Abschnitt 7.4.1 statt. 4.2.1.2 Idiosynkratisches Risiko Um weitere Aspekte der Portfoliodiversifikation und insofern des Portfoliorisikos abbilden zu können, wird für die empirische Untersuchung im Abschnitt 7.4.2 das Gesamtrisiko in zwei verschiedene Arten von Risiken eingeteilt: marktabhängiges und marktunabhängiges Risiko. Das marktabhängige Risiko wird auch als systematisches Risiko tituliert. Das marktunabhängige Risiko wird auch als unsystematisches, spezifisches oder idiosynkratisches Risiko bezeichnet. Gelegentlich wird letzteres Risikomaß auch Residualrisiko genannt. Im Allgemeinen geht man davon aus, dass sich das marktunabhängige, idiosynkratische Portfoliorisiko durch eine geeignete Portfoliodiversifikation reduzieren, wenn nicht vollkommen eliminieren lässt. Gleichermaßen verbindet man mit dieser Aussage, dass das Gesamtportfoliorisiko quasi um den Anteil des idiosynkratischen Risikoanteils gesenkt wird, sofern das systematische, marktabhängige Risiko des Portfolios auf anfänglichem, äquivalentem Status verweilt.203 Tatsächlich zeigen empirische Studien auf, dass der idiosynkratische Portfoliovarianzanteil mit steigendem Gesamtportfoliorisiko zunimmt.204 Das wiederum bedeutet, dass das Gesamtrisiko eines Portfolios niedriger ist, wenn das idiosynkratische Risiko relativ niedriger ist. Aufgrund dessen bezeichnet man das idiosynkratische Risiko vereinzelt auch als Ädiversifizierbares Risiko³. Wobei in diesem Falle allerdings die Schwankung dieses Risikoanteils außer Acht gelassen wird (die Varianz der spezifischen, marktunabhängigen Renditen wird nicht berücksichtigt). Das quadratische, idiosynkratische Risiko eines Kundenportfolios wird wie folgt berechnet:

203

Siehe hierzu: Fischer (2000), S. 267-269; Campbell et al. (2001), S. 2-4.

204

Siehe hierzu: Calvet et al. (2006), S. 14-16. Siehe auch Abschnitt: 7.4.2 und Abbildung 11.8 im Anhang Nr. 4.

80 (4-12)

V i2, kdnr

mit:

V 2kdnr

E

V 2kdnr  E 2kdnr * V 2Benchmark

2 kdnr

= Varianz der Kundenportfolioüberschussrendite, = quadrierter Betafaktor der Kundenportfolioüberschussrendite,

V 2Benchmark = Varianz der Index-Überschussrendite (Beispiel: DAX).205

Das Risiko wird im empirischen Teil über die Formel (4-12) errechnet. Zudem findet eine Validierung der Ergebnisse anhand der Varianzen der Residuen statt. Zum Schluss sei darauf verwiesen, dass das idiosynkratische Risiko in einer CAPMWelt nicht entgolten wird. 4.2.1.3 Lower Partial Moments 1. und 2. Ordnung Während die Kalkulation der Standardabweichung der Portfoliorendite als ein allgemeines Risikomaß sowohl die positiven als auch die negativen Abweichungen zur erwarteten beziehungsweise mittleren Portfoliorendite einbezieht, berücksichtigen asymmetrische Risikomaße wie die Semivarianz nur die linke Seite der Renditeverteilung.206 Bereits Markowitz verweist auf die Robustheit und die weitreichenden Anwendungsmöglichkeiten dieses Downside-Risk-Maßes.207 Mittels der Lower Partial Moments gelingt es zudem, die Berechungsgrundlage der Semivarianz zu verallgemeinern, was zu gewissen Vorzügen hinsichtlich der Annahmen führt. Eine reliable Berechnung der LPM setzt nicht wie die Semivarianz eine Normalverteilung der Portfoliorenditen voraus. Vielmehr können die LPM-Maße für beliebige Ren-

205

Es wird ein Index- und nicht ein Marktmodell unterstellt. Das bedeutet, dass annahmegemäß die Wertentwicklung der spezifischen Renditen (unsystematischer Risikoanteil) untereinander und mit der Marktentwicklung unkorreliert ist. Des Weiteren besteht die Annahme, dass die spezifischen Renditen (Residuen) normalverteilt sind.

206

Siehe hierzu: Markowitz (1959), S. 188 ff.

207

Vgl. Harlow (1991), S. 29. Als ÄDownside-Risk-Maße³ werden die Risikomaße bezeichnet, da ausschließlich die linke Seite der Renditeverteilung einbezogen wird (die Abweichungen Änach unten³). ÄMoments³ steht für die zentralen Momente der Verteilung der Zufallsvariablen.

81 diteverteilungen bestimmt werden.208 Des Weiteren sind die LPM auch bei Portfoliovergleichen mit unterschiedlichen empirischen Renditeverteilungen vorzuziehen. Ein weiterer Vor- und gleichzeitig auch Nachteil ist die Flexibilität der anzusetzenden Mindestrendite. Formal sind hierbei keine Grenzen gesetzt. Die allgemeingültige Berechnung der LPM ist wie folgt:

(4-13) mit:

1 N

LPM i

N

¦ §¨© max §¨© r

s min, t

t 1

 rPts , 0 ·¸ ·¸ ¹¹

i

N

=

Anzahl Beobachtungspunkte,

s rmin, t

=

Mindestrendite (target return) ± stetig,

r Pts

= =

Kundenportfoliorendite ± stetig, 0,1,2,3,4 (als übliche Momente).209

i

Als Mindestrendite bei der empirischen Analyse wird der Dreimonatsgeldmarktsatz des Frankfurter Bankenplatzes und der Zwölfmonats-Euribor angesetzt.210 Letztendlich misst das LPM im Vergleich zur Varianz oder Standardabweichung tatsächlich ein Verlustrisiko im Rahmen der Geldanlage. Obwohl die Standardabweichung ein weit verbreitetes und auch theoretisch anerkanntes Risikomaß ist, sollte man nach kritischer Betrachtung konstatieren, dass eher die Streuung um den Erwartungswert beziehungsweise Mittelwert und insofern die (Prognose-)Unsicherheit im Vordergrund der Berechnungen steht. Wohingegen bei den LPM das erwartete oder auch tatsächliche Verlustrisiko einer Investition evaluiert wird.211 Die Risikoaversion eines Investors ist umso ausgeprägter beziehungsweise wird als ausgeprägter unterstellt, je höher die Ordnung des partiellen Moments gewählt wird. Zum Beispiel gewichtet der Anleger beim LPM 2 aufgrund der Quadrierung der negativen Renditeabweichungen von der Mindestrendite höhere Abweichungen relativ stärker als beim LPM 1.

208

Beispielhaft: Student- und Exponentialverteilung.

209

Zum Beispiel: LPM0 = Verlustwahrscheinlichkeit; LPM2 = Ausfallsemivarianz; LPM3 = Ausfallschiefe; LPM4 = Ausfallwölbung; siehe hierzu: Fischer (2000), S. 255.

210

Siehe: www.bundesbank.de.

211

Siehe Zenger (1992), S. 111 und Zimmermann (1991).

82 Im Abschnitt zur empirischen Analyse der Kundenportfolios wird das LPM für eine Expost-Beurteilung des Einflusses einer Anlageberatung verwendet. Es ist zu eruieren, ob Portfolios der Kunden mit Beratung eine geringere Variabilität der Underperformance aufweisen. 4.2.2

Relatives und absolutes Performancemaß

4.2.2.1 Sharpe Ratio Die Ex-post-Sharpe-Ratio bewertet ein Kundenportfolio anhand der um den risikolosen Zins korrigierten Portfoliorendite, auch Kundenportfolioüberschussrendite, relativ zum Gesamtportfoliorisiko, auch Standardabweichung der Kundenportfolioüberschussrendite.212 Gemessen wird der gegenüber dem risikolosen Zins generierte Zusatzertrag je Einheit Gesamtrisiko. Aus diesem Grunde prägt William Sharpe auch den Begriff Reward-to-Variability-Ratio, welcher heute üblicherweise durch den Begriff der Sharpe Ratio abgelöst ist.213 Die Ex-post-Sharpe-Ratio wird wie folgt ermittelt:

(4-14)

( EX  Post )SR P

mit:

er P V kdnr

erP V kdnr

rP  rf V kdnr

= mittlere, annualisierte Kundenportfolioüberschussrendite, = Standardabweichung der Kundenportfolioüberschussrendite.

Wie die Kapitalmarktlinie, die durch eine Aufteilung des Vermögens in das Marktportfolio und die risikolose Anlage- beziehungsweise Kreditaufnahmemöglichkeit gegeben ist, misst die Sharpe Ratio die Steigung der Geraden, die mittels der Aufteilung des Vermögens in das spezifische Portfolio und in die risikolose Anlage festgelegt wird. Dem Vorteil, dass die Sharpe Ratio eine Risikoadjustierung der Überschussrendite vornimmt, steht der Nachteil entgegen, dass das Ausmaß der Diversifikation nicht adäquat

212

Siehe Sharpe (1998). Im Ex-ante-Kontext wird die Sharpe Ratio mittels Erwartungswert der Portfoliorendite, eines konstanten, risikolosen Zinses sowie der dazugehörenden Standardabweichung berechnet.

213

Siehe Sharpe (1994).

83 berücksichtigt wird. Zwei Portfolios mit der gleichen Volatilität erhalten in einer Portfolioevaluierung denselben Rang, auch wenn der Anlageberater des Kundenportfolios zur Erzielung der gleichen Rendite ein geringeres unsystematisches Risiko eingegangen ist. Irrelevant ist diese Anmerkung, falls man davon ausgeht, dass der Anleger sein gesamtes Vermögen in dieses Portfolio investiert und keine weitere Diversifikation möglich ist. Sharpe (1994) weist darauf hin, dass die von ihm vorgeschlagene Berechnungsmethodik lediglich die historische Performance bewertet und eine Anwendung auf zukunftsorientierte Anlageentscheidungen voraussetzt, dass eine Persistenz in der Performance vorhanden ist, so dass aus den vergangenen Performancemessungen Prognosen abgeleitet werden können. Diese Einschränkung gilt für alle in der empirischen Analyse verwendeten Performancemaße. Aufgrund dieser Marktphasenabhängigkeit sind die empirischen Ergebnisse mit Sorgfalt zu goutieren. Aktuell wird in der wissenschaftlichen Literatur auch die Anwendung der Sharpe Ratio für Perioden sinkender Aktienkurse kontrovers diskutiert.214 Hier gilt es zu berücksichtigen, dass bei einem Vergleich von zwei Portfolios mit identischer, negativer Portfoliorendite dasjenige Portfolio vorgezogen wird, welches ein höheres Risiko im Sinne der Standardabweichung aufweist, da die Sharpe Ratio insgesamt höher ausfällt, obwohl beide Portfolios eine negative Sharpe Ratio besitzen. Ein einheitliches wissenschaftliches Vorgehen bei der Verwendung von negativen Sharpe Ratios ist aktuell in der Literatur nicht existent. Insofern reicht der Lösungsraum von einer Unterlassung bis hin zu verschiedenen Adaptionsmöglichkeiten. Im Rahmen der empirischen Analyse wird das Hauptaugenmerk auf den Portfoliovergleich bei einer Sharpe größer/gleich null gelegt. Nichtsdestotrotz wird auch die Gesamt-Sharpe-Ratio abgebildet. Als risikoloser Zinssatz wird der Dreimonatsgeldmarktsatz des Frankfurter Bankenplatzes angesetzt. 4.2.2.2 Jensens Alpha Ein Unterschied zwischen dem Jensens Alpha, in der Literatur auch Jensen-Alpha genannt, und der Sharpe Ratio ist die Interpretationsmöglichkeit der Ergebnisse. Während

214

Siehe Scholz / Wilkens (2006), Israelsen (2005), Akeda (2003).

84 die Sharpe Ratio lediglich die Einteilung der Portfolios in eine Rangfolge ermöglicht, ist die Bewertung der Abstände anhand des Jensens Alpha zulässig. Jensen untersucht in einer Analyse der Performance von Fonds im Zeitraum von 1945 bis 1964 die Äpredictive ability³215 von Fondsmanagern, somit die Fähigkeit, die richtigen Assets auszuwählen und gleichzeitig den richtigen In- und Desinvestitionszeitpunkt zu definieren. Die erwartete Rendite eines Portfolios P Pt (oder eines Wertpapiers) wird von Jensen wie folgt berechnet:

(4-15)

P Pt  rft

mit:

EP

E P P mt  rft  H t = Beta-Faktor des spezifischen Portfolios (systematisches Risiko)

wobei der Erwartungswert von H t gleich null ist. Jensen argumentiert, wenn man das systematische Risiko eines ungemanagten Portfolios via Formel (4-15) ermitteln möchte, dann ist das Beta in Formel (4-15) ein effizienter Schätzer. Dennoch bedarf es bei der Evaluierung von gemanagten Portfolios einer Anpassung. Es ist zu erwarten, dass Fondsmanager mit außergewöhnlich guten Fähigkeiten spezifische Wertpapiere auswählen, sodass H t größer null ist. Um das Können eines Fondsmanagers, Wertpapierspezialisten oder Anlageberater abbilden zu können, führt Jensen eine Konstante, DÖ P , ein:

215

Siehe Jensen (1968), S. 389.

85

DÖ P  EÖ P rmt  rft  K~ jt

(4-16)

rPt  rft

mit:

DÖ P

= geschätztes Jensens Alpha,

~ K

= unsystematisches Risiko.216

jt

Jensens Alpha misst die abnormale Rendite, die erzielte Überrendite gegenüber dem unterstellten Benchmarkportfolio (Marktportfolio).217 4.2.3 Zusammenfassung In dem Abschnitt 4.2 sind die Kennzahlen erörtern worden, die auch im Rahmen der empirischen Analyse angewendet werden. Wichtig ist zu verstehen, dass beispielsweise der HHI eingeführt worden ist, um eine korrekte naive Diversifikation evaluieren zu können. Des Weiteren wurde auf die Probleme der negativen Sharpe Ratios hingewiesen. Letztendlich existiert im Umgang mit den negativen Sharpe Ratios noch keine eindeutige Vorgehensweise. Somit werden im empirischen Teil sowohl die Gesamt-Sharpe-Ratios als auch die Sharpe Ratios größer/gleich Null errechnet und ausgewertet. Als Letztes sei noch darauf hingewiesen, dass Jensens Alpha im empirischen Teil auch anhand einer Multi-Index-Methode geschätzt wird. Jedoch kommen hier weder wertgewichtete noch zeitgewichtete Multi-Index-Modellierungen zum Einsatz.218 Es wird ein ähnlicher Ansatz wie bei Elton et al. (1993) verwandt, allerdings auch keine Orthogonalisierung der Faktoren, der Indizes, durchgeführt.219 Der Grund hierfür ist, dass es bei dieser empirischen Analyse um den direkten Vergleich zwischen den Clustern beratene und nicht beratene Kunde geht und nicht so sehr um die Identifizierung deren konkreten Investmentstils. Gleichwohl wird bei der empirischen Analyse selbstverständlich auf die Anlagestrategien und somit auch auf die spezifische Asset Allocation der Investoren eingegangen.

216

Siehe hierzu Ibid., S. 391-393.

217

Jensen weist explizit darauf hin, dass die Signifikanz des Alphas getestet werden muss, um letztendlich eine valide Aussage treffen zu können ± siehe hierzu Ibid., S. 394.

218

Vgl. Grinblatt / Titman (1989) und Ippolito (1989).

219

Vgl. Elton et al. (1993), S. 8-9. Siehe auch Fußnote auf der Seite 8.

86

5

Messmethodik Beratungsintensität und Kundenportfoliorendite

Ziel dieses Kapitels ist die Darstellung der Vorgehensweise zur Operationalisierung von Beratungsintensität und Kundenportfoliorendite. Die Messmethodik zur Portfoliorendite basiert auf den Ansätzen, die bereits im Abschnitt 4.1.4.1 beschrieben worden sind. Zunächst wird allerdings auf die Messung der Beratungsintensität eingegangen.

5.1 Operationalisierung der Beratungsintensität220 Die Operationalisierung der Beratungsintensität stellt eine notwendige Bedingung für das Analysevorhaben dar. Die Frage in diesem Zusammenhang lautet: Wie sollte eine Beratungsleistung gemessen werden oder vorab, wie kann eine Beratungsleistung messbar gemacht werden? Zur Berechnung der Beratungsintensität stehen zwei Optionen zur Auswahl. Die erste Option ist faktenorientiert (OPTION 1 in der Abbildung 5.1). Abbildung 5.1: Methodik zur Berechnung der Beratungsintensität OPTION 1: Basierend auf Fakten

OPTION 2: Basierend auf Logik

Transaktion mit der Nr.:

Eintrag bei Transaktion

Bedeutung des Eintrages

Transaktion mit der Nr.:

Eintrag bei Transaktion

Bedeutung des Eintrages

1

9

Keine Beratung

1

9

Keine Beratung

2

9

Beratung

2

9

Beratung

3

9

Keine Beratung

3

9

Keine Beratung

4

9

Keine Beratung

4

9

Keine Beratung

5

Beratungsintensität (nur die vorhandenen Einträge werden gemessen):

Anzahl Einträge ÄBeratung³ = 1/4 Anzahl aller Einträge

5

Beratungsintensität (man bezieht sich auf die Einträge ÄKeine Beratung³ ± Äalles andere ist Beratung³):

1-

Anzahl Einträge ÄKeine Beratung³ Anzahl Transaktionen

= 2/5

Quelle: Eigene Darstellung.

220

Sowohl die Bezeichnung der Einträge, die einen Hinweis darauf geben, ob der Kunde bei einer Wertpapiertransaktion beraten worden ist oder nicht, als auch die Tiefe der Darstellung des Prozessablaufes wurden anonymisiert.

87 Tatsächlich impliziert diese mit Absicht gewählte Semantik, dass nur das gemessen wird, was auch wirklich stattgefunden hat. Die zweite Option ist ein auf Logik aufbauendes Konstrukt (OPTION 2). Wie in der Abbildung 5.1 erkennbar ist, wird nicht bei jeder Wertpapiertransaktion das Beratungsmerkmal eingetragen. Der Grund dafür ist, dass der Kundenberater zwar bei jeder Transaktion einen Hinweis zur Eingabemöglichkeit erhält, dennoch besteht hierzu keine Pflicht (siehe mittlere Spalte von OPTION 1 und OPTION 2; ein Häkchen im Kreis bedeutet, dass etwas eingetragen worden ist). Insofern ist die Eingabequote von über 70 % bei den Beratungsintensitätskunden durchaus als positiv zu werten (Kundendatensätze, die bei der empirischen Analyse zum Einsatz kommen ± siehe Abbildung 6.2). Außerdem sei an dieser Stelle darauf verwiesen, dass das Datenfeld bisher nicht für Marketingauswertungen oder für Auswertungen eines Aktivitätenmanagements zur Kontrolle der Verkaufserfolge des Kundenberaters genutzt wird. Der Finanzdienstleister erwägt, dies zu ändern. Letztendlich differenziert der Ordereintrag zwischen Einzeltransaktionen, die Grundlage einer Anlageberatung gewesen sind, und denen, die aufgrund einer Eigeninitiative des Kunden zur Ausführung gelangen. Die dritte Spalte von OPTION 1 und OPTION 2 in der Abbildung 5.1 verdeutlicht den Zusammenhang. Die Basis für die Berechnung der Beratungsintensität bei der OPTION 2 bilden die Einträge ÄKeine Beratung³. Alle anderen Transaktionen werden gedanklich mit dem ÄBeratungs³-Merkmal versehen. In der Abbildung 5.1 sind dies zwei Transaktionen; einer ging tatsächlich eine Anlageberatung voraus. Bei der anderen Transaktion wird dies lediglich vermutet. Es wird angenommen, dass der Eintrag ÄKeine Beratung³ immer eingepflegt wird, wenn tatsächlich ÄKeine Beratung³ durchgeführt worden ist, anders im Falle einer ÄBeratung³. Somit vereinfacht: Wenn nichts vermerkt worden ist, dann steht dies für ÄBeratung³. Der Grund für eine solche Annahme ist die Beraterhaftung. Sie soll den Eintrag ÄKeine Beratung³ positiv bedingen. Folglich ergibt sich die Beratungsintensität aus der Differenz zwischen dem Beispiel einer hundertprozentigen Beratungsleistung und dem Verhältnis zwischen ÄKeine Beratung³ und der ÄAnzahl aller Transaktionen³. Die Basis für die Berechnung der Beratungsintensität bei der OPTION 1 sind die faktischen Einträge. Die Kennzahl wird bei der OPTION 1 durch das Verhältnis aus Anzahl

88 Einträge ÄBeratung³ und der ÄAnzahl aller Einträge³ ermittelt. Dies hat streng genommen zur Folge, dass der Rest der Transaktionen, bei denen nichts vermerkt worden ist, gedanklich mit der gleichen Beratungsintensität versehen wird. Gleichwohl existieren hierfür keine zusätzlichen Annahmen. Für die Kalkulation wird das herangezogen, was tatsächlich gemessen werden kann. Letzteres gab nicht nur bei dem Spezialistenteam, sondern insgesamt den Ausschlag für die Verwendung von OPTION 1. Eine Simulation der Anzahl ÄBeratungs³- und ÄKeine Beratungs³-Transaktionen hat ergeben, dass sich beide Alternativen in die gleiche Richtung verändern.

5.2 Experteninterviews zur Messung von Beratungsintensität Da der Kooperationspartner eine Veröffentlichung des genauen Wortlautes des Datenfeldes, der notierten Antworten der Kundenberater und der konkreten Fragestellungen untersagt, kann hier nur eine abgewandelte Form des Erkenntnisgewinns publiziert werden. Der Anstoß für weitere Interviews resultierte aus der Erkenntnis heraus, dass eine Eingabe ÄBeratung³ eventuell in einem direkten Zusammenhang mit der Wertpapierempfehlungsliste des Finanzdienstleisters stehen könnte. Das wiederum würde nahe legen, dass alle Einträge ÄBeratung³ nur in einem Kontext zu erwarten sind, bei welchem die interne Researchabteilung eine ÄQuasi³-Genehmigung erteilt hat, sprich eine positive Kauf- oder Verkaufsempfehlung ausgesprochen hat. Wie jedoch aufgrund des Wortlautes des Feldes zu erwarten gewesen ist, haben die 21 Interviews mit verschiedenen Kundenberatern des Finanzdienstleisters letzten Endes ergeben, dass der Eintrag ÄBeratung³ weitreichender auszulegen ist. Er impliziert, dass nicht nur den Empfehlungen des Research Rechnung getragen wird, sondern auch, dass zudem ein hiervon vollkommen unabhängiges Beratungsgespräch berücksichtigt wird.

5.3 Operationalisierung der Kundenportfoliorendite Da die GIPS und DVFA-PPS sowie weitere bereits aufgeführte Quellen die Arithmetik zur Kundenportfoliorendite skizzieren, ist die eigentliche Herausforderung die Generierung der adäquaten Portfoliodaten. Vor allem ist zu gewährleisten, dass im Detail die

89 nicht abrechnungsrelevanten Depotumsätze vollständig und korrekt im Datensatz dokumentiert sind und zudem die Ertragsdaten aller im Depot enthaltenen Wertpapiere abgegriffen werden. Des Weiteren ist im Rahmen der Kostenpositionen die Datengranulation ein entscheidender Gesichtspunkt. Zwecks Klarstellung, wie im Einzelnen bestimmte Herausforderungen gelöst werden konnten, sei ein kurzer Einblick gestattet, bevor die Lösungen zu den Berechnungsanforderungen der GIPS präsentiert werden. Erstens: Es ist sichergestellt, dass alle 113 relevanten Depotgeschäfte korrekt dargestellt sind.221 Beispielhaft ist ein Wertpapierübertrag als eine Mittelbewegung einkalkuliert, obwohl dieser Vorgang keine Kaufs- oder Verkaufskosten sowie Maklergebühren verursacht. Weiterhin ist beispielhaft mit einem Wertpapierexperten der Prozessablauf von Bezugsrechten im System analysiert worden, um garantieren zu können, dass die Einbuchung oder der Verkauf von Bezugsrechten renditeadäquat angerechnet wird. Zusätzliche Exempel seien angeführt, bei denen die Relevanz von Mittelbewegungen im Besonderen geprüft worden ist: Kapitalherabsetzung verrechnen, Belegschaftsaktien einbuchen, Wertpapiere auslosen, Wertpapiere in bar abfinden, Berichtigungsaktien verbuchen und Weitere. Zweitens: Alle Ertragspositionen sind für den gesamten Betrachtungszeitraum registriert. Es wird zwischen folgenden Ertragsklassen unterschieden: Zinsen, Dividenden und Ausschüttungen. Drittens: Alle Kostenpositionen sind für den gesamten Betrachtungszeitraum festgehalten. Die Einteilung erfolgt in erster Stufe nach dem Quantum an Kosten ÄEigene³, welches der Bank oder Sparkasse aufgrund von Vertriebstätigkeiten, der Inanspruchnahme von Verrechnungs- und Verwaltungssystemen oder Ähnlichem zu entgelten ist, und dem Anteil an Kosten ÄFremde³, welcher anderen an einem Wertpapierprozess beteiligten Dritten zu vergüten ist. Beides schmälert die erzielte Kundenrendite. Unter die erste Komponente fallen beispielhaft Entgelte für Vertriebsaktivitäten wie: Bonifikationen, Provisionen, Wertpapierkursschnitte, Devisenkursschnitte und Weiteres. Unter der zweiten Position werden z. B. subsumiert: Maklercourtage, Auslandsauslagen, auch anteilige ÄConto pro Diverse³-Gebühren (CPD-Gebühren) sowie Weiteres (siehe hierzu auch Abschnitt 4.1.2).

221

Die Bezeichnung ÄDepotgeschäfte³ ist eine anonymisierte Form. Der Aspekt der Anonymisierung wurde auch in den zwei folgenden Absätzen beachtet.

90 Es folgt eine Beschreibung zur Umsetzung der GIPS-Anforderungen und die formale Darstellung der Operationalisierung der Kundenportfoliorendite. 5.3.1

Lösungen zur Umsetzung der GIPS-Anforderungen

Nachstehende Anforderungen wurden aus den GIPS abgeleitet (siehe hierzu auch Abschnitt 4.1.3): Anforderung 1: Bei der Berechnung der Kundenportfoliorendite muss die Methodik der zeitgewichteten Rendite Anwendung finden (oder ein Näherungsverfahren, welches eine tagesgenaue Gewichtung der exogenen Mittelbewegungen vornimmt). Dieser Anforderung kann nicht zu hundert Prozent Rechnung getragen werden. Realisierbar ist zwar die Berechnung der Kundenportfoliorendite mit einer Methode, die eng verwandt ist mit den von den GIPS geforderten Näherungsverfahren, jedoch nur die Vorstufe der modifizierten Dietz-Verknüpfung: die einfache Dietz-Verknüpfung. Eine tagesgenaue Gewichtung der Mittelbewegungen ist nicht durchführbar. Das Datum zu jeder einzelnen Mittelbewegung des Kunden pro Monat wurde nicht festgehalten. Die Datenbasis ist insofern nicht tages-, sondern monatsgenau. Anforderung 2: Bei der Berechnung der Kundenportfoliorendite müssen sämtliche Erträge und Kosten berücksichtigt werden. Diese Anforderung ist erfüllt. Anforderung 3: Die Reinvestition ist im Nenner der Renditegleichung aufzunehmen. Diese Anforderung ist erfüllt. Es wird wie bei der Modellierung von Fama (1972) oder auch Gentry / Pike (1969) davon ausgegangen, dass eine Reinvestition der Erträge auch eine Akkumulierung des mittleren eingesetzten Kapitals nach sich zieht. Da das exakte Datum auch bei der Vergütung der Erträge nicht existiert, wird gleichermaßen das Prinzip der einfachen Dietz-Methode angewandt. Anforderung 4: Die Portfoliobewertung muss mindestens monatlich durchgeführt werden. Diese Anforderung ist erfüllt. Da alle Portfoliodaten monatsbezogen vorliegen, bildet dies auch die Kalkulationsbasis.

91 Anforderung 5: Es ist das Handelstagsprinzip anzuwenden. Diese Anforderung ist erfüllt. Alle Depotbestands- und -umsatzdaten basieren auf aktuellen Marktwerten. 5.3.2

Die formale Darstellung der Berechnung der Kundenportfoliorendite

Die Berechnung der diskreten monatlichen Kundenportfoliorendite ergibt sich wie folgt:

(5-1)

mit:

VPt  VPt 1  Z t 1

rPt

o

t

 A t 1

o

t

§ Z t 1 VPt 1  ¨¨ ©

VPt

 K o

t

K t 1 o t

 A t 1 2

o

t

 K Vt 1  E t 1

o

o

t t

 K VV t 1

o

t

 E

t 1 o t

· ¸¸ ¹

= Marktwert des Portfolios P zum Zeitpunkt t; Monatsultimobestandswert des gesamten Portfolios,

VPt 1 = Marktwert des Portfolios P zum Zeitpunkt t-1; Vormonatsultimobestandswert des gesamten Portfolios, Z t 1

o

A t 1

t

t

o

= Summe der (Depot-)Marktwerte aller innerhalb des Zeitraums von t-1 bis t zugegangenen Wertpapiere (siehe 4.1.2.1)222, = Summe der (Depot-)Marktwerte aller innerhalb des Zeitraums von t-1 bis t abgegangenen Wertpapiere (siehe 4.1.2.1)223,

K Kt 1 t = Summe der innerhalb des Zeitraums von t-1 bis t angefallenen Kaufkosten (ÄEigene³ und ÄFremde³ ± siehe 4.1.2), o

K Vt 1 t = Summe der innerhalb des Zeitraums von t-1 bis t angefallenen Verkaufskosten (ÄEigene³ und ÄFremde³ ± siehe 4.1.2), o

K VV t 1 t = Summe der innerhalb des Zeitraums von t-1 bis t angefallenen Verwahrungs- und Verwaltungsgebühren (errechnet, siehe 4.1.2)224, o

E t 1

o

t

= Summe der innerhalb des Zeitraums von t-1 bis t angefallenen Erträge (siehe 4.1.2),

zwischen t-1 und t liegt jeweils ein Monat.

222

Inklusive der Depotgeschäfte wie z. B.: Einbuchung Depotübertrag, Einbuchung Belegschaftsaktien.

223

Inklusive der Depotgeschäfte wie z. B.: Ausbuchung Depotübertrag, Ausbuchung Belegschaftsaktien.

224

Bezüglich der Verwahrungs- und Verwaltungsgebühren besteht die Annahme, dass diese nicht das mittlere eingesetzte Kapital schmälern, da sie nicht monatlich, sondern am Ende eines Quartals anfallen ± gleichwohl tagesgenau berechnet werden.

92 Die Variablen VPt und VPt 1 stellen die tatsächlichen Marktwerte des Portfolios zu einem bestimmten Stichtag dar. VPt 1 ist weder eine durch Kosten noch durch Gebühren direkt beeinflusste Größe. Dieser Zusammenhang soll an einem vereinfachten Kaufund Verkaufsbeispiel verdeutlicht werden (siehe Tabelle 5-1). Tabelle 5-1:

Vereinfachte Kauf- und Verkaufsabrechnung

Wertpapierkauf

Wertpapierverkauf

Stück: 100

Stück: 100

Kurs: 30

Zugang (aktueller Depotwert) Provision, fremde Spesen, weitere Entgelte Kundenendbetrag Kauf (Kontobelastung)

Kurs: 30

Abgang (aktueller Depotwert)

3000

3000

Provision, fremde Spesen, weitere Entgelte Kundenendbetrag Verkauf (Kontogutschrift)

100 3100

100 2900

Quelle: Eigene Darstellung.

Wie anhand der Tabelle ersichtlich ist, unterscheiden sich in beiden Fällen nicht die aktuellen Depotwerte des Zugangs und des Abgangs. Jedoch differieren die Kontobelastung und -gutschrift des Ertrags- und Verrechnungskontos. Sowohl beim Kauf als auch beim Verkauf werden Kosten und Gebühren in Höhe von 100 in Rechnung gestellt ( K Kt 1 t , K Vt 1 t ). Insofern schmälern K Kt 1 t , K Vt 1 o

o

o

o

t

auch die erzielte Monatsrendite

des Kunden. Sie stehen nicht im Zusammenhang mit dem gebundenen Kapital. Des Weiteren sind diese Kosten nicht Bestandteil von Zu- und Abgängen ( Z t 1 t , A t 1 t ). o

Zu- und Abgänge werden als reine Marktwerte verrechnet.

o

225

Dieser Sachverhalt gilt in derselben Weise vom Zeitpunkt der Eröffnung bis zum Zeitpunkt der Schließung eines Depots.226 Demzufolge ist VPt 1 der Gesamtpreis für die im Depot des Kunden befindlichen Wertpapiere zu einem bestimmten Stichtag. Das entspricht der Investitionssumme oder auch dem eingesetzten Anfangskapital, welches um die innerhalb eines Monats zufließenden und abfließenden Größen korrigiert werden muss, um letztendlich das mittlere eingesetzte Kapital zu determinieren. Die stetige Kundenportfoliorendite auf Monatsbasis ist wie folgt zu berechnen: 225

Diese Art der Modellierung der Zu- und Abgänge ist die für die empirische Analyse gewählte. Es sind auch andere Definitionen von Zu- und Abgängen denkbar.

226

Falls lediglich taxierte Werte vorliegen, finden diese Anwendung.

93 (5-2)

rPts

mit:

rPts

rPt

ln 1  rPt = stetige Rendite des Portfolios P für den Zeitraum von t-1 bis t, = diskrete Rendite des Portfolios P für den Zeitraum von t-1 bis t.

Im Rahmen der später folgenden statistischen Analysen kommen zwei verschiedene Methoden zur Berechnung der Gesamtportfoliorendite zum Einsatz: zum einen die von den GIPS geforderte geometrische Verknüpfung von diskreten Renditen und zum anderen die additive Verknüpfung von stetigen Renditen.

5.4 Zusammenfassende Würdigung Es ist gelungen, die Beratungsintensität der Anlageberater eines Finanzdienstleisters messbar zu gestalten. Der Kooperationspartner hat die Methodik als gut befunden und sich positiv zur Umsetzung im Rahmen der empirischen Analyse ausgesprochen. Zudem ist zu konstatieren, dass ebenfalls die Kundenportfoliorendite gemäß den Erfordernissen der GIPS ermittelt werden kann. Einzige Ausnahme ist die tagesgenaue Bewertung der exogenen Mittelbewegungen. Ex aequo sei an dieser Stelle darauf hingewiesen, dass der Kooperationspartner die Renditemessung gemäß Gleichung (5-1) für interne Zwecke umsetzen möchte. Weiterhin sei erwähnt, dass die Gleichung von dem Performancemessungsexperten Dr. Bernd R. Fischer als gut und somit für empirische Analysezwecke als sehr gut einsetzbar befunden wurde.227

227

Am 24. Januar 2006 wurden Herrn Dr. Bernd R. Fischer die angedachte Vorgehensweise zur Renditeermittlung und die eigentliche Gleichung (5-1) vorgestellt. Herr Fischer ist Co-Autor und Verantwortlicher für die ÄDVFA-Performance Presentation Standards³.

94

6

Die Stichprobe

Ziel für die Durchführung des Untersuchungsvorhabens war es, einen eigens für den Forschungsgegenstand zusammengestellten Paneldatensatz zu bekommen. Einen Zugriff auf die sozioökonomischen und -demografischen Daten zu bekommen ist eine notwendige Bedingung und zugleich eine Kernherausforderung. Dies ist gelungen. Gleichwohl sei an dieser Stelle auf die Sensibilität der Daten und auf die zu gewährleistende Vertraulichkeit aufmerksam gemacht. Insofern sind bestimmte Merkmalsausprägungen oder auch gewisse Bezeichnungen für vereinzelte Variablen geändert beziehungsweise anonymisiert worden. Dennoch haben diese Umstände keinen Einfluss auf Klarheit und Qualität der hinter den Ergebnissen stehenden Aussagen. Sowohl die Anonymisierung im Text als auch die Einschränkungen bei der Interpretation aufgrund der gebotenen Diskretion sind gekennzeichnet. Die konzeptionelle Ausgestaltung der Forschungsform und Datensammlungstechnik ist durch die exklusive Datengenerierungsmöglichkeit in Form eines Paneldatensatzes vorgegeben ± siehe Abbildung 6.1. Hierdurch wird eine hohe Reliabilität gewährleistet. Abbildung 6.1: Lösungsweg zur Forschungsfrage ± vereinfachte Darstellung

Forschungsfrage?

Konzeptionsschritt ± exklusive Kooperationspartner Forschungsform bestimmen

Datensammlungsmethode fixieren

1. Umsetzungsschritt ± inklusive Kooperationspartner DatenDaten aus sample fachlicher Sicht zusam- generieren menstellen

2. Umsetzungsschritt ± exklusive Kooperationspartner Berechnungen durchführen

Ergebnisse aufbereiten

Bedeutung und Prozessbeteiligung

Relevante Teilprozesstätigkeiten

Quelle: Eigene Darstellung.

In den folgenden Abschnitten werden Zusammenstellung und Inhalte der Daten veranschaulicht, der Ä1. Umsetzungsschritt³. Die ersten Berechnungen und Hauptergebnisse folgen ab dem Kapitel 7, der Ä2. Umsetzungsschritt³.

95

6.1 Überblick und Anmerkungen zur Datenbasis Es liegen zwei Paneldatensätze eines großen, deutschen Finanzdienstleisters vor. Sie erstrecken sich über den Zeitraum von Januar 2003 bis Oktober 2005.228 Als Variablen enthalten sie Depotbestands- und Depotumsatzcharakteristika sowie sozioökonomische und soziodemografische Merkmale des jeweiligen Kunden. Die aus den Analyseergebnissen gewonnenen Aussagen beziehen sich auf die Grundgesamtheit der in Deutschland lebenden Privat- und Individualkunden, welche ein Wertpapierdepot besitzen. Da eine Vollerhebung aus zeitlichen und finanziellen Gründen ausgeschlossen war, erfolgte beim Kooperationspartner innerhalb der angesprochenen Zielgruppe zweimal eine Zufallsauswahl.229 Das für die Hauptanalyse genutzte Sample umfasst 12.000 Kunden. Das kleinere Datensample, welches 10.050 Kunden umfasst, wird zur Überprüfung der ermittelten Ergebnisse eingesetzt. Eine kritische Würdigung der Datenbasis findet im Abschnitt 6.2.2 statt. Verschiedene Unzulänglichkeiten schmälern die zu verwendende Kundenbasis: Erstens haben 3.016 Kunden kein Beratungsmerkmal, obwohl sie Wertpapiere gekauft oder verkauft haben. Dies kann zum einen daran liegen, dass ein Kunde alle seine Transaktionen über das Online-Banking-System des Finanzdienstleisters durchführt, zum anderen, dass ein Berater nicht das entsprechende System nutzt, in welches die Beratungsmerkmale eingepflegt werden, oder er keine Veranlassung sieht, eine Eingabe zu tätigen. Das Beratungsdatenfeld230 ist kein Pflichtfeld, jedoch populiert es bei jeder getätigten Transaktion. Zweitens: Eine zusätzliche Reduzierung resultiert aus dem Nichtvorhandensein von Transaktionen und diesbezüglich fehlendem Beratungsmerkmal bei 2.429 Datensätzen.

228

Die Zeitspanne wurde durch die Möglichkeit des Datenbankabgriffs eingeschränkt beziehungsweise determiniert.

229

Definitionen zu verschiedenen Stichprobearten; siehe beispielhaft: Bortz (1993), S. 84 ff.; Bortz / Döring (2002), S. 405-406; Müller-Böling / Klandt (1996), S. 75 ff.

230

Die Bezeichnung wurde geändert.

96 Und drittens schlagen weitere 1.366 Leerdepots zu Buche sowie 138 Depots, die nicht zu korrigierende Fehlbuchungen oder Fehldispositionen aufweisen (zusammen: 1.504 Datensätze).231 Für die empirische Analyse des dargestellten Untersuchungsgegenstandes kommen 4.461 beziehungsweise 5.051 der 12.000 Kundendatensätze zum Einsatz.232 Einen Überblick hierzu gewährt die Abbildung 6.2. Abbildung 6.2: Aufteilung der Kundenanzahl im Hauptsample

12.000

3.016

Ä Beratungsintensitätskunden³ = berechenbare Beratungsintensität & durchgängig messbare Portfoliorendite

2.429 1.504 590

Anfängliche 1 Kundenanzahl

Kunden 2 mit Kunden 3 ohne Transaktionen, Transjedoch keinem aktionen und Beratungsohne merkmal Beratungsmerkmal

Kunden 4 mit Leerdepots (inkl. Fehlbuchungen, Fehldispositionen)

4.461

Kunden Kunden 5 mit 6 mit BeratungsBeratungsmerkmal und merkmalen, durchjedoch keinem gängigem durchgängigen Depotbestand Depotbestand

Quelle: Eigene Darstellung.

Bei der Zusammenstellung der Daten wurde darauf Wert gelegt, dass die zu Beginn der Untersuchung als relevant erachteten Kontrollvariablen im Datensample enthalten sind. Ziel ist es, eine Verzerrung durch eine intervenierende Variable auszuschließen. Gleiches gilt für den Fall der Scheinkorrelation oder Scheinnichtkorrelation.233

231

Es existieren Fälle, bei denen ein Berater Wertpapiere verkauft hat, obwohl diese erst drei oder mehr Tage später als Bestand vermerkt worden sind (Fehldispositionen oder nicht disponierte Bestände). In diesen Fällen kommt es zu negativen Depotbeständen, welche die Renditeberechnungen verzerren.

232

Die Analysen in den Kapiteln 7 und 8 werden bei multiplen OLS-Schätzungen mit 4.461 Kundendatensätzen durchgeführt. Im Fall von Panelregressionen kann die erweiterte Kundenbasis von 5.051 eingesetzt werden.

233

Zum Thema der Scheinkorrelation siehe beispielhaft: Bortz / Döring (2002), S. 689.

97 Ferner war die Maßgabe, für eine Selbstselektion zu kontrollieren. Eine Selbstselektion kann vereinfacht als die nicht zufällige Zuordnung eines Probanden zu einem bestimmten Cluster definiert werden.234 Zum Beispiel wäre es denkbar, dass der Kunde sich aufgrund seiner Unerfahrenheit im Wertpapiergeschäft beraten lässt. Dementsprechend kann die fehlende versus der vorhandenen Kenntnis und nicht die eigentliche Beratungsleistung für die erzielte Portfoliorendite ausschlaggebend sein. Somit muss auf die eindeutige Identifizierbarkeit der Ursache für ein bestimmtes Verhalten geachtet werden. Deshalb sind die erforderlichen Variablen zum einen in enger Abstimmung mit einem Wertpapierspezialistenteam des Kooperationspartners und zum anderen aufgrund von theoretischen Vorüberlegungen mit Sorgfalt ausgewählt worden. 6.1.1

Soziodemografische, -ökonomische und -psychologische Daten

In diesem Abschnitt werden die entscheidenden, in die Untersuchung einfließenden soziodemografischen, -ökonomischen und -psychologischen Variablen vorgestellt. Verschiedene Veröffentlichungen zu den Themen der Attributionsanalyse oder Asset Allocation, Privatkundeninvestments sowie Risikomentalität stellen die Relevanz dieser Variablen heraus. Nicht alle Veröffentlichungen beziehen sich direkt auf die Fragestellung der Portfolioperformance von Privat- und/oder Individualkunden. Gleichwohl vermittelt auch die an das Themengebiet angrenzende wissenschaftliche Literatur Aspekte, die Berücksichtigung finden sollten, da sie auf mögliche, indirekte kausale Zusammenhänge aufmerksam machen und die Vollständigkeit des Untersuchungsvorhabens gewährleisten. Des Weiteren ist anzuführen, dass die meisten Studien bereits in Kapitel 3.2 erörtert worden sind.235 Zum Beispiel stellen Barber / Odean (2001) in ihrer empirischen Studie den Einfluss des Geschlechts auf die erzielte Aktienportfoliorendite heraus. Frauen neigen dazu, weniger zu traden, und verhindern durch ihre Zurückhaltung eine Reduzierung der Nettoperformance des Aktienportfolios. Der Grund hierfür sind die geringeren Transaktions-

234

Vgl. Ashenfelter / Rouse (1998); Degeratu et al. (2000); Heckman et al. (1998); LaLonde (1986).

235

Aufgrund dessen erhebt die Anführung der Literatur keineswegs den Anspruch auf Vollständigkeit.

98 kosten. Männer dagegen sind übertrieben selbstsicher und handeln in dem Glauben, dass ihnen ihre Marktinformationen zum Vorteil gereichen werden. Biais et al. (2005) können dies anhand ihrer Ergebnisse aus einem experimentell gebildeten Finanzmarkt nicht bestätigen. Vielmehr ergeben ihre Modellschätzungen, dass eine Misskalibrierung bei Männern nicht signifikant häufiger vorkommt als bei Frauen.236 Haliassos / Michaelides (2003) wiederum konstatieren in einer empirischen Analyse den Effekt des Einkommens. Die Variabilität des Einkommens hat z. B. einen signifikanten Einfluss auf den Aktienanteil im Wertpapierdepot. Guiso et al. (2003) eruieren in ihren zusammengefassten empirischen Studien mehrere Variablen, die einen Einfluss auf die Aktiendepotposition haben: Erstens ermitteln sie für ausgewählte, in der Analyse enthaltene Fortschrittsländer, wie z. B. Deutschland, dass die Höhe des Einkommens wie auch die Höhe des Vermögens im positiven Zusammenhang und zweitens, dass eine gehobene Ausbildung sowie das Alter im negativen Zusammenhang zur Aktienhaltung stehen. Barsky et al. (1997) finden mittels ihrer psychologischen Studien heraus, dass man anhand der Berufsgruppe die allgemeine Risikomentalität bestimmen kann. So ist ein wirtschaftlich Selbständiger risikofreudiger als ein wirtschaftlich Unselbständiger. Hubbard (1985) ermittelt in seiner empirischen Untersuchung, dass Selbständige und Landwirte einen geringeren Anteil ihres Gesamtvermögens in Wertpapiere investieren als Unselbständige. Insgesamt zeigen diese Veröffentlichungen auf, dass die Variablen ƒ

Geschlecht,

ƒ

Einkommen und/oder Vermögen,

ƒ

Alter und

ƒ

Berufsgruppe (Ausbildung)

in die Analyse mit aufzunehmen sind.

236

Biais et al. (2005) definieren eine Misskalibrierung als eine Überschätzung der Präzision des eigenen Informationsstandes bezüglich der zukünftigen Wertentwicklung eines Assets.

99 6.1.2

Zur Repräsentativität der sozioökonomischen und soziodemografischen Daten

Gemäß dem Statistischen Bundesamt waren im Jahre 2003: 51 % der Bevölkerung Frauen und 49 % Männer. In der vorliegenden Stichprobe ist die Geschlechterverteilung annähernd gleich (Frauen: 49 %; Männer: 51%). Durch die Abbildung 6.3 wird angedeutet, dass der relative Anteil der weiblichen Depotinhaber im Alter zunimmt. Dieses könnte im Zusammenhang mit der höheren Lebenserwartung einer Frau stehen. Abbildung 6.3: Geschlechterverteilung nach Alter ± in 2003237 = Anzahl Männer = Anzahl Frauen

1740 1465

1575

1691

1114 899

408 237

218

unter 20

152

20 - 39

40 - 59

60 - 80

über 80

Jahre

Quelle: Eigene Darstellung.

Die Einkommensverteilung der wirtschaftlich unselbständigen Kunden findet sich in Abbildung 6.4 wieder. Die Kunden im mittleren Alterssegment verzeichnen das relativ höchste monatliche Haushaltsnettoeinkommen. Dies ist nicht weiter verwunderlich, da das Einkommen sehr oft altersbedingte Bezüge enthält und die Rente oder Pension tendenziell unter dem Arbeitseinkommen liegt.

237

Nicht bei allen Kunden war ein Vermerk zum Geschlecht abgreifbar. Die Abbildung bezieht sich auf die wirtschaftlich Unselbständigen.

100 Abbildung 6.4: Monatliches Haushaltsnettoeinkommen nach Alter ± wirtschaftlich Unselbständige

in Euro

2739 2120 1856

1948

693

unter 20

20 - 39

40 - 59

60 - 80

über 80

Jahre

Quelle: Eigene Darstellung.

Das gleichgewichtete Durchschnittseinkommen aller Kunden liegt bei ca. 2.300 Euro im Monat. Gemäß dem Statistischen Bundesamt ist der Durchschnitt ca. 2.550 Euro im Monat.238 Die Differenz könnte daraus resultieren, dass die Zielpopulation auch weitere Kundensegmente wie z. B. Private Banking enthält. Die Berufsgruppenverteilung der Stichprobe ist Abbildung 6.5 zu entnehmen. Abbildung 6.5: Berufsgruppenverteilung in der Stichprobe ± Anteile

97,1 %

.

18%

Sonstige

2,4 %

Angestellte Beamte

. . 0,5 %

47%

30%

Nichterwerbstätige

5%

Sonstige

Wirtschaft- Wirtschaftlich lich UnselbSelbständige ständige

Quelle: Eigene Darstellung.

238

Die Zahl entspricht einem gewichteten Durchschnitt. Er ist anhand der relativen Anteile von Nichterwerbstätigen, Angestellten und Beamten aus dem Jahr 2002 berechnet worden; vgl. Statistisches_Bundesamt (2003).

101 Mit 97,1 % sind die wirtschaftlich Unselbständigen am stärksten repräsentiert. Innerhalb dieses Clusters ist die Personengruppe der Angestellten am häufigsten vertreten. Falls die Berufsgruppenzusammensetzung im Sample der von der Zielpopulation entspricht, kann man davon ausgehen, dass die Stichprobe merkmalsspezifisch repräsentativ ist.239 Augenscheinlich lehnt sich die relative Verteilung der Berufsgruppen des Hauptsamples an die gewählte Zielpopulation sehr stark an ± siehe Abbildung 6.6. Der Hauptbestandteil sind Angestellte, danach folgt die Gruppe der Nichterwerbstätigen. Die Beamten bilden den kleinsten Anteil.240 Sowohl in der Stichprobe als auch in der zugrunde liegenden Zielpopulation ist der Arbeiteranteil eine der größten Teilgruppen im Cluster ÄSonstige³. Abbildung 6.6: Berufsgruppenallokation ± Projektion des Hauptsamples auf die Grundgesamtheit Anteile im Hauptsample = Angestellte 47%

Anteile in der Grundgesamtheit =

41%

5%

Beamte

7%

31%

21% A

18%

Sonstige

30%

Nichterwerbstätige

Quelle zur Berechnung: Statistisches_Bundesamt (2004), S. 27 ff.

239

Vgl. hierzu Bortz / Döring (2002), S. 398-401.

240

Angestellte: alle nichtbeamteten Gehaltsempfänger, wie z. B. kaufmännische, technische Büro-, Verwaltungs- oder Behördenangestellte, leitende Angestellte und Weitere. Nichterwerbstätige: Zusammenfassung der Haushalte von Pensionären, Rentnern, Sozialhilfeempfängern, nicht oder nicht mehr im Erwerbsleben stehenden Personen, die vom eigenen Vermögen (Vermietung, Verpachtung) oder von privaten Unterstützungen und dergleichen leben, sowie Studenten, die einen eigenen Haushalt führen und Weitere. Beamten: Beamte des Bundes (auch Berufs- und Zeitsoldaten), Beamte des Bundesgrenzschutzes, Wehrdienstleistende, der Länder, Gemeinden und Körperschaften des öffentlichen Rechts einschließlich Beamtenanwärtern und Beamte im Vorbereitungsdienst und Weitere.

102 Insgesamt ist zu konstatieren, dass die Stichprobe hinsichtlich der relevanten Merkmale als spezifisch repräsentativ angesehen werden kann. Nur die Höhe des Haushaltseinkommens weicht bei der Stichprobe von der Grundgesamtheit ab, das Delta ist allerdings als gering zu bewerten. Für die Feststellung einer global repräsentativen Stichprobe sind weitere Evaluationsschritte durchzuführen, da andere kovariierende Einflüsse in den Depotdaten vorhanden sein könnten. 6.1.3 Depot-, Leistungs-, Transaktions- und Depotzusatzdaten Tabelle 6-1 enthält weitere Variablen für die Messung der Portfoliorendite und für weitere Kausalzusammenhänge:

103 Tabelle 6-1:

Struktur der Depot-, Leistungs-, Transaktions- und Depotzusatzdaten241

Depotbestands- und Depotumsatzdaten

Depotbestände per Monatsultimo für alle Assetklassen

Depotzugänge innerhalb eines Monats für alle Assetklassen

Depotabgänge innerhalb eines Monats für alle Assetklassen

Verdichtung zu 30 Assetklassen Erträge pro Monat (Aufsummierung über die verdichteten Assetklassen)

Kosten pro Monat

Dividendenzahlungen

Ausschüttungen

Zinszahlungen

Jeweils getrennt ausgewiesen: Kauf- und Verkaufsprovisionen

Kursschnitt (inkl. Devisenkursschnitt)

Bonifikation

Maklergebühren

Fremde Spesen

Porto- und CPD-Gebühren, sowie getrennt ausgewiesene weitere Auslagen

Die Gebühren wurden in Abstimmung mit dem Spezialistenteam berechnet

-

-

Jeweils getrennt ausgewiesen: Anzahl Käufe und Verkäufe

Zeichnungen

Jeweils getrennt ausgewiesen: Anzahl Onlinekäufe und -verkäufe

Ein einzelner Wert pro Kunde (wird nicht näher spezifiziert)

-

-

Abbildung der Klassifizierung der Wertpapierkenntnisse eines Kunden (Wertpapierhandelsgesetz)

-

-

Extrem konservativ«

«weitere Abstufungen«

«bis extrem wachstumsorientiert

Gebühren pro Monat

Verwahrungs- und Verwaltungsgebühren pro Monat

Anzahl Transaktionen pro Monat

Bankertrag pro Monat

Wertpapierkenntnisstufe

Anlagestrategie

Quelle: Eigene Darstellung.

6.1.4

Zur Repräsentativität der Asset Allocation

Die Stichprobe ließe sich als global repräsentativ bezeichnen, falls auch die Asset Allocation des Samples repräsentativ ist.

241

Einige in der Tabelle enthaltene Bezeichnungen wurden anonymisiert.

104 Das durchschnittliche Depotvolumen liegt in der Zielpopulation bei 27.500 Euro, im Sample insgesamt bei ca. 33.500 Euro.242 Für den Asset-Allocation-Vergleich wurde die in der EVS vorgenommene Kategorisierung verwendet (EVS = Einkommens- und Verbrauchsstichprobe des Statistischen Bundesamtes)243: ƒ

Sonstige (Zertifikate, Dachfonds, Altervorsorgefonds und Ähnliches)244

ƒ

Renten, als Einzelrenten und Rentenfonds,

ƒ

Aktienfonds,

ƒ

Aktien, als Direktanlage.

Wie in der Abbildung 6.7 erkennbar, ähneln sich die relativen Verteilungen der Assetklassen innerhalb einer Berufsgruppe. Abbildung 6.7: Asset-Allocation-Vergleich ± Sample versus Zielpopulation 1 2 3 4

= Anteil im Sample = Anteil in der Zielpopulation

= Sonstige = Renten = Aktienfonds = Aktien

Angestellte

Nichterwerbstätige 34,6 %

1

30,5 % 34,6 % 34,6 %

2 13,1 %

3

17,1 % 17,7 %

4

242

17,8 %

37,1 %

1

36,8% 23,2 %

2

3

4

28,0 % 16,7 % 16,2 % 22,9 % 19,0 %

Vgl. Statistisches_Bundesamt (2004), S. 27. Der Median des Depotvolumens bei Kunden: ± mit Äberatenen³ Portfolios = ca. 29.200 Euro (Beratungsintensität >= 0,5) ± mit Änicht beratenen³ Portfolios = ca. 21.200 Euro (Beratungsintensität < 0,5). Zu den Mittelwerten der Portfolios bei den beratenen und nicht beratenen Kunden siehe Abschnitt: 7.1.1. Zur Messung der Beratungsintensität siehe Abschnitt: 5.1.

243

Vgl. Ibid..

244

Die Wertpapierkategorie ÄSonstige³ wird aufgrund ihrer relativen Bedeutung als Erstes aufgezählt.

105

Beamte 1

Wirtschaftlich Selbständige 21,5 %

33,8 %

2

3

4

36,0 %

1

27,6%

37,2 % 18,7 %

2

3

17,0 % 26,0 % 18,1 %

4

30,5% 21,2 % 29,9 % 17,1 % 18,0 % 25,7 % 21,6 %

Vergleichsquelle: Statistisches_Bundesamt (2004), S. 27 ff.

In den wohl als am bedeutsamsten zu deklarierenden Berufsgruppen Nichterwerbstätige und Angestellte stimmt die Reihenfolge der relativen Anteile vollkommen überein. Deutlich wird zudem, dass die Wertpapierkategorie ÄSonstige³ bei allen betrachteten Berufsgruppen, außer bei den Beamten, die am stärksten vertretende Kategorie ist. Bei der Berechnung eines gleichgewichteten Durchschnitts über alle Berufsgruppen trifft dies ebenfalls zu. Außerdem ist augenscheinlich, dass die Wertpapierklasse der ÄRenten³, die zweite Position einnimmt. Dies könnte als eine Art Orientierung hin zu festen, eher als sicher erscheinenden Anlagen gewertet werden. Jedoch erscheint die Einteilung insgesamt als zu generisch. Auch eine übliche, gängige Abtrennung des Immobilienanteils erfolgt in der EVS nicht. Aufgrund dessen wird von dieser Einteilung in den kommenden Analysekapiteln Abstand genommen. Bemerkenswert erscheint überdies eine Gegenüberstellung der Berufsgruppen. Sie suggeriert z. B., dass die Gruppe der Nichterwerbstätigen eine konservative Anlagepolitik verfolgt (ein vergleichsweise hoher Renten- und geringer Aktienanteil). Die Angestellten halten dementsprechend einen höheren Aktien- und Aktienfondsanteil sowie einen niedrigeren relativen Bestand an Renten. Zusammenfassend ist festzuhalten, dass auch im Fall der Variablen zur Asset Allocation die Stichprobe als merkmalsspezifisch repräsentativ anzusehen ist. Insofern kann das Datensample als global repräsentativ gewertet werden.

106

6.2 Weitere Anmerkungen zur Datenbasis 6.2.1 Nicht auswertbare Variablen Leider sind nicht alle Variablen des Hauptdatensatzes zu verwenden. Bisher nicht erwähnt, aber dennoch existent sind weitere Daten beziehungsweise Variablen zum Vertriebskanal, zur Art des Ansprachemediums (z. B. stationärer Vertrieb: Telefon versus Beratungsgespräch) oder zum Kapitalvermögen des Kunden. Allerdings muss nach einer kritischen Betrachtung angemerkt werden, dass diese Datenfelder nicht ausreichend gepflegt sind. Sie fließen daher nicht in eine weitergehende Analyse ein. 6.2.2 Kritische Würdigung der Datenbasis Wie bereits oben angedeutet worden ist, kann die Stichprobe als repräsentativ für die zugrunde liegende Zielpopulation gewertet werden ± sofern man die gleiche Anzahl der Freiheitsgrade unterstellt. Da die Daten allerdings nicht nur im Querschnitt vorhanden sind, sondern auch über die Zeit variieren, sind zusätzliche Aspekte zu evaluieren. Im Folgenden werden drei zeitspezifische Thematiken kritisch erörtert: a) Zensierte Daten / Beobachtungen in Bezug auf die unabhängige Variable Beratungsintensität, b) ein timelag zwischen der Auswirkung von einer Anlageberatung auf die Entwicklung der Portfoliorendite, c) ein ungünstig gewählter Untersuchungszeitraum. Zu a): Eine Datenzensierung liegt dann vor, wenn ein an sich zu messendes Ereignis beziehungsweise eine Zustandsveränderung bereits vor oder erst nach dem Beobachtungszeitraum eintritt. Im ersten Fall spricht man von linkszensierten, im zweiten Fall von rechtszensierten Beobachtungen.245 Von intervallzensierten Daten spricht man wiederum, wenn das Ereignis im Untersuchungszeitraum gemessen werden kann, jedoch der Impuls, der eigentliche Auslöser für dieses Ereignis, bereits vor dem Untersuchungszeitraum stattfand.

245

Bekannte Veröffentlichungen zu diesem Thema: Fleming / Harrington (1991), Moncrief et al. (1989); Cox / Oakes (1983); Cox (1972).

107 Somit würde ein Problem zum einen dann auftreten, wenn Wertpapierumsätze erst nach dem Betrachtungszeitraum getätigt werden, allerdings auf eine Beratungsleistung innerhalb des Betrachtungszeitraums zurückzuführen sind (rechtszensiert), oder zum anderen, wenn Wertpapierkäufe sowie -verkäufe durch Beratungen motiviert werden, die bereits vor dem Untersuchungszeitraum stattfanden (intervallzensiert). Links zensierte Beobachtungen spielen in diesem Zusammenhang keine Rolle. Es kann unmittelbar zu Schätzfehlern kommen, falls man bei dem Vorhandensein eines solchen Sachverhaltes diesen nicht mittels eines stochastischen Prozesses, wie es die relevanten Hazard-Analyse-Verfahren unterstellen, modelliert. Da das Merkmal ÄBeratung³ exakt im Rahmen des Orderprozesses eingepflegt wird, kann die Problematik vollkommen ausgeschlossen werden. Es besteht ein direkter Zusammenhang zwischen dem Auslöser, Beratung, und dem Eintrittsereignis, Wertpapierumsatz. Alle berechneten Beratungsintensitäten haben ihren Ursprung im Betrachtungszeitraum. Zu b): Die Hypothese, dass eine strategische Portfoliomaßnahme, initiiert durch eine innerhalb des Beobachtungszeitraums stattfindende Beratung, aufgrund der Kürze des Beobachtungszeitraums nicht mehr zum Tragen kommt, ist zu verwerfen oder zumindest als fragwürdig einzuordnen.246 Ein Grund dafür ist, dass fast alle Wertpapierumsätze spätestens nach zwei Werktagen verbucht sind (Ausnahme sind Auslandsordern oder spezielle Fondsordern). Infolge dessen beeinflussen sie ab diesem Zeitpunkt unmittelbar die Wertentwicklung des Portfolios. Zudem ist zu erwähnen, dass nicht der Effekt einer einzelnen Beratung zu einem bestimmten Zeitpunkt ausgewertet wird, sondern eine durchschnittliche Beratungsintensität pro Kunde für den Gesamtzeitraum, die folglich ausschlaggebend ist. Als Letztes sei angemerkt, dass die Auswahl des Beobachtungszeitraums quasi zufällig gewesen ist. Insofern spricht Vieles dafür, dass eine strategische Beratung mit der gleichen Wahrscheinlichkeit bei einer Betrachtung über alle Kunden, vor und auch nach dem Beobachtungszeitraum anfällt. Dies spricht für eine Nivellierung des Effektes über die Zeit.

246

Unter den Begriff der Ästrategischen Portfoliomaßnahme³ fallen Anlageentscheidungen, die auf einem eher längerfristigen Anlagehorizont basieren.

108 Eine weitere Fundierung dieser Aussage im Hinblick auf bestehende Lebensphasenkonzepte (junge Singles, Singles, junge Familien und Ähnliches) und dadurch mögliche Beratungs-/Betreuungsintensitätsanpassungen erfolgt nicht. Zu c): Eine Einschränkung der Allgemeingültigkeit durch die quasi zufällig getroffene Auswahl des Beobachtungszeitraums ist dann der Fall, wenn am Kapitalmarkt innerhalb des Untersuchungszeitraums ein gewisses Muster bei einer Indexentwicklung zu verzeichnen wäre und diese Entwicklung einen signifikanten direkten Einfluss auf ein Ergebnis hätte. Anhand der Abbildung 6.8 ist deutlich erkennbar, dass die Indexentwicklung des DAX in der Zeitspanne der Untersuchung fast durchgehend positiv verlaufen ist.247 Abbildung 6.8: DAX-Entwicklung von Januar 2003 bis Oktober 2005 Index- 6000 stand 5000 4000 3000 2000 1000 0 200301

200304

200307

200310

200401

200404

200407

200410

200501

200504

200507

200510

Datum

Quelle: Zeitreihen Statistik der Deutschen Bundesbank (wu3141) ± Performanceindex.

Nur in einzelnen Monaten waren stark negative Veränderungen zu registrieren (Februar, März und September 2003; März und August 2004; April 2005). Dies wird bei der empirischen Analyse bedacht und bei der Würdigung der Ergebnisse berücksichtigt. Insgesamt ist kritisch zu konstatieren, dass das vorhandene Zeitfenster im Vergleich zu renommierten Kapitalmarktuntersuchungen klein ausfällt.248 Gleichwohl ist auch fest-

247

Der Untersuchungszeitraum konnte aufgrund von technischen Begebenheiten nicht ausgeweitet werden.

248

Brennan et al. (1997); De Bondt / Thaler (1987) ziehen Stichproben mit einem Zeitfenster von zehn Jahren. Grinblatt / Moskowitz (2004) analysieren die ÄMean Reversion-Tendency³ bei Aktienpreisentwicklungen mit einer Stichprobe, die sich über mehrere Jahrzehnte erstreckt. Der Zeitraum, in dem Lakonishok / Smidt (1988) saisonale Aktienrenditeschwankungen untersuchen, beträgt neunzig Jahre.

109 zustellen, dass der Trend des deutschen Aktienmarktes, auch über einen sehr langen Zeitraum gemessen, positiv ist. Die erwarteten langfristigen Aktienrenditen sind positiv und nicht negativ.

110

7

Empirische Analyse: Deskriptive Statistik und Einflüsse der Anlageberatung auf die Portfoliodeterminanten

In den folgenden Kapiteln wird die Wechselbeziehung zwischen der operationalisierten Variable Beratungsintensität und den Portfoliodeterminanten analysiert. Das betrifft die Einwirkung der Anlageberatung auf die Kosten-, Ertrags- und Risikosituation der Kundenportfolios ± das Interesse liegt vor allem bei den Kunden, die eine Beratung in Anspruch genommen haben. Als Vergleichs- oder auch Benchmark-Cluster dienen die Investoren, die eigenverantwortlich ihre Anlageentscheidungen getroffen haben. Im englischen Sprachgebrauch werden diese Investoren auch als Äself-directed-customer³ umschrieben. Zudem werden vereinzelt Onlinekunden und Kunden mit Transaktionen, jedoch ohne Beratungsmerkmal, für eine Gegenüberstellung eingesetzt. Eingangs sei anhand des Depotvolumens, der Anzahl Transaktionen und der Umschlagshäufigkeit aufgezeigt, dass zum einen, in Relation zum Depotvermögen, relativ viel Geld umgesetzt worden ist, und zum anderen, dass die Kundencluster bestimmte Charakteristika aufweisen.

7.1 Deskriptive Statistik 7.1.1 Portfoliocharakteristika Die nachstehende Tabelle 7-1 zeigt Depotcharakteristika in Abhängigkeit verschiedener Kundengruppierungen. Die drei Cluster beratene, nicht beratene Kunden sowie Kunden mit Transaktionen, jedoch ohne Beratungsvermerk repräsentieren über 60 % der Kundendatensätze des Hauptsamples (siehe hierzu Abbildung 6.2). Insofern ist gewährleistet, dass einleitend ein Gesamtbild des Datensatzes vermittelt werden kann. Ein großer Teil der restlichen Kundendatensätze besteht aus Leerdepots.

111

2300

Anzahl Kunden

6 29 121

10 %-Quantil

50%-Quantil (Median)

90 %-Quantil

2,8

7,40

3,66

11,3

2,5

0,7

5,9

118

21

3

52

2161

73474

Beratungsintensität <0,5

Panel C

7,87

3,35

8,5

2,1

0,4

4,3

89

17

3

39

1511

51374

Beratungsintensität =0

Panel D

Nicht beratene Kunden

6,61

3,04

4,6

1,1

0,4

2,3

67

10

1

34

3016

102544

Kein Beratungsvermerk

Panel E

9,46

2,45

zu wenig Beobachtungen

1,8

zu wenig Beobachtungen

7

73

2482

hiervon: reine Onlinekunden

Panel F

Kunden mit Transaktionen (ohne Beratungsmerkmal)

Quelle: Eigene Berechnungen. Erläuterung: Die Stichprobe ist eingeteilt in beratene, nicht beratene und in Kunden mit Transaktionen ohne Beratungsvermerk. Die Ausprägung der Beratungsintensität trennt Panel A und C anders als B und D (Beratungsintensität = 0,5 versus 0,0). Das Panel F repräsentiert Kunden, die ihre Transaktionen ausschließlich online durchgeführt haben. Die Anzahl der Beobachtungen ergibt sich aus der Multiplikation der Beobachtungsmonate (34) mit der Kundenanzahl. Die Mittelwerte zu Depotvolumen und Transaktionen sind gleichgewichtete Mittelwerte. Die monatliche Kaufumschlagshäufigkeit und Verkaufsumschlagshäufigkeit ergibt sich aus dem Verhältnis des aggregierten, monatlichen Zu- beziehungsweise Abgangsvolumens und dem jeweiligen Depotbestand zum Monatsultimo (gleichgewichteter Mittelwert).

4,49

10,6

3,98

90 %-Quantil

3,79

8,5

50%-Quantil (Median)

0,7

5,3

134

30

6

62

3,63

2,5

10 %-Quantil

Monatliche "Kaufumschlagshäufigkeit" (%) Monatliche "Verkaufsumschlagshäufigkeit" (%)

4,1 0,7

Mittelwert

Transaktionen (Anzahl pro Jahr)

57

Mittelwert

Depotvolumen (TEuro)

100300

78200

Anzahl Beobachtungen 2950

Panel B Beratungsintensität >0

Panel A

Beratene Kunden

Deskriptive Statistik zu Depotvolumen, Transaktionen und Umschlagshäufigkeit

Beratungsintensität >=0,5

Tabelle 7-1:

111

112 Die Einteilung in beratene und nicht beratene Kunden erfolgt nach Stärke der Beratungsintensität (nachfolgend auch BI genannt). Da diese Clusteraufteilung indes nicht eindeutig erfolgen kann, werden im weiteren Verlauf jeweils zwei Varianten analysiert. Bei Kunden mit einer Beratungsintensität von null ist gewährleistet, dass deren Wertpapierorder nicht in einem direkten Zusammenhang mit einer Beratungsleistung steht (Panel D ± siehe Tabelle 7-1).249 Allerdings ist unbestimmt, ob Kunden mit einer Beratungsintensität von > 0 bis < 0,5 dem Cluster beratene oder nicht beratene Kunden zugeordnet werden sollten. Es stellt sich die Frage, inwieweit z. B. ein einziges Beratungsgespräch mit Abschluss dazu führen sollte, dass der Kunde als beraten klassifiziert wird, obgleich dieser im Anschluss mehrere Wertpapieraufträge vollkommen eigenständig initiiert und abwickeln lässt. Ist ein Kunde ein beratener Kunde, wenn er einen Wertpapierumsatz aufgrund einer Anlageberatung durchführt, jedoch neun weitere ohne? Diese Konstellation entspricht einer Beratungsintensität von 0,1. Um keinen Erklärungsanteil zu verlieren und die Güte der Aussagen zu verbessern, wird deshalb zusätzlich ein Panelschnitt bei einer Intensität von 0,5 durchgeführt (Panel A und C). Diese Aufteilung bezieht sich folglich auf die Tendenz, eher beraten oder eher nicht beraten worden zu sein. Eine Teilmenge der 3.016 Kunden mit Transaktionen und ohne Beratungsvermerk (Panel E) sind die 73 Onlinekunden (Panel F). Für diese Kunden gilt, dass sie alle ihre Wertpapieraufträge über das Online-Banking-Modul des Finanzdienstleisters ausgeführt haben. Der Tabelle 7-1 ist zu entnehmen, dass die Kunden des Panels E dem Cluster der nicht beratenen Kunden mit einer BI von null am ähnlichsten sind (Panel D). Dies ergibt sich aus dem Vergleich der Medianwerte für Depotvolumen (der nächstliegende Wert zu den 10 TEuro des Panels E ist der Median mit 17 TEuro des Panels D) und Anzahl Transaktionen pro Jahr (1,1 zu 2,1 Transaktionen pro Jahr) und wird zusätzlich bestätigt mittels eines Abgleichs der Kauf- und Verkaufsumschlagshäufigkeiten. Letzten Endes ist dennoch zu konstatieren, dass das Panel E insgesamt keiner Gruppe zugeordnet werden kann, da das mittlere Depotvolumen und die mittlere Anzahl Transaktionen pro Jahr 249

Zu Detailfragen bezüglich des Datenfeldes und der Operationalisierung der Beratungsintensität siehe Abschnitt 5.1.

113 relativ niedrig sind. Es lässt sich vermuten, dass diese Kunden insgesamt zurückhaltend agieren, weil einer weit verbreiteten Ansicht nach ein Investor mit wenig Vermögen wenig bewegen kann. Das Panel E mit den 3.016 Kunden wird nicht weiter in die Analyse einbezogen. Auch das mittlere Depotvolumen der Onlinekunden erscheint als sehr niedrig. Eine Begründung könnte die fehlende Repräsentativität aufgrund der geringen Anzahl an Kundendatensätzen sein. Gleichwohl wird das Panel F weiterhin als Vergleichsgruppe verwendet. Naturgemäß lassen sich Onlinekunden am ehesten bei den nicht beratenen Kunden einsortieren, was tendenziell auch die deskriptive Statistik in Tabelle 7-1 belegt. Welche Ergebnisse liefert die deskriptive Statistik bezüglich der beratenen und nicht beratenen Kunden (Panel A bis Panel D)? Erstens ist das mittlere Depotvolumen bei den beratenen Kunden etwas höher. Zweitens ist festzustellen, dass insgesamt im Betrachtungszeitraum genügend umgeschlagen worden ist, um Auswirkungen von verschiedenen Einflussfaktoren messen zu können. Bereits der kleinste mittlere Wert der Umschlagshäufigkeiten (3,35 % im Monat) ergibt, dass die Kundenportfolios mindestens einen mittleren jährlichen ÄTurnover³ von 0,4 verzeichnen. Drittens ist zu konstatieren, dass die heterogene Art der Trennung (BI 0,5 versus 0) zu unterschiedlichen Aussagen bezüglich der Transaktionshäufigkeit führt. Im Falle der Einteilung nach einer Beratungsintensität von null (Panel B und D) führen die beratenen Kunden im Mittel mehr Transaktionen pro Jahr durch als die nicht beratenen. Umgekehrtes trifft für den Panelvergleich A und C zu. Insofern ist das Ergebnis mehrdeutig. Das erste Ergebnis wiederum könnte suggerieren, dass die Beratung einen positiven Einfluss auf die Anzahl der Transaktionen und auf die Kaufumschlagshäufigkeit hätte. Gleichwohl konnte dies durch einen Mittelwertvergleich bei unabhängigen Stichproben nicht bestätigt werden. Alles in allem sind die Anzahl an Beobachtungen, die Anzahl der Transaktionen pro Jahr sowie die Umschlagshäufigkeit für weitere Untersuchungen hinreichend geeignet.

114 7.1.2

Anlegertypus

Welcher Typ von Mensch beziehungsweise welche Art von Investor verlangt nach einer standardisierten Anlageberatung? Welcher Anleger sucht Rat, um seine Entscheidungen treffen zu können? Bereits Lease et al. (1974) untersuchen die Eigenschaften und Einstellungen von amerikanischen Aktienbesitzern. Obwohl der Fokus ihrer Analysen nicht der Einfluss der Anlageberatung auf die Portfoliodeterminanten ist, gewähren die Resultate einen Einblick, wie amerikanische Investoren generell eine Anlageberatung bewerten. Zum einen ergeben die durchgeführten Befragungen, dass die Anleger die Leistungen im Allgemeinen als negativ empfanden, und zum anderen, dass die Investoren Fachzeitschriften und Onlinebriefe als nützlichere Entscheidungsunterstützung empfanden als die Empfehlung eines Anlageberaters.250 Warum sollte man eine Anlageberatung in Anspruch nehmen, wenn die Einstellung ihr gegenüber negativ ist? Ein Grund hierfür könnten fehlende Wertpapier- oder Kapitalmarktkenntnisse sein. Dorn und Huberman eruieren in einer aktuellen Studie, dass sich besonders Männer für kompetent im Hinblick auf das Finanz-Know-how halten. Dies könnte dafür sprechen, dass Frauen vermehrt einen Anlageberater aufsuchen. Weiteren Studien zufolge lässt sich diese Vermutung zwar erhärten, jedoch nicht in statistisch signifikantem Maße.251 Ingesamt besitzen jüngere Anleger ein besseres Finanz-Know-how. Dies ist ein weiteres Ergebnis der Studie von Dorn und Huberman. Insofern könnte man annehmen, dass diese Eigenschaft eines Investors dazu führt, dass dieser sich nicht beraten lässt. Er besitzt ja bereits relativ fundierte Wertpapier- und Kapitalmarktkenntnisse, welche es ihm ermöglichen, seine Anlageentscheidungen selbständig zu treffen. Unter Umständen ist auch die Risikoaversion dafür verantwortlich, dass ein von einer Baisse desillusionierter Investor vor einer neuen Anlageentscheidung einen Experten nach Rat fragt. Vieles spricht dafür, dass ein unsicherer, konservativer Investor lieber der Empfehlung eines Experten vertraut als seinen eigenen Kenntnissen.

250

Lease et al. (1974), S. 428 und 431.

251

Dorn / Huberman (2005), S. 453 und 454.

115 Ein weiterer Aspekt ist die Freizeit. Eventuell misst man dieser aufgrund eines hohen Arbeitsleids einen relativ hohen Nutzen bei. Eine solche Annahme kann dazu führen, dass die Kosten einer Anlageberatung geringer sind als die Opportunitätskosten durch die selbständige Informationssuche. Vermutlich werden daher intensiv arbeitende und gut verdienende Investoren eher eine Beratung in Anspruch nehmen. Die nachstehende Tabelle 7-2 setzt die entscheidenden Variablen zwischen den beratenen und nicht beratenen Kunden ins Verhältnis. Die deskriptive Statistik suggeriert, dass de facto die beratenen Kunden im Durchschnitt älter sind und ein höheres Depotvolumen haben. Zudem ist der relative Anteil des männlichen Geschlechts niedriger. Bezogen auf das Nettoeinkommen des Depotinhabers lässt sich nichts Eindeutiges dokumentieren. Weiterhin zeigt sich, dass die Hausfrauen und Rentner stärker bei der Gruppe der beratenen Kunden auftreten und speziell die Gruppe der Angestellten häufiger bei den nicht beratenen Kunden. Die Erkenntnisse bei dem Vergleich der Wertpapierkenntnisstufen sind als gering zu werten.252 Vielmehr hat es den Anschein, dass der Berater die Wahl der zweithöchsten Wertpapierkenntnisstufe positiv beeinflusst hat, um einen eventuellen späteren Haftungsschaden aufgrund einer nicht anlegergerechten Beratung leichter abwenden zu können. Schließlich verfügt ein Kunde in der Stufe 5 über Kenntnisse zu allen riskanten Wertpapieren, außer denen der Produktgruppe der Derivate. Ein Kunde kann natürlich auch selbst das Ziel verfolgen, in eine höhere Gruppierung eingestuft zu werden. Er stellt hierdurch sicher, dass die ihm angedienten Produkte aus einem breiteren Spektrum von Anlagemöglichkeiten ausgewählt werden. Interessantes tritt bei dem Vergleich der vom Kunden gewählten Anlagestrategie (auch als Risikoeinstellung des Anlegers zu werten) zutage.253 Die beratenen Kunden scheinen risikoaverser zu sein und präferieren konservative Strategien. Zusammenfassend ergibt sich aus der deskriptiven Analyse, dass ältere (als Proxy für unzureichendes Finanz-Know-how), wohlhabende (als Proxy für Zeitmangel) und risikoaverse Investoren (als Proxy für Unsicherheit bei der zu treffenden Entscheidung) sich lieber beraten lassen. 252

Die Bezeichnung der einzelnen Stufen der Wertpapierkenntnisse ist anonymisiert.

253

Die Bezeichnung der einzelnen Abstufungen der Anlagestrategien ist anonymisiert.

0 2 14 4 77 3

7 15 39 18 13 8

Wertpapierkenntnisse (in %) Stufe 1 Stufe 2 Stufe 3 Stufe 4 Stufe 5 Stufe 6

Risikoeinstellung / gewählte Anlagestrategie (in %) Stark konservative Anlagestrategie Konservative Anlagestrategie Schwach konservative Anlagestrategie Schwach wachstumsorientierte Anlagestrategie Wachstumsorientierte Anlagestrategie Stark wachstumsorientierte Anlagestrategie 8 14 38 17 14 9

0 2 13 4 77 4

10 12 28 4 43 3

57 43 62 1932

9 12 28 16 17 18

3 3 12 3 71 8

11 9 22 4 51 3

53 49 52 1909

11 13 26 16 16 18

3 4 14 3 68 8

11 9 20 4 53 3

52 50 39 1826

Beratungsintensität =0

Mittelwert

Beratungsintensität <0,5

Panel D

Nicht beratene Kunden Panel C

Quelle: Eigene Berechnungen. Erläuterung: Die Stichprobe ist in beratene und nicht beratene Kunden eingeteilt (Panel A-D). Alle Mittelwerte sind gleichgewichtete Mittelwerte.

10 13 28 4 42 3

Beruf (in %) Kinder / Studenten Hausfrauen Rentner Arbeiter Angestellte Leitender Angestellte

Mittelwert

Beratungsintensität >0

Beratungsintensität >=0,5

57 42 57 1870

Panel B

Panel A

Beratene Kunden

Vergleich der Anlegertypen anhand von verschiedenen Stimuli ± beratene Kunden und nicht beratene Kunden

Alter (Jahre) Geschlecht (männlich in %) Depotvolumen (TEuro) Nettoeinkommen des Depotinhabers (Euro)

Tabelle 7-2:

116

116

117 Im weiteren Verlauf wird die Stärke dieser Stimuli ermittelt. Da die abhängige Variable im Rahmen dieser Fragestellung einen dichotomen Charakter aufweist (beraten: ja oder nein), wird von den klassischen Regressionsschätzungen Abstand genommen. Basis der für die weitere Untersuchung verwendeten Schätzmethoden ist die Gleichung der logistischen Regression. Besteht die Annahme, dass die Störgrößen in der Grundgesamtheit einer Normalverteilung und nicht einer logistischen Verteilung folgen, sollte ein Probit- und nicht ein Logit-Modell zum Einsatz kommen. Zudem hat dieses Verfahren gegenüber der sehr eng verwandten logistischen Regression den Vorteil, dass sie Schätzer der effektiven Werte für die Responsevariablen misst.254 Für diese Untersuchung wird ein Probit-Modell verwandt. Sind die beratenen Kunden tatsächlich risikoavers, alt, wohlhabend und zum großen Teil weiblichen Geschlechts? Zunächst sei erwähnt, dass die durchgeführten Schätzungen zu und mit den Variablen Beruf und Wertpapierkenntnisstufen keine weiteren Erkenntnisse liefern. Insofern lässt sich nur mutmaßen, dass Hausfrauen und Rentner eher eine Anlageberatung wahrnehmen als Angestellte. Womöglich werden Erstgenannte lieber überzeugt und Letztgenannte gehen davon aus, dass sie bereits selbst genügend Wissen attrahiert haben. Diese Deutung bezieht sich ausschließlich auf die relativen Anteile (deskriptive Analyse). Dennoch gelingt es, mittels der Probit-Regression einen großen Teil der kausalen Zusammenhänge aufzudecken. Wie in Tabelle 7-3 ersichtlich wird, hat die Risikoeinstellung einen negativen Einfluss auf die Nachfrage nach Beratung.255 Somit ist es tatsächlich wahrscheinlicher, dass ein risikoaverser Investor lieber eine Anlageberatung wahr-

254

Siehe hierzu beispielhaft: Stock / Watson (2003), Hagle / Mitchell II (1992), Prentice (1976). Die Vorzeichen der Stimuli verändern sich bei dem Einsatz der logistischen Regression nicht. Die Probit-Analyse wird für die Schätzung effektiver Werte für einzelne Responseraten anhand von Stimuli-Häufigkeiten eingesetzt ((Anzahl Äja³ / Anzahl Äaller³) bei einer bestimmten unabhängigen Variable). Die logistische Regression hingegen wird bei der Ermittlung von Quotenverhältnissen verwandt ((Response von jedem Proband) ± Ermittlung der Wahrscheinlichkeit zu einer Gruppenzugehörigkeit).

255

Das Pseudo R-Square von 3,2 % und 4,7 % ist relativ niedrig. Gleichwohl sind diese Werte bei Probitoder Logitschätzungen im Zusammenhang mit Untersuchungen von Anleger-Charakteristika durchaus üblich ± siehe hierzu beispielhaft: Calvet et al. (2006), S. 41; Dorn / Huberman (2005), S. 456 oder Graham et al. (2006), S. 32.

118 nimmt. Dies erscheint auch intuitiv einleuchtend, da risikoaverse Menschen generell dazu neigen, ihre zu treffenden Entscheidungen bestätigen zu lassen oder aufgrund von externen, neuen Erkenntnissen zu widerrufen. Tabelle 7-3:

Probit-Analyse: Welcher Anlegertyp nimmt eine Beratung wahr?

Abhängige Variable

Panel A: Beratungsintensität >=0,5

Panel B: Beratungsintensität >0

Inanspruchnahme einer Beratungsleistung (Beratungsdummy: BI>=0,5)

Inanspruchnahme einer Beratungsleistung (Beratungsdummy: BI>0)

Koeffizient

Stanardfehler

Koeffizient

-0,0279**

(0,0048)

-0,0083+

(0,0046)

0,0106**

(0,0004)

0,0096**

(0,0004)

Geschlecht (männlich)

-0,0389**

(0,0140)

-0,1455**

(0,0137)

Depotvolumen (TEuro) Nettoeinkommen des Depotinhabers (Euro)

0,0016**

(0,0001)

0,0026**

(0,0001)

-0,0001**

(0,0001)

0,0001

(0,0001)

Konstante

-0,7631**

(0,031)

-0,5775**

(0,0398)

Risikoeinstellung / gewählte Anlagestrategie Alter (Jahre)

Anzahl Beobachtungen

1899

1899

Pseudo R-Square

0,032

0,047

Pearson - Goodness of fit

abgelehnt, keine gute Anpassung

Stanardfehler

abgelehnt, keine gute Anpassung

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die Probit-Analyse bezieht sich lediglich auf die Kunden mit einer Beratungsintensität von entweder >=0,5 (Panel A) oder > 0 (Panel B) ± beratene Kunden. Die Variable Risikoeinstellung wurde anhand der sechs verschiedenen Anlagestrategien berechnet. Eine Risikoeinstellung von 1 entspricht einer stark konservativen Anlagestrategie, eine Risikoeinstellung von 6 einer stark wachstumsorientierten Anlagestrategie: je höher, desto risikofreudiger.

Des Weiteren wird mittels der Probit-Analyse ersichtlich, dass es faktisch die älteren, vermögenden Personen weiblichen Geschlechts sind, die die Anlageberatung nutzen. Warum sollte man davon ausgehen, dass die self-directed Anleger eher männlich und jünger sind? Das übersteigerte Selbstvertrauen kann eine Begründung sein. Jüngere, männliche Investoren haben den Hang, das eigene Finanz-Know-How zu überschätzen. Studien von Barber / Odean (2001), Gervais / Odean (2001), Dorn / Huberman (2005), Goetzmann / Kumar (2005) und weitere belegen diesen Sachverhalt. Letztlich wäre die ÄOverconfi-

119 dence³ allerdings in diesem Fall erst unzweifelhaft belegt, wenn die risikoadjustierte Rendite der nicht beratenen männlichen Investoren niedriger ausfällt. Bis zu diesem Zeitpunkt muss man, wie bereits oben erwähnt, auch die Möglichkeiten eines größeren Interesses, ein besseres Selbstverständnis und/oder ein breiteres Finanz-Know-how in Erwägung ziehen. Weiterhin wird die Inanspruchnahme einer Beratung positiv durch ein ansteigendes Depotvolumen bedingt. Tatsächlich steht ein höheres Depotvolumen im Einklang mit einer höheren Wertpapierkenntnisstufe, einem höheren Alter, jedoch auch mit einem steigenden Haushaltseinkommen (siehe Anhang 1; Tabelle 11-1). Somit repräsentiert das Depotvolumen in der Stichprobe womöglich auch Zeitmangel. Dieser Aussage liegt zugrunde, dass höheres Einkommen höheren Arbeitseinsatz in Form der Stundenanzahl bedingt. Es soll nicht unerwähnt bleiben, dass Household-Portfolio-Untersuchungen ein hohes Depotvolumen auch als Proxy für Wissen und Reife interpretieren.256 Dies wiederum würde bedeuten, dass ein höheres Depotvolumen tendenziell im negativen Zusammenhang zur Inanspruchnahme einer Beratungsleistung steht. Die empirische Analyse hat ergeben, dass Investoren, die Anlageberatung nachfragen, tendenziell ƒ

risikoavers,

ƒ

alt,

ƒ

wohlhabend

ƒ

und weiblichen Geschlechts sind.

Die angeführten Stimuli sind statistisch signifikant.

7.2 Empirische Analyse I: Einfluss der Anlageberatung auf die Kostendeterminante / Transaktionskosten Wie bereits in Abschnitt 3.2.2 anhand der Abbildung 3.6 dargestellt, ist ein Ziel dieser empirischen Analyse, den Einfluss einer standardisierten Anlageberatung auf die Portfo-

256

Siehe: Haliassos / Michaelides (2003), Guiso et al. (2003) und Vissing-Jörgensen (2003).

120 liodeterminanten zu evaluieren. Dass Transaktionskosten zum einen die optimale Zusammensetzung eines Portfolios bestimmen und zum anderen als Informationskosten interpretiert werden können, wurde bereits im Abschnitt 3.2.1.1 beschrieben. In diesem Abschnitt wird der kausale Zusammenhang zwischen der Beratung und den dabei entstehenden Transaktionskosten behandelt. Im Vordergrund stehen die Transaktionskosten im engeren Sinn, auch als unmittelbar messbare Transaktionskosten bezeichnet.257 Hierunter werden Provisionen, Kursschnitte, Ausgabeaufschläge, Verwahrungs- und Verwaltungsgebühren und weitere Kosten subsumiert (im Detail siehe hierzu Abschnitt: 3.2.1.1 und 4.1.2). Die nur mittelbar messbaren periodisierten Transaktionskosten sind bereits durch Paiella (2001), VissingJörgensen (2002) und Alan (2005) bestimmt worden (siehe hierzu Abschnitt: 3.2.1.1.2).258 Die neuartigen Ergebnisse dieser Studien werden in den späteren Analysen im Kapitel 8.1.2 zur Ermittlung des Wertes einer Anlageberatung verwandt. Weiterhin werden Management- oder Verwaltungsgebühren von Kapitalanlagegesellschaften / Fondsgesellschaften nicht direkt in die Analyse dieses Kapitels mit einbezogen ± siehe hierzu: Ä8.1.1 Gegenüberstellung der logarithmierten Brutto- und Nettorendite³. Dennoch können diese Gebühren einen erheblichen Einfluss auf die Portfolioperformance nehmen. Wie der nachstehenden Tabelle 7-4 zu nehmen ist, sind die Transaktionskosten im engeren Sinn bei den beratenen Kunden de facto höher als bei den nicht beratenen Kunden (Panel B und Panel D). Dieses Ergebnis legt nahe, dass die Anlageberatung einen positiven Einfluss auf die Kostendeterminante hat. Das Ergebnis ist zudem unabhängig davon, bei welcher Stärke der Beratungsintensität der Schnitt der Panelgruppen vorgenommen wird (siehe Anhang 1; Tabelle 11-2). Auch bei einem Vergleich der Panelgruppen A und C stellt sich heraus, dass in jedem Beobachtungsjahr die beratenen Kunden höhere Kostenpositionen zu tragen hatten. Die Panelgruppen A und C werden bei einer Beratungsintensität von 0,5 geteilt. Die mittlere jährliche Differenz über den Gesamtzeitraum beträgt zwischen 180 bis 480 Euro, je nachdem, bei welcher Höhe der Beratungsintensität die Einteilung erfolgt. 257

Diese Art der Transaktionskosten ist auf Datenbanken des Finanzdienstleisters vorhanden. Mittels Programmierung sind sie unmittelbar zu quantifizieren.

258

Diese Kostenart ist zwar ohne weiteres theoretisch zu ermitteln, gleichwohl ist die Trennung der Kosten nach beratenen und nicht beratenen Investoren in praxi schwierig.

Jahr

41

90 %-Quantil

21

90 %-Quantil

Seitwärtsbewegung

876

4

2

4

18132

23

2

23

35400

82

2

64

2004

Anstieg

730

3

2

3

15110

29

2

25

29500

147

2

78

2005

Anstieg

2482

4

2

4

49863

25

2

23

97350

81

2

63

Gesamtlaufzeit

Quelle: Eigene Berechnungen. Erläuterung: Die deskriptive Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI > 0; Panel B), den nicht beratenen (BI = 0; Panel D) und online tätigen Kunden (Panel F). Der berechnete Mittelwert ist ein gleichgewichteter Mittelwert. Die Anzahl der Beobachtungen ergibt sich aus der Multiplikation der Beobachtungsmonate (hier insgesamt 33 Monate ± 11, 12 und 10 Monate) mit der Kundenanzahl. Der Wert des 10 %-Quantils Ä2 Euro pro Monat³ resultiert aus auf Monatsbasis berechneten Verwahrungs- und Verwaltungsgebühren.

Starker Anstieg

Wertentwicklung des Dax

4

90 %-Quantil 803

2

10 %-Quantil

Anzahl Beobachtungen

4

Mittelwert

Panel F: Onlinekunde

16621

2

10 %-Quantil

Anzahl Beobachtungen

24

Mittelwert

Panel D: Beratungsintensität=0

32450

2

10 %-Quantil

Anzahl Beobachtungen

48

Mittelwert

2003

Transaktionskosten inkl. Verwahrungs- und Verwaltungsgebühren Euro pro Monat (gerundet)

Deskriptive Übersicht: Transaktionskosten pro Monat in Abhängigkeit von der Anlageberatung ± I / II

Panel B: Beratungsintensität>0

Tabelle 7-4:

121

121

122 Somit hatte ein beratener Kunde im Mittel über 33 Monate Gesamtlaufzeit etwas weniger als 1.000 Euro Mehraufwand zu akzeptieren ± im Jahr ca. 330 Euro.259 Die beratenen Kunden zahlen ca. 720 Euro und die nicht beratenen ca. 390 Euro pro Jahr. Insgesamt macht dies bezogen auf ein durchschnittliches Depotvolumen von ca. 50.000 Euro (Panel G; n = 5.051 Kunden; alle Kunden, bei denen eine Beratungsintensität gemessen werden kann) einen Unterschied von ca. 0,66 % pro Jahr aus ± was nicht als sehr hoch einzuschätzen ist. Die Onlinekunden (Panel F) haben im Durchschnitt wesentlich geringere Kosten als die Kunden des Panels A bis D. Jedoch sei an dieser Stelle noch einmal darauf aufmerksam gemacht, dass die Repräsentativität des Panels F in Frage gestellt wird. Was führt zu dieser Diskrepanz zwischen den Kosten der beratenen und nicht beratenen Kunden? Wie bereits in Abschnitt 7.1.1 mittels der Tabelle 7-1 erläutert worden ist, fällt weder die Anzahl an Transaktionen pro Jahr noch die Kauf- oder Verkaufsumschlagshäufigkeit bei den beratenen Kunden eindeutig höher aus als bei den nicht beratenen. Demzufolge ist zu konstatieren, dass diese Aspekte nicht allein die divergierenden Kostenpositionen erklären. Zugegebenermaßen ist bei einer Betrachtung der Panel B und D (BI-Trennung bei 0) der Sachverhalt anders zu werten. Bei den beratenen Kunden ist nicht nur die mittlere Anzahl an Transaktionen im Jahr höher (5,3 zu 4,3), sondern auch die mittlere monatliche Kaufumschlagshäufigkeit (3,79 % zu 3,35 %). Wenn sich die Situation nicht vollkommen anders bei dem Panelvergleich A und C darstellen würde, wäre dies die Erklärung für die höheren Kosten. Die Konstellation stellt sich allerdings anders dar. Tatsächlich zeigen Analysen, dass die Wechselwirkung zwischen Anlageberatung und Anzahl Transaktionen pro Monat leicht negativ ist (siehe Anhang 2; Tabelle 11-3). Gemäß weiteren hier nicht abgebildeten Untersuchungen ist der Zusammenhang zwischen Beratungsintensität und Kaufumschlagshäufigkeit zwar positiv, allerdings nicht signifikant. Insofern liefern weder die Anzahl noch das Volumen die Antwort auf die entscheidende Frage.

259

Folgende Berechnung für 33 Monate (je zur Hälfte gemäß der BI-Trennung: 0 und 0,5): ((57-42)*12+(63-23)*12)/2)*(33/12) = (180+480)/2*(33/12) = 907,5 § 1.000 Euro an Mehraufwand.

123 Auch die Ergebnisse der Panelregression in der nachstehenden Tabelle 7-5 zeigen auf, dass die Anlageberatung einen positiven Einfluss auf die monatlichen Transaktionskosten nimmt. Die Schätzung liefert mit einem ÄR-Square in between³ von über 70 % einen sehr hohen Erklärungsanteil. Zudem wird diese Wechselbeziehung durch die Analyse der multiplen Regressionsergebnisse mit den Dummyvariablen BI > 0 und BI >= 0,5 bestätigt (siehe Anhang 2; Tabelle 11-4 und Tabelle 11-5, beide OLS-Modelle weisen ein R-Square von ca. 0,7 auf). Somit ist die Aussage auch nicht impliziert durch die Art der Trennung der beratenen und nicht beratenen Kunden. Vielmehr wird deutlich, dass zum einen die Anzahl Transaktionen und zum anderen die gewählte Produktart das Ergebnis beeinflussen (siehe Tabelle 7-5; signifikante Regressionskoeffizienten: Anzahl Transaktionen pro Monat § 88 Euro; Zertifikateanteil § 11 Euro). Als obsolet ist der Zusammenhang zwischen steigender Transaktionszahl und höheren Kosten zu werten. Etwas interessanter, gleichwohl auch mittels praktischer Erkenntnisse durchaus erklärbar ist die Sachlage, dass der Anlegerwunsch nach Aktien mittels Direktinvestition wesentlich preiswerter zu realisieren ist als mit einem Fonds (siehe hierzu beispielhaft: Tabelle 11-4; Anhang 2; Transaktionskosten ohne Verwahrungs- und Verwaltungsgebühren (signifikante Regressionskoeffizienten: Einzelaktienanteil = -985 Euro; Aktienfondsanteil = 590 Euro)). Im Mittel liegt die Provision bei einem Aktienkauf oder -verkauf in etwa bei 1 %. Bei Aktienfondskäufen liegt der Ausgabeaufschlag zirka bei 3 % bis 5 % (Äloaded funds³).260 In der Regel entstehen keine Kosten bei der Rücknahme von Fondsanteilen. Insgesamt ist der Fonds etwas teurer als eine Direktanlage.261 Außerdem tragen verbesserte Wertpapierkenntnisse auch dazu bei, dass die Transaktionskosten im Mittel geringer ausfallen. Dies könnte darin begründet sein, dass die Anleger aufgrund der guten Wissensbasis die Möglichkeit haben, sich bessere Preis/Nutzenrelationen herauszusuchen oder auch ein anderes Kostenbewusstsein gegenüber ihrem Berater signalisieren und durchsetzen. 260

Es existieren auch Aktienfonds ohne Ausgabeaufschlag (so genannte Tradingfonds). Der Assetklassenanteil ist in Relation zu den Äloaded³ Aktienfonds allerdings gering.

261

Beispielhaft entstehen höhere Kosten bei einem Fonds gegenüber einer Direktanlage aufgrund des eingesetzten, zu entgeltenden Fondsmanagements.

124 Tabelle 7-5:

Panelregression (Random Effects) ± Transaktionskosten pro Monat

Abhängige Variable

Panel G: Beratungsintensität [0;1] Transaktionskosten inkl. Verwahrungs- und Verwaltungsgebühren (in Euro) Koeffizient

Standardfehler

Beratungsintensität

11,0315**

(3,0842)

Anzahl Transaktionen (pro Monat)

88,1358**

(0,4161)

Depotvolumen (TEuro)

0,9679**

(0,0085)

Dummy Wertpapierkenntnisstufe 1

27,5906**

(9,8803)

Dummy Wertpapierkenntnisstufe 6

-76,6691**

(5,5975)

Dummy Angestellter

4,9703+

(2,5911)

Dummy Arbeiter

17,7138**

(6,6345)

Dummy männlich

1,0983

(2,5082)

-0,4373**

(0,0697)

11,5127*

(5,3432)

-28,6168**

(3,5137)

3,1018

(3,2961)

-53,9797**

(3,8983)

Dummy Stark konservative Anlagestrategie

9,9441+

(5,4880)

Dummy Stark wachstumsorientierte Anlagestrategie

-3,5986**

(0,7988)

Konstante

-6,8946*

(1,7725)

Anzahl Beobachtungen

164689

R-squared (within)

0,2713

R-squared (between)

0,7053

R-squared (overall)

0,4172

Alter Assetklassenanteil Zertifikate Einzelaktien Immobilienfonds Liquidität Risikoeinstellung / gewählte Anlagestrategie

Wooldridge Test for Autokorrelation HausmanTest

0,013

geringe Autokorrelation

nicht durchgeführt

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die Panelregression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Bei 590 der 5.051 Kunden ist der Datensatz nicht über die Gesamtlaufzeit befüllt (siehe Abbildung 6.2). Der Hausman-Test wurde als Änicht durchgeführt³ deklariert, da de facto keine Entscheidung zwischen einem Random- oder Fixed-Effects-Modell ansteht. Die entscheidende Variable Beratungsintensität variiert nicht über die Zeit ± insofern wird das Random-Effects-Modell verwandt. Diese Panelregression berechnet Mittelwerte anhand der Regressionen aller einzelnen Kunden.

125 Da weder die Anzahl an Transaktionen noch das umgeschlagene Depotvolumen einen Aufschluss über die Kostendiskrepanz liefern, sei an dieser Stelle der Preis der gekauften / verkauften Produkte respektive die Kosten pro Transaktion untersucht (siehe Tabelle 7-6). Tabelle 7-6:

OLS (Multiple Regression): Kosten pro normierter Transaktion Panel G: Beratungsintensität [0;1]

Abhängige Variable

Kosten pro Transaktion (in Euro) Koeffizient

Standardfehler

Beratungsintensität

76,1472**

(2,4896)

Umsatzvolumen pro Transaktion Risikoeinstellung / gewählte Anlagestrategie

0,0034**

(0,0001)

-1,2177+

(0,7029)

Konstante

25,1945**

(3,2084)

Anzahl Beobachtungen

2979

R-Square

0,38

VIF (Wert; Ergebnis)

1,01

Keine Multikollinearität

Breusch-Pagan-Homoskedastizität : H0: Konstante Varianz (Chi-Quadrat-Wert; Ergebnis)

1025

Ablehnung der Hypothese; keine konstante Varianz

Normalverteilung der Residuen : Inter-Quartil-Abweichungs-Test; (3-IQR: Abweichungen; Ergebnis)

4

Relativ symmetrische Verteilung der Residuen

Shapiro-Francia-Normalverteilung : H0: Normalverteilung (Z-Wert; Ergebnis)

5,561

Ablehnung der Hypothese; keine Normalverteilung

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die multiple Regression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Die Variable Risikoeinstellung wurde anhand der sechs verschiedenen Anlagestrategien berechnet. Eine Risikoeinstellung von 1 entspricht einer stark konservativen Anlagestrategie, eine Risikoeinstellung von 6 einer stark wachstumsorientierten Anlagestrategie: je höher, desto risikofreudiger. Die Anzahl der Beobachtungen ist reduziert, da nicht alle unabhängigen Variablen durchgehend befüllt sind. Ein Z-Wert von < 10 bedeutet bei dem Shapiro-Francia-Normalverteilung-Test, dass die Residuen noch annähernd normalverteilt sind ± siehe Anhang 2, Abbildung 11.2.

126 Bei dieser Untersuchung ist es wichtig, dass für das Kauf- oder Verkaufsvolumen pro Transaktion kontrolliert wird. Hierdurch wird sichergestellt, dass nicht die Höhe des Transaktionsvolumens den eigentlichen Erklärungsanteil enthält. Das Ergebnis in Tabelle 7-6 ist eindeutig. Die beratenen Kunden zahlen mehr für ihre Produkte. Pro Transaktion sind es 76,15. Dieses Ergebnis deckt sich mit den Ergebnissen der vorherigen Analysen. Wenn man im Mittel von 4 bis 5 Transaktionen pro Jahr ausgeht (siehe Tabelle 7-1), zahlen die beratenen Investoren über die Gesamtlaufzeit knapp 1.000 Euro mehr.262 Die Begründung liefern die höheren fees. Dies kann auch an der Serviceleistung oder an der besseren Qualität der Produkte liegen. Somit müsste eine höhere Rendite beziehungsweise risikoadjustierte Rendite den eingetretenen monetären Verlust kompensieren (siehe Kapitel 8). Zuletzt wird die entscheidende Auswertung noch anhand des zweiten Samples des Finanzdienstleisters durchgeführt (insgesamt: n = 10.050 Kunden). Dieser Robustheitscheck deutet darauf hin, dass die Ergebnisse äußerst stabil für den entsprechenden Untersuchungszeitraum und -gegenstand sind ± siehe unten aufgeführte Tabelle 7-7. Sowohl die höheren Kosten pro Transaktion für die beratenen Kunden als auch die Ausprägungen der weiteren Stimuli weisen auf eine hohe Aussagefähigkeit dieses Regressionsmodells hin. Im weiteren Verlauf wird untersucht, ob die beratenen Kunden einen höheren Anteil an Fonds als die nicht beratenen Kunden halten. Umgekehrtes könnte für den Fall der Direktanlage zutreffen ± siehe Abschnitt 7.3.2.

262

76 Euro pro Transaktion; 4 bis 5 Transaktionen im Jahr; 33 Monate Gesamtlaufzeit = 76*((4+5)/2)*33 = 940,50 Euro § 1.000 Euro.

127 Tabelle 7-7:

OLS (Multiple Regression): Kosten pro normierter Transaktion; zweites Sample Panel G: Beratungsintensität [0;1]

Abhängige Variable

Kosten pro Transaktion (in Euro) Koeffizient

Standardfehler

75,4001**

(2,6882)

Umsatzvolumen pro Transaktion Risikoeinstellung / gewählte Anlagestrategie

0,0048**

(0,0001)

-1,6873*

(0,7703)

Konstante

20,0738**

(3,5864)

Beratungsintensität

Anzahl Beobachtungen

2604

R-Square

0,45

VIF (Wert; Ergebnis)

1,02

Keine Multikollinearität

Breusch-Pagan-Homoskedastizität : H0: Konstante Varianz (Chi-Quadrat-Wert; Ergebnis)

1172

Ablehnung der Hypothese; keine konstante Varianz

Normalverteilung der Residuen : Inter-Quartil-Abweichungs-Test; (3-IQR: Abweichungen; Ergebnis)

10

Relativ symmetrische Verteilung der Residuen

Shapiro-Francia-Normalverteilung : H0: Normalverteilung (Z-Wert; Ergebnis)

5,879

Ablehnung der Hypothese; keine Normalverteilung

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die multiple Regression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Die Variable Risikoeinstellung wurde anhand der sechs verschiedenen Anlagestrategien berechnet. Eine Risikoeinstellung von 1 entspricht einer stark konservativen Anlagestrategie, eine Risikoeinstellung von 6 einer stark wachstumsorientierten Anlagestrategie: je höher, desto risikofreudiger. Die Anzahl der Beobachtungen ist reduziert, da nicht alle unabhängigen Variablen durchgehend befüllt sind. Ein Z-Wert von < 10 bedeutet bei dem Shapiro-Francia-Normalverteilung-Test, dass die Residuen noch annähernd normalverteilt sind.

7.3 Empirische Analyse II: Einfluss der Anlageberatung auf die Ertragsdeterminante / Asset Allocation Langfristig ist die Wahl der richtigen Anlagestrategie für die Wertentwicklung des Wertpapierportfolios entscheidend. Tatsächlich beschreibt die gewählte Investmentstrategie mehr von der Renditeentwicklung eines Portfolios als die anderen erklärenden Variablen Timing und Security Selection (siehe hierzu Abschnitt 3.2.1.2.2). Weiterhin

128 konnte in Abschnitt 3.2.1.2.3 dargestellt werden, dass die optimale Portfoliozusammensetzung durch den Anlagehorizont des Investors bedingt ist. Je langfristiger die Anlagestrategie angelegt ist, desto höher sollte der Aktienbestandteil im Depot sein. Wie private Haushalte ihr Portfolio zusammensetzen und die Höhe des hierin enthaltenen Anteils an risikobehafteten Wertpapieren auswählen, haben mehrere HouseholdPortfoliountersuchungen aufgezeigt. So stellten Mankiw / Zeldes (1991) bereits fest, dass Aktienbesitzer ein anderes Konsumverhalten aufweisen. Es ist wesentlich volatiler als bei Anlegern ohne Aktiendepotbestand und hochkorreliert mit den Überrenditen des Kapitalmarktes. Andere Studien wie die von Haliassos / Bertaut (1995), Bodie / Crane (1997), Guiso et al. (2003) sowie Calvet et al. (2006) konnten nachweisen, dass ein positiver Zusammenhang zwischen dem Anteil der risikobehafteten Wertpapiere und der Höhe des Einkommens, des Vermögens oder des Ausbildungsgrades existiert. Zum Beispiel bedingt die Höhe des Finanzvermögens positiv den Aktiendepot- und negativ den Liquiditätsdepotanteil.263 Börsch-Supan / Eymann (2000) und Guiso et al. (2003) konnten gleiche Sachverhalte auch ausschließlich für deutsche Anleger feststellen. Sie zeigten zudem auf, dass der Aktienanteil in Abhängigkeit vom Alter des Investors einen konvexen Verlauf annimmt.264 Ameriks / Zeldes (2004) identifizieren einen ähnlichen Verlauf. Das Ergebnis ist durchaus interessant, da die einschlägige Handlungsempfehlung der Wertpapierexperten nahelegt, den Aktienanteil ab einem bestimmten Alter durchgehend zu reduzieren.265 Haliassos zeigt allerdings gleichermaßen auf, dass Alter und Vermögen einander bedingen. So sollte ein Anleger den Aktienanteil umso geringer wählen, je größer das Verhältnis von Gesamtvermögen und erwartetem Vermögen an Humankapital ist.266

263

Siehe Bodie / Crane (1997).

264

Siehe hierzu im Speziellen: Börsch-Supan / Eymann (2000), S. 41.

265

Die Vanguard Group empfiehlt: zwischen 20 und 49 Jahren ca. 80 % in Aktien und ca. 20 % in Renten zu investieren, zwischen 50 und 59 Jahren: 60 zu 40 %, zwischen 60 und 74 Jahren: 40 zu 60 % und über 75 Jahre: 20 zu 80 %; siehe Ameriks / Zeldes (2004), S. 11.

266

Siehe Haliassos (2002), S. 25.

129 In Anlehnung an die Household-Portfoliountersuchungen und spezifisch gemäß der Studie von Bodie und Crane wird im Folgenden zunächst deskriptiv die Asset Allocation der beratenen und der nicht beratenen Kunden analysiert. Für diese Analyse werden die relevanten Assetklassen in Abhängigkeit von: ƒ

Finanzvermögen (in diesem Fall explizit das Depotvermögen),

ƒ

Alter

ƒ

und Risikoeinstellung ausgewertet und beschrieben.

Danach werden die Zusammenhänge anhand von Regressionsschätzungen weiter verdeutlicht. Eine solche empirische Analyse wurde in der Finance-Literatur bislang noch nicht veröffentlicht. Insofern ist die Erkenntnis, was für einen Einfluss eine standardisierte Anlageberatung auf die Asset Allocation eines Privatanlegers nimmt, als vollkommen neu einzuschätzen. Im Kapitel 8 wird unter anderem auch der Einfluss der Assetklassen auf die Portfolioperformance untersucht. 7.3.1 Deskriptive Analysen zur Asset Allocation Mit steigendem Finanzvermögen nimmt nach einer bestimmten Höhe der Grundabsicherung der Portfolioanteil an risikobehafteten Wertpapieren zu. So lauten die in der einschlägigen Literatur formulierten empirischen Ergebnisse. Bei näherer Betrachtung der Tabelle 7-8 kann diese Aussage nicht bestätigt werden (siehe unten). Nach der Zusammenfassung von Einzelaktien- und Aktienfondsbeständen wird sowohl bei den beratenen als auch bei den nicht beratenen Investoren sichtbar, dass deren Anteil nach oben hin zwischen den Quartilen kaum positiv variiert, tendenziell sogar eher abnimmt.

130 Tabelle 7-8:

Deskriptive Übersicht: Asset Allocation nach Depotvolumen (BI-Trennung 0) Beratene Kunden

Depotvolumen / Assetklasse Unterstes Quartil Durchschnittliches Depotvolumen (TEuro)

Nicht beratene Kunden

Panel B

Panel D

Beratungsintensität > 0

Beratungsintensität = 0

6,3

2,1

Liquidität Rentenfonds

6,5% 14,9%

15,2% 4,4%

Einzelrenten Immobilienfonds

9,4% 21,6%

3,3% 10,8%

Zertifikate Aktienfonds

5,4% 24,1%

1,2% 16,2%

Einzelaktien Rest

11,7% 6,5%

45,7% 3,2%

Zweites Quartil Durchschnittliches Depotvolumen (TEuro) Liquidität

19,3

8,5

7,3%

18,7%

Rentenfonds Einzelrenten

14,1% 10,8%

6,6% 7,5%

Immobilienfonds Zertifikate

29,1% 4,9%

19,8% 3,0%

Aktienfonds Einzelaktien

18,8% 7,4%

13,9% 27,1%

Rest

7,5%

3,4%

Drittes Quartil Durchschnittliches Depotvolumen (TEuro)

42,9

21,4

Liquidität Rentenfonds

7,1% 15,1%

16,6% 7,5%

Einzelrenten Immobilienfonds

13,1% 26,8%

12,1% 23,2%

Zertifikate

6,3% 17,8%

2,0% 11,7%

8,5%

24,4%

5,4%

2,5%

Durchschnittliches Depotvolumen (TEuro) Liquidität

168,8 5,8%

101,1 16,3%

Rentenfonds

14,4% 16,0%

7,1% 16,6%

Aktienfonds Einzelaktien Rest Höchstes Quartil

Einzelrenten Immobilienfonds

23,3%

18,5%

Zertifikate Aktienfonds

7,0% 14,1%

3,1% 11,6%

Einzelaktien Rest

15,1% 4,2%

24,4% 2,4%

Quelle: Eigene Berechnungen. Erläuterung: Die deskriptive Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI > 0; Panel B) und den nicht beratenen Kunden (BI = 0; Panel D). Die Assetklasse ÄRest³ enthält z. B. Produkte aus dem Bereich Derivate. Die Prozentangaben zu den jeweiligen Anteilen sind gleichgewichtete Mittelwerte.

131 Die stufenweise Abbildung vom untersten zum höchsten Quartil der Gesamtaktienbestände ist: 35,8 %; 26,2 %; 26,3 %; 29,2 % sowie 61,9 %; 41,0 %; 36,1 %; 36,0 %.267 Weiterhin wird in Tabelle 7-8 nicht deutlich, dass der Bestand an festverzinslichen Wertpapieren mit zunehmendem Finanzvermögen abnimmt.268 Insofern spiegeln diese Resultate nicht die bisherigen empirischen Befunde wider. Das Bild ändert sich bei der Betrachtung der Resultate zur Asset Allocation ausgewertet in Abhängigkeit von Alter und Risikoeinstellung. Die Ergebnisse sind intuitiv nachvollziehbar. Der Verlauf des Aktienanteils in Abhängigkeit vom Alter nimmt nicht, wie in verschiedenen Studien dokumentiert, eine konvexe Form an, sondern fällt stetig in Abhängigkeit vom Alter (die vier verschiedenen Altersklassen wurden in Anlehnung an Bodie / Crane (1997), S. 18 ausgewählt). Dieser Befund ist sowohl bei den beratenen als auch bei den nicht beratenen Investoren existent. Außerdem nimmt der Anteil an Rentenfonds und Einzelrenten im Portfolio bei steigendem Alter der Anleger tendenziell zu. Auch dieser Sachverhalt gilt für beide Anlegergruppen (siehe unten stehende Tabelle 7-9). Bei den beratenen Anlegern ist der anteilige Assetklassenbestand innerhalb der vier Altersklassen wie folgt: ƒ

Aktien (Einzelaktien und Aktienfonds): 36,8 %; 35,0 %; 29,6 %; 23,0 %.

ƒ

Renten (Einzelrenten und Rentenfonds): 23,2 %; 22,3 %; 25,8 %; 31,3 %.

267

Das gleiche Resultat ergibt sich bei einer BI-Einteilung von 0,5 ± siehe Anhang 3, Tabelle 11-6.

268

Das gleiche Resultat ergibt sich bei einer BI-Einteilung von 0,5 ± siehe Anhang 3, Tabelle 11-6.

132 Tabelle 7-9:

Deskriptive Übersicht: Asset Allocation nach Alter (BI-Trennung 0) Beratene Kunden

Altersklasse / Assetklasse 18 bis 44 Jahre Durchschnittliches Depotvolumen (TEuro)

Nicht beratene Kunden

Panel B

Panel D

Beratungsintensität > 0

Beratungsintensität = 0

31,8

20,5

Liquidität Rentenfonds

9,9% 12,9%

19,5% 4,7%

Einzelrenten Immobilienfonds

10,3% 16,9%

7,4% 11,7%

Zertifikate Aktienfonds

7,0% 23,1%

2,5% 14,6%

Einzelaktien Rest

13,7% 6,3%

36,9% 2,7%

45 bis 54 Jahre Durchschnittliches Depotvolumen (TEuro) Liquidität

53,1

28,5

9,5%

18,0%

Rentenfonds Einzelrenten

11,9% 10,4%

4,4% 8,4%

Immobilienfonds Zertifikate

20,6% 6,4%

13,3% 3,1%

Aktienfonds Einzelaktien

21,3% 13,7%

13,5% 36,7%

Rest

6,3%

2,6%

54 bis 65 Jahre Durchschnittliches Depotvolumen (TEuro)

62,4

39,5

Liquidität Rentenfonds

6,6% 14,5%

17,4% 7,3%

Einzelrenten Immobilienfonds

11,3% 25,1%

9,1% 18,0%

Zertifikate

6,3% 19,1%

2,3% 13,3%

10,5%

30,2%

6,6%

2,5%

Durchschnittliches Depotvolumen (TEuro) Liquidität

78,3 4,3%

56,5 12,5%

Rentenfonds

16,9% 14,4%

8,8% 14,4%

Aktienfonds Einzelaktien Rest über 65 Jahre

Einzelrenten Immobilienfonds

31,6%

29,5%

Zertifikate Aktienfonds

4,9% 14,5%

1,5% 10,6%

Einzelaktien Rest

8,5% 5,1%

20,1% 2,6%

Quelle: Eigene Berechnungen. Erläuterung: Die deskriptive Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI > 0; Panel B) und den nicht beratenen Kunden (BI = 0; Panel D). Die Assetklasse ÄRest³ enthält z. B. Produkte aus dem Bereich Derivate. Die Prozentangaben zu den jeweiligen Anteilen sind gleichgewichtete Mittelwerte.

133 Bei den nicht beratenen Anlegern ist der anteilige Assetklassenbestand innerhalb der vier Altersklassen wie folgt: Aktien (Einzelaktien und Aktienfonds):

ƒ

51,5 %; 50,2 %; 43,5 %; 30,7 %. Renten (Einzelrenten und Rentenfonds):

ƒ

12,1 %; 12,8 %; 16,4 %; 23,2 %.269 Zudem steigt der Immobilienfondsanteil stark an, quasi als ein Substitut für die sicheren Wertpapiere mit einer festen Verzinsung. Die Ergebnisse in Abbildung 7.1 können den relevanten und starken Einfluss der Risikoeinstellung eines Investors auf dessen Asset Allocation belegen. Abbildung 7.1: Assetklassenanteile nach Risikoeinstellung ± (BI-Trennung 0)

st

nz

Re

n

ds

el ak

tie

e at

on tie

nf

fik

Ei

nf on

rti

Ak

Ei

Ze

ob ilie

lre

s

t tä

Im

Im

m

Re

Ei

Li

nt en

qu

id i

fo nd

n ti e la k

nz e

tie Ak

Re

e

nf o

fi k at

rti

nf on

ob ilie

nz e Ei

Ze

s

nt en lre

fo nd

id i Li qu

nt en Re

nz e

0%

m

10%

0%

st

20%

10%

nd s

30%

20%

ds

40%

30%

tä t

40%

ds

Schwach konservative Strategie 50%

nt en

Stark konservative Strategie 50%

Schwach wachstumsorientierte Strategie

Stark wachstumsorientierte Strategie 70%

=beratene Investoren

es t R

n la kt ie

nd s nf o

nz e Ei

e fik at

tie Ak

rti

ds

Ze

nf on

ob ilie

lre

s Ei

Im m

nz e

te n

id i Li qu

R

en

Re

tie

ds

el ak nz

Ei

Ak

tie

nf

on

at

e

ds

rti f ik

nt

on nf i lie

ob m

Ze

s nd

Im

Ei n

ze

fo nt en

lr e

tä id i qu Li

Re

fo nd

0%

tä t

10%

0%

st

20%

10%

n

30%

20%

en

40%

30%

t

50%

40%

nt en

60%

50%

=nicht beratene Investoren

Quelle: Eigene Darstellung.

Bei näherer Betrachtung wird deutlich, dass eine risikofreudige Einstellung eines Investors und somit die Wahl einer mehr wachtumsorientierten Anlagestrategie dazu führt, 269

Das gleiche Resultat ergibt sich bei einer BI-Einteilung von 0,5 ± siehe Anhang 3, Tabelle 11-7.

134 dass der Anteil an risikobehafteten Wertpapieren steigt und der Anteil an weniger risikobehafteten Wertpapieren (Renten und Immobilien) sinkt.270 Diese Erkenntnisse werden evident, wenn man die schiefe Verteilung der Säulen in Abbildung 7.1 betrachtet ± startend bei der stark konservativen Strategie mit einer rechtsschiefen Verteilung bis hin zur stark wachstumsorientierten Strategie mit einer linksschiefen Verteilung. In der Abbildung befinden sich die weniger risikobehafteten Assetklassen links auf den Abszissen. Wie bereits oben angedeutet, ist das Resultat intuitiv verständlich und zeigt gleichermaßen auf, dass die gewählte Anlagestrategie wahrhaftig die Risikoeinstellung des Anlegers repräsentiert. Dies kann vor allem deshalb konstatiert werden, da der Tatbestand erneut auf beide Anlegergruppen zutrifft. 7.3.2

Deskriptiver Clustervergleich zur Asset Allocation

Es stellt sich die Frage, ob eine standardisierte Anlageberatung speziell die Asset Allocation Einfluss nimmt. Weisen die Depots der nicht beratenen Anleger eine andere Asset Allocation auf? Im direkten Vergleich zwischen den Wertpapierdepots der beratenen und nicht beratenen Kunden werden drei Kernpunkte offenkundig: die Ausgewogenheit der Assetklassenverteilung, der Schwerpunkt der Anlage und die Entscheidung für eine Direktanlage. Erstens legen die bisherigen Ergebnisse nahe, dass die Depots der beratenen Kunden im Vergleich zu denen der self-directed Investoren eine ausgewogenere Asset Allocation besitzen. Anscheinend legen die Anlageberater verstärkten Wert darauf, das Geldvermögen gleichmäßiger über die sieben verschiedenen Assetklassen zu verteilen (sieben Assetklassen ohne die Assetklasse ÄRest³). Dies deutet ein Vergleich anhand der Abbildung 7.1 und Abbildung 11.3, im Anhang 3, an. Im Durchschnitt sind bei den nicht beratenen Kunden Maximum und Minimum in der gesamten Assetklassenverteilung ausgeprägter. Die relativen Assetklassenanteile der beratenen Kunden scheinen mehr mittig, insofern gleichverteilter zu sein ± siehe hierzu weiterhin: Ä7.4 Empirische Analyse III: Einfluss der Anlageberatung auf die Risikodeterminante³.

270

Im Detail siehe: Anhang 3 ± Tabelle 11-8.

135 Zweitens wird in allen bisherigen Auswertungen zur Asset Allocation sehr deutlich, dass die Inanspruchnahme einer Anlageberatung dazu führt, dass der Aktien- und Liquiditätsanteil geringer und der Renten- und Immobilienfondsanteil höher ausfällt. Insgesamt entspricht eine konservative Anlagestrategie auch eher dem risikoaversen Anlegerprofil des beratenen Kunden.271 Was allerdings weiterhin dazu führt, dass man in guten Zeiten der Aktienmarktentwicklung Chancen auf eine überdurchschnittliche Wertentwicklung unterbindet.272 Aufschluss gewähren die auf den vorherigen Seiten zusammengefassten Bestände und zudem ein detaillierter Blick auf die Abbildung 7.1.273 Drittens zeigen die bisherigen Ergebnisse auf, dass Anlageberater dazu neigen, bei ihren Empfehlungen die Direktanlage zu vermeiden. Die Äberatenen³ Depots enthalten einen relativ hohen Renten- und Aktienfondsanteil und einen niedrigen Anteil an Direktanlage in Renten sowie Aktien ± siehe Tabelle 7-8, Tabelle 7-9 und Abbildung 7.1. Bei den Änicht beratenen³ Depots ist dies prinzipiell umgekehrt. Die Erkenntnisse hieraus sind nicht nur im Rahmen der Asset Allocation äußerst interessant, sie stellen auch einen weiteren Erklärungsbestandteil zur Kostendeterminante dar. Man kann argumentieren, dass die Wahl eines Fonds eine Wahl für ein gutes Fondsmanagement und für den erhöhten Diversifikationsgrad ist. Dann muss man allerdings auch die Frage nach der Rendite und dem entsprechenden Risiko im Wertpapierdepot beantworten. Was feststeht ist, dass Fonds im Durchschnitt dem Finanzdienstleister eine höhere Provision einbringen. Drei weitere Fragen, die sich auf die Qualität und die Durchführung des Beratungsprozesses des Finanzdienstleisters beziehen, sollen nicht unbeantwortet bleiben. Diese Fragen beziehen sich vor allem auf die Mustervorlage zur Asset Allocation. Diese ist nach Risikoeinstellung und somit in Abhängigkeit von der gewählten Anlagestrategie ausgestaltet. Jeder Anlageberater bekommt sie zur Verfügung gestellt.274

271

Siehe hierzu: 7.1.2 Anlegertypus.

272

Siehe hierzu: Kapitel 8.

273

Das Ergebnis wird weiter unten anhand von Regressionsschätzungen überprüft.

274

Aufgrund der Bedingung der Anonymisierung kann die empfohlene Asset Allocation ± je nach Risikoeinstellung ± nicht aufgeführt werden. Eine vollständige Dokumentation liegt vor.

136 Diese drei Fragen sollen anhand der vorliegenden Unterlagen und der deskriptiven Erkenntnisse beantwortet werden: 1. Wurde die Asset Allocation im Betrachtungszeitraum angepasst (existieren Adaptionsmöglichkeiten)? 2. Wurde die Assetklasse Aktien im Betrachtungszeitraum kapitalmarktkonform gewichtet? 3. Sind die beratenen Depots konsistent mit der Mustervorlage? Die erste Frage kann mit einem ÄJa³ beantwortet werden. Wie die Abbildung 7.2 verdeutlicht, wurde z. B. im April 2004 eine Verteilungsanpassung vorgenommen. Abbildung 7.2: Musterallokation bei schwach konservativer Anlagestrategie: Assetklassenanteile

25% 25% 25% 25% 25% 25% 25% 25% 25% 20% 20% 25% 10% 10% 10% 10% 10% 15% 15% 15% 15% 15% 15% 15%

60% 60% 60% 60% 60% 55% 55% 55% 55% 55% 60% 55%

5%

5%

5%

5%

5%

5%

5%

5%

5%

10%

5%

5%

Jan 03

Apr 03

Jul 03

Okt 03

Jan 04

Apr 04

Jul 04

Okt 04

Jan 05

Apr 05

Jul 05

Okt 05

= Aktien = Immobilien = Renten = Liquidität

Quelle: Eigene Darstellung in Anlehnung an Unterlagen des Finanzdienstleisters.

Die zweite Frage kann nicht mit einem ÄJa³ beantwortet werden. Ein Vergleich mit der Asset Allocation der Vanguard Group und zudem ein Blick auf die Aktienmarktentwicklung während des Untersuchungszeitraums verdeutlicht den Sachverhalt: nicht nur, dass die Asset Allocation bei der Vanguard Group im Gegenteil zum Kooperationspartner / Finanzdienstleister nach dem Alter ausgerichtet wird, auch der Aktienanteil fällt

137 generell höher aus.275 Eine Ausgestaltung nach dem Alter ist ein Hinweis für das Umsetzen eines Lebensphasenkonzeptes. Die Wahl der Höhe des Aktienanteils liegt vielleicht auch in der Risikomentalität der deutschen Anleger begründet. Gleichwohl war die Entscheidung des Finanzdienstleisters, den Immobilienanteil heraufzusetzen und gleichzeitig den Aktienanteil teilweise unterzugewichten, in der Ex-post-Betrachtung eine unvorteilhafte Wahl ± siehe Abbildung 7.3.276 Abbildung 7.3: Vergleich der monatlichen Wertentwicklungen: DAX versus DIMAX Prozentuale Wertentwicklung 25% 20% 15% 10% 5% 0% -5%

1

3

5

7

9

11 13 15 17 19 21 23 25 27 29 31 33

Anzahl Monate des Untersuchungszeitraumes

-10%

DAX Reihe1

DIMAX Reihe2

Quelle: Eigene Darstellung. Die Daten des DIMAX liegen lediglich bis 04/2005 vor.277

Auch die dritte Frage kann nicht mit einem ÄJa³ beantwortet werden. Die relativen Depotaktienanteile der beratenen Kunden liegen bei den zwei am häufigsten gewählten Anlagestrategien unter denen der Musterempfehlung.278

275

Siehe Ameriks / Zeldes (2004), S. 11.

276

Die Wertentwicklung des DAX von Mitte 2005 bis Mitte 2006 ist sehr positiv gewesen ± wohingegen das Downside-Risk gegenüber dem Dimax kaum höher ausgefallen ist (ex post).

277

Der erste umfassende Aktienindex für deutsche Immobilienaktiengesellschaften Dimax wurde vom Bankhaus Ellwanger & Geiger 1995 aufgelegt.

278

Inhaltlich ist die Aussage korrekt. Aufgrund der Anonymisierung wurde auf detaillierte Angaben verzichtet.

138 7.3.3

Die erklärenden Variablen zur Asset Allocation und eine kurze Zusammenfassung

Der folgende Abschnitt dient der Bestätigung der vorherigen Erkenntnisse und fasst noch einmal den Kern der Analyseergebnisse zusammen. Vor allem soll anhand von Regressionsschätzungen der kausale Zusammenhang zwischen der standardisierten Anlageberatung und der Asset Allocation belegt werden. Auch die Ergebnisse der multiplen Regressionen ergeben keinen eindeutigen kausalen Zusammenhang zwischen dem Finanzvermögen eines Anlegers und dem Aktienanteil. Wie in der unten stehenden Tabelle 7-10 ersichtlich, ist der Regressionskoeffizient des durchschnittlichen Depotvolumens signifikant, jedoch für den Einzelaktien- und Aktienfondsanteil unterschiedlich (+/-). Womöglich überlagert die Variable Alter intervenierend den eigentlichen Zusammenhang. Die Wechselwirkung zwischen dem Alter und der Asset Allocation ist eindeutig. Das zeigen die Resultate in Tabelle 7-10 und Tabelle 11-9 im Anhang 3. Je älter man ist, desto geringer wird der relative Bestand an Aktien und desto höher der relative Bestand an Rentenpapieren sein. Als Substitut für Rentenpapiere nimmt auch der Bestand an Immobilienfonds im Alter zu (Anhang 3; Tabelle 11-9). Weiterhin wird sehr deutlich, dass die Asset Allocation der jeweiligen Risikoeinstellung des Investors entspricht, dies ist intuitiv einleuchtend. Der Gesamtbestand an Aktien nimmt, wie in Tabelle 7-10 erkennbar, mit einer stärker wachstumsorientierten Anlagestrategie zu. Die restlichen Assetklassenanteile nehmen ab.

139 Tabelle 7-10:

OLS (Multiple Regression): Einzelaktien- und Aktienfondsanteil

Abhängige Variable

Dummy Beratung (BI > 0) Durchschnittliches Depotvolumen (TEuro)

Panel G: Beratungsintensität [0;1]

Panel G: Beratungsintensität [0;1]

Einzelaktienanteil

Aktienfondsanteil

Koeffizient

Standardfehler

Koeffizient

Standardfehler

-0,1523**

(0,0095)

0,0652**

(0,0098)

0,0001*

(0,0000)

-0,0001**

(0,0000)

Alter

-0,0003

(0,0003)

-0,0009**

(0,0003)

Risikoeinstellung

0,0858**

(0,0030)

0,0398**

(0,0031)

Haushaltseinkommen (TEuro)

0,0059**

(0,0017)

-0,0028

(0,0017)

Dummy männlich

0,0164+

(0,0084)

0,0072

(0,0087)

Konstante

-0,0434*

(0,0218)

0,0414+

(0,0224)

Anzahl Beobachtungen

2865

2865

R-Square

0,31

0,08

VIF (Wert; Ergebnis)

1,06

Keine Multikollinearität

1,06

Keine Multikollinearität

Breusch-Pagan-Homoskedastizität : H0: Konstante Varianz (Chi-Quadrat-Wert; Ergebnis)

1.008

Ablehnung der Hypothese; keine konstante Varianz

131

Ablehnung der Hypothese; keine konstante Varianz

Normalverteilung der Residuen : Inter-Quartil-Abweichungs-Test; (3-IQR: Abweichungen; Ergebnis)

53

Keine symmetrische Verteilung der Residuen

52

Keine symmetrische Verteilung der Residuen

Shapiro-Francia-Normalverteilung : H0: Normalverteilung (Z-Wert; Ergebnis)

6,48

Ablehnung der Hypothese; keine Normalverteilung

6,82

Ablehnung der Hypothese; keine Normalverteilung

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die multiple Regression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Die Variable Risikoeinstellung wurde anhand der sechs verschiedenen Anlagestrategien berechnet. Eine Risikoeinstellung von 1 entspricht einer stark konservativen Anlagestrategie, eine Risikoeinstellung von 6 einer stark wachstumsorientierten Anlagestrategie: je höher, desto risikofreudiger. Die Anzahl der Beobachtungen ist reduziert, da nicht alle unabhängigen Variablen gut gepflegt sind. Ein Z-Wert von < 10 bedeutet bei dem Shapiro-Francia-Normalverteilung-Test, dass die Residuen noch annähernd normalverteilt sind.

Wie steht es um die Unterschiede bei der Asset Allocation zwischen den Clustern? Auch in diesem Fall dokumentieren die angesprochenen Tabellen Eindeutiges. Die beratenen Kunden halten einen geringeren Anteil an Einzelaktien und Liquidität.

140 Dementsprechend besitzen die beratenen Kunden einen höheren Anteil bei Rentenfonds und tendenziell auch an Immobilienfonds; gleichwohl kann der letztgenannte Bezug nicht signifikant nachgewiesen werden. Eine weitere Feststellung ist, dass die Anlageberatung im negativen Zusammenhang zur Direktinvestition steht. Signifikant kann dies für den Einzelaktien-, Aktienfonds- und Rentenfondsanteil belegt werden ± siehe Tabelle 7-10 und im Anhang 3, Tabelle 11-9. Die Wechselbeziehung zwischen der Beratungsintensität und dem Einzelrentenanteil ist insignifikant positiv. Der Grund hierfür ist, dass der Rentenanteil ± sowohl in Bezug auf Einzelrenten als auch Rentenfonds ± bei den beratenen Anlegern insgesamt höher ausfällt. Im relativen Vergleich zu den self-directed Investoren zeigt sich dennoch, dass die Direktanlage tendenziell unbeliebter ist. Weitere wichtige Erkenntnisse und zugleich auch Adaptionsmöglichkeiten für die Durchführung einer standardisierten Anlageberatung sind: 1. Die langfristig erwarteten Renditeerwartungen der Assetklassen sollten eine größere Rolle spielen. Die Verteilungsanpassung von Mustervorlagen zur Asset Allocation sollte eher kapitalmarktkonsistent ausgestaltet sein. Dies bedeutet konkret, dass der Finanzdienstleister ceteris paribus die Möglichkeit einer Erhöhung der Aktienanteile eruieren sollte. 2. Die Mustervorlagen zur Asset Allocation sollten neben der Anlagementalität auch das Alter und die Vermögenssituation des Anlegers berücksichtigen. Auch die Resultate in Tabelle 7-10 sind einem Robustheitscheck mittels des zweiten Samples des Finanzdienstleisters unterzogen worden. Die Ergebnisse sind auch in diesem Fall sehr stabil ± siehe Anhang 3, Tabelle 11-10. Der kommende Abschnitt widmet sich der Wechselseitigkeit zwischen der standardisierten Anlageberatung und dem Portfoliorisiko.

141

7.4 Empirische Analyse III: Einfluss der Anlageberatung auf die Risikodeterminante / Diversifikation Nicht die Theorie, sondern vielmehr die empirischen Studien wie z. B. French / Poterba (1991), Coen (2001) oder Gerke et al. (2005) verweisen auf die Möglichkeit, durch internationale Diversifizierung zusätzliches Renditepotenzial generieren zu können. Tatsächlich braucht es für ein solches Statement nicht die Untersuchungen zum Home Bias. Auch die Untersuchungen von Goetzmann und Kumar zur naiven Diversifizierung belegen einen positiven empirischen Zusammenhang.279 In den kommenden Abschnitten wird der Einfluss der standardisierten Anlageberatung auf das Portfoliorisiko analysiert. Dieses betrifft zunächst die naive und internationale Diversifikation und anschließend die oben beschriebenen Risikomaße beziehungsweise -kennzahlen ± siehe Abschnitt 4.2. Des Weiteren werden die Stimuli zum Portfoliorisiko eruiert und deren Stärke gemessen. Zunächst sei jedoch kurz undifferenziert auf alle Kunden, bei denen eine Beratungsintensität gemessen werden konnte, eingegangen. Wie bereits in Abschnitt 4.2.1.1 beschrieben worden ist, kann der naive Diversifikationsgrad eines Wertpapierdepots mittels des Herfindahl-Hirschman-Index gemessen und abgebildet werden. Eine adäquate Gewichtung der jeweiligen Assetklasse ist hierbei von entscheidender Bedeutung ± siehe 4.2.1.1. Das Ausmaß der Gewichtung der einfließenden Assetklasse ist mit Sicherheit auch ein Grund dafür, dass die Verteilung in der unten aufgeführten Abbildung 7.4 nicht exakt mit der in Dorn / Huberman (2005) übereinstimmt.

279

Siehe die Abschnitte 3.2.1.3.1 und 3.2.1.3.2.

142 Abbildung 7.4: Histogramm zum Herfindahl-Hirschman-Index

,3

28,9

,2

Relativer Anteil in %

Median HHI 27 % Mittelwert HHI 20,2 37 %

Fraction

15,9

,1

11,4 6,4

4,9 3,1 2,4

2,1

0

4,7

0

,2

,4

HHI

,6

,8

1

Herfindahl-Hirshmann-Index

Quelle: Eigene Darstellung in Anlehnung an Dorn / Huberman (2005), S. 466. Erläuterung: Die deskriptive Auswertung bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte; Panel G mit n = 5.051.

Vor allem die Assetklasse Fonds wird unterschiedlich gewichtet.280 Median und Mittelwert sind bei den Wertpapierdepots der Studie von Dorn und Huberman geringer. Ein weiterer Grund ist vermutlich, dass die Daten von einem Onlinebroker und nicht ± wie bei dieser empirischen Analyse ± von einem hauptsächlich stationär agierenden Finanzdienstleister stammen (diese Anmerkung impliziert eine bessere Wertpapierkenntnis von Onlinekunden). Dennoch ist festzustellen, dass sich beide Verteilungen aufgrund der Rechtsschiefe und des Verlaufs stark ähneln. Alles in allem gibt die Abbildung 7.4 keinen Hinweis auf Abnormalitäten. Bereits eingangs dieses Kapitels wird, unabhängig von dem Einfluss der Anlageberatung, basierend auf Tabelle 7-11 der Home Bias von deutschen Privatkunden thematisiert.281

280

Zur Begründung der unterschiedlichen Gewichtungen siehe Abschnitt 4.2.1.1.

281

Gründe für das Entstehen eines Home Bias sind z. B. erhöhte Transaktionskosten bei einer Auslandsanlage, asymmetrische Informationsverteilung bezüglich inländischer und ausländischer Aktiengesellschaften oder auch Verhaltensanomalien wie z. B. ein Kontrollbedürfnis des Anlegers in einer unsicheren Situation, bei unsicheren Informationen.

143 Tabelle 7-11:

Inländischer Wertpapieranteil je Assetklasse

Panel G: Beratungsintensität [0;1] Durchschnittlicher Inlandsanteil je Assetklasse (in %) Rentenfonds 67

Einzelrenten 84

Renten gesamt 74

Einzelaktien 84

Aktien gesamt 42

Zertifikate 41 Aktienfonds 10 "Alle" Assetklassen 56 Quelle: Eigene Berechnungen. Erläuterung: Die deskriptive Auswertung bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte; Panel G mit n = 5.051. Die Auswertungen umfassen circa 70 % des gesamten durchschnittlichen Depotvolumens. Es fehlen hauptsächlich die Anteile an Immobilienfonds und Liquidität. Für die Einteilung nach In- und Ausland ist die Emission des Wertpapiers ausschlaggebend.

Eine Messmethode hierzu basiert auf dem IAPM.282 Die Messung erfolgt über die Differenz aus dem tatsächlichen und dem anhand des IAPM festgestellten, prozentualen Portfoliogewicht für inländische Wertpapiere (z. B. Aktien). Kritik erfährt diese Methode aufgrund der hier unterstellten Effizienz der Märkte. Weitere Punkte sind die fehlende Flexibilität bezogen auf unterschiedlich gewählte Anlagestrategien und dementsprechend eine unterschiedlich ausfallende, optimale Asset Allocation. Eine weitere Art der Quantifizierung des Home Bias geht auf French und Poterba zurück. Sie berechnen die impliziten Renditeerwartungen, welche die Anleger bei ihrer Wahl der Asset Allocation unterstellt haben werden, sodass ihre getroffene Anlageentscheidung als rational eingestuft werden könnte.283 Es stellt sich heraus, dass die Investoren relativ betrachtet zu hohe Erwartungen bezüglich der inländischen oder auch zu niedrige Renditeerwartungen bezogen auf die ausländischen Wertpapiere gehabt haben. An dieser Methode kann grundsätzlich die Unterstellung des rational agierenden Anlegers kritisiert werden. De facto existieren am Kapitalmarkt Verhaltensanomalien.284

282

Siehe hierzu auch Abschnitt 3.2.1.3.2; vgl. Solnik (1974).

283

Siehe French / Poterba (1991).

284

Vgl. Nitzsch / Hackethal (2005) für eine Zusammenfassung der verschiedenen Verhaltensanomalien.

144 Bei einem Portfoliodatenvergleich in Anlehnung an die IAPM-Methode stellt sich auch für die privaten Kunden des Finanzdienstleisters heraus, dass der inländische Wertpapierportfolioanteil ein zu hohes Gewicht hat. Oehler et al. verwenden für die Feststellung des Home Bias den von Morgan Stanley Capital International Inc. (MSCI) aufgelegten MSCI All Country World Index.285 Das relative Fondsvermögen der deutschen Aktien in diesem Fonds schwankte in den Jahren 2003 bis 2004 zwischen 2,87 % und 3,83 %.286 Der deutsche Rentenanteil des MSCI-Musterportfolios für den Bereich ÄInternational Fixed Income Portfolio³ lag im September 2005 mit 19,5 % wesentlich höher.287 Ein Blick auf die Tabelle 7-11 verdeutlicht den Home-Bias-Effekt. Beide inländischen Assetklassenanteile waren bei den Privatkundendepots wesentlich höher als bei der unterstellten Benchmark (Depotdaten: Renten gesamt = 74 % im Inland; Aktien gesamt = 42 % im Inland).288 Der Vergleich mit den Portfoliodaten von Dorn und Huberman zeigt auf, dass die Ergebnisse in Tabelle 7-11 keine Abnormalität darstellen. Dorn und Huberman dokumentieren einen Gesamtanteil von inländischen Wertpapieren in Höhe von 46 % (ohne Rentenanteil).289 Auch ein Vergleich anhand des inländischen Aktienanteils mit den ausgewerteten Bundesbankdaten von Oehler et al. bestätigt dies. Sie bestimmen einen Anteil von 35 % und liegen insofern 7 Prozentpunkte entfernt von dem Ergebnis aus Tabelle 7-11.290 Die folgenden Abschnitte widmen sich dem Panelvergleich zwischen den beratenen und nicht beratenen Anlegern.

285

Vgl. Oehler et al. (2005), S. 14. Der ÄMSCI All Country World Index³-Fonds ist noch globaler ausgerichtet als der für einen Benchmarkvergleich sehr häufig eingesetzte MSCI World Index. Letzterer enthält Aktien aus 23 verschiedenen Ländern, wohingegen Ersterer eine Auswahl von Aktien aus 48 Ländern enthält. Der entscheidende Unterschied liegt in den zusätzlich einbezogenen Emerging Markets.

286

Vgl. Ibid., S. 23. Vergleiche auch: www.morganstanley.com: ÄMSCI Standard Index Series May 2004 Annual Country Index Review³; weiterhin, siehe Anhang 4: Abbildung 11.4: Internationale Asset Allocation vom MSCI Global Capital Market Index.

287

Vergleiche: www.morganstanley.com: Ä2005 Annual Report ± September 30, 2005³.

288

Ausschlaggebend ist das Land, in dem ein Wertpapier emittiert worden ist.

289

Siehe Dorn / Huberman (2005), S. 443.

290

Vgl. Oehler et al. (2005), S. 16. Man muss an dieser Stelle berücksichtigen, dass die Daten auch z. B. Investments von Private-Banking-Kunden enthalten.

145 7.4.1 Clustervergleich: HHI und internationale Diversifikation Bereits ein Blick auf die Äaufgespannten Netze³ in Abbildung 11.5 im Anhang 4 unterstreicht den Zusammenhang, wie er bereits in Abschnitt 7.3.2 vermutet wurde: Die Depots der beratenen Anleger sind besser diversifiziert, sie weisen einen höheren naiven Diversifikationsgrad auf. In der Abbildung 11.5 ist das ÄNetz³ der beratenen Kunden gleichmäßiger über alle Assetklassen Äaufgespannt³. Ein weiterer Beleg für diesen Sachverhalt ist das Ergebnis in Abbildung 7.5. Sowohl der Median als auch der Mittelwert des Herfindahl-Hirshman-Index liegt bei den Wertpapierdepots der beratenen Kunden unter denen der nicht beratenen. Abbildung 7.5: Relative HHI-Verteilung nach beratenen und nicht beratenen Kunden ± BI-Einteilung = 0.291

Relativer Anteil

,4

Beratene Kunden

Nicht beratene Kunden

,3

Median HHI 21 %

Median HHI 38 % Mittelwert HHI 53 %

0

,1

Fraction ,2

Mittelwert HHI 27 %

0

,2

,4

HHI

,6

,8

1

0

,2

,4

HHI

,6

,8

1

Herfindahl-Hirshmann-Index

Quelle: Eigene Darstellung.

In Abschnitt 3.2.1.3, Erkenntnisse zur naiven und internationalen Diversifikation, wurde anhand der bisherigen empirischen Studien dokumentiert, dass Stimuli wie Alter, Ausbildung, Einkommen oder auch Vermögen in einer positiven Wechselwirkung mit einem hohen Diversifikationsgrad stehen.

291

Bei einer Paneleinteilung von BI = 0,5 ergibt sich für das Cluster der beratenen Kunden ein HHIMedian von 21 % und ein HHI-Mittelwert von 26 %. Die Werte für das Cluster der nicht beratenen Kunden sind: 33 % und 50 %.

146 Auch die vorliegende empirische Studie kann teilweise diese Zusammenhänge bestätigen. Tatsächlich stehen ein ansteigendes Depotvolumen, ein höheres Alter, ein Beruf mit weitergehender Verantwortung und bedingt auch bessere Wertpapierkenntnisse in positiver, signifikanter Wechselwirkung mit einem ansteigenden Grad der Diversifizierung ± siehe unten stehende Tabelle 7-12. Der negative Zusammenhang zwischen dem durchschnittlichen Depotvolumen, dem Alter sowie dem Dummy für leitende Angestellte und dem logarithmierten Wert des HHIs ist positiv zu bewerten. Denn ein geringerer Wert des HHIs steht für eine gleichmäßigere Verteilung über die sieben verschiedenen Assetklassen (die Assetklasse ÄRest³ wurde nicht in die Auswertungen mit einbezogen).292 Einzig und allein der Zusammenhang zwischen dem Einkommen und dem HHI kann nicht bestätigt werden. Vor allem ist der signifikante Einfluss der unabhängigen Variable Beratungsintensität interessant. Tatsächlich hat die standardisierte Beratungsleistung des Finanzdienstleisters einen positiven Einfluss auf die Höhe des naiven Diversifikationsgrades ± und dies mit einem Wert von -0,46 auch relativ deutlich. Auch die Wechselwirkung zwischen der Risikoeinstellung des Anlegers und dem logarithmierten Wert des HHIs bestätigt den Einfluss einer risikoärmeren Anlagestrategie. Eine risikoaverse Anlegerhaltung führt zu einem verbesserten Diversifikationsgrad.293 Der Robustheitscheck mittels des zweiten Samples weist nahezu die gleichen Ergebnisse auf. Der negative Zusammenhang zwischen dem durchschnittlichen Depotvolumen und dem HHI ist auch vorhanden, gleichwohl in diesem Fall nicht signifikant (siehe hierzu: Anhang 4, Tabelle 11-12).

292

Siehe auch Abschnitt 4.2.1.1.

293

Einen ähnlichen Zusammenhang dokumentieren Dorn / Huberman (2005), S. 464.

147 Tabelle 7-12:

OLS (Multiple Regression): Ln(Herfindahl-Hirshman-Index) Panel G: Beratungsintensität [0;1] Ln(HHI)

Abhängige Variable Koeffizient

Standardfehler

Beratungsintensität Durchschnittliches Haushaltseinkommen (TEuro) Durchschnittliches Depotvolumen (TEuro)

-0,4691**

(16,01)

0,0102*

(2,11)

-0,0002**

(2,87)

Alter

-0,0041**

(4,56)

Dummy leitender Angestellter

-0,0294

(0,38)

Dummy Arbeiter

0,0546

(0,90)

Dummy Rentner

-0,0660+

(1,95)

Dummy Hausfrau

-0,1039*

(2,50)

Dummy Wertpapierkenntnisstufe 1

1,1629**

(9,47)

Dummy Wertpapierkenntnisstufe 3

0,2473**

(6,59)

Dummy Wertpapierkenntnisstufe 6

0,2737**

(5,18)

Risikoeinstellung

0,0457**

(4,82)

Konstante

-1,1069**

(16,91)

Anzahl Beobachtungen

2838

R-Square

0,18

VIF (Wert; Ergebnis)

1,19

Keine Multikollinearität

Breusch-Pagan-Homoskedastizität : H0: Konstante Varianz (Chi-Quadrat-Wert; Ergebnis)

0,47

Konstante Varianz

Normalverteilung der Residuen : Inter-Quartil-Abweichungs-Test; (3-IQR: Abweichungen; Ergebnis)

0

Symmetrische Verteilung der Residuen

Shapiro-Francia-Normalverteilung : H0: Normalverteilung (Z-Wert; Ergebnis)

4,014

Ablehnung der Hypothese; keine Normalverteilung

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die multiple Regression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Die Variable Risikoeinstellung wurde anhand der sechs verschiedenen Anlagestrategien berechnet. Die Anzahl der Beobachtungen ist reduziert, da nicht alle unabhängigen Variablen durchgehend befüllt sind. Ein Z-Wert von < 10 bedeutet bei dem Shapiro-Francia-Normalverteilung-Test, dass die Residuen noch annähernd normalverteilt sind; siehe auch Anhang 4, Abbildung 11.6.

148 Kann die Beratungsleistung auch den durch eine Verhaltensanomalie ausgelösten Home Bias mindern? Auch wenn dies nicht so deutlich wie bei der naiven Diversifikation der Fall ist, so ist die Beratungsleistung des Finanzdienstleisters doch auch hier als positiv zu bewerten. Bei einer äquivalenten Vorgehensweise wie bei den Berechnungen zur Tabelle 7-11 stellt sich heraus, dass der inländische Assetklassenanteil bei den Wertpapierdepots der beratenen Investoren im Durchschnitt um ca. 7,3 Prozentpunkte niedriger ausfällt. Sie halten im Durchschnitt über alle Assetklassen einen Inlandsanteil von ca. 53,3 %, während die nicht beratenen Kunden ca. 60,6 % in Deutschland anlegen. Die Ergebnisse der multiplen Regression bekräftigen die Aussage ± siehe Anhang 4, Tabelle 11-13. Auch in diesem Fall sorgt eine risikoaverse Anlegereinstellung für positive Resultate. Der zu hohe Inlandsanteil ist umso geringer, je risikoaverser die Anlegereinstellung ist. Rein intuitiv erklärt sich der Sachverhalt über die oben geschilderte Erkenntnis, dass die beratenen Investoren tendenziell lieber in Fonds investieren und die Direktinvestitionen, wie in Tabelle 7-11 ersichtlich, vermehrt im Inland getätigt werden. Der größte Teil aller aufgelegten Fonds ist heutzutage international ausgerichtet. 7.4.2

Clustervergleich: Standardabweichung und idiosynkratisches Risiko

Zunächst soll in diesem Abschnitt analysiert werden, ob die bessere naive und internationale Diversifikation der Äberatenen³ Depots dazu führt, dass das Portfoliorisiko geringer ausfällt. Die Antwort hierzu liefert zum einen das Gesamtrisiko gemessen über die Standardabweichung der Portfoliorendite und der Portfolioüberschussrendite und zum anderen die Evaluierung des idiosynkratischen Risikos anhand der Wertentwicklung des DAX. In dem darauf folgenden Abschnitt wird die Variabilität der Underperformance mittels der asymmetrischen Risikomaße Lower Partial Moments 1. und 2. Ordnung quantifiziert (diese Maße werden auch als Downside-Risk-Maße bezeichnet). Bereits die deskriptiven Ergebnisse zur Volatilität der logarithmierten Portfolionettorendite auf Jahresbasis dokumentieren die Besserstellung der beratenen Investoren.294

294

Die Basis für diese Auswertungen ist die Netto- und nicht die Bruttorendite. Vgl. z. B.: Barber / Odean (2000a), S. 799; Schlarbaum et al. (1978a), S. 440.

149 Die annualisierte Standardabweichung der Äberatenen³ Depots beträgt 12,72 %. Der Wert für die Änicht beratenen³ Depots liegt bei 14,12 %. Auch der Median der Standardabweichung der logarithmierten Portfolioüberschussrendite (netto) liegt mit 6,94 % zu 9,40 % unter dem Wert der nicht Beratenen (siehe unten stehende Tabelle 7-13; linke Spalte = V kdnr ).295 Aufgrund des relativ hohen Anteils an inländischen Wertpapieren wird zur Messung des systematischen und idiosynkratischen Risikos der DAX eingesetzt.296 Die annualisierte Volatilität des DAX betrug im Untersuchungszeitraum 18,76 %. Somit liegen beide Kundenwerte unter dem Risiko des relevanten Marktes. Dies ist bereits intuitiv einleuchtend, da in den Depots mit festverzinslichen Anlagen oder Geldmarktpapieren risikoärmere beziehungsweise weniger wertvolatile Papiere als Aktien enthalten sind. Interessant und gleichzeitig kurios erscheint in diesem Zusammenhang das Ergebnis von Calvet et al. (2006). Sie bestimmen für das durchschnittliche Portfoliorisiko einen Wert von 24,16 % und für die unterstellte Benchmark einen von 14,7 %.297 Ein Grund hierfür ist die verwendete Kundendatenbasis. Sie berechnen das Portfoliorisiko nur für die risikoreichen Wertpapiere, der größte und gleichzeitig nur geringfügig wertvolatile Assetklassenanteil Äcash³ entfällt. Dies erklärt auch die Abweichungen der Resultate beim idiosynkratischen Risiko. Bei der vorliegenden Studie wird dieses Risikomaß auf Basis des gesamten Depots ermittelt.

295

Die Standardabweichung der Portfolio- und die der Portfolioüberschussrendite weichen nur geringfügig voneinander ab. Der Ärisikolose³ Zinssatz schwankt kaum zwischen den Monaten.

296

Calvet et al. (2006) verwenden bei ihrer Analyse für die ihres Erachtens volkswirtschaftlich Änach außen gerichteten³ schwedischen Anleger einen internationalen Index (MSCI All Country World Index). Goetzmann / Kumar (2005) verwenden bei ihrer Analyse der Depots der amerikanischen Investoren den national ausgerichteten S&P 500.

297

Calvet et al. (2006), S. 11 und S. 13.

2,80 9,40 19,71 32,20 40,60 83,83

25 %-Quantil 50 %-Quantil

75 %-Quantil

90 %-Quantil

95 %-Quantil

99 %-Quantil

Standardabweichung

0,63

17,63

Panel D: Beratungsintensität=0 Mittelwert

10 %-Quantil

14,11

99 %-Quantil

0,52

96,48

90 %-Quantil 95 %-Quantil

5 %-Quantil

29,28 47,05

75 %-Quantil

0,05

14,83

50 %-Quantil

1 %-Quantil

3,03 6,94

25 %-Quantil

1,02 1,54

10 %-Quantil

17,08 0,53

5 %-Quantil

12,71

Standardabweichung 1 %-Quantil

Portfoliorisiko (in %)

V kdnr

Panel B: Beratungsintensität>0 Mittelwert

DAX

Übersicht zum Portfoliorisiko ± Jahresbasis

V i , kdnr

29,74

22,37

18,30

12,16

0,67 4,74

0,08

0,04

0,01

7,65

7,30

22,69

11,82 15,23

7,05

2,93

0,72

0,14

0,07

5,32 0,02

4,70

83,62

37,81

25,53

13,39

2,42 5,99

0,62

0,52

0,05

16,60

11,10

95,61

26,73 46,29

11,00

4,80

2,55

1,46

0,97

16,82 0,05

10,98

Systematisches Risiko Idiosynkratisches Risiko (in %) (in %)

E kdnr V Benchmark

99,99

99,72

99,27

96,34

42,69 70,70

28,18

21,79

10,98

27,87

67,51

99,99

99,68 99,91

97,66

82,44

49,92

31,84

24,39

26,85 13,41

72,77

Idiosynkratischer Varianzanteil (in %)

§ V i ,kdnr · ¨ V kdnr ¸¹ ©

2

Quelle: Eigene Berechnungen; Tabelle in Anlehnung an Calvet et al. (2006). Erläuterung: Die Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI > 0; Panel B) und den nicht beratenen Kunden (BI = 0; Panel D). Der Mittelwert für das Portfoliorisiko und der Mittelwert für den idiosynkratischen Varianzanteil für das Panel A (BI>= 0,5) ist gleich: 12,75 % und 73,73 %; für das Panel C (BI < 0,5) sind die Werte gleich: 13,66 % und 68,07 %.

Tabelle 7-13:

150

150

151 Zwei Sachverhalte geben hierzu Anlass: Erstens sind die Ertragspositionen im Datensatz nur auf aggregierter Assetklassenbasis vorhanden (Ausschüttungen, Dividenden, Zinsen). Dadurch ist keine eindeutige Trennung in risikoreiche und sichere Anlagen möglich. Zweitens ist zu konstatieren, dass z. B. auch Papiere mit fester Verzinsung ein Wiederanlagerisiko beinhalten und somit einbezogen werden können. Des Weiteren unterliegen z. B. auch Immobilienfonds Wertschwankungen. Es sei dennoch zur Diskussion gestellt, ob ein einzelner Marktindex die gesamte Schwankungsbreite abfangen sollte beziehungsweise kann. In Abschnitt Ä8.2.2 Clustervergleich: Jensens Alpha³ werden simultan verschiedene Indizes verwandt. Bei der Untersuchung von Calvet, Campbell und Sodini schwankt der Mittelwert des idiosynkratischen Risikos zwischen 17,80 % und 19,47 %.298 Goetzmann und Kumar messen bei ihrer Studie einen Mittelwert von 10,98 % sowie 17,15 % für ein durchschnittliches Wertpapierdepot mit 40 % beziehungsweise 50 % risikoreichem Wertpapieranteil.299 Hierbei ist unterstellt, dass der restliche Anteil des Depots vollkommen diversifiziert ist. Wie in Tabelle 7-13 ersichtlich, schwankt das idiosynkratische Risiko bei der vorliegenden Studie im Mittel um 11 %. Auch bei einem direkten Vergleich des idiosynkratische Risikos zeigt sich scheinbar, dass die Anlageberatung zwar einen sehr geringen, aber dennoch einen positiven Einfluss hat (Depots der beratenen Kunden: im Mittel = 10,98 %; Depots der nicht beratenen Kunden: im Mittel = 11,10 %; zweite Spalte von rechts ( V i ,kdnr ), Abbildung 11.8). Diese Erkenntnis wird allerdings durch eine Gegenüberstellung der beiden Cluster zum idiosynkratischen Varianzanteil widerlegt. Der Median und der Mittelwert sind bei den Wertpapierdepots der beratenen Investoren höher (rechte Spalte in Abbildung 11.8,

§ V i ,kdnr · ¨ V kdnr ¸¹ ©

2

).

Hierdurch werden wieder die Ergebnisse des vorhergehenden Abschnitt und des vorangegangenen Kapitels bestätigt: Der beratene Kunde ist besser diversifiziert und trägt somit ein etwas geringeres Risiko bei der Wertentwicklung seines Gesamtportfoliobestandes (niedrigere Standardabweichung der Portfolioüberschussrendite); gleichwohl partizipiert der nicht beratene Kunde stärker an der Wertentwicklung des Kapitalmark-

298

Ibid., Table 4.

299

Goetzmann / Kumar (2005), S. 39.

152 tes, hauptsächlich bezogen auf den Aktienmarkt (geringerer idiosynkratischer Varianzanteil). Auch ein Panelvergleich zwischen A und C kann diesen unmittelbaren Zusammenhang nicht widerlegen ± siehe im Erläuterungsteil von Tabelle 7-13. Das idiosynkratische Risiko wird in einer CAPM-Welt nicht entgolten. Deshalb ist das Ergebnis für die standardisierte Anlageberatung auch nicht als positiv zu bewerten. Die Asset Allocation der beratenen Kunden sollte stärker am Kapitalmarkt ausgerichtet sein. Dennoch sollte das Ergebnis zum idiosynkratischen Risiko nicht überbewertet werden, da die gesamte Wertentwicklung des Portfolios zur Disposition stand ± nicht nur der Anteil risikobehafteter Wertpapiere. Folglich nehmen auch andere Ärisikoärmere³ Assetklassen Einfluss bei der Ergebnisevaluierung. Insgesamt ist festzuhalten, dass es den Wertpapier- und Anlageberatern mittels der Serviceleistung ihrer Beratung gelingt, das Risiko in Form einer reduzierten Standardabweichung zu senken. Die Beratung nimmt über die Empfehlung zur Asset Allocation Einfluss. Unten aufgeführte Tabelle 7-14 verdeutlicht den kausalen Zusammenhang. Das Ergebnis der ersten Regressionsschätzung zeigt eine signifikante, gering negative Wechselwirkung zwischen einer Erhöhung der Beratungsintensität und der annualisierten Standardabweichung (linke Spalte; Tabelle 7-14; -0,005). Nach Aufnahme der Assetklassen Renten- und Immobilienfonds dreht sich das Vorzeichen (rechte Spalte; Tabelle 7-14). Die Variable Beratungsintensität wirkt an dieser Stelle antezedierend auf die Wahl der Asset Allocation und insofern positiv auf das Portfoliorisiko ein. Die gleiche Regressionsschätzung mit der abhängigen, logarithmierten Standardabweichung ergab keine signifikanten Resultate. Abschließend seien in Anlehnung an Calvet et al. (2006), S. 14 und S. 15, noch zwei weitere Punkte losgelöst von dem eigentlichen Panelvergleich angeführt: Erstens wird anhand der Abbildung 11.7, im Anhang 4, deutlich, dass die Portfolios der Investoren des deutschen Finanzdienstleisters ceteris paribus nicht so weit von der effizienten Kapitalmarktlinie entfernt liegen, wie das bei den schwedischen Anlegern der Studie von Calvet et al. (2006) der Fall ist.

153 Zweitens zeigt die Abbildung 11.8, im Anhang 4, wie bei Calvet et al. (2006) auf, dass tatsächlich der idiosynkratische Varianzanteil mit zunehmender Standardabweichung der Portfolioüberschussrendite zunimmt. Tabelle 7-14:

OLS (Multiple Regression): Stimuli der Standardabweichung Panel G: Beratungsintensität [0;1]

V kdnr Abhängige Variable

Annualisierte Standardabweichung der Portfolioüberschussrendite Koeffizient

Beratungsintensität

Koeffizient

-0,0050**

Koeffizient 0,0347**

Liquiditätsanteil

-0,1435**

Rentenfondsanteil

-0,0691**

-0,1309**

Einzelrentenanteil

0,0665**

0,0170**

Immobilienfondsanteil

-0,1148**

-0,1689**

Einzelaktienanteil

0,1647**

0,1292**

0,1485**

0,1428**

0,1737**

Anzahl Beobachtungen

5051

5051

5051

R-Square

0,01

0,13

0,16

Konstante

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die multiple Regression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte.

Das bedeutet, dass das Fehlverhalten der Investoren umso ausgeprägter ist, je eher sie gewillt sind, ein Portfoliorisiko einzugehen, welches auf einem vollkommenen Kapitalmarkt nicht entgolten wird. Tendenziell kaufen sich diese Investoren ein Wertpapierrisiko ein, welches negativ ist oder nicht zur Diversifikation beiträgt.

154 Dieser Sachverhalt trifft nur für die Äberatenen³ Depots zu.300 Eine solche Verhaltensanomalie sollte eine standardisierte Anlageberatung zu unterbinden versuchen. 7.4.3 Clustervergleich: Lower Partial Moment (LPM 1 und LPM 2) Anschließend an die Feststellung, dass die umgesetzten Empfehlungen einer standardisierten Anlageberatung dazu führen, dass die Standardabweichung der Portfoliorendite, wenn auch nur in einem geringen Maße, reduziert wird, sollen weitere Analyseergebnisse diese Wechselbeziehung bestätigen und somit manifestieren. Dieser Abschnitt dient der Untersuchung des Downside-Risk einer Portfoliorendite, auch als Variabilität der Underperformance bezeichnet. Es stellt sich die Frage, ob der positive Einfluss der Beratung auch bei einem asymmetrischen Risikomaß zur Geltung kommt. Einen ersten Einblick gewährt Tabelle 7-15. Tabelle 7-15:

Panelvergleich: LPM 1 und LPM 2 - Monatsbasis Lower Partial Moments LPM 1 (in %)

LPM 2 (in %)

Mittelwert

0,84

0,22

10 %-Quantil

0,01

0,01

50 %-Quantil

0,52

0,02

90 %-Quantil

1,81

0,30

Mittelwert

1,10

0,25

10 %-Quantil

0,08

0,01

50 %-Quantil

0,67

0,02

90 %-Quantil

2,21

0,25

Panel B: Beratungsintensität>0

Panel D: Beratungsintensität=0

Quelle: Eigene Berechnungen. Erläuterung: Die Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI > 0; Panel B) und den nicht beratenen Kunden (BI = 0; Panel D). Der Mittelwert des LPM 1 und LPM 2 für das Panel A (BI >= 0,5) = 0,83 % und 0,23 %, für das Panel C (BI < 0,5) = 1,03 % und 0,23 % ± Monatsbasis (logarithm. Nettorendite). Der verwendete Mindestzinssatz ist der Drei-Monats-Geldmarktsatz des Frankfurter Bankenplatzes.

300

Bei der einfachen linearen Regressionsschätzung zur abhängigen Variable idiosynkratischer Varianzanteil für beratene Kunden beträgt der Regressionskoeffizient der unabhängigen Variable Standardabweichung 0,21 (1 % Signifikanzniveau). Der Regressionskoeffizient bei der Regressionsschätzung mit den nicht beratenen Kunden beträgt -0,097 (5 % Signifikanzniveau).

155 Die Mittelwerte zum Lower Partial Moment 1 und 2 sind bei den beratenen Kunden niedriger (Panel B; 0,84 beziehungsweise 0,22) als bei den nicht beratenen Kunden (Panel D; 1,10 beziehungsweise 0,25). Im Falle des LPM 1 bedeutet dies für die logarithmierte Depotnettorendite der beratenen Investoren, dass sie im Durchschnitt pro Monat 0,84 % gegenüber dem Dreimonatsgeldmarktsatz verlieren. (Dies allerdings nur, wenn die Bedingung erfüllt ist, dass sie unter der Rendite der sicheren Anlage liegen.) Die Monatsrendite des Dreimonatsgeldmarktsatzes liegt ungefähr bei 0,2 % pro Monat. Stark vereinfachend ließe sich bei der Unterstellung von an sich gleichen Voraussetzungen argumentieren: Das durchschnittliche Verlustrisiko eines beratenen Kunden liegt bei ca. 12,5 % pro Jahr ((0,84 % pro Monat + 0,20 % pro Monat)*12 Monate).301 Das durchschnittliche Verlustrisiko eines self-directed Anlegers beträgt ca. 15,6 % pro Jahr ((1,10 % pro Monat + 0,20 pro Monat)*12 Monate). Dies entspricht einer Differenz von ca. 3 Prozentpunkten pro Jahr. Auch ein Panelvergleich zwischen A und C sowie der Einsatz des Mindestzinssatzes Euribor anstelle des Dreimonatsgeldmarktsatzes verändert die Ergebnissituation nicht (siehe Tabelle 7-15 im Erläuterungsteil; Anhang 4 Tabelle 11-14). Der vereinfachte, mit dem zweiten Paneldatensatz durchgeführte Robustheitscheck bestätigt das Resultat hinsichtlich LPM 1 (siehe Tabelle 11-15, Anhang 4). Das gering risikoaverse Downside-Risk, gemessen als LPM 1, ist bei den beratenen Kunden niedriger. Die Ergebnisse zum stärker risikoaversen LPM 2 tendieren in die gleiche Richtung, gleichwohl sind sie nicht dementsprechend eindeutig.302 Das Ergebnis spricht insgesamt für die Inanspruchnahme einer standardisierten Anlageberatung. Die Empfehlungen der Anlageberater führen über die Wahl der Asset Allocation insgesamt zu einer etwas besseren Diversifikation. Der erhöhte, durchaus als positiv zu wertende Diversifikationsgrad bewirkt, dass zum einen das symmetrische Risiko, gemessen als Standardabweichung der Portfolioüberschussrendite, und zum anderen das asymmetrische Risiko, gemessen als Lower Partial Moments 1 und 2, sinken beziehungsweise 301

Weitere Annahme: Gleichverteilung der logarithmierten Monatsrendite. Das Risikomaß LPM 1 wurde über die logarithmierte Monatsdepotrendite ermittelt. Die logarithmierte Rendite ist eine stetige Rendite. Eine stetige Rendite wird additiv verknüpft.

302

Bei dem Risikomaß LPM 2 werden hohe, negative Abweichungen von der Mindestrendite stärker gewichtet als niedrige, negative. Siehe hierzu auch: 4.2.1.3 Lower Partial Moments.

156 für den Untersuchungszeitraum niedriger waren. Die Auswertungen zum logarithmierten LPM 1 in Tabelle 7-16 können die Aussage abermals bestätigen. Tabelle 7-16:

OLS (Multiple Regression): Stimuli zu Ln(Lower Partial Moments 1) Panel B und D ln(LPM 1)

Abhängige Variable Koeffizient Beratungsintensität

Koeffizient

-0,1095**

Koeffizient 0,1106**

Annualisierte Standardabweichung

3,5589**

Liquiditätsanteil

-0,8344**

Rentenfondsanteil

-0,2477**

-0,1813**

Immobilienfondsanteil

-1,4545**

-1,0781**

Einzelaktienanteil

1,3619**

0,5512**

Risikoeinstellung Konstante

0,0983** -5,1861**

-5,1079**

-5,8261**

Anzahl Beobachtungen

4461

4461

3015

R-Square

0,01

0,45

0,80

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die Übersicht bezieht Panel B (BI > 0) und Panel D (BI = 0) mit ein; insgesamt: n = 4.461. Der verwendete Mindestzinssatz ist der Drei-Monats-Geldmarktsatz des Frankfurter Bankenplatzes (www.bundesbank.de).

In Tabelle 7-16 wurde aufgrund der rechtsschiefen Verteilung der LPM-Risikomaße das logarithmierte Maß verwendet. Je höher die Beratungsintensität gewählt wird, umso geringer wird das Downside-Risk ausfallen (signifikanter Regressionskoeffizient = -0,1095). Auch an dieser Stelle wird auf die Antezedenz der Variable Beratungsintensität hingewiesen. Die Wahl der Asset Allocation ist für eine Reduzierung des Portfoliorisikos ausschlaggebend. Die Anlageberatung beeinflusst die Asset Allocation positiv im Hinblick auf das Senken des Gesamtportfoliorisikos.

157 Die extrem hohe Erklärungsgüte von 80 % bei der dritten Regressionsschätzung zum logarithmierten Risikomaß LPM 1 kommt durch die Aufnahme der unabhängigen Variable ÄAnnualisierte Standardabweichung³ zustande. 7.4.4

Kurze Zusammenfassung

Es wurde festgestellt, dass auch die Wertpapierdepots der in Deutschland anlegenden Privat- und Individualkunden einen Home Bias aufweisen. Positiv ist hierbei zu erwähnen, dass es den Beratern des Finanzdienstleisters über die Anlageempfehlung gelungen ist, diesen zu mindern. Auch der Herfindahl-Hirshman-Index, welcher die naive Diversifikation repräsentiert, fiel bei den Portfolios der beratenen Kunden niedriger aus. Insgesamt führt der bessere Diversifikationsgrad bei den Äberatenen³ Depots zu einem etwas geringeren Portfoliorisiko. Dieses konnte durch die Auswertungen zur Standardabweichung der Portofolioüberschussrendite und zum Downside Risk / Lower Partial Moments evaluiert und dokumentiert werden. Dennoch ist auch im Rahmen dieser Portfoliodeterminante ein Manko hinsichtlich der Anlageberatung zutage getreten: Je höher das gewählte Gesamtrisiko des Portfolios, desto größer ist der Anteil des diversifizierbaren, unsystematischen oder auch idiosynkratischen Risikos. Insgesamt versucht ein Anlageberater mittels seiner Empfehlungen die Verhaltensanomalien der schlechten naiven und internationalen Diversifikation zu unterbinden, dennoch steigt das marktfremde Risiko bei den Anlegern, welche tendenziell zu risikofreudig agieren.

7.5 Fazit zu den Portfoliodeterminanten Gründe, die dafür sprechen, als Privatkunde eine standardisierte Anlageberatung in Anspruch zu nehmen, wurden bereits aufgezeigt und statistisch belegt. So sind es tendenziell ältere, nicht so wertpapieraffine Personen, die einen Anlageberater aufsuchen. Weiterhin wurde dokumentiert, dass Personen, die mit ihrem Arbeitseinsatz mehr Geld verdienen als das, was sie bei der Nicht-Inanspruchnahme der Anlageberatung und durch Eigeninformationsgenerierung an Opportunitätskosten einsparen könnten, den Berater schalten und walten lassen. Auch die risikoaverse Einstellung eines Anlegers kann ausschlaggebend sein.

158 Weiterhin kann festgeschrieben werden, dass die Inanspruchnahme einer Beratung etwas höhere Transaktionskosten im direkten Sinn verursacht. Die Kosten pro Umsatz steigen in Abhängigkeit von ansteigender Beratungsintensität. Vor allem deshalb, weil die Anlageberater dazu neigen, Fonds zu empfehlen und die Offerte der Direktanlage lieber ausschließen. Insofern ist die gewählte Produktkategorie entscheidend. Obwohl der Herfindahl-Hirschman-Index der Portfolios der beratenen Kunden geringer ist und diese dementsprechend besser diversifiziert sind, wurde festgestellt, dass die Portfoliomustervorlagen des Finanzdienstleisters nicht vollkommen kapitalmarktkonsistent zugeschnitten sind beziehungsweise nicht optimal angepasst werden. Dennoch haben die Empfehlungen der Anlageberater einen positiven Einfluss auf die nationale und internationale Diversifikation. Der verbesserte Diversifikationsgrad führt dazu, dass das Portfoliorisiko, gemessen als Standardabweichung und Lower Partial Moment, ein wenig gesenkt wird. Insgesamt ist der Sachverhalt als positiv im Sinne der Inanspruchnahme einer Anlageberatung zu bewerten, gleichwohl ohne bisher einen exakten Performancevergleich unternommen zu haben. Es ist lediglich zu konstatieren, dass die Anlageberatung direkte Kosten verursacht und die Anlageempfehlungen den Diversifikationsgrad des Portfolios erhöhen. Die kommenden Abschnitte widmen sich dem Rendite- und Performancevergleich zwischen den beratenen und nicht beratenen Investoren.

159

8

Vereinfachter Rendite- und risikoadjustierter Renditevergleich

Die Analysen in diesem Kapitel sollen letztendlich einen zusammenfassenden Überblick dazu gewähren, ob es sich für einen allgemeinen, privaten Anleger während des Untersuchungszeitraums insgesamt rentiert hat, eine Beratungsleistung in Anspruch zu nehmen. Wäre es in der Ex-post-Betrachtung doch vorteilhaft gewesen, wenn er selbständig seine Portfoliostrukturierungsmaßnahmen durchgeführt hätte? In Kapitel 8.1 werden die Brutto- und Nettorendite der Äberatenen³ und Änicht beratenen³ Portfolios gegenübergestellt. Des Weiteren dient die darauf folgende Analyse zum Wertbeitrag einer Anlageberatung dazu, die aus den einleitenden Untersuchungen gewonnenen Erkenntnisse zu manifestieren. In Kapitel 8.2 findet abschließend ein risikoadjustierter Renditevergleich zwischen den Äberatenen³ und Änicht beratenen³ Portfolios statt.

8.1 Die Renditen bei Äberatenen³ und Änicht beratenen³ Kundenportfolios Wie bereits in Rahmen des Abschnittes 6.2.2 verdeutlicht werden konnte, erstrecken sich die relevanten Portfoliorenditedaten des Untersuchungsgegenstandes nur über einen im Vergleich zu umfangreichen Kapitalmarktstudien kurzen Zeitraum. Dies hat weiterhin zur Folge, dass die Beobachtungen zu einem Zeitpunkt stattfinden, bei dem der deutsche Aktienmarkt relativ positiv verläuft und somit nur geringfügige Abwärts- beziehungsweise Seitwärtsbewegungen zu Buche schlagen. Deshalb könnten langfristig negative Kapitalmarktentwicklungen auch zu anderen Analyseergebnissen führen. Dennoch ist zu konstatieren, dass man mit den deutschen Bluechips langfristig positive und nicht negative Renditeerwartungen impliziert. Zudem wird im Verlauf dieses Kapitels dargelegt, dass die gewählte Asset Allocation und die indirekten Kosten einzelner Assetklassen insgesamt einen Einfluss auf die Portfoliorenditeentwicklung nehmen. Diese Feststellung ist losgelöst von der zugrunde liegenden Kapitalmarktentwicklung.

160 Alle in diesem Kapitel ausgewiesenen Renditen basieren auf der in Kapitel 5.3 operationalisierten Portfoliorendite. Im Detail werden die allgemeingültigen Berechnungsvorschriften in Kapitel 4.1 erörtert. Die Berechnungen beruhen auf der Dietz-Methode.303 Im anschließenden Abschnitt wird untersucht, ob auch ein positives ÄValue Line Enigma³ in Form einer finanziell vorteilhaften, standardisierten Anlageberatung existiert oder ob die Anlageberater, wie in manchen empirischen Studien zu Wertpapieranalysten belegt werden konnte, vorteilhafte Empfehlungen offerieren ± siehe hierzu Abschnitt 3.2.2. 8.1.1 Gegenüberstellung der logarithmierten Brutto- und Nettorendite In der unten aufgeführten Tabelle 8-1 sind die durchschnittlichen logarithmierten Monatsbruttorenditen der Portfolios der Panel B, D und F aufgeführt. Weiter unten sind gleichermaßen auch die Monatsnettorenditen dokumentiert. Die Aufstellungen unterscheiden sich hinsichtlich der direkten Transaktionskosten inklusive der Verwahrungsund Verwaltungsgebühren. Ein Vergleich der Mittelwerte über die Gesamtlaufzeit zeigt, dass es der Anlageberatung nicht gelingt, für den privaten Investor einen überdurchschnittlichen finanziellen Nutzen zu stiften. Die Portfoliobruttorenditen der nicht beratenen Kunden und der Onlinekunden sind höher als die der beratenen Kunden. Der Unterschied von ca. 0,3 % im Monat zwischen den nicht beratenen und den beratenen Anlegern beläuft sich bei der additiven, logarithmierten Rendite auf insgesamt ca. 3,6 % pro Jahr ± siehe Tabelle 8-1, rechte Spalte: nicht beratene Kunden = 0,96 % pro Monat; beratene Kunden = 0,66 % pro Monat ± sehr interessant ist die hohe Rendite der Onlinekunden. Anhand der Berechnungen zu den 10 %- und 90 %-Quantilen kann zudem dargelegt werden, dass die Schwankungen beziehungsweise die Bandbreite der Portfoliorendite der beratenen Kunden geringer ausfällt ± siehe beispielhaft für das Jahr 2003 die 10 %und 90%-Quantile: beratene Anleger = -1,41 %; 4,65 % pro Monat; nicht beratene Anleger = -2,81 %; 7,91 % pro Monat.

303

Die Portfoliorendite ist auf einem Niveau von 1/1000-Quantil Äwinsorized³ worden.

Jahr

4,65

90 %-Quantil

7,91

90 %-Quantil

90 %-Quantil

Anzahl Beobachtungen

Seitwärtsbewegung

654

5,93

-6,82

-0,13

18132

3,37

-2,72

0,28

35400

2,16

-1,33

0,35

2004

Anstieg

466

7,59

-4,68

1,27

15110

4,98

-2,35

0,90

29500

3,29

-1,49

0,54

2005

Anstieg

1813

9,47

-6,14

1,36

49863

5,15

-2,63

0,96

97350

3,25

-1,40

0,66

Gesamtlaufzeit

Quelle: Eigene Berechnungen. Erläuterung: Die deskriptive Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI > 0; Panel B), den nicht beratenen (BI = 0; Panel D) und online tätigen Kunden (Panel F). Der berechnete Mittelwert ist ein gleichgewichteter Mittelwert. Die Anzahl der Beobachtungen ergibt sich aus der Multiplikation der Beobachtungsmonate (hier insgesamt 33 Monate ± 11, 12 und 10 Monate) mit der Kundenanzahl.

Starker Anstieg

14,62 32450

10 %-Quantil

Wertentwicklung des Dax

2,81 -6,66

Mittelwert

Panel F: Onlinekunde

32450

10 %-Quantil

Anzahl Beobachtungen

1,76 -2,81

Mittelwert

Panel D: Beratungsintensität=0

32450

10 %-Quantil

Anzahl Beobachtungen

1,10 -1,41

Mittelwert

2003

Logarithmierte Monatsbruttorendite (in %)

Deskriptive Übersicht: Logarithmierte Bruttorendite pro Monat (BI-Trennung bei 0)

Panel B: Beratungsintensität>0

Tabelle 8-1:

161

161

162 Hierdurch wird das Ergebnis des Kapitels ÄEmpirische Analyse III: Einfluss der Anlageberatung auf die Risikodeterminante / Diversifikation³ wiederum bestätigt: Dem Anlageberater gelingt es, das Portfoliorisiko zu senken (Reduzierung der Renditeschwankungen). Interessant ist im Rahmen dessen auch das Renditeergebnis für das Jahr 2004, in dem es zu einer Seitwärtsbewegung des deutschen Aktienmarktes gekommen ist. Dadurch, dass sich das Upside-Potenzial der Portfolios der self-directed Investoren reduziert, kommt es nahezu zur äquivalenten Monatsbruttorendite (0,35 % zu 0,28 % pro Monat). Dies ist ein Hinweis darauf, dass man in Zeiten von Kapitalmarktabwärtsbewegungen zu einem anderen Endergebnis kommen könnte. Der langfristige Trend des Aktienmarktes verbleibt jedoch positiv. Bei einer Betrachtung der absoluten Renditeausmaße über die Zeit zeigt sich, dass das Downside-Risk bei den beratenen Kunden geringer ist als das Upside-Potenzial der nicht beratenen Kunden ± siehe Ausprägungen der Quantile in 2003 bis 2005. Extrem differieren die monatlichen Bruttorenditen im Jahre 2003 (1,76 % zu 1,10 % pro Monat, zugunsten der nicht beratenen Kunden). Im Jahr 2003 haben sich die deutschen Bluechips besonders gut entwickelt. Auch die allgemein gültige Hypothese, dass die Onlinekunden sehr volatile Wertpapiere halten und insofern risikofreudige Investoren sind, bestätigen die Ergebnisse der Tabelle 8-1. Sowohl das Downside-Risk als auch das Upside-Potenzial sind wesentlich ausgeprägter als bei den anderen Panelgruppen. Die Resultate zum Panelschnitt bei einer Beratungsintensität von 0,5 können keines der bisherigen Ergebnisse widerlegen (siehe Anhang 5, Tabelle 11-17). Wie ist das Verhältnis zwischen den Panelgruppen bei den Monatsnettorenditen? Auch bei der Gegenüberstellung der logarithmierten Nettorenditen muss man konstatieren, dass die Resultate zuungunsten der standardisierten Anlageberatung ausfallen (siehe Anhang 5; BI: 0 = Tabelle 11-16; BI: 0,5 = Tabelle 11-18). Ein vollkommen anderes Ergebnis wäre aus wissenschaftlicher Sicht auch nicht einleuchtend, da bereits in Kapitel 7.2 festgehalten wurde, dass die Inanspruchnahme einer Anlageberatung im Durchschnitt dazu führt, dass die Transaktionskosten inklusive der Verwahrungs- und Verwaltungsgebühren steigen.

163 Bei einem deskriptiven Vergleich der Monatsbrutto- und Monatsnettorendite bezogen auf die Panelgruppen B und D (BI-Trennung = 0) wird allerdings sichtbar, dass zwar die Nettorenditen um ca. 0,2 % pro Monat geringer sind, jedoch nicht, dass die Renditen bei den Portfolios der beratenen Kunden noch stärker abnehmen als bei den nicht beratenen (von 0,66 % auf 0,49 % pro Monat; von 0,96 % auf 0,76 % pro Monat ± siehe Tabelle 8-1 und Tabelle 11-16; rechte Spalte). Der Grund hierfür ist die Höhe des mittleren gebundenen Kapitals. Die etwas höher anfallenden Transaktionskosten des Panels B (beratene) werden zu einem höheren mittleren gebundenen Kapital in Relation gesetzt ± z. B. beträgt das mittlere Depotvolumen des Panels B = 62 TEuro, des Panels D (nicht beratene) = 39 TEuro. Anders stellt sich der Sachverhalt bei Panel A (beratene) und C (nicht beratene) dar. Das annähernd gleich hoch ausfallende Depotvolumen nivelliert den Effekt. Das Verhältnis der logarithmierten Brutto- und Nettorendite verändert sich beim Panel A von 0,63 % auf 0,43 % pro Monat und beim Panel C nur noch von 0,90 % auf 0,73 % ± siehe Anhang 5. Zur weiteren Analyse der Renditeverhältnisse zwischen den unterschiedlichen Clustern werden Panelregressionen geschätzt. Der Vorteil einer Panelregression gegenüber der einfachen multiplen Regression ist an dieser Stelle, dass die Variabilität der Assetklassen bei den Schätzungen zur monatlich schwankenden Portfoliorendite noch direkter zum Ausdruck gelangt. Die Tabelle 8-2 enthält fünf Schätzungen zur logarithmierten Monatsbruttorendite.

164 Tabelle 8-2:

Panelregression (Random Effects) ± Stimuli zu Ln (Monatsbruttorendite) Panel B und D: (BI > 0; BI =0)

Panel G: Beratungsintensität [0;1] Logarithmierte Monatsbruttorendite

Abhängige Variable Koeffizient

Koeffizient

Koeffizient

Koeffizient

Koeffizient

-0,003575**

-0,004377**

-0,000892*

-0,000750*

-0,000805+

Liquiditätsanteil

-0,003391**

-0,003555**

-0,008205**

Rentenfondsanteil

-0,002383**

-0,002157**

-0,006393**

Aktienfondsanteil

0,007475**

0,007454**

0,002612**

Einzelaktienanteil Transaktionskosten inkl. Verw.- und Verwaltungsgeb. (in Euro)

0,015544**

0,015572**

0,010165**

-0,000006**

-0,000009**

Beratungsintensität

Immobilienfondsanteil

-0,008056**

Risikoeinstellung

0,000304+

Depotvolumen (in TEuro)

0,000014**

Haushaltseinkommen (in TEuro)

-0,000042

Dummy Leitender Angestellter

-0,000125

Dummy Arbeiter

0,000731

Dummy Rentner

-0,000553

Dummy Hausfrau

-0,000069

Dummy Wertpapierkenntnisstufe 1

0,000718

Dummy Wertpapierkenntnisstufe 2

0,002062

Dummy Wertpapierkenntnisstufe 5

-0,000111

Dummy Wertpapierkenntnisstufe 6

-0,001764+

Dummy männlich Konstante Anzahl Beobachtungen / Kunden R-Square (between)

-0,000011 0,009284** 147.213 / 4.461

0,009472** 160.687 / 5.051

0,004535** 160.687 / 5.051

0,004766** 160.687 / 5.051

0,007917** 92.300 / 2.865

0,03

0,03

0,35

0,34

0,35

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die Panelregression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Bei 590 der 5.051 Kunden ist der Datensatz nicht über die Gesamtlaufzeit befüllt (siehe Abbildung 6.2). Die entscheidende Variable Beratungsintensität variiert nicht über die Zeit ± insofern wird das Random-Effects-Modell verwandt. Diese Panelregression berechnet Mittelwerte anhand der Regressionen (bzw. Regressionskoeffizienten) zu allen einzelnen Kunden. Es ist davon auszugehen, dass die Schätzer teilweise leicht verzerrt sind, da eine geringe Autokorrelation besteht.

165 Bereits die erste Schätzung mit den Panel B und D dokumentiert den weiter oben festgestellten negativen Zusammenhang zwischen der Beratungsintensität und der Bruttorendite. Der negative Implus von -0,003575 (0,36 % pro Monat) liegt nahe an den 0,3 % pro Monat des deskriptiven Ergebnisses ± siehe erste Schätzung von links in der Tabelle 8-2. Die zweite Schätzung von links zeigt im Verhältnis zur ersten auf, dass die Beratung bei den Kunden, welche nicht während der Gesamtdauer der Beobachtung Wertpapiere verwahren lassen, einen noch schlechteren Einfluss auf die Bruttorendite hat (0,43 % zu 0,36 % pro Monat). Es wurde kein unmittelbarer Zusammenhang zwischen der noch schlechteren Portfoliorendite und der Kündigung von Wertpapierdepots während der Laufzeit analysiert; siehe hierzu auch die Zusammenfassung in Kapitel 10. Die dritte Schätzung von links in Tabelle 8-2 mit einem R-Square von 0,35 ist ein weiterer Beleg dafür, dass die Asset Allocation und somit die gewählte Anlagestrategie für die Entwicklung der Portfoliorendite maßgeblich ist.304 Der Erklärungsanteil beziehungsweise der Einfluss der Variable Beratungsintensität sinkt um ca. 80 % (von -0,4377 % auf -0,0892 % pro Monat). Die Residualgröße verkleinert sich zusätzlich nach Hinzufügen der erklärenden Variable Transaktionskosten inkl. der Verwahrungsund Verwaltungsgebühren ± siehe vierte Schätzung von links. Dies verdeutlicht den kausalen Zusammenhang zwischen der Anlageberatung und den Transaktionskosten sowie der Asset Allocation. Die unabhängigen Variablen zu den Assetklassen Liquidität, Rentenfonds, Aktienfonds und Einzelaktien sind in der zweiten Schätzung bewusst verwendet worden. Alle vier Assetklassen stehen in einer als signifikant gemessenen Wechselbeziehung mit der Beratungsintensität (siehe: Tabelle 7-10 und Tabelle 11-9). Die geschätzten Regressionskoeffizienten gelangen weiter unten bei der Messung des Wertbeitrags der Anlageberatung zum Einsatz. An dieser Stelle sei lediglich auf die unterschiedlich hoch ausfallenden Regressionskoeffizienten des Aktienfonds- und Einzelaktienanteils aufmerksam gemacht. Es stellt sich die Frage, warum der Einzelaktienanteil einen mehr als doppelt so hohen positiven Einfluss auf die mittlere Bruttorendite des Portfolios hat (1,55 % zu 0,75 % pro Monat).

304

Siehe hierzu Abschnitt 3.2.1.2 ÄDer Einfluss von Anlagestrategie und Asset Allocation³; des Weiteren: Brinson et al. (1986); Brinson et al. (1991); Brennan et al. (1997); Campbell et al. (2003).

166 Ein Grund hierfür sind die während der Laufzeit anfallenden Management- und Verwaltungsgebühren der Kapitalanlage- beziehungsweise Fondsgesellschaften. Sie können im Durchschnitt pro Jahr bis zu 2 % ausmachen.305 Weiterhin ist davon auszugehen, dass ein durchschnittliches Wertpapierportfolio eines Privat- oder Individualkunden eine niedrigere Anzahl an unterschiedlichen Aktien als ein Aktienfonds enthält. Somit ist die Diversifizierung im Wertpapierportfolio geringer und gleichzeitig der Ausschlag der Einzelaktien-Rendite höher.306 Bei einem positiven Marktverlauf ist dies, als vorteilhaft zu bewerten. Die Wertpapierportfolios enthalten tendenziell auch ein höheres idiosynkratisches Risiko. Die insignifikanten Regressionskoeffizienten der letzten Schätzung in Tabelle 8-2 beweisen, dass weder Wertpapierkenntnisse und Geschlecht noch Einkommen und Beruf für den kausalen Zusammenhang ausschlaggebend sind. Man kann davon ausgehen, dass keine Selbstselektion bezüglich dieser Komponenten vorliegt. Die beschriebenen Ergebnisse werden durch die Messungen zur Monatsnettorendite bestätigt ± siehe hierzu Anhang 5; Tabelle 11-19. Interessant sind die Ausprägungen der Dummy-Variablen für das Jahr 2003 und 2004. Sie zeigen auf, dass das Jahr 2003 sehr positiv und das Jahr 2004 leicht negativ für die mittlere Depotrendite gewesen ist. Die deskriptive Zusammenfassung weiter oben dokumentiert Äquivalentes. Auch der Robustheitscheck mittels Auswertungen zum zweiten Sample unterstreicht die errechneten Resultate ± siehe Anhang 5; Tabelle 11-20. 8.1.2

Wertbeitrag einer standardisierten Anlageberatung und kritische Würdigung

In diesem Abschnitt werden die bisherigen, renditebeeinflussenden Analyseergebnisse zur Beratungsintensität weiter expliziert, in dem Sinne, dass die weiter unten stehende Abbildung einen illustrativen Überblick expliziert, wie sich die Renditeunterschiede zwischen dem Beratungs- und Nichtberatungscluster zusammensetzen. Die Übersicht stellt eine vereinfachte Form der Attributionsanalyse dar.

305

Bei den am häufigsten vertretenen Aktienfonds des Samples liegt der Durchschnitt der Managementgebühren bei ca. 1,6 % p.a. und bei den Rentenfonds bei ca. 0,75 % p.a..

306

Es ist davon auszugehen, dass weiterhin Small- und Mid-Cap-Werte dieses Ergebnis positiv beeinflussen.

167 Eine detaillierte Attributionsanalyse kann mit dem bestehenden Sample nicht durchgeführt werden. Zur Ermittlung des Wertbeitrags einer effektiven Wertpapierselektion oder eines zielgerichteten Währungsmanagements fehlen produktspezifische Daten: Die Ertragspositionen Dividenden, Ausschüttungen und Zinsen existieren weder auf Produktebene noch auf der Ebene von den einzelnen Assetklassen.307 Zudem werden alle Depotbestands- und Depotumsatzgrößen in Euro geführt. Dennoch ist es möglich, die Renditeunterschiede in einer Ex-post-Betrachtung zu skizzieren. Faktum ist, dass die Portfoliorendite der nicht beratenen Kunden höher ist als bei den beratenen Kunden. In der Abbildung 8.1 ist ersichtlich, dass sich der Unterschied mit ca. 9 % für den Gesamtzeitraum beziffern lässt.308 Das bedeutet ca. 3,3 % pro Jahr.

307

Diese Daten sind auf der Gesamtdepotebene vorhanden.

308

Das Ergebnis wurde sowohl für das in der Abbildung verwendete gleichgewichtete Mittel als auch für die volumengewichtete, aggregierte Rendite auf Gesamtkundenebene errechnet ± siehe im Detail Tabelle 11-21; Anhang 5.

168 Abbildung 8.1: Wertbeitrag der Anlageberatung: Erklärung der Renditedifferenzen ± logarithmierte Gesamtnettorendite (33 Monate Laufzeit ± in %) Gemessene Komponenten (Tatsächliches)

25,1

Ansetzbare Komponenten (Wahrscheinliches)

1,8 5,9 5,0 1,2

1 Rendite der nicht beratenen Kunden

2 Transaktionskostenunterschied (direkt)

3 Negativer Renditebeitrag der Asset Allocation

4 Sonstiger Beratungseffekt (Wertpapierselektion,«)

1,1

22,3

7 Maximaler Ansatz der indirekten Transaktionskosten

8 Rendite der beratenen Kunden nach möglichem Renditeausgleich

16,2

5 Rendite der beratenen Kunden

6 Maximaler Ansatz des DownsideRisks (Kosten für Diversifikation)

Quelle: Eigene Darstellung. Berechnung im Detail ± siehe Tabelle 11-21. Die übertragenen Ergebnisse sind auf die erste Stelle nach dem Komma gerundet (Beispiele: 1,82 § 1,8; 5,86 § 5,9).

Die Herleitung der Differenz ist detailliert in der Tabelle 11-21 im Anhang 5 ausgeführt. Im Folgenden wird der Versuch unternommen, die Renditedifferenz anhand einzelner Bausteine zu beschreiben. Der Gesamtkostenblock der Transaktionskosten inklusive der Verwaltungs- und Verwahrungsgebühren des Finanzdienstleisters reduzieren die Portofoliorendite der beratenen Kunden jährlich um 0,66 %. Hochgerechnet auf den Gesamtzeitraum sind dies ca. 1,8 %. Diese Differenz ist allerdings nicht ausschlaggebend, zumal man davon ausgehen kann, dass die Kosten der Anlageberatung auch eine Bezahlung der in Anspruch genommenen Serviceleistung repräsentieren. Die aus der Asset Allocation resultierende Renditeeinbuße von ca. 5,9 für den Gesamtzeitraum ist bedeutend. Ein Kunde, der sich beraten lässt, verliert etwas über 2 % per anno. Die Gründe hierfür sind die nicht adäquate Anpassung der Asset Allocation an die

169 Mustervorlagen, die nicht kapitalmarktkonsistente Anlagestrategie und die Zurückhaltung bei den Direktanlagen ± siehe hierzu Abschnitt 7.3.2. Weiterhin ist hierbei zu konstatieren, dass die Anlage in Fonds nicht nur die Transaktionskosten beeinflusst. In der knapp sechsprozentigen Renditeeinbuße sind auch Kosten für das Managen und Verwalten der Fonds enthalten. Diese Fondseinnahmen werden anteilig auch an die Vertriebseinheiten des Finanzdienstleisters weitergegeben. Die Kosten der Management- und Verwaltungsgebühren von Kapitalanlagegesellschaften sind wie weiter oben erwähnt nicht Bestandteil der Transaktionskosten im engeren Sinn. Es verbleibt ein Teil der Renditedifferenz, welcher nicht exakt evaluiert und beschrieben werden kann. Der sonstige negative Beratungseffekt macht im Gesamtzeitraum 1,2 %, in einem Jahr ca. 0,45 % aus. Denkbar sind Wertpapierselektions- und Währungseffekte. Diese Residualgröße wird auch in den Panelregressionsmodellen der Tabelle 8-2 (weiter oben stehend) deutlich. Die drei Bausteine Transaktionskosten, Asset Allocation und sonstiger Beratungseffekt werden in der Abbildung plakativ als ÄTatsächliches³ bezeichnet. Der Renditeunterschied wurde errechnet. Es existieren weitere Effekte: zum einen Risikoreduzierungskosten und zum anderen indirekte Transaktionskosten. Die indirekten Transaktionskosten entstehen dadurch, dass vor allem nicht beratene Investoren fortlaufend Kapitalmarktinformationen ansammeln und auswerten, um eine adäquate Investitionsentscheidung treffen zu können. Beide Kosten- beziehungsweise Renditeblöcke sind allerdings nicht direkt zuzuordnen, kommen allerdings eher den beratenen Kunden zugute. Weiter oben konnte bereits dokumentiert werden, dass das Portfoliorisiko der beratenen Investoren niedriger ausfällt; ein Grund hierfür ist die Zurückhaltung bei den Direktanlagen ± siehe hierzu Kapitel 7.4. In Abbildung 8.1 ist exemplarisch der maximale Ansatz der Downside-Risk-Differenz aus Tabelle 7-15 angesetzt worden ± siehe hierzu im Detail Tabelle 11-21, Anhang 5. Es kann in Frage gestellt werden, ob der Ansatz der Risikoreduzierungsinvestitionen von ca. 5 % für den Gesamtzeitraum gerechtfertigt ist. Bei der Unterstellung von Risikoaversion konvergiert der maximal mögliche Ansatz

170 gegen null. Der Unterschied zwischen den Clustern bei einem Lower Partial Moment von 2 ist gering.309 Ein weiterer Ansatz sind die indirekten Transaktionskosten. Auch wenn man davon ausgeht, dass die beratenen Kunden diesen Block komplett einsparen können und diese Kosten als positives Renditeäquivalent angerechnet bekommen, kommt es in diesem Fall nicht zu einer Gleichstellung der Portfoliorenditen. Insgesamt spricht dieser Sachverhalt für die Anlagestrategie der self-directed Investoren.

8.2 Vergleiche der risikoadjustierten Rendite zwischen den Äberatenen³ und Änicht beratenen³ Kundenportfolios Ziel dieses Kapitels ist es, die bisherigen Ergebnisse zur Portfoliorendite und Asset Allocation anhand von risikoadjustierten Portfoliorenditevergleichen zu verifizieren. Dies wird zum einen durch die Berechnung und Analyse der Sharpe Ratio und zum anderen durch die Gegenüberstellung von einfachen und multiplen Indexschätzungen zum Jensens Alphas versucht. 8.2.1

Clustervergleich: Sharpe Ratio

Die Sharpe Ratio für das gesamte Panel G liegt bei 0,14 (n = 5.051 Kundenportfolios). Dies entspricht in etwa auch den Resultaten von z. B. Goetzmann / Kumar (2005) und Ivkovic et al. (2005). Wobei dieser Wert natürlich durch die zugrunde liegende Kapitalmarktentwicklung determiniert wird. Die erste Auswertung zur risikoadjustierten Rendite vermittelt den Anschein, dass die Portfolios der beratenen Kunden durch das geringere Portfoliorisiko in Form der annualisierten Standardabweichung der Portfolioüberschussrendite die Differenz zur logarithmierten Portfolionettorendite der nicht beratenen egalisieren und zudem geringfügig überkompensieren. Der Wert der Sharpe Ratio beträgt für die Gesamtheit der beratenen Portfolios 0,34 und für die der nicht beratenen 0,11 (BI-Einteilung = 0).310 Ein Mittel-

309

Siehe Tabelle 7-15.

310

Der Median der Sharpe Ratio beträgt bei den beratenen Investoren 0,39 und bei den nicht beratenen Investoren 0,61 (BI-Einteilung bei 0).

171 wertvergleich unter der Bedingung ungleicher Varianzen kann die positive, ungleiche Differenz von null zugunsten der Äberatenen³ Portfolios bestätigen. Bei detaillierter Betrachtung treten allerdings die im Abschnitt 4.2.2.1 skizzierten Restriktionen beziehungsweise Mängel der Sharpe Ratio auf. Im negativen Bereich der Sharpe Ratio wirkt sich eine hohe Standardabweichung positiv aus. Falls schwankende Depotwertentwicklungen bei positiver Portfoliorendite als Risiko gewertet werden, sollte dies unter rationalen, risikoneutralen Gesichtspunkten gleichermaßen im Rahmen negativer Portfoliorenditen der Fall sein. Die Standardabweichung liegt für negative Sharpe Ratios bei den Äberatenen³ Kundenportfolios über dem Wert der Portfolios der self-directed Kunden (0,15 zu 0,11). Auch dieser Sachverhalt wird durch einen Mittelwertvergleichstest bestätigt. Somit ist das anfängliche Resultat mit Vorsicht zu quotieren. Im weiteren Verlauf wird die Sharpe Ratio größer/gleich null analysiert. Die Sachlage dreht sich. Bei einem Clustervergleich bezogen auf eine rein positiv ausfallende Sharpe Ratio zeigt sich, dass die Portfolios der nicht beratenen Anleger die der beratenen stochastisch dominieren (1. Ordnung) ± siehe hierzu Tabelle 8-3. Die mittlere Sharpe Ratio beläuft sich bei den nicht beratenen Kundenportfolios auf 0,79, wohingegen der Wert bei den beratenen 0,67 beträgt. Die Aufteilung der Panels bei einer Beratungsintensität von 0,5 ändert nichts an dem Ergebnis ± siehe hierzu Tabelle 11-22, Anhang 6.

Das Ergebnis einer Analyse von ca. 40 ÄAusreißern³ der nicht beratenen Kundenportfolios zeigt auf, dass die hohe negative Portfoliorendite und gleichzeitig die relativ niedrige oder durchschnittliche Standardabweichung tendenziell bei sehr klein werdenden Depots vorkommen.

172 Tabelle 8-3:

Panelvergleich: Sharpe Ratio >= 0 ± Jahresbasis Panel B: Beratungsintensität>0

Panel D: Beratungsintensität=0

Sharpe Ratio >= 0 Mittelwert

0,67

0,79

10 %-Quantil

0,11

0,18

30 %-Quantil

0,39

0,53

50 %-Quantil

0,67

0,80

70 %-Quantil

0,90

1,04

90 %-Quantil

1,20

1,34

Anzahl Beobachtungen

2100

1154

Quelle: Eigene Berechnungen. Erläuterung: Die Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI > 0; Panel B) und den nicht beratenen Kunden (BI = 0; Panel D).

Auch die Ausprägungen der Stimuli zu den einfachen, multiplen Regressionsschätzungen ergeben, dass die Sharpe Ratio bei ansteigender Beratungsintensität fällt, vorausgesetzt, die gemessene Sharpe Ratio ist größer/gleich null. Die Ergebnisse der ersten Schätzung von links in Tabelle 8-4 entsprechen in etwa den Ergebnissen der Abbildung 11.9, Anhang 6: Für jede zusätzliche Steigerung der Beratungsintensität um 10 % verliert der Anleger 0,02 Sharpe-Ratio-Einheiten (0,0161 § 0,0202).

173 Tabelle 8-4:

OLS (Multiple Regression): Stimuli zur Sharpe Ratio >= 0 ± Jahresbasis Panel G: Beratungsintensität [0;1] Sharpe Ratio >= 0

Abhängige Variable

Beratungsintensitaet

Koeffizient

Koeffizient

-0,160689**

-0,108891**

Liquiditätsanteil

-0,125144*

Rentenfondsanteil

-0,040500

Aktienfondsanteil

0,262337**

Einzelaktienanteil

0,286248**

Risikoeinstellung Konstante

0,029579** 0,782930**

0,543591**

Anzahl Beobachtungen

3543

3543

R-Square

0,02

0,10

VIF (Wert; Ergebnis)

-

1,31

Keine Multikollinearität

Breusch-Pagan-Homoskedastizität : H0: Konstante Varianz (Chi-Quadrat-Wert; Ergebnis)

-

0,23

Annahme der Hypothese; konstante Varianz

Normalverteilung der Residuen : Inter-Quartil-Abweichungs-Test; (3-IQR: Abweichungen; Ergebnis)

-

0

Symmetrische Verteilung der Residuen

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die Übersicht bezieht sich auf das Panel G.

Für eine Standardabweichung von ceteris paribus 0,13 bedeutet dies wiederum, dass der Investor 0,0026 ± oder 0,26 % ± an logarithmierter Nettoportfoliorendite verliert. Für den Fall, dass sich ein self-directed Kunde in einen beratenen Kunden gewandelt hätte, entspräche dies einer Renditeeinbuße von nicht ganz 3 % p. a. Dieses Ergebnis entspricht in etwa den Resultaten aus Abschnitt 8.1.1. Allerdings ist das R-Square niedrig. Bei dem zweiten Modell von links Tabelle 8-4 ist erkennbar, dass der Erklärungsanteil der Beratungsintensität durch das Hinzufügen der unabhängigen Assetklassenvariablen fällt. Auch das Resultat belegt abermals die bisher gewonnenen Erkenntnisse ± die Wechselwirkung zwischen der Anlageberatung und der Asset Allocation.

174 Interessant ist gleichermaßen, dass der Einfluss der Assetklasse Aktienfonds und Einzelaktien fast gleich stark ist. Die im Rahmen der Messung zur logarithmierten Portfolionettorendite aufgetretene Diskrepanz konvergiert gegen null. Die Risikoadjustierung liefert die Begründung: Einzelaktien haben eine höhere Standardabweichung als Aktienfonds, gleichwohl auch eine höhere Chance in Form der logarithmierten Nettorendite. Auch diese Regressionsschätzung hat ein relativ niedriges R-Square von 0,1. Der Robustheitscheck mittels des zweiten Samples untermauert die Aussagen ± siehe Tabelle 11-23, Anhang 6. Der Effekt der Inanspruchnahme einer standardisierten Anlageberatung wird hier noch etwas deutlicher ± in Usancen stellen sich die beratenen Kunden bei dem zweiten Sample noch etwas schlechter als bei den Auswertungen zum ersten Sample. Ansonsten ist die inhaltliche Bedeutung als äquivalent zu werten. 8.2.2

Clustervergleich: Jensens Alpha

Zwecks Durchführung von absoluten, risikoadjustierten Vergleichen zwischen den Clustern wird in diesem Abschnitt Jensens Alpha berechnet und ausgewertet. Die Risikoadjustierung erfolgt direkt mittels der zugrunde liegenden Marktentwicklung. Folgende drei deutsche Indizes werden verwendet: DAX, DIMAX und REX. Obwohl die Kundenportfolios im Durchschnitt in allen Assetklassen einen relativ hohen inländischen Anteil aufweisen, findet zudem ein Robustheitscheck mittels des international ausgelegten MSCI All Country World Index statt.311 Wie bereits in Abschnitt 7.4.2 basierend auf den Auswertungen zum idiosynkratischen Varianzanteil beschrieben werden konnte, orientieren sich die nicht beratenen Kunden noch stärker in Richtung des deutschen Aktienmarktes. Der idiosynkratische Varianzanteil ist geringer. Wie sieht der Vergleich mit der Benchmark Äberatene Investoren³ aus?

311

An dieser Stelle sei dem Finanzdienstleister für die Daten des MSCI All Country World Index gedankt.

175 Tabelle 8-5:

Jensens Alpha in Abhängigkeit von der Beratungsintensität ± Monatsbasis

Jensens Alpha 3 Faktoren - Į (Dax, Dimax, Rex)

Mittelwerte

Į

ȕ1 (DaxÜberrendite)

ȕ2 (DimaxÜberrendite)

ȕ3 (RexÜberrendite)

R2

BI-Mittelwert

-0,00104

0,28

0,06

0,11

0,37

BI == 0

-0,00082

0,37

0,07

0,07

0,39

0 < BI <1,0

-0,00083

0,24

0,05

0,10

0,36

BI ==1,0

-0,00161

0,21

0,03

0,17

0,35

Quelle: Eigene Berechnungen. Erläuterung: Grundlage für die Auswertung sind Panel B und D. Die Kundenanzahl ist in den drei BI-Segmenten (0, ]0;1[,1,0) in etwa gleich groß ist (1.511 / 1.684 / 1.266 = 4.461 Kundendatensätze). Alle Parameter sind für jedes Kundenportfolio geschätzt worden. Die Ergebnisse zu den einzelnen Parametern sind gleichgewichtete Mittelwerte.

Zunächst ist zu konstatieren, dass sowohl die Wertpapierportfolios der beratenen als auch der nicht beratenen Kunden die Rendite der zugrunde gelegten Märkte nicht erzielt haben ± siehe Tabelle 8-5. Alle in der Tabelle dargestellten Gruppierungen weisen eine negative Überrendite auf. Dies ist aufgrund des Vergleichs anhand der logarithmierten Portfolionettorendite nicht verwunderlich. So müssen z. B. Ausgabeaufschläge, Verwaltungs- und Managementgebühren sowie Wertpapierprovisionen erwirtschaftet werden. Dennoch zeigt diese Gegenüberstellung, dass die self-directed Investoren eine etwas geringere negative Überrendite erwirtschaften. Der Renditeunterschied ist im Vergleich zur Gegenüberstellung der Portfolionettorenditen wesentlich geringer. Die Differenz reduziert sich auf ca. 1 % p. a. Insofern nähern sich die beiden Cluster um etwas mehr als 2 % p. a. an (BI = 0 ĺ -0,00082 zu BI = 1,0 ĺ -0,00161; Renditeunterschied im Monat ca.: 0,008). Der mittlere Regressionskoeffizient (ȕ1 = DAX-Überrendite) der Änicht beratenen³ Wertpapierportfolios ist höher bei den self-directed Kunden; sie partizipieren direkter an der deutschen Aktienmarkentwicklung. Dies bestätigt nochmals den niedrigeren Varianzanteil am idiosynkratischen Risiko. Zudem erscheint der Übergang von einer Beratungsintensität von null auf eins stetig. Das mittlere Panel in der oben aufgeführten Tabelle liegt bei allen Parametern zwischen

176 den beiden Extrema. Auch dies bestätigt den signifikanten Einfluss der Anlageberatung auf die Asset Allocation und die risikoadjustierte Portfoliorendite. Auch die Auswertungen der Panelregression belegen die beschriebenen Sachverhalte ± siehe unten aufgeführte Tabelle 8-6, dritte Spalte von links. Die Differenz zwischen den Clustern fällt bei dieser Messung noch etwas kleiner aus (-0,001886 zu -0,001307 ĺFD 0,7 % p. a.). Alle in der unten aufgeführten Tabelle aggregierten Schätzungen haben ein geringes R-Square. Der mit dem zweiten Sample durchgeführte Robustheitscheck kann keine der Aussagen widerlegen ± siehe Tabelle 11-24, Anhang 6.

177 Tabelle 8-6:

Panelregression (Random Effects) ± Stimuli zu Jensens Alpha ± Monatsbasis Panel G: Beratungsintensität [0;1] Jensens Alpha

Geschätzte Variable CAPM - Į

2 Faktoren - Į 3 Faktoren - Į 3 Faktoren - Į

Aggregierte Schätzung: Portfolios der beratenen Anleger Jensens Alpha ȕ (Dax-Überrendite)

-0,001278**

-0,001565**

-0,001886**

-0,002565**

0,23**

0,22**

0,23**

0,05**

0,03**

-0,04**

0,15**

-0,15**

1

ȕ2 (Dimax-Überrendite) ȕ3 (Rex-Überrendite) ȕ4 (MSCI All Country Worldindex - Überrendite) Anzahl Beobachtungen / Kunden R-Square (within)

0,52** 102358 / 3159

102358 / 3159

102358 / 3159

102358 / 3159

0,03

0,03

0,03

0,04

-0,000786

-0,001209*

-0,001307*

-0,002101**

0,37**

0,36**

0,36**

0,08**

0,07**

-0,01

0,04

-0,46**

Aggregierte Schätzung: Portfolios der nicht beratenen Anleger Jensens Alpha ȕ1 (Dax-Überrendite) ȕ2 (Dimax-Überrendite) ȕ3 (Rex-Überrendite) ȕ4 (MSCI All Country Worldindex - Überrendite) Anzahl Beobachtungen / Kunden R-Square (within)

0,75** 58329 / 1892

58329 / 1892

58329 / 1892

58329 / 1892

0,08

0,07

0,08

0,08

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die Panelregression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte (Panel G). Die entscheidende Variable Beratungsintensität variiert nicht über die Zeit ± insofern wird das Random-Effects-Modell verwandt. Diese Panelregression berechnet Mittelwerte anhand der Regressionen (bzw. Regressionskoeffizienten) zu allen einzelnen Kunden.

178 8.2.3 Zusammenfassung Auch durch die Auswertungen in dem Kapitel zur Portfolioperformance ist nicht erkennbar, dass sich ein Anleger durch die Inanspruchnahme einer standardisierten Anlageberatung besser stellt als ein nicht beratener, self-directed agierender Anleger. Im Betrachtungszeitraum ist sowohl die Sharpe Ratio als auch das Jensens Alpha bei den nicht beratenen Kunden höher, zumindest dann, wenn die Sharpe Ratio größer/gleich null ausgewertet wird. Insgesamt erzielen die Wertpapierdepots auf beiden Seiten eine geringere Rendite als die unterstellte Benchmark. Dies findet hauptsächlich seine Begründung in den unterschiedlichen Kosten und Gebühren für die Durchführung von Transaktionen sowie für die Verwahrung und Verwaltung von Wertpapieren. Falls ein Anleger wertpapieraffin ist und etwas seiner Freizeit entbehren kann, sollte er durchaus in Erwägung ziehen, sein Portfolio selbst zu strukturieren und die Wertpapierauswahl selbständig durchführen. Gleichwohl sei an dieser Stelle auf die Einschränkung des Bezugszeitraums aufmerksam gemacht. Allerdings sei auch auf die Ausgangssituation hingewiesen, dass die hohen Ausgabeaufschläge der Fonds oder die entstehenden Verwaltungs- und Managementgebühren zuerst verdient werden müssen. Es konnte signifikant belegt werden, dass Portfolios der beratenen Kunden tendenziell einen höheren relativen Anteil an Fonds enthalten. Die Inanspruchnahme einer Anlageberatung führt dazu, dass insgesamt die Portfoliofondsanteile steigen und der Anleger weniger in Direktanlagen investiert. Obwohl tendenziell risikoaverse Anleger die Beratung nachfragen, muss trotzdem in Frage gestellt werden, ob eine Überdiversifizierung aufgrund der hohen Fondsanteile sinnvoll erscheint. Zumal der idiosynkratische Varianzanteil im Durchschnitt bei den beratenen Portfolios höher ist und zudem das mittlere Downside Risk, gemessen als Lower Partial Moment 2. Ordnung, nicht signifikant unter der LPM 2 der Wertpapierportfolios der nicht beratenen Kunden liegt.

179

9

Implikationen für weitere Forschungsvorhaben

Nachdem mit dem vorherigen Kapitel die empirische Analyse zum Einfluss der Anlageberatung auf die Portfoliodeterminanten sowie die Portfoliorendite und -performance abgeschlossen worden ist, werden in den beiden folgenden Abschnitten inhaltliche und methodische Implikationen für weitere Forschungsvorhaben kurz diskutiert.

9.1 Inhaltliche Implikationen In inhaltlicher Hinsicht hat sich gezeigt, dass die Determinierung der Wechselwirkung zwischen der Beratungsintensität und den Portfoliodeterminanten ein schwieriges Unterfangen darstellt, gleichwohl mit Hilfe von geeigneten und eigens für das Vorhaben zusammengestellten Primärdaten valide und reliabel gelöst werden kann. Schwierig gestaltet sich ein solches Untersuchungsvorhaben nicht nur aufgrund der kaum vorhandenen wissenschaftlichen Literatur zu dieser Thematik, vor allem besteht die Herausforderung in der Generierung von relevanten, adäquaten Primärdaten. Generell kann man konstatieren, dass die zwei Primärdatensätze gemäß ihrer strukturellen Zusammensetzung und aufgrund des Umfangs der Datenbasis einzigartig im positiven Sinne sind. Dies belegt bereits das Zitat von Brad Barber und Terrance Odean eingangs dieser Arbeit. Einzigartig sind die Datensätze deshalb, weil sie nicht nur alle soziodemografischen und sozioökonomischen Daten der privaten Investoren enthalten, sondern auch weil weitere Variablen wie die gewählte Anlagestrategie als Proxy für die Risikoeinstellung des Anlegers oder auch die Angaben zu den Wertpapierkenntnisstufen der Investoren eine hohe Inhaltsvalidität sicherstellen. Zudem sind beiden Datensätze mit über 10.000 Kundendatensätzen hinreichend groß, um die Konstruktvalidität zu gewährleisten. Durch die Möglichkeit, die Ergebnisse jeweils einem Robustheitstest zu unterziehen, steigt die Qualität der Erkenntnis. Um weitere Erkenntnisse in dem neuen Forschungsfeld Ästandardisierte Anlageberatung³ erarbeiten zu können, stellen die geschilderten Datensample-Attribute für zukünftige Untersuchungsvorhaben eine Kernvoraussetzung dar ± alleine diese Voraussetzung,

180 ein deutschlandübergreifendes Datensample eines großen Finanzdienstleisters zu erhalten, stellt ein schwieriges Unterfangen dar. Im Rahmen dessen sollte der Beobachtungszeitraum, wenn möglich, adaptiert werden. Dabei ist von großer Relevanz, dass der Beobachtungszeitraum von zukünftigen empirischen Studien sowohl Aufwärts- und Abwärts- als auch Seitwärtsbewegungen des Kapitalmarktes umfasst. Dies stellt sicher, dass nicht nur einseitige Marktentwicklungen die Kundenportfoliorendite beeinflussen. Hierdurch gewinnen die resultierenden Aussagen weiterhin an Qualität. Aufgrund der vorhandenen Einschränkungen seitens der Datenbanken des Kooperationspartners ist ein beliebiges Ausweiten des Untersuchungszeitraums bei der vorliegenden Arbeit nicht möglich gewesen. Obwohl verschiedene Faktoren einen Hinweis darauf geben, dass die Ergebnisse auch nach einer Ausweitung des Untersuchungszeitraums sehr ähnlich ausfallen könnten, sind die Parameterschätzungen der abhängigen Variablen Portfoliorendite und -performance mit Vorsicht zu genießen.312 Neben der Ausweitung des Beobachtungszeitraums sind Adaptionen im Hinblick auf den Umfang der durchgeführten Untersuchungsformen denkbar. Eine an die Beobachtung anschließende Kundenbefragung nach der wahrgenommenen Beratungsqualität wäre sehr interessant. In diesem Zusammenhang ließen sich auch die Hauptfaktoren der Kundenzufriedenheit evaluieren.313 Weiterhin sind neue Erkenntnisse zum Einfluss von Kampagnen- und Vertriebsmaßnahmen auf die Asset Allocation oder die Bestimmung der Verhaltensdeterminanten von Anlageberatern wissenswert. Da bisher kaum etwas zur Thematik der Ästandardisierten Anlageberatung³ veröffentlicht wurde, sind diesbezüglich kaum inhaltliche Grenzen zu setzen.

9.2 Methodische Implikationen Die empirische Analyse hat die prinzipielle Eignung der verwendeten statistischen Verfahren zur Erklärung der Abhängigkeiten zwischen einer standardisierten Anlagebera-

312

Vgl. hierzu Abschnitt 8.1.1. Hierin wird angesprochen, dass nicht nur die Kapitalmarktentwicklung die Portfoliorendite sehr deutlich beeinflusst, auch jährliche Management- und Verwaltungsgebühren der Fonds sind hier von entscheidender Bedeutung.

313

Vgl. Bühler (1993).

181 tung und den Portfoliodeterminanten bestätigt. Dennoch sind methodische Anpassungen bei zukünftigen Analysen möglich. Dies betrifft vor allem die durchgeführten Multi-Index-Parameterschätzungen zum Jensens Alpha.314 Für zukünftige Analysen hinsichtlich des Investmentstils bestimmter Investorengruppen, bei denen letztendlich nicht der übergeordnete Vergleich der risikoadjustierten Portfoliorenditen der zwei Kundencluster von Relevanz ist, bieten sich Verfahren wie bei Grinblatt / Titman (1989), Ippolito (1989) und Elton et al. (1993) an ± siehe hierzu auch Abschnitt 8.2.3. Des Weiteren sind auch die bekannten Drei- und Vierfaktor-CAPM-Modellierungen in der Anwendung durchaus interessant, falls nur die Aktienportfoliopositionen untersucht werden.315 Ähnlich wie bei den inhaltlichen Implikationen sind für weitere Forschungsvorhaben auch bei den methodischen Implikationen vielfältige Ausgestaltungs- und Erweiterungsmöglichkeiten vorhanden. Das Forschungsfeld ÄEinfluss der standardisierten Anlageberatung auf Transaktionskosten, Asset Allocation, Portfoliorisiko und Anlageperformance³ ist als vollkommen neu zu bewerten.

314

Siehe Abschnitt 8.2.2.

315

Vgl. hierzu Abschnitt 3.1.2.2.

182

10 Zusammenfassung Allgemein ist das Privatkundengeschäft und im Speziellen das Anlageberatungsgeschäft als Wachstumsfeld für die deutschen Finanzdienstleister aktuell wieder en vogue.316 Anlageprozesse werden optimiert, verschiedene Portfoliooptimierungsansätze werden neu eingesetzt und der umfassende Financial-Planning-Ansatz soll auch den Privat- und Individualkunden angeboten werden. In der Öffentlichkeit ist allerdings unbekannt, was für einen formalen Kundennutzen diese Weiterentwicklungsmaßnahmen stiften oder bereits gestiftet haben. Insofern hat die vorliegende Arbeit mit der Analyse des Einflusses einer standardisierten Anlageberatung nicht nur einen interessanten wissenschaftlichen Charakter, zudem könnten die Ergebnisse für viele private Anleger und vereinzelt auch für Finanzdienstleister von Interesse sein (ÄRigour and Relevance³). Mit der Zielsetzung der Arbeit sind sechs Forschungsfelder zum Thema der standardisierten Anlageberatung verbunden.317 Der Inhalt dieser Forschungsfelder ist zum einen, die methodischen Fragestellungen zur Konzeptionierung und Operationalisierung der Beratungsleistung sowie der Portfoliorendite zu lösen, und zum anderen, die Bestimmung des Einflusses der standardisierten Anlageberatung auf die Portfoliodeterminanten einschließlich der Portfoliorendite beziehungsweise -performance zu untersuchen.318 Dabei zeigt sich zunächst, dass tatsächlich ein bestimmter Anlegertypus wahrscheinlicher eine Anlageberatung wahrnimmt als andere Investoren. Es stellte sich heraus, dass dieser Personentyp tendenziell risikoavers, älter, wohlhabender und eher weiblichen Geschlechts ist. Darüber hinaus konnte festgestellt werden, dass die Anlageberatung einen statistisch, signifikant positiven Einfluss auf die entstehenden Transaktionskosten hat (mit ansteigender Beratungsintensität steigen die Transaktionskosten). Wahrhaftig erwerben die beratenen Kunden im Verhältnis zu den nicht beratenen Investoren teurere Produkte, was dazu führt, dass sie im Durchschnitt höhere Transaktionskosten tragen müssen.

316

Siehe hierzu auch Abschnitt: 2.1.

317

Vgl. Abschnitt 1.2.

318

Um Redundanzen zu vermeiden, werden hier nicht noch einmal alle Ergebnisse angeführt. Es sein an dieser Stelle auf die Zusammenfassungen beziehungsweise Würdigungen am Ende eines jeden Kapitels verwiesen.

183 Weiterhin konnte aufgezeigt werden, dass die gewählte Asset Allocation der Risikoeinstellung des Investors entspricht. Gleichermaßen stellte sich heraus, dass die Portfolios der beratenen Kunden einen geringeren Assetklassenanteil an Einzelaktien aufweisen, wohingegen der Rentenfonds- und Immobilienfondsanteil höher ausfällt. Generell ist zu konstatieren, dass der Fondsanteil bei den Depots der beratenen Investoren signifikant größer als bei den nicht beratenen ist. Dies führt auch dazu, dass die naive und internationale Diversifikation bei den Wertpapierdepots der Kunden, welche eine Anlageberatung in Anspruch genommen haben, höher ist. Der höhere Grad der Diversifikation schlägt sich letztendlich auch in einem geringeren Portofoliorisiko nieder. Somit kann insgesamt dokumentiert werden, dass die Inanspruchnahme einer standardisierten Anlageberatung Kosten verursacht und dabei gleichzeitig das Portofoliorisiko minimiert wird. Allerdings ist auch festzuhalten, dass die nicht beratenen Kunden direkter am Kapitalmarktgeschehen partizipieren, was mittels des geringeren idiosynkratischen Varianzanteils und des erhöhten Einzelaktienanteils signifikant belegt werden kann. Dies begründet gleichsam auch die höhere Portfoliorendite der self-directed Investoren. Zusammenfassend muss in Frage gestellt werden, ob es sich für einen wertpapieraffinen Investor tatsächlich rentiert, eine standardisierte Anlageberatung in Anspruch zu nehmen. Diese Frage stellt sich nicht nur aufgrund der geringeren erzielten Portfoliorendite der beratenen Anleger in Relation zu den nicht beratenen, vielmehr ist anzuzweifeln, ob der Nutzen einer sehr großen Investition in Fondsanteile durchgehend vorteilhaft ist und ob nicht auch bei einem geringeren Anteil das gleiche Diversifikationsniveau erreicht werden könnte. Zumindest hätte ein geringerer Fondsanteil den Vorteil, dass die indirekt jährlich anfallenden Fondsmanagement- und -verwaltungsgebühren reduziert und folglich die Portfoliorendite steigen würde.

185

11 Anhang

186 Anhang 1: Weitere Analyse zum Anlegertypus

187 Tabelle 11-1:

OLS (Multiple Regression): Erklärende Variablen zum Depotvolumen

Panel G: Beratungsintensität [0;1] Abhängige Variable

Depotvolumen (TEuro) Koeffizient

Standardfehler

Haushaltseinkommen (TEuro)

2,9416**

(0,2233)

Alter (Jahre)

0,3913**

(0,0201)

Dummy Stufe 1

-9,5155**

(2,2983)

Dummy Stufe 3

-5,6345**

(0,9075)

Dummy Stufe 4

-0,3333

(1,6362)

Dummy Stufe 6

40,4938**

(1,8472)

Dummy Arbeiter

-3,8409*

(1,5355)

Dummy Angestellter

-1,9960**

(0,6660)

Konstante

-4,6894**

(1,3296)

Wertpapierkenntnisse

Beruf

Anzahl Beobachtungen

2816

R-Square

0,31

VIF (Wert; Ergebnis)

1,05

Keine Multikollinearität

Breusch-Pagan-Homoskedastizität : H0: Konstante Varianz (Chi-Quadrat-Wert; Ergebnis)

353

Ablehnung der Hypothese; keine konstante Varianz

Normalverteilung der Residuen : Inter-Quartil-Abweichungs-Test; (3-IQR: Abweichungen; Ergebnis)

0

Relativ symmetrische Verteilung der Residuen

Shapiro-Francia-Normalverteilung : H0: Normalverteilung (Z-Wert; Ergebnis)

4,003

Ablehnung der Hypothese; keine Normalverteilung

Quelle: Eigene Berechnungen. Erläuterung zu Tabelle 11-1: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die multiple Regression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Die Anzahl Kundendatensätze wird im Panel G reduziert, da nicht alle unabhängigen Variablen durchgängig gepflegt sind. Aufgrund der Gefahr einer Multikollinearitätsproblematik wurden nicht alle Wertpapierkenntnisstufen und Berufe in die Schätzung aufgenommen. Ein Z-Wert von < 10 bedeutet bei dem Shapiro-Francia-Normalverteilung-Test, dass die Residuen noch annähernd normalverteilt sind.

188

-40

-20

Residuals 0 20

40

60

Abbildung 11.1: Test von Homoskedastizität und normalverteilten Residuen (Depotvolumen)

20

40 Fitted v alues

60

80

0

.01

Density

.02

.03

0

-50

0 Residuals Kernel density estimate Normal density

Quelle: Eigene Berechnungen.

50

189 Anhang 2: Einfluss der Anlageberatung auf die Kostendeterminante

Jahr

35

90 %-Quantil

31

90 %-Quantil

41 803

90 %-Quantil

Anzahl Beobachtungen

Seitwärtsbewegung

876

4

2

4

25392

38

2

41

27600

66

2

59

2004

Anstieg

730

3

2

3

21610

54

2

48

23000

129

2

72

2005

Anstieg

2482

4

2

4

71313

39

2

42

75900

68

2

57

Gesamtlaufzeit

Quelle: Eigene Berechnungen. Erläuterung: Die deskriptive Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI >= 0,5; Panel A), den nicht beratenen (BI < 0,5; Panel C) und online tätigen Kunden (Panel F). Der berechnete Mittelwert ist ein gleichgewichteter Mittelwert. Die Anzahl der Beobachtungen ergibt sich aus der Multiplikation der Beobachtungsmonate (hier insgesamt 33 Monate ± 11, 12 und 10 Monate) mit der Kundenanzahl. Der Wert des 10 %-Quantils Ä2 Euro pro Monat³ resultiert aus auf Monatsbasis berechneten Verwahrungs- und Verwaltungsgebühren.

Starker Anstieg

2

Wertentwicklung des Dax

4

Mittelwert

10 %-Quantil

Panel F: Onlinekunde

23771

2

10 %-Quantil

Anzahl Beobachtungen

37

Mittelwert

Panel C: Beratungsintensität<0,5

25300

2

10 %-Quantil

Anzahl Beobachtungen

42

Mittelwert

2003

Transaktionskosten inkl. Verwahrungs- und Verwaltungsgebühren Euro pro Monat (gerundet)

Deskriptive Übersicht: Transaktionskosten in Abhängigkeit von der Anlageberatung ± II / II

Panel A: Beratungsintensität>=0,5

Tabelle 11-2:

190

190

191 Tabelle 11-3:

Panelregression (Random Effects) ± Anzahl Transaktionen pro Monat Panel G: Beratungsintensität [0;1]

Abhängige Variable

Anzahl Transaktionen pro Monat Koeffizient

Standardfehler

Beratungsintensität

-0,1147**

(0,0297)

Depotvolumen (TEuro)

0,0041**

(0,0001)

Dummy Wertpapierkenntnisstufe 1

0,0636

(0,0945)

Dummy Wertpapierkenntnisstufe 6

0,8460**

(0,0544)

Dummy Angestellter

0,0166

(0,0253)

Dummy Arbeiter

0,0020

(0,0649)

Dummy männlich

-0,0087

(0,0245)

Alter

-0,0010

(0,0007)

Zertifikate

0,1578**

(0,0333)

Einzelaktien

-0,0354

(0,0253)

Immobilienfonds

-0,0015

(0,0235)

Liquidität

0,0187

(0,0257)

0,0069

(0,0536)

Dummy Stark wachstumsorientierte Anlagestrategie

0,0589**

(0,0078)

Konstante

0,2193**

(0,0456)

Anzahl Beobachtungen

164689

R-squared (within)

0,0164

R-squared (between)

0,2911

R-squared (overall)

0,1397

Wooldridge Test for Autokorrelation

0,020

Assetklassenanteil

Risikoeinstellung / gewählte Anlagestrategie Dummy Stark konservative Anlagestrategie

HausmanTest

geringe Autokorrelation

nicht durchgeführt

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die Panelregression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Bei 590 der 5.051 Kunden ist der Datensatz nicht über die Gesamtlaufzeit befüllt (siehe Abbildung 6.2). Der Hausman-Test wurde als Änicht durchgeführt³ deklariert, da de facto keine Entscheidung zwischen einem Random- oder Fixed-Effects-Modell ansteht. Die entscheidende Variable Beratungsintensität variiert nicht über die Zeit ± insofern wird das Random-Effects-Modell verwandt.

192 Tabelle 11-4:

OLS (Multiple Regression ± erweitert): Gesamttransaktionskosten für 33 Monate ± Untersuchung BI > 0

Abhängige Variable

Panel G: Beratungsintensität [0;1] Transaktionskosten für 33 Monate ohne Verwahrungs- und Verw. (in Euro)

Panel G: Beratungsintensität [0;1] Transaktionskosten für 33 Monate ohne Verwahrungs- und Verw. (in Euro)

Koeffizient

Standardfehler

Koeffizient

Standardfehler

Dummy Beratung (BI > 0)

404,3887**

(84,8530)

93,0640

(92,5260)

Gesamtanzahl Transaktionen

37,1177**

(1,3796)

38,6598**

(1,3837)

Depotvolumen kumuliert (pro Kunde)

0,0008**

(0,0001)

0,0008**

(0,0001)

Einzelaktien

-958,4922**

(169,0333)

Liquidität

-787,9996**

(201,7576)

70,7674

(163,9489)

590,3416**

(185,9504)

-515,3496**

(124,8979)

Assetklassenanteil

Immobilienfonds Aktienfonds Konstante

-829,2460**

(68,2949)

Anzahl Beobachtungen

5051

5051

R-Square

0,69

0,70

VIF (Wert; Ergebnis)

1,21

Breusch-Pagan-Homoskedastizität : H0: Konstante Varianz (Chi-Quadrat-Wert; Ergebnis)

89.794

Normalverteilung der Residuen : Inter-Quartil-Abweichungs-Test; (3-IQR: Abweichungen; Ergebnis)

7

Shapiro-Francia-Normalverteilung : H0: Normalverteilung (Z-Wert; Ergebnis)

1,283

Keine Multikollinearität Ablehnung der Hypothese; keine konstante Varianz Relativ symmetrische Verteilung der Residuen Annahme der Hypothese; Normalverteilung

1,39

89.694

12

1,211

Keine Multikollinearität Ablehnung der Hypothese; keine konstante Varianz Relativ symmetrische Verteilung der Residuen Annahme der Hypothese; Normalverteilung

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die multiple Regression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Aufgrund der Gefahr einer Multikollinearitätsproblematik wurden lediglich die relevanten Assetklassen aufgenommen. Es existieren Regressionsschätzungen mit allen Assetklassen.

193 Tabelle 11-5: OLS (Multiple Regression ± erweitert): Gesamttransaktionskosten für 33 Monate ± Untersuchung BI >= 0,5

Abhängige Variable

Panel G: Beratungsintensität [0;1] Transaktionskosten für 33 Monate ohne Verwahrungs- und Verw. (in Euro)

Panel G: Beratungsintensität [0;1] Transaktionskosten für 33 Monate ohne Verwahrungs- und Verw. (in Euro)

Koeffizient

Standardfehler

Koeffizient

Standardfehler

Dummy Beratung (BI >= 0,5)

503,5995**

(81,9994)

244,1017**

(88,3048)

Gesamtanzahl Transaktionen

37,8712**

(1,3827)

38,9061**

(1,3819)

Depotvolumen kumuliert (pro Kunde)

0,0008**

(0,0001)

0,0008**

(0,0001)

Einzelaktien

-874,2587**

(166,5933)

Liquidität

-698,3170**

(201,0390)

Assetklassenanteil

Immobilienfonds Aktienfonds Konstante

-830,7985**

(60,2191)

85,7968

(163,5387)

599,8954**

(185,7923)

-607,2528**

(116,0904)

Anzahl Beobachtungen

5051

5051

R-Square

0,70

0,71

VIF (Wert; Ergebnis)

1,22

Breusch-Pagan-Homoskedastizität : H0: Konstante Varianz (Chi-Quadrat-Wert; Ergebnis)

90.385

Normalverteilung der Residuen : Inter-Quartil-Abweichungs-Test; (3-IQR: Abweichungen; Ergebnis)

118

Shapiro-Francia-Normalverteilung : H0: Normalverteilung (Z-Wert; Ergebnis)

1,281

Keine Multikollinearität Ablehnung der Hypothese; keine konstante Varianz Keine eindeutige symmetrische Verteilung der Residuen Annahme der Hypothese; Normalverteilung

1,39

90.227

74

1,19

Keine Multikollinearität Ablehnung der Hypothese; keine konstante Varianz Keine eindeutige symmetrische Verteilung der Residuen Annahme der Hypothese; Normalverteilung

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die multiple Regression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Aufgrund der Gefahr einer Multikollinearitätsproblematik wurden lediglich die relevanten Assetklassen aufgenommen. Es existieren Regressionsschätzungen mit allen Assetklassen.

194

0

.002

Density .004 .006

.008

.01

Abbildung 11.2: Test zu normalverteilten Residuen (Kosten pro normierte Transaktion)

-300

-200

-100

Residuals

0

Kernel density estimate Normal density

Quelle: Eigene Berechnungen.

100

200

195 Anhang 3: Einfluss der Anlageberatung auf die Ertragsdeterminante / Asset Allocation

196 Tabelle 11-6:

Deskriptive Übersicht: Asset Allocation nach Depotvolumen (BI-Trennung 0,5) Beratene Kunden

Depotvolumen / Assetklasse Unterstes Quartil Durchschnittliches Depotvolumen (TEuro)

Nicht beratene Kunden

Panel A

Panel C

Beratungsintensität >= 0,5

Beratungsintensität < 0,5

6,1

2,7

Liquidität Rentenfonds

4,6% 14,8%

15,7% 6,1%

Einzelrenten Immobilienfonds

10,1% 22,7%

3,9% 12,1%

Zertifikate Aktienfonds

6,0% 25,1%

2,0% 16,3%

Einzelaktien Rest

10,3% 6,5%

40,4% 3,4%

Zweites Quartil Durchschnittliches Depotvolumen (TEuro) Liquidität

18,2

11,2

5,7%

17,6%

Rentenfonds Einzelrenten

15,2% 10,2%

7,5% 9,9%

Immobilienfonds Zertifikate

30,0% 5,1%

21,2% 2,6%

Aktienfonds

18,6% 6,9%

14,9% 22,6%

8,2%

3,8%

Einzelaktien Rest Drittes Quartil Durchschnittliches Depotvolumen (TEuro)

40,3

28,2

Liquidität Rentenfonds

5,6% 15,9%

15,6% 9,0%

Einzelrenten

13,0%

12,3%

Immobilienfonds Zertifikate

28,7% 6,8%

22,5% 2,9%

Aktienfonds Einzelaktien

18,2% 6,2%

13,4% 21,0%

Rest

5,6%

3,2%

Höchstes Quartil Durchschnittliches Depotvolumen (TEuro)

148,1

139,6

Liquidität Rentenfonds

5,2% 16,1%

12,2% 8,5%

Einzelrenten Immobilienfonds

14,9% 25,3%

17,0% 18,8%

Zertifikate Aktienfonds

7,1% 15,0%

4,4% 12,6%

Einzelaktien Rest

11,9% 4,5%

23,4% 3,2%

Quelle: Eigene Berechnungen. Erläuterung zu Tabelle 11-6: Die deskriptive Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI >= 0,5; Panel A) und den nicht beratenen Kunden (BI < 0,5; Panel C). Die Assetklasse ÄRest³ enthält z. B. Produkte aus dem Bereich Derivate. Die Prozentangaben zu den jeweiligen Anteilen sind gleichgewichtete Mittelwerte.

Quelle: Eigene Darstellung. = beratene Investoren

Ak

es t

1. Quartil 50%

40% 40%

30% 30%

20% 20%

10% 10%

0% 0%

50%

3. Quartil 50%

40%

40%

30%

30%

20%

20%

10%

10%

0%

0%

=nicht beratene Investoren

R es t

Li qu id i tä R t en te nf on ds Ei nz el re Im nt m en ob ilie nf on ds Ze rti fi k at e Ak tie nf on ds E in ze la kt ie n

R

n

nd s la kt ie

nf o

e

ds

fik at

nf on

rti

tie

Ze

nt en

s

tä t

fo nd

id i

lre

ob ilie

nz e

Ei nz e

Im m

te n

Li qu en

Ei

R

50%

R es t

Li qu id itä R t en te nf on ds E in ze lre Im nt en m ob ili en fo nd s Ze rti fik at e A kt ie nf on ds E in ze la kt ie n

R es t

Li qu id itä R t en te nf on ds E in ze lre Im nt en m ob ili en fo nd s Ze rti fik at e Ak tie nf on ds Ei nz el ak tie n

197

Abbildung 11.3: Assetklassenanteile nach Depotvolumen ± 1. bis 4. Quartil (BI-Trennung 0) 2. Quartil

4. Quartil

198 Tabelle 11-7:

Deskriptive Übersicht: Asset Allocation nach Alter (BI-Trennung 0,5) Beratene Kunden

Altersklasse / Assetklasse 18 bis 44 Jahre Durchschnittliches Depotvolumen (TEuro)

Nicht beratene Kunden

Panel A

Panel C

Beratungsintensität >= 0,5

Beratungsintensität < 0,5

29,1

23,5

Liquidität Rentenfonds

8,0% 14,0%

18,8% 5,6%

Einzelrenten Immobilienfonds

10,0% 16,7%

8,1% 12,8%

Zertifikate Aktienfonds

7,8% 24,6%

2,9% 15,3%

Einzelaktien Rest

12,4% 6,6%

33,4% 3,1%

45 bis 54 Jahre Durchschnittliches Depotvolumen (TEuro) Liquidität

45,4

41,1

7,4%

17,4%

Rentenfonds Einzelrenten

13,1% 9,5%

5,4% 9,6%

Immobilienfonds Zertifikate

22,4% 6,3%

13,8% 4,0%

Aktienfonds Einzelaktien

22,6% 12,1%

14,5% 32,1%

Rest

6,7%

3,2%

54 bis 65 Jahre Durchschnittliches Depotvolumen (TEuro)

58,1

51,5

Liquidität Rentenfonds

5,3% 15,5%

15,1% 8,7%

Einzelrenten Immobilienfonds

11,2% 26,3%

10,0% 19,1%

Zertifikate

6,8% 19,4%

3,2% 14,9%

8,4%

25,8%

7,2%

3,2%

Durchschnittliches Depotvolumen (TEuro) Liquidität

71,5 3,5%

72,2 10,8%

Rentenfonds

17,5% 14,2%

10,6% 14,7%

Aktienfonds Einzelaktien Rest über 65 Jahre

Einzelrenten Immobilienfonds

33,6%

27,4%

Zertifikate Aktienfonds

5,1% 14,4%

2,3% 12,0%

Einzelaktien Rest

6,5% 5,1%

18,9% 3,3%

Quelle: Eigene Berechnungen. Erläuterung: Die deskriptive Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI >= 0,5; Panel A) und den nicht beratenen Kunden (BI < 0,5; Panel C). Die Assetklasse ÄRest³ enthält z. B. Produkte aus dem Bereich Derivate. Die Prozentangaben zu den jeweiligen Anteilen sind gleichgewichtete Mittelwerte.

199 Tabelle 11-8:

Deskriptive Übersicht: Asset Allocation nach Anlagestrategie (BI-Trennung 0) Beratene Kunden

Nicht beratene Kunden

Panel B

Panel D

Beratungsintensität > 0

Beratungsintensität = 0

Stark konservative Strategie Durchschnittliches Depotvolumen (TEuro) Liquidität

26,6 9,7%

18,0 34,5%

Rentenfonds Einzelrenten Immobilienfonds

17,8% 16,3% 41,1%

6,3% 10,0% 40,5%

Zertifikate Aktienfonds

1,7% 7,1%

0,7% 3,9%

Einzelaktien Rest

1,1% 5,3%

3,7% 0,4%

Konservative Strategie Durchschnittliches Depotvolumen (TEuro) Liquidität

40,6

31,3

7,7%

14,3%

Rentenfonds Einzelrenten Immobilienfonds

24,3% 15,4% 38,3%

11,6% 20,0% 39,3%

Zertifikate Aktienfonds

2,0% 6,1%

0,6% 6,5%

Einzelaktien Rest

1,4% 4,9%

3,1% 4,7%

Schwach konservative Strategie Durchschnittliches Depotvolumen (TEuro) Liquidität

57,8

51,1

5,9%

12,2%

Rentenfonds Einzelrenten Immobilienfonds

17,7% 14,3% 26,2%

10,1% 13,4% 25,8%

Zertifikate Aktienfonds

6,4% 16,2% 6,2%

2,5% 14,3% 17,1%

7,1%

4,7%

Durchschnittliches Depotvolumen (TEuro) Liquidität

71,1 6,1%

49,2 13,9%

Rentenfonds Einzelrenten Immobilienfonds

13,6% 9,6% 19,5%

6,8% 10,0% 12,7%

Zertifikate Aktienfonds Einzelaktien

7,4% 25,5% 11,7%

5,7% 21,6% 25,9%

Rest

6,6%

3,4%

Anlagestrategie Altersklasse / / Assetklasse

Einzelaktien Rest Schwach wachstumsorientierte Strategie

Fortsetzung folgt auf der nächsten Seite

200 Fortsetzung:

Deskriptive Übersicht: Asset Allocation nach Anlagestrategie (BI-Trennung 0)

Wachstumsorientierte Strategie Durchschnittliches Depotvolumen (TEuro) Liquidität Rentenfonds Einzelrenten Immobilienfonds Zertifikate Aktienfonds Einzelaktien Rest

70,8 5,5% 8,6% 7,9% 12,8% 10,5% 28,6% 21,7% 4,3%

55,6 10,1% 6,1% 7,2% 10,0% 4,2% 18,6% 42,7% 1,1%

Stark wachstumsorientierte Strategie Durchschnittliches Depotvolumen (TEuro) Liquidität Rentenfonds Einzelrenten Immobilienfonds Zertifikate Aktienfonds Einzelaktien Rest

101,7 6,3% 7,3% 6,8% 8,9% 6,7% 27,0% 32,5% 4,6%

50,6 6,8% 3,0% 5,1% 3,1% 4,5% 10,9% 65,3% 1,3%

Quelle: Eigene Berechnungen. Erläuterung: Die deskriptive Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI > 0; Panel B) und den nicht beratenen Kunden (BI = 0; Panel D). Die Assetklasse ÄRest³ enthält z. B. Produkte aus dem Bereich Derivate. Die Prozentangaben zu den jeweiligen Anteilen sind gleichgewichtete Mittelwerte.

201 Tabelle 11-9:

OLS (Multiple Regression): Die restlichen Assetklassen Panel G: Beratungsintensität [0;1]

Abhängige Variable

Immobilienfondsanteil

Einzelrentenanteil

Rentenfondsanteil

Liquiditätsanteil

Koeffizient

Koeffizient

Koeffizient

Koeffizient

Dummy Beratung (BI > 0)

0,0161

0,0019

0,0769**

-0,0773**

Durchschnittliches Depotvolumen (TEuro)

-0,0001

0,0001**

-0,0001

0,0001

Alter

0,0025**

0,0005+

0,0005*

-0,0021**

Risikoeinstellung

-0,0651**

-0,0223**

-0,0248**

-0,0236**

Haushaltseinkommen (TEuro)

-0,0061**

0,0008

-0,0035*

0,0048**

Dummy männlich

-0,0328**

-0,0025

-0,0164*

0,0126+

Konstante

0,3411**

0,1593**

0,1559**

0,3271**

Anzahl Beobachtungen

2865

2865

2865

2865

R-Square

0,15

0,03

0,07

0,08

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die multiple Regression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Die Variable Risikoeinstellung wurde anhand der sechs verschiedenen Anlagestrategien berechnet. Eine Risikoeinstellung von 1 entspricht einer stark konservativen Anlagestrategie, eine Risikoeinstellung von 6 einer stark wachstumsorientierten Anlagestrategie: je höher, desto risikofreudiger. Die Anzahl der Beobachtungen ist reduziert, da nicht alle unabhängigen Variablen durchgehend befüllt sind.

202 Tabelle 11-10: OLS (Multiple Regression): Einzelaktien- und Aktienfondsanteil, zweites Sample Panel G: Beratungsintensität [0;1] Abhängige Variable

Einzelaktienanteil Koeffizient

Standardfehler

Panel G: Beratungsintensität [0;1] Aktienfondsanteil Koeffizient

Standardfehler

Dummy Beratung (BI > 0) Durchschnittliches Depotvolumen (TEuro)

-0,1633**

(0,0017)

0,0531**

(0,0017)

-0,0001*

(0,0000)

-0,0001**

(0,0000)

Alter

0,0003**

(0,0000)

-0,0014**

(0,0000)

Risikoeinstellung

0,0805**

(0,0006)

0,0445**

(0,0005)

Haushaltseinkommen (TEuro)

0,0016**

(0,0002)

0,0008**

(0,0002)

Dummy männlich

0,0355**

(0,0016)

-0,0126**

(0,0015)

Konstante

-0,0417**

(0,0036)

0,0674**

(0,0036)

Anzahl Beobachtungen

2819

2819

R-Square

0,27

0,09

VIF (Wert; Ergebnis)

1,04

Keine Multikollinearität

1,04

Keine Multikollinearität

Breusch-Pagan-Homoskedastizität : H0: Konstante Varianz (Chi-Quadrat-Wert; Ergebnis)

794

Ablehnung der Hypothese; keine konstante Varianz

162

Ablehnung der Hypothese; keine konstante Varianz

über 100

Keine symmetrische Verteilung der Residuen

über 100

Keine symmetrische Verteilung der Residuen

6,58

Ablehnung der Hypothese; keine Normalverteilung

6,81

Ablehnung der Hypothese; keine Normalverteilung

Normalverteilung der Residuen : Inter-Quartil-Abweichungs-Test; (3-IQR: Abweichungen; Ergebnis) Shapiro-Francia-Normalverteilung : H0: Normalverteilung (Z-Wert; Ergebnis)

Quelle: Eigene Berechnungen. Erläuterung: Für die Auswertung wurde das zweite Datensample verwendet (insgesamt: n = 10.050). + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die multiple Regression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Die Variable Risikoeinstellung wurde anhand der sechs verschiedenen Anlagestrategien berechnet. Eine Risikoeinstellung von 1 entspricht einer stark konservativen Anlagestrategie, eine Risikoeinstellung von 6 einer stark wachstumsorientierten Anlagestrategie: je höher, desto risikofreudiger. Die Anzahl der Beobachtungen ist reduziert, da nicht alle unabhängigen Variablen durchgehend befüllt sind. Ein Z-Wert von < 10 bedeutet bei dem Shapiro-Francia-Normalverteilung-Test, dass die Residuen noch annähernd normalverteilt sind.

203 Tabelle 11-11: OLS (Multiple Regression): Die restlichen Assetklassen, zweites Sample Panel G: Beratungsintensität [0;1]

Abhängige Variable

Immobilienfondsanteil

Einzelrentenanteil

Rentenfondsanteil

Liquiditätsanteil

Koeffizient

Koeffizient

Koeffizient

Koeffizient

Dummy Beratung (BI > 0)

0,0435**

0,0070**

0,0763**

-0,0874**

Durchschnittliches Depotvolumen (TEuro)

-0,0001

0,0001**

-0,0001

0,0001

Alter

0,0014**

-0,0001

0,0007**

-0,0011**

Risikoeinstellung

-0,0650**

-0,0261**

-0,0298**

-0,0163**

Haushaltseinkommen (TEuro)

-0,0015**

-0,0003

-0,0022**

0,0019**

Dummy männlich

-0,0334**

-0,0043**

-0,0018

0,0142**

Konstante

0,3708**

0,1931**

0,1503**

0,2564**

Anzahl Beobachtungen

2819

2819

2819

2819

R-Square

0,14

0,04

0,09

0,06

Quelle: Eigene Berechnungen. Erläuterung: Für die Auswertung wurde das zweite Datensample verwendet (insgesamt: n = 10.050). + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die multiple Regression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Die Variable Risikoeinstellung wurde anhand der sechs verschiedenen Anlagestrategien berechnet. Eine Risikoeinstellung von 1 entspricht einer stark konservativen Anlagestrategie, eine Risikoeinstellung von 6 einer stark wachstumsorientierten Anlagestrategie: je höher, desto risikofreudiger. Die Anzahl der Beobachtungen ist reduziert, da nicht alle unabhängigen Variablen durchgehend befüllt sind.

204 Anhang 4: Einfluss der Anlageberatung auf die Risikodeterminante

205 Abbildung 11.4: Internationale Asset Allocation vom MSCI Global Capital Market Index

Quelle: www.msci.com

206 Abbildung 11.5: Assetklassenanteile bei den beratenen und nicht beratenen Kunden Beratene Kunden (BI > 0) Liquidität 40% Rest

Rentenfonds 5,90% 6,66% 14,64%

Einzelaktien

12,31%

10,67% 0% 18,70% 5,89%

Einzelrenten

25,23%

Aktienfonds

Immobilienfonds Zertifikate

Nicht beratene Kunden (BI = 0) Liquidität 50,00% Rest

Rentenfonds 16,70%

Einzelaktien

2,86% 30,43%

0,00%

6,40% 9,89%

Einzelrenten

2,32% 18,07% 13,33%

Aktienfonds

Immobilienfonds Zertifikate

Quelle: Eigene Darstellung.

207

0

.2

Density

.4

.6

Abbildung 11.6: Test zu normalverteilten Residuen (Ln(HHI))

-2

-1

0 Residuals Kernel density estimate Normal density

Quelle: Eigene Berechnungen.

1

2

208 Tabelle 11-12:

OLS (Multiple Regression): Ln(Herfindahl-Hirshman-Index), zweites Sample Panel G: Beratungsintensität [0;1] Ln(HHI)

Abhängige Variable Koeffizient

Standardfehler

Beratungsintensität Durchschnittliches Haushaltseinkommen (TEuro) Durchschnittliches Depotvolumen (TEuro)

-0,4642**

(15,73)

Alter

0,0057+

(1,94)

-0,0001

(0,84)

-0,0036**

(4,50)

Dummy leitender Angestellter

-0,0384

(0,50)

Dummy Arbeiter

-0,0782

(1,30)

Dummy Rentner

-0,0487

(1,44)

Dummy Hausfrau

-0,1000*

(2,38)

Dummy Wertpapierkenntnisstufe 1

1,1773**

(10,37)

Dummy Wertpapierkenntnisstufe 3

0,2019**

(5,18)

Dummy Wertpapierkenntnisstufe 6

0,1874**

(3,51)

Risikoeinstellung

0,0449**

(4,70)

Konstante

-1,1215**

(18,48)

Anzahl Beobachtungen

2781

R-Square

0,17

VIF (Wert; Ergebnis)

1,16

Keine Multikollinearität

Breusch-Pagan-Homoskedastizität : H0: Konstante Varianz (Chi-Quadrat-Wert; Ergebnis)

3,69

Konstante Varianz

0

Symmetrische Verteilung der Residuen

5,015

Ablehnung der Hypothese; keine Normalverteilung

Normalverteilung der Residuen : Inter-Quartil-Abweichungs-Test; (3-IQR: Abweichungen; Ergebnis) Shapiro-Francia-Normalverteilung : H0: Normalverteilung (Z-Wert; Ergebnis)

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die multiple Regression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Die Variable Risikoeinstellung wurde anhand der sechs verschiedenen Anlagestrategien berechnet. Die Anzahl der Beobachtungen ist reduziert, da nicht alle unabhängigen Variablen durchgehend befüllt sind. Ein Z-Wert von < 10 bedeutet bei dem Shapiro-Francia-Normalverteilung-Test, dass die Residuen noch annähernd normalverteilt sind.

209 Tabelle 11-13:

OLS (Multiple Regression): Inlandsanteil aller Assetklassen Panel G: Beratungsintensität [0;1]

Abhängige Variable

Beratungsintensität Durchschnittliches Haushaltseinkommen (TEuro) Durchschnittliches Depotvolumen (TEuro)

Inlandsanteil "aller Assetklassen" Koeffizient

Standardfehler

-0,0582**

(3,52)

0,0017

(0,65)

0,0001

(1,63)

Alter

0,0004

(0,80)

Dummy leitender Angestellter

-0,0527

(1,23)

Dummy Arbeiter

-0,0495

(1,45)

Dummy Rentner

-0,0206

(1,09)

-0,0436+

(1,88)

Dummy Wertpapierkenntnisstufe 1

0,1081

(0,65)

Dummy Wertpapierkenntnisstufe 3

0,1955**

(8,91)

Dummy Hausfrau

Dummy Wertpapierkenntnisstufe 6

0,0606*

(2,11)

Risikoeinstellung

-0,0268**

(4,99)

Konstante

0,6389**

(17,05)

Anzahl Beobachtungen

2638

R-Square

0,06

VIF (Wert; Ergebnis)

1,18

Keine Multikollinearität

Breusch-Pagan-Homoskedastizität : H0: Konstante Varianz (Chi-Quadrat-Wert; Ergebnis)

2,06

Konstante Varianz

0

Symmetrische Verteilung der Residuen

6,102

Ablehnung der Hypothese; keine Normalverteilung

Normalverteilung der Residuen : Inter-Quartil-Abweichungs-Test; (3-IQR: Abweichungen; Ergebnis) Shapiro-Francia-Normalverteilung : H0: Normalverteilung (Z-Wert; Ergebnis)

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die multiple Regression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Für die Einteilung nach In- und Ausland ist die Emission des Wertpapiers ausschlaggebend. Ein Z-Wert von < 10 bedeutet bei dem Shapiro-Francia-Normalverteilung-Test, dass die Residuen noch annähernd normalverteilt sind.

210 Abbildung 11.7: Annualisierte Standardabweichung der Portfolioüberschussrendite und Beta der Kundenportfolios (Grundlage: Panel G)

1

Standardabweichung (in % pro Jahr) 100 sd_Portfolio_Excess_annua .4 .6 .8

80

60

40

.2

20

0

0

-1

0

1 coef_Beta

2

3

Beta

Quelle: Eigene Darstellung in Anlehnung an Calvet et al. (2006). Erläuterung: Der Zirkel in der Abbildung repräsentiert die Position des DAX. Die Abbildung ist lediglich ein Auszug des Gesamtresultats: Standardabweichung < 100 % und Beta > -0,5.

211 Abbildung 11.8: Idiosynkratischer Varianzanteil in Abhängigkeit von der annualisierten Standardabweichung der Portfolioüberschussrendite (Grundlage: Panel G)

Idiosynkratischer Varianzanteil 1,0 0,8

0,6

0,4

0,2

0 0,5

1,0

1,5

2,0 2.5 Standardabweichung (in % pro Jahr)

Quelle: Eigene Darstellung. Erläuterung: Der einfache lineare Regressionskoeffizient der unabhängigen Variable Standardabweichung beträgt 0,096 bei einem 1 %-Signifikanzniveau (siehe Linie in der Abbildung).

212 Tabelle 11-14:

Panelvergleich: LPM 1 und LPM 2 ± Mindestzinssatz Euribor Lower Partial Moments LPM 1 (in %)

LPM 2 (in %)

0,85

0,22

1,10

0,25

Panel B: Beratungsintensität>0 Mittelwert Panel D: Beratungsintensität=0 Mittelwert

Quelle: Eigene Berechnungen. Erläuterung: Die Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI > 0; Panel B) und den nicht beratenen Kunden (BI = 0; Panel D). Der verwendete Mindestzinssatz ist der Zwölf-Monats-Euribor (www.bundesbank.de).

213 Tabelle 11-15:

Panelvergleich: LPM 1 und LPM 2; zweites Panel Lower Partial Moments LPM 1 (in %)

LPM 2 (in %)

Mittelwert

0,86

0,26

10 %-Quantil

0,02

0,01

50 %-Quantil

0,54

0,02

90 %-Quantil

1,88

0,35

Mittelwert

1,10

0,23

10 %-Quantil

0,08

0,01

50 %-Quantil

0,71

0,02

90 %-Quantil

2,31

0,26

Panel B: Beratungsintensität>0

Panel D: Beratungsintensität=0

Quelle: Eigene Berechnungen. Erläuterung: Die Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI > 0; Panel B) und den nicht beratenen Kunden (BI = 0; Panel D). Der verwendete Mindestzinssatz ist der Drei-Monats-Geldmarktsatz des Frankfurter Bankenplatzes (www.bundesbank.de).

214 Anhang 5: Gegenüberstellung der logarithmierten Brutto- und Nettorendite und Wertbeitrag der Anlageberatungp

Jahr

4,53

90 %-Quantil

7,81

90 %-Quantil

90 %-Quantil

Starker Anstieg

Seitwärtsbewegung

654

5,61

-7,37

-0,09

18132

3,26

-2,92

0,09

35400

2,07

-1,63

0,19

2004

Anstieg

466

7,12

-6,21

0,48

15110

4,83

-2,61

0,62

29500

3,17

-1,81

0,32

2005

Anstieg

1813

8,98

-6,92

0,75

49863

5,04

-2,85

0,76

97350

3,13

-1,67

0,49

Gesamtlaufzeit

Quelle: Eigene Berechnungen. Erläuterung: Die deskriptive Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI > 0; Panel B), den nicht beratenen (BI = 0; Panel D) und online tätigen Kunden (Panel F). Der berechnete Mittelwert ist ein gleichgewichteter Mittelwert. Die Anzahl Beobachtungen ergibt sich aus der Multiplikation der Beobachtungsmonate (hier insgesamt 33 Monate ± 11, 12 und 10 Monate) mit der Kundenanzahl.

Wertentwicklung des Dax

693

14,46

10 %-Quantil

Anzahl Beobachtungen

2,43 -7,16

Mittelwert

Panel F: Onlinekunde

16621

10 %-Quantil

Anzahl Beobachtungen

1,62 -2,98

Mittelwert

Panel D: Beratungsintensität=0

32450

10 %-Quantil

Anzahl Beobachtungen

0,97 -1,61

Mittelwert

2003

Logarithmierte Monatsnetto rendite (in %)

Deskriptive Übersicht: Logarithmierte Nettorendite pro Monat ± (BI-Trennung bei 0)

Panel B: Beratungsintensität>0

Tabelle 11-16:

215

215

4,36

7,07

90 %-Quantil

90 %-Quantil

Anzahl Beobachtungen

Seitwärtsbewegung

654

5,93

-6,82

-0,13

25392

3,07

-2,37

0,30

27600

2,04

-1,22

0,36

2004

Anstieg

466

7,59

-4,68

1,27

21610

4,68

-2,19

0,83

23000

3,11

-1,40

0,51

2005

Anstieg

1813

9,47

-6,14

1,36

71313

4,79

-2,34

0,90

75900

3,06

-1,31

0,63

Gesamtlaufzeit

Quelle: Eigene Berechnungen. Erläuterung: Die deskriptive Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI >= 0,5; Panel A), den nicht beratenen (BI < 0,5; Panel C) und online tätigen Kunden (Panel F). Der berechnete Mittelwert ist ein gleichgewichteter Mittelwert. Die Anzahl der Beobachtungen ergibt sich aus der Multiplikation der Beobachtungsmonate (hier insgesamt 33 Monate ± 11, 12 und 10 Monate) mit der Kundenanzahl.

Starker Anstieg

14,62 32450

10 %-Quantil

Wertentwicklung des Dax

2,81 -6,66

Mittelwert

Panel F: Onlinekunde

23771

10 %-Quantil

Anzahl Beobachtungen

1,63 -2,45

Mittelwert

Panel C: Beratungsintensität<0,5

25300

90 %-Quantil

Anzahl Beobachtungen

1,03 -1,33

10 %-Quantil

2003

Mittelwert

Panel A: Beratungsintensität>=0,5

Jahr

Logarithmierte Monatsbruttorendite (in %)

Tabelle 11-17: Deskriptive Übersicht: Logarithmierte Bruttorendite pro Monat ± (BI-Trennung bei 0,5)

216

216

217

6,96

90 %-Quantil

90 %-Quantil

Starker Anstieg

0,14

Seitwärtsbewegung

654

5,61

-7,37

-0,09

25392

2,98

-2,59

Anstieg

466

7,12

-6,21

0,48

21610

4,55

-2,44

0,58

23000

3,00

-1,70

0,25

2005

Anstieg

1813

8,98

-6,92

0,75

71313

4,68

-2,55

0,73

75900

2,96

-1,57

0,43

Gesamtlaufzeit

Quelle: Eigene Berechnungen. Erläuterung: Die deskriptive Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI >= 0,5; Panel A), den nicht beratenen (BI < 0,5; Panel C) und online tätigen Kunden (Panel F). Der berechnete Mittelwert ist ein gleichgewichteter Mittelwert. Die Anzahl der Beobachtungen ergibt sich aus der Multiplikation der Beobachtungsmonate (hier insgesamt 33 Monate ± 11, 12 und 10 Monate) mit der Kundenanzahl.

Wertentwicklung des Dax

693

14,46

10 %-Quantil

Anzahl Beobachtungen

2,43 -7,16

Mittelwert

Panel F: Onlinekunde

23771

10 %-Quantil

Anzahl Beobachtungen

1,51 -2,70

Mittelwert

Panel C: Beratungsintensität<0,5

27600

1,92

25300

4,27

Anzahl Beobachtungen

90 %-Quantil

-1,51

0,89 -1,52

0,19

2004

Mittelwert

2003

10 %-Quantil

Panel A: Beratungsintensität>=0,5

Jahr

Logarithmierte Monatsnetto rendite (in %)

Tabelle 11-18: Deskriptive Übersicht: Logarithmierte Nettorendite pro Monat ± (BI-Trennung bei 0,5)

217

218 Tabelle 11-19:

Panelregression (Random Effects) ± Stimuli zu Ln(Monatsnettorendite) Panel B und D: (BI > 0; BI =0)

Panel G: Beratungsintensität [0;1] Logarithmierte Monats nettorendite

Abhängige Variable Koeffizient

Koeffizient

Koeffizient

Koeffizient

-0,0034**

-0,0042**

-0,0013*

-0,0013*

-0,00001**

-0,00001**

Liquiditätsanteil

-0,0086**

-0,0105**

Rentenfondsanteil

-0,0087**

-0,0080**

Immobilienfondsanteil

-0,0090**

-0,0087**

Aktienfondsanteil

0,0005

0,0003

Einzelaktienanteil

0,0042**

0,0043**

Risikoeinstellung

0,0010**

0,0007**

Beratungsintensität Transaktionskosten inkl. Verw.- und Verwaltungsgeb. (in Euro)

Depotvolumen (in TEuro)

0,00003**

Haushaltseinkommen (in TEuro)

0,000009

Dummy Leitender Angestellter

0,0004

Dummy Arbeiter

0,0006

Dummy Rentner

0,0000006

Dummy Hausfrau

0,0008

Dummy Wertpapierkenntnisstufe 1

0,0030

Dummy Wertpapierkenntnisstufe 2

-0,0072**

Dummy Wertpapierkenntnisstufe 5

-0,0002

Dummy Wertpapierkenntnisstufe 6

-0,0020

Dummy männlich

0,0006

Dummy Jahr 2003

0,0072**

Dummy Jahr 2004

-0,0021**

Konstante Anzahl Beobachtungen / Kunden R-Square (between)

0,0074**

0,0070**

0,0066**

0,0043**

147.213 / 4.461

160.687 / 5.051

105.085 / 3.259

92.300 / 2.865

0,01

0,01

0,08

0,10

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die Panelregression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte. Bei 590 der 5.051 Kunden ist der Datensatz nicht über die Gesamtlaufzeit befüllt (siehe Abbildung 6.2). Die entscheidende Variable Beratungsintensität variiert nicht über die Zeit ± insofern wird das Random-Effects-Modell verwandt. Es ist davon auszugehen, dass die Schätzer teilweise leicht verzerrt sind, da eine geringe Autokorrelation besteht.

219 Tabelle 11-20:

Panelregression (Random Effects) ± Stimuli zu Ln (Monatsnettorendite); 2. Sample Panel B und D: (BI > 0; BI =0)

Panel G: Beratungsintensität [0;1] Logarithmierte Monats nettorendite

Abhängige Variable Koeffizient

Koeffizient

Koeffizient

Koeffizient

-0,0045**

-0,0041**

-0,0014*

-0,0015**

-0,00002**

-0,00002**

Liquiditätsanteil

-0,0079**

-0,0081**

Rentenfondsanteil

-0,0077**

-0,0060**

Immobilienfondsanteil

Beratungsintensität Transaktionskosten inkl. Verw.- und Verwaltungsgeb. (in Euro)

-0,0075**

-0,0069**

Aktienfondsanteil

0,0011

0,0014

Einzelaktienanteil

0,0099**

0,0102**

Risikoeinstellung

0,0004*

Depotvolumen (in TEuro)

0,0003 0,00001**

Haushaltseinkommen (in TEuro)

0,00001

Dummy Leitender Angestellter

0,0012

Dummy Arbeiter

0,0013

Dummy Rentner

0,0005

Dummy Hausfrau

0,0000

Dummy Wertpapierkenntnisstufe 1

0,0015

Dummy Wertpapierkenntnisstufe 2

0,0002

Dummy Wertpapierkenntnisstufe 5

0,0016*

Dummy Wertpapierkenntnisstufe 6

0,0019

Dummy männlich

-0,0009+

Dummy Jahr 2003

0,0062**

Dummy Jahr 2004

-0,0029**

Konstante Anzahl Beobachtungen / Kunden R-Square (between)

0,0081**

0,0070**

0,0074**

0,0047**

124.938 / 3.786

136.086 / 4.276

90.671 / 2.821

90.671 / 2.821

0,03

0,01

0,15

0,17

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die entscheidende Variable Beratungsintensität variiert nicht über die Zeit ± insofern wird das RandomEffects-Modell verwandt. Diese Panelregression berechnet Mittelwerte anhand der Regressionen (bzw. Regressionskoeffizienten) zu allen einzelnen Kunden. Es ist davon auszugehen, dass die Schätzer teilweise leicht verzerrt sind, da eine geringe Autokorrelation besteht.

220 Tabelle 11-21:

Übersicht zum Wertbeitrag der Anlageberatung ± grobe Attributionsanalyse Wertbeitrag der standardisierten Anlageberatung

Ex post gemessene Komponenten in % pro Monat

in % pro Jahr

in % Gesamtlaufzeit

- beratenen Kunden (Panel B)

0,49

5,88

16,17

- nicht beratenen Kunden (Panel D)

0,76

9,12

25,08

- beratenen Kunden (Panel B)

0,56

6,72

18,48

- nicht beratenen Kunden (Panel D)

0,83

9,96

27,39

in Euro pro Monat

in Euro pro Jahr

in Euro Gesamtlaufzeit

Logarithmierte Nettorendite

Aggregierte logarithmierte Nettorendite *

Transaktionskosten inkl. Verw.-und Verwaltungsgeb. - beratenen Kunden (Panel B) siehe Kapitel 7.2

60

720

1980

- nicht beratenen Kunden (Panel D) siehe Kapitel 7.2

32,5

390

1072,5

Regressionskoeffizient Beratungsintensität**

11,03

Mittelwert der Transaktionskosten inkl. Verwahrungs- und Verw. (Panel G)

49,8

in % pro Monat

in % pro Jahr

in % Gesamtlaufzeit

-0,055

-0,66

-1,82

Kostenquotient Beratung (Anteil an Transaktionskosten) Transaktionskostenrendite pro Monat (Differenz zwischen durchschnittlicher Brutto- und Nettorendite; Panel G)

0,2215 = (11,03/49,8)

0,002485

Unterschied Transaktionskostenrendite (zu Lasten der beratenen Kostenquotient*Transaktionskostenrendite)

Fortsetzung folgt

Quelle: Eigene Berechnungen. Erläuterung: Bei der Renditeanalyse beträgt die Gesamtlaufzeit 33 Monate.

221

Fortsetzung

Relativer Assetklassenunterschied (Regressionskoeffizient der Beratung Tabelle 7.10 und 11.9)

Relativer Renditebeitrag pro Monat Renditeunterschied (Regressionspro Monat koeffizient - Tabelle (aus Sicht der 8.2; vierte Schätzung) beratenen)

Renditebeitrag der signifikanten Assetklasse (aus Sicht der beratenen)

Einzelaktien

-0,15230

0,01557

-0,002371311

Aktienfonds

0,06520

0,00745

0,000486001

Rentenfonds

0,07690

-0,00216

-0,000165873

Liquidität

-0,07730

-0,00356

0,000274802

Renditeunterschied insgesamt; pro Monat

-0,001776382

Renditeunterschied insgesamt; in % pro Jahr

-2,13

Renditeunterschied insgesamt; in % Gesamtlaufzeit

-5,86

Fortsetzung folgt

Quelle: Eigene Berechnungen. Erläuterung: Bei der Renditeanalyse beträgt die Gesamtlaufzeit 33 Monate. Die Ergebnisse der ersten und zweiten Spalte sind gerundet.

222

Fortsetzung

Ansetzbare Komponenten (teilweise nicht direkt messbar) LPM 1 - Median (in % pro Monat)

LPM 1 - Median (in % pro Jahr)

LPM 1 - Median (in % Gesamtlaufzeit)

- beratenen Kunden (Panel B) siehe Abschnitt 7.4.3

0,52

6,24

17,16

- nicht beratenen Kunden (Panel D) siehe Abschnitt 7.4.3

0,67

8,04

22,11

Anteilig enthaltene Risikokosten (aus Sicht der beratenen)

Maximaler Unterschied; in % Gesamtlaufzeit

4,95

Indirekte Transaktionskosten (pro Jahr)***

Indirekte Transaktionskosten (durchschnittliches Depotvolumen 50 TEuro; in % pro Jahr)

Indirekte Transaktionskosten (durchschnittliches Depotvolumen 50 TEuro; in % Gesamtlaufzeit)

194,23 = (((50 + 260)/2)*0,5 + 350*0,5) / 1,3

0,39

1,07

Indirekte Transaktionskosten (aus Sicht der beratenen)

- beratenen Kunden (Einsparung; siehe Abschnitt 3.2.1.1.2) * Alle einfließenden Größen über die jeweiligen Kunden aggregiert ** Siehe Tabelle 7.5 *** US-Dollar / Euro-Wechselkurs = 1,3

Quelle: Eigene Berechnungen. Erläuterung: Bei der Renditeanalyse beträgt die Gesamtlaufzeit 33 Monate.

223 Anhang 6:

Vergleich der risikoadjustierten Rendite zwischen den Äberatenen³ und Änicht beratenen³ Kundenportfolios

224 Tabelle 11-22:

Panelvergleich: Sharpe Ratio >= 0 - Jahresbasis Panel A: Beratungsintensität >= 0,5

Panel C: Beratungsintensität < 0,5

Sharpe Ratio >= 0 Mittelwert

0,65

0,77

10 %-Quantil

0,11

0,16

30 %-Quantil

0,38

0,50

50 %-Quantil

0,65

0,76

70 %-Quantil

0,89

1,02

90 %-Quantil

1,17

1,31

Anzahl Beobachtungen

1603

1651

Quelle: Eigene Berechnungen. Erläuterung: Die Übersicht bezieht sich auf einen Vergleich zwischen den beratenen (BI >= 0,5; Panel A) und den nicht beratenen Kunden (BI < 0,5; Panel C).

225 Abbildung 11.9: Die Sharpe Ratio in Abhängigkeit von der Beratungsintensität ± Sharpe Ratio >= 0 ± Jahresbasis

Sharpe Ratio (Mittelwert) 0,90 0,80

0,79 0,72

0,75

0,70

y = -0,0202x + 0,7964 R2 = 0,5536 0,70

0,69

0,72

0,69

0,67

0,60

0,64 0,48

0,50 0,40 0,30 0,20 0,10 0,00 BI 1 <=0,1

BI 2 >0,1 <=0,2

BI 3 >0,2 <=0,3

BI 4 >0,3 <=0,4

BI 5 >0,4 <=0,5

BI 6 >0,5 <=0,6

BI 7 >0,6 <=0,7

BI 8 >0,7 <=0,8

BI 9 >0,8 <=0,9

BI 10 >0,9 <=1,0

Beratungsintensität

Quelle: Eigene Darstellung.

226 Tabelle 11-23:

OLS (Multiple Regression): Sharpe Ratio >= 0 ± Jahresbasis; 2. Sample Panel G: Beratungsintensität [0;1] Abhängige Variable

Beratungsintensitaet

Sharpe Ratio >= 0 Koeffizient

Koeffizient

-0,202031**

-0,129708**

Liquiditätsanteil

-0,081155

Rentenfondsanteil

-0,208313**

Aktienfondsanteil

0,248907**

Einzelaktienanteil

0,274619**

Risikoeinstellung Konstante

0,018053* 0,800412**

0,606139**

Anzahl Beobachtungen

2952

2952

R-Square

0,04

0,12

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die Übersicht bezieht sich auf das Panel G.

227 Tabelle 11-24:

Panelregression (Random Effects) ± Jensens Alpha ± Monatsbasis; 2. Sample Panel G: Beratungsintensität [0;1]

Geschätzte Variable

Jensens Alpha CAPM - Į

2 Faktoren - Į 3 Faktoren - Į 3 Faktoren - Į

Aggregierte Schätzung: Portfolios der beratenen Anleger Jensens Alpha

-0,002009**

-0,002488**

-0,002784**

ȕ1 (Dax-Überrendite)

0,245743**

0,234710**

0,244642**

0,078299**

0,062305**

-0,003686

0,131181**

-0,177788**

ȕ2 (Dimax-Überrendite) ȕ3 (Rex-Überrendite) ȕ4 (MSCI All Country Worldindex - Überrendite) Anzahl Beobachtungen / Kunden

-0,003453**

0,531866** 85073 / 2569

85073 / 2569

85073 / 2569

85073 / 2569

0,03

0,03

0,04

0,03

Jensens Alpha

-0,000907

-0,001494*

-0,001808*

-0,002506**

ȕ1 (Dax-Überrendite)

0,381226**

0,366759**

0,376917**

0,105788**

0,089080**

0,010946

0,135735**

-0,395732**

R-Square (within) Aggregierte Schätzung: Portfolios der nicht beratenen Anleger

ȕ2 (Dimax-Überrendite) ȕ3 (Rex-Überrendite) ȕ4 (MSCI All Country Worldindex - Überrendite) Anzahl Beobachtungen / Kunden R-Square (within)

0,772502** 53972 / 1707

53972 / 1707

53972 / 1707

53972 / 1707

0,07

0,08

0,08

0,07

Quelle: Eigene Berechnungen. Erläuterung: + = 10%iges Signifikanzniveau; * = 5%iges Signifikanzniveau; ** = 1%iges Signifikanzniveau. Die Panelregression bezieht sich auf die Kunden, bei denen eine Beratungsintensität gemessen werden konnte (Panel G). Die entscheidende Variable Beratungsintensität variiert nicht über die Zeit ± insofern wird das Random-Effects-Modell verwandt. Diese Panelregression berechnet Mittelwerte anhand der Regressionen (bzw. Regressionskoeffizienten) zu allen einzelnen Kunden.

229

Literaturverzeichnis AIMR, Association for Investment Management and Research: AIMR Performance Presentation Standards - After Tax Performance, in: 2002, S. 1-45. AIMR, Association for Investment Management and Research: AIMR Performance Presentation Standards (AIMR-PPS), in: 2001, S. 1-41. AIMR, Association for Investment Management and Research: Global Investment Performance Standards, in: The Journal of Performance Measurement, 1999, Vol. No. S. 45-60. Akeda, Yoshiaki: Another Interpretation of Negative Sharpe Ratio, in: Journal of Performance Measurement, 2003, Vol. 7, No. 3, S. 19-23. Alan, Sule: Entry Costs and Stock Market Participation over the Life Cycle, in: SEDAP Research Paper, 2005, Vol. 126, No. S. 1- 36. Allen, Franklin: Do Financial Institutions Matter?, in: The Journal of Finance, 2001, Vol. 56, No. 4, S. 1165-75. Allen, Franklin / Gale, Douglas: Innovations in Financial Services, Relationships, and Risk Sharing, in: Management Science, 1999, Vol. 45, No. 9, S. 1239-53. Allen, Franklin / Santomero, Anthony M.: The theory of financial intermediation, in: Journal of Banking & Finance, 1998, Vol. 21, No. 1, S. 1461-85. Allen, Franklin / Santomero, Anthony M.: What Do Financial Intermediaries Do?, in: Journal of Banking & Finance, 2001, Vol. 25, No. 1, S. 271-94. Ameriks, John / Zeldes, Stephen P.: How Do Household Portfolio Shares Vary With Age?, in: Working Paper of Columbia University, 2004, Vol. 1, No. 1, S. 1-87. Annaert, Jan / De Ceuster, Marc J. K. / Hyfte, Wim Van: The Value of Asset Allocation Advice, in: Working Paper of Ghent University, 2002, Vol. No. S. 1-35. Anson, Mark J. P.: Performance Presentation Standards: Which Rules Apply When?, in: Financial Analysts Journal, 2001, Vol. No. S. 53-60. Ashenfelter, Orley / Rouse, Cecilia: Income, Schooling, and Ability: Evidence from a new sample of identical twins, in: Quarterly Journal of Economics, 1998, Vol. No. S. 253-84. Baberis, Nicholas / Huang, Ming / Thaler, Richard H.: Individual Preferences, Monetary Gambles, and Stock Market Participation: A Case for Narrow Framing, in: Working Paper of Yale University, 2006, Vol. No. S. 1-33. Bachelier, Louis: Theory of Speculation, erneut abgedruckt in: Cootner, P. (Hrsg.), The Random Character of Stock Market Prices, Boston 1900. Bacon, Carl: Practical portfolio performance measurement and attribution, u. a. San Francisco 2005. Bain_&_Company: Wachstumsunternehmen in Deutschland 2006, als Studie von Bain & Company, http://www.bain.de/, 2006. Balduzzi, Pierluigi / Lynch, Anthony: Transaction costs and predictability: some utility cost calculations, in: Journal of Financial Economics, 1999, Vol. 52, No. S. 47-78. Banz, Rolf W.: The Relationship Between Return and Market Value of Common Stocks, in: The Journal of Financial Economics, 1981, Vol. 9, No. S. 3-18. Barber, Brad / Heath, Chip / Odean, Terrance: Good Reasons Sell: Reason-Based Choice Among Group and Individual Investors, in: Management Science, 2003a, Vol. 49, No. 12, S. 1636-52. Barber, Brad / Lehavy, Reuven / McNichols, Maureen / Trueman, Brett: Can Investors Profit from the Prophets? Security Analyst Recommendations and Stock Returns, in: The Journal of Finance, 2001, Vol. 56, No. 2, 531-63.

230 Barber, Brad / Lehavy, Reuven / McNichols, Maureen / Trueman, Brett: Prophets and Losses: Reassessing the Returns to Analysts¶ Recommendations, in: Financial Analysts Journal, 2003b, Vol. 59, No. 2, S. 88-96. Barber, Brad M. / Odean, Terrance: Boys will be Boys: Gender, Overconfidence, and Common Stock Investment, in: Quarterly Journal of Economics, 2001, Vol. 116, No. S. 261-92. Barber, Brad M. / Odean, Terrance: Trading Is Hazardous to Your Wealth: The Common Stock Investment Performance of Individual Investors, in: The Journal of Finance, 2000a, Vol. 55, No. 2, 773-806. Barber, Brad / Odean, Terrance: The Courage of Misguided Convictions, in: Financial Analysts Journal, 1999, Vol. 56, No. 6, S. 41-55. Barber, Brad / Odean, Terrance: Too many Cooks Spoil the Profits: Investment Clubs Performance, in: Financial Analysts Journal, 2000b, Vol. 56, No. 1, S. 17-25. Barsky, Robert B. / Juster, F. Thomas / Kimball, Miles S. / Shapiro, Matthew D.: Preference Parameters and behavioral Heterogeneity an experimental Approach in the Health and Retirement Study, in: Quarterly Journal of Economics, 1997, Vol. 112, No. S. 537-79. Basu, Sanjoy: Investment Performance of Common Stocks in Relation to their Price Earnings Ratios: A Test of the Efficient Market Hypothesis, in: The Journal of Finance, 1977, Vol. 32, No. 3, S. 663-82. Basu, Sanjoy: The Relationship between Earnings Yield, Market Value, and Return for NYSE Common Stocks, in: The Journal of Financial Economics, 1983, Vol. 12, No. S. 129-56. Bätscher, Rudolf / Piller, Markus / Krauss, Peter: Management des Finanzplanungsprozesses, Frankfurt am Main 2002. Benkenstein, Martin / Holtz, Michael / Stuhldreier, Uwe. "Elektronische versus traditionelle Distributionswege für Bankdienstleistungen - Konzeptionelle Grundlagen und empirische Analysen anhand von Kundenpräferenzen," Jahrbuch Dienstleistungsmanagement 2002 - Electronic Services. Wiesbaden: 2002, S. 669-91. Bergstresser, Daniel / Chalmers, John M.R. / Tufano, Peter: Assessing the Costs and Benefits of Brokers in the Mutual Fund Industry, in: Working Paper of Havard Business School, 2006, Vol. 1, No. 1, S. 1-41. Biais, Bruno / Hilton, Denis / Mazurier, Karine / Pouget, Sebastien: Judgemental Overconfidence, Self-Monitoring, and Trading Performance in an Experimental Financial Market, in: Review of Economic Studies, 2005, Vol. 72, No. S. 287-312. Black, Fischer: Capital Market Equilibrium with Restricted Borrowing, in: Journal of Business, 1972, Vol. 45, No. 3, S. 444-55. Black, Fischer: Yes, Virginia, There is Hope: Tests of the Value Line Ranking System, in: Financial Analysts Journal, 1973, Vol. 29, No. S. 10-14. Black, Fischer / Jensen, Michael C. / Scholes, Myron: The Capital Asset Pricing Model: Some Empirical Tests; in: Studies in Theory of Capital Marktes, New York 1972. Blake, David / Lehmann, Bruce N. / Timmermann, Allan: Asset Allocation Dynamics and Pension Fund Performance, in: Journal of Business, 1999, Vol. 72, No. 4, S. 429-61. Blume, Marshall E. / Friend, Irwin: The Asset Structure of Individual Portfolios and Some Implications for Utility Functions, in: The Journal of Finance, 1975, Vol. 30, No. 2, S. 585-603. Böckhoff, Michael / Stracke, Guido: Der Finanzplaner: Handbuch der privaten Finanzplanung und individuellen Finanzberatung, Heidelberg 1999. Bodie, Zvi / Crane, Dwight B.: Personal Investing: Advice, Theory, and Evidence, in: Financial Analysts Journal, 1997, Vol. 1, No. 11 / 12, S. 13-23. Bodie, Zvi / Merton, Robert C. / Samuelson, William F.: Labor supply flexibility and portfolio choice in an life cycle model, in: Journal of Economic Dynamics and Control, 1992, Vol. 16, No. 1, S. 427-49.

231 Börsch-Supan, Axel / Eymann, Angelika: Household Portfolios in Germany, in: Working Paper Series Sonderforschungsbereich 504 - Deutsche Forschungsgemeinschaft and the European Union, 2000, Vol. No. 00-15, S. 1-62. Bortz, Jürgen: Statistik - Für Sozialwissenschaftler, 4., vollständig überarbeitete Aufl., u. a. Berlin 1993. Bortz, Jürgen / Döring, Nicola: Forschungsmethoden und Evaluation für Human- und Sozialwissenschaftler, 3., überarbeitete Aufl., u. a. Berlin 2002. Boston_Consulting_Group: Transforming Retail Banking Processes, als Studie von Boston Consulting Group, www.bcg.de, 2004. Brealey, Richard A. / Myers, Stewart C.: Principles of Corporate Finance, New York 1996. Brennan, Michael J.: Capital Market Equilibrium with Divergent Borrowing and Lending Rates, in: The Journal of Financial and Quantitative Analysis, 1971, Vol. 6, No. 5, S. 1197-205. Brennan, Michael J. / Schwartz, Eduardo S. / Lagnado, Ronald: Strategic asset allocation, in: Journal of Economic Dynamics and Control, 1997, Vol. 21, No. S. 1377-403. Breuer, Wolfgang / Stotz, Olaf / Perst, Achim: Behavioral Corporate Finance, in: Working Papers der betrieblichen Finanzwirtschaft, 2004, Vol. bfw33V4/04, No. 1, S. 1-20. Brinson, Gary P. / Hood, L. Randolph / Beebower, Gilbert L.: Determinants of Portfolio Performance, in: Financial Analysts Journal, 1986, Vol. 42, No. 4, S. 39-44. Brinson, Gary P. / Singer, Brian D. / Beebower, Gilbert L.: Determinants of Portfolio Performance II: An Update, in: Financial Analysts Journal, 1991, Vol. 47, No. 3, S. 40-48. Brooks, Robert D. / Faff, Robert W. / Lee, John H. H.: The Form of Time Variation of Systematic Risk: some Australian Evidence, in: Applied Financial Economics, 1992, Vol. 2, No. S. 191-98. Brown, Stephen J. / Goetzmann, William N. / Kumar, Alok: The Dow Theory: William Peter Hamilton's Track Record Reconsidered, in: The Journal of Finance, 1998, Vol. 53, No. 4, S. 1311-33. Buhl, Hans Ulrich / Kundisch, Denis / Steck, Werner: Sophistication Banking als erfolgreiche Strategie im Informationszeitalter, in: Zeitschrift für Betriebswirtschaft, 2002, Vol. Ergänzungsheft 2/2002, No. 1, S. 1-11. Bühler, Wilhelm: Kundenzufriedenheit im Privatgeschäft, in: Die Bank, 1993, Vol. 9, No. 511-19. Bundesministerium_der_Finanzen: Innenansichten - Steuern von A bis Z, in: 2002, S. 1145. BVI, Bundesverband Investment und Asset Management e.V. (Hrsg.): Die BVI-Methode zur Wertentwicklungsberechnung von Investmentfonds: Einfach, nachvollziehbar und exakt., Frankfurt Am Main 2005a. BVI, Bundesverband Investment und Asset Management e.V. (Hrsg.): Investment 2005 Daten, Fakten und Entwicklungen, Frankfurt am Main 2005b. Cahart, Mark M.: On Persistence in Mutual Fund Performance, in: The Journal of Finance, 1997, Vol. 52, No. 1, S. 57-82. Calvet, Laurent E. / Campbell, John Y. / Sodini, Paolo: Down or Out: Assessing the Welfare Costs or Household Investment Mistakes, in: Research Paper Series of Harvard Institute of Economic Research, 2006, Vol. 1, No. 1, S. 1-42. Campbell, John Y. / Chan, Yeung Lewis / Viceira, Luis M.: A multivariate model of strategic asset allocation, in: Journal of Financial Economics, 2003, Vol. 67, No. 1, S. 41-80. Campbell, John Y. / Lettau, Martin / Burton, Makiel G. / XU, Yexiao: Have Individual Stocks Become More Volatile? An Empirical Exploration of Idiosyncratic Risk, in: The Journal of Finance, 2001, Vol. 56, No. 1, S. 1-43. Canner, Niko / Mankiw, N. Gregory / Weil, David N.: An Asset Allocation Puzzle, in: American Economic Review, 1997, Vol. 87, No. 1, S. 181-91.

232 Capgemini_Consulting: World Retail Banking Report 2005, als Studie von Capgemini Consulting, www.de.capgemini.com, 2005. Capon, Noel / Fitzsimons, Gavan J. / Prince, Russ Alan: An Individual Level Analysis of the Mutual Fund Investment Decision, in: Journal of Financial Services Research, 1996, Vol. 10, No. 1, S. 59-82. CFA_Institute: Global Investment Performance Standards (GIPS), in: 2005, Coen, Alain: Home Bias and International Capital Asset Pricing Model with Human Capital, in: Journal of Multinational Financial Management, 2001, Vol. 11, No. 1, S. 497-513. Conroy, Robert / Harris, Robert: Consensus Forecasts of Corporate Earnings: Analysts´ Forecasts and Time Series Methods, in: Management Science, 1987, Vol. 33, No. 6, S. 725-38. Constantinides, George M.: Capital Market Equilibrium with Transaction Costs, in: The Journal of Political Economy, 1986, Vol. 94, No. 1, S. 842-62. Copeland, Thomas E. / Weston, J. Fred: Financial theory and corporate policy, 3., überarbeitete Aufl., Addison Wesley, 1992 1992. Copeland, Thomas E. / Mayers, David: THE VALUE LINE ENIGMA (1965-1978) - A Case Study of Performance Evaluation Issues, in: Journal of Financial Economics, 1982, Vol. 10, No. S. 289-321. Cowles, Alfred: Can Stock Market Forecasters Forecast?, in: Econometrica, 1933, Vol. 1, No. 3, S. 309-24. Cox, D. R: Regression Models and Life-Tables, in: Journal of the Royal Statistical Society, 1972, Vol. 34, No. 2, S. 187-220. Cox, D. R. / Oakes, D.: Analysis of Survival Data, u. a. London 1983. Cronin, J. Joseph / Taylor, Jr. & Steven A.: Measuring Service Qualtiy: A Reexamination and Extension, in: Journal of Marketing, 1992, Vol. 56, No. 3, S. 55 -68. Cronin, J. Joseph / Taylor, Jr. & Steven A.: SERVPERF Versus SERVQUAL: Reconciling Performance-Based and Perceptions-minus-Expectations Measurement of Service Quality, in: Journal of Marketing, 1994, Vol. 58, No. S125-31. DAB_bank: Faszination Wertpapier - Fakten und Hintergründe zum Anlegerverhalten in Deutschland, in: Eine Studie der DAB bank; www.dab-bank.com, 2004, Vol. No. Davis, M. H. A. / Norman, A. R.: Portfolio Selection With Transaction Costs, in: Mathematics of Operations Research, 1990, Vol. 15, No. 4, S. 676-713. Davis, Steven J. / Willen, Paul: Occupation-Level Income Shocks and Asset Returns: Their Covariance and Implications for Portfolio Chioce, in: Working Paper of Graduate School of Business, University of Chicago, 2000, Vol. No. S. 1-69. De Bondt, Werner F. M. / Thaler, Richard H.: Further Evidence On Investor Overreaction and Stock Market Seasonality, in: The Journal of Finance, 1987, Vol. 42, No. 3, S. 557-81. De Bondt, Werner F. M. / Thaler, Richard H.: Do Security Analysts Overreact?, in: The American Economic Review, 1990, Vol. 80, No. 2, S. 52-57. Degeratu, Alexandru M. / Rangaswamy, Arvind / Wu, Jianan: Consumer choice behavior in online and traditional supermarktes: The effects of brand name, price, and other search attributes, in: International Journal of Research in Marketing, 2000, Vol. 17, No. S. 55-78. Deutsche_Bundesbank: Entwicklung des Bankenstellennetzes im Jahr 2005, www.bundesbank.de/download/bankenaufsicht/pdf/bankstellenbericht06.pdf 2006. Dhar, Ravi / Kumar, Alok: A Non-Random Walk Down the Main Street: Impact of Price Trends on Trading Decisions of Individual Investors, in: Yale ICF Working Paper, 2001, Vol. No. 00-45, S. 1-48. Dietz, Peter O.: Components of a Measurement Model: Rate of Return, Risk, and Timing, in: The Journal of Finance, 1968, Vol. 23, No. 2, S. 267-75.

233 Dietz, Peter O.: Investments I: Discussion, in: The Journal of Financial and Quantitative Analysis, 1971, Vol. 6, No. 2, S. 849-53. Dietz, Peter O. / Kirschman, Jeannette R. "Evaluating Portfolio Performance," Managing Investment Portfolios. Charlotteville: AIMR, Association for Investment Management and Research, 1990, S. V.6.5-V.6.69. Dimson, Elroy / Marsh, Paul / Staunton, Mike: Global Evidence on the Equity Risk Premium, in: Journal of Applied Corporate Finance, 2003, Vol. 15, No. 4, S. 8-19. Dimson, Elroy / Mussavian, Massoud: A brief history of market efficiency, in: European Financial Management, 1998, Vol. 4, No. 1, S. 91-103. Dorn, Daniel / Huberman, Gur: Talk and Action: What Individual Investors Say and What They Do, in: Review of Finance, 2005, Vol. 9, No. 1, S. 437-81. DVFA: DVFA-Performance Presentation Standards - erarbeitet von der "DVFA-Komission für Performance Presentation Standards", in: 2000, DVFA: Jahresbericht 2001; Standesrichtlinien der DVFA; www.dvfa.de, in: 2001, Vol. No. Elton, Edwin J. / Gruber, Martin J.: The Rationality of Asset Allocation Recommendations, in: The Journal of Financial and Quantitative Analysis, 2000, Vol. 35, No. 1, S. 27-41. Elton, Edwin J. / Gruber, Martin J. / Das, Sanjiv / Hlavka, Matthew: Efficiency with Costly Information: A Reinterpretation from Managed Portfolios, in: The Review of Financial Studies, 1993, Vol. 6, No. 1, S. 1-22. Elton, Edwin J. / Gruber, Martin J. / Grossman, Seth: Discrete Expectional Data and Portfolio Performance, in: The Journal of Finance, 1986, Vol. 41, No. 3, S. S. 699-713. Evans, John L. / Archer, Stephen H.: Diversification and the Reduction of Dispersion: An Empirical Analysis, in: The Journal of Finance, 1968, Vol. 23, No. 5, S. 761-67. Fabozzi, Frank J. / Francis, Jack C.: Beta a Random Coefficient, in: The Journal of Financial and Quantitative Analysis, 1978, Vol. 13, No. 1, S. 101-16. Fama, Eugene F.: Components of Investment Performance, in: The Journal of Finance, 1972, Vol. 27, No. 3, S. 551-67. Fama, Eugene F.: Foundation of Finance, New York 1976. Fama, Eugene F. / French, Kenneth R.: The Capital Asset Pricing Model: Theory and Evidence, in: The Journal of Economic Perspectives, 2004, Vol. 18, No. 3, S. 25-46. Fama, Eugene F. / French, Kenneth R.: Common risk factors in the returns on stocks and bonds, in: The Journal of Financial Economics, 1993, Vol. 33, No. 1, S. 3-56. Fama, Eugene F. / French, Kenneth R.: The Cross-Section of Expected Stock Returns, in: The Journal of Finance, 1992, Vol. 47, No. 2, S. 427-65. Fama, Eugene F. / French, Kenneth R.: Multifactor Explanations of Asset Pricing Anomalies, in: The Journal of Finance, 1996, Vol. 51, No. 1, S. 55-84. Fama, Eugene F. / Macbeth, James D.: Risk, Return and Equilibrium, in: The Journal of Political Economy, 1973, Vol. 81, No. 3, S. 607-36. Faruqee, Hamid / Li, Shujing / Yan, Isabel K.: The Determinants of International Portfolio Holdings and Home Bias, in: IMF Working Paper, 2004, Vol. 04, No. 34, S. 1-25. Feng, Lei: Correlated Trading and Location, in: The Journal of Finance, 2004, Vol. 59, No. 5, S. 2117-44. Finanztest: Völlig verschnitten, 5/2000, 2000. Fischer, Bernd R.: Performanceanalyse in der Praxis - DVFA Kapitalmarktexpertenwissen, u. a. München 2000. Fischer, Bernd R. / Telöken, Klaus: Näherungsverfahren zur Berechnung der TimeWeighted Rate of Return, in: Finanz Betrieb, 1999, Vol. No. S. 123-31.

234 Fischer, Bernd R. / von Tiling, Annke / Wittrock, Carsten: Different Performance Presentation Standards - A Comparision: Part I, in: The Journal of Performance Measurement, 2000, Vol. No. S. 59-71. Fisher, Lawrence: An Algorithm for Finding Exact Rates of Return, in: Journal of Business, 1966, Vol. 39, No. 1, S. 111-18. Fleming, Thomas R. / Harrington, David P.: Counting Processes and Survival Analysis, u. a. Seattle 1991. Florinsky, Michael T.: Review: National Power and the Structure of Foreign Trade by Albert O. Hirschman, in: Political Science Quarterly, 1946, Vol. 61, No. 2, S. 272-74. Frantzmann, Hans-Jörg: Der Montagseffekt am deutschen Aktienmarkt, in: Zeitschrift für Betriebswirtschaft, 1987, Vol. 75, No. S. 611-35. French, Kenneth R.: Stock Returns and the Weekend Effect, in: Journal of Financial Economics, 1980, Vol. 8, No. 1, S. 55-69. French, Kenneth R. / Poterba, James M.: Investor Diversification and International Equity Markets, in: American Economic Review, 1991, Vol. 81, No. 2, S. 222-26. French, Kenneth R. / Poterba, James M.: Japanese and U.S. Cross-Border Common Stock Investments, in: Journal of the Japanese and International Economies, 1990, Vol. 4, No. 1, S. 476-93. Gebistorf, Liliane: Preisgestaltung für die Private Finanzplanung, Wien 2004. Gentry, James A. / Pike, John R.: Rates of Return on Common Stock Portfolios of Life Insurance Companies, in: The Journal of Risk and Insurance, 1969, Vol. 36, No. 5, S. 545-52. Gerke, Wolfgang / Mager, Ferdinand / Röhrs, Alexander: Twenty Years of International Diversification from a German Perspective, in: Schmalenbach Business Review, 2005, Vol. 57, No. 1, S. 86-102. Gervais, Simon / Odean, Terrance: Learning to Be Overconfident, in: Review of Financial Studies, 2001, Vol. 14, No. 1, S. 1-27. Gierl, Heribert: Das Vertrauen der Kunden gewinnen, in: Die Bank, 1999, Vol. 6, No. 38891. Goetzmann, William N. / Kumar, Alok: Equity Portfolio Diversification, in: NBER Working Paper Series, 2001, Vol. 8686, No. S. 1-37. Goetzmann, William N. / Kumar, Alok: Why Do Individual Investors Hold UnderDiversified Portfolios?, in: Working Paper of Yale University, 2005, Vol. No. S. 1-49. Golec, Joseph H.: Empirical Tests of a Principal-Agent Model of the Investor-Investment Advisor Relationship, in: The Journal of Financial and Quantitative Analysis, 1992, Vol. 27, No. 1, S. 81-95. Gomes, Francisco / Michaelides, Alexander: Optimal Life-Cycle Asset Allocation: Understanding the Empirical Evidence, in: The Journal of Finance, 2005, Vol. 60, No. 2, S. 869-904. Gonedes, Nicholas J.: Capital Market Equilibrium for a Class of Heterogeneous Expectation in a Two-Parameter World, in: The Journal of Finance, 1976, Vol. 31, No. 1, S. 1-15. Graham, John R. / Harvey, Campbell R. / Huang, Hai: Investor Competence, Trading Frequency, and Home Bias, in: Working Paper of AFA 2006 Boston Meetings Paper, 2006, Vol. 1, No. 1, S. 1-32. Grammig, Joachim / Schiereck, Dirk / Theissen, Erik: Knowing me, knowing you: Trader anonymity and informed trading in parallel marktes, in: Journal of Financial Markets, 2001, Vol. 4, No. S. 385-412. Grauer, Robert R. / Hakansson, Nils H.: Gains from International Diversification: 1968-85 Returns on Portfolios of Stocks and Bonds, in: The Journal of Finance, 1987, Vol. 42, No. 2, S. 721-39. Grauer, Robert R. / Shen, Frederick C.: Do constraints improve performance?, in: Journal of Banking & Finance, 2000, Vol. 24, No. S. 1253-74.

235 Green, Jerry R. / Laffont, Jean J. / Kohlberg, Elon: Partial Equilibrium Approach to the Free-Rider Problem, in: Journal of Public Economics, 1976, Vol. 6, No. 4, S. 375 - 94. Grinblatt, Mark / Keloharju, Matti: How Distance, Language, and Culture Influence Stockholdings and Trades, in: The Journal of Finance, 2001, Vol. 56, No. 3, S. 1053-73. Grinblatt, Mark / Moskowitz, Tobias J.: Predicting stock price movements from past returns: the role of consistency and tax-loss selling, in: Journal of Financial Economics, 2004, Vol. 71, No. S. 541-79. Grinblatt, Mark / Titman, Sheridan: Portfolio Performance Evaluation: Old Issues and New Insights, in: The Review of Financial Studies, 1989, Vol. 2, No. 3, S. 393-421. Grossman, Sanford: On the Efficiency of Competitive Stock Markets Where Trades Have Diverse Information, in: The Journal of Finance, 1976, Vol. 31, No. 2, S. 573-85. Grossman, Sanford / Stiglitz, Joseph E.: On the Impossibility of Informationally Efficient Markets, in: The American Economic Review, 1980, Vol. 70, No. 3, S. 393-408. Guiso, Luigi / Haliassos, Michael / Jappelli, Tullio: Household stockholding in Europe: where do we stand and where do we go?, in: Economic Policy, 2003, Vol. 44, No. S. 124 -70. Guiso, Luigi / Jappelli, Tullio: Awareness and Stock Market Participation, in: Review of Finance, 2005, Vol. 9, No. 1, S. 537-67. Hackethal, Andreas / Jansen, Christian: How to meet investors' financial advisory needs, in: Eastern Finance Association - 43rd Annual Meeting 2007, 2006, Vol. 1, No. 1, S. 1-32. Hackethal, Andreas / Schmidt, Reinhard H.: Structural Change in the German Banking System?, in: Working Paper Series: Finance & Accounting; Johann Wolfgang GoetheUniversität, 2005, Vol. 1, No. 147, S. 1-31. Hagle, Timothy M. / Mitchell II, Glenn E.: Goodness-of-Fit Measures for Probit and Logit, in: American Journal of Political Science, 1992, Vol. 36, No. 3, S. 762-84. Haliassos, Michael: Stockholding: Recent Lessons from Theory and Computations, in: Working Paper of University of Cyprus, 2002, Vol. 1, No. 1, S. 1-32. Haliassos, Michael / Bertaut, Carol C.: Why do so Few Hold Stocks?, in: The Economic Journal, 1995, Vol. 105, No. 43, S. 1110-29. Haliassos, Michael / Michaelides, Alexander: Portfolio Choice and Liquidity Constraints, in: International Economic Review, 2003, Vol. 44, No. S. 143-77. Harlow, W. V.: Asset Allocation in a Downside-Risk Framework, in: Financial Analysts Journal, 1991, Vol. Sep. - Oct., No. 1, S. 28-40. Heckman, James / Ichimura, Hidehiko / Smith, Jeffrey / Todd, Petra: Characterizing Selection Bias Using Experimental Data, in: Econometrica, 1998, Vol. 66, No. S. 1017-98. Hein, Manfred: Einführung in die Bankbetriebslehre, 2. Aufl., München 1993. Herfindahl, Orris C.: Concentration in the U.S. Steel Industry, Columbia 1950. Hirschman, Albert Otto: National Power and the Structure of Foreign Trade, Los Angeles 1945. Hirschman, Albert Otto: The Paternity of an Index, in: The American Economic Review, 1964, Vol. 54, No. 5, S. 761. Huang, Chi-fu / Litzenberger, Robert H.: Foundations for Financial Economics, New York 1988. Huang, Jennifer / Wei, Kesley D. / Yan, Hong: Participation Costs and the Sensivity of Fund Flows to Past Performance, in: Working Paper of University of Texas, 2005, Vol. No. S. 1-54. Hubbard, R. Glen: Personal Taxation, Pension Wealth, and Portfolio Composition, in: The Review of Economics and Statistics, 1985, Vol. 67, No. S. 53-60. Huberman, Gur / Kandel, Shumel: Market Efficiency and Value Line´s Record, in: Journal of Business, 1990, Vol. 63, No. 2, S. 187-216.

236 Illmer, Stefan / Marty, Wolfgang: Decomposing the Money-Weighted Rate of Return, in: The Journal of Performance Measurement, 2003, Vol. No. S. 42-50. Ingersoll, Jonathan E. Jr.: Theory of Financial Decision Making, Maryland 1987. Investment_Company_Institute: Equity Ownership in America, 2005; www.ici.org, 2005. Ippolito, Richard A.: Efficiency With Costly Information: A Study of Mutual Fund Performance, 1965-1984, in: The Quarterly Journal of Economics, 1989, Vol. 104, No. 1, S. 1-23. Israelsen, Craig L.: A Refinement to the Sharpe Ratio and Information Ratio, in: Journal of Asset Management, 2005, Vol. 5, No. 6, S. 423-27. Ivkovic, Zoran / Sialm, Clemens / Weisbenner, Scott: Portfolio Concentration and the Performance of Individual Investors, in: Working Paper of SSRN Series, 2005, Vol. 1, No. 1, S. 144. Ivkovic, Zoran / Weisbenner, Scott: Local Does as Local Is: Information Content of the Geography of Individual Investors´ Common Stock Investments, in: The Journal of Finance, 2005, Vol. 60, No. 1, S. 267-306. Jacquier, Eric / Marcus, Alan J.: Asset Allocation Models and Market Volatility, in: Financial Analysts Journal, 2001, Vol. 57, No. 2, S. 16-30. Jahnke: The Asset Allocation Hoax, in: Journal of Financial Planning, 1997, Vol. No. S. 109-13. Jensen, Michael C.: The Performance of Mutual Funds in the Period 1956-1964, in: The Journal of Finance, 1968, Vol. 23, No. S. 389-416. Jütten, Herbert: Anlage wird neu geordnet, in: Die Bank, 1995, Vol. 4, No. 1, S. 221-26. Kandel, Shumel / Stambaugh, Robert F.: On the Predictability of Stock Returns: An AssetAllocation Perspective, in: The Journal of Finance, 1996, Vol. 51, No. 2, S. 385-424. Keim, Donald B.: Dividend Yields and the January Effect, in: Journal of Portfolio Management, 1986, Vol. 12, No. 2, S. 54-60. Kelly, Morgan: All their eggs in one basket: Portfolio diversification of US households, in: Journal of Economic Behavior and Organization, 1995, Vol. 27, No. 1, S. 87-96. Kienle, Christopher J. "Anlageberatung, in: Bankrechts-Handbuch," Schimansky, Herbert; Bunte, Hermann J.; Lwowski, Hans J., 1997, S. 2891-908. KPMG_International: Customer Satisfaction: At What Price?, als Studie von KPMG International, www.kmpg.de, 2005. Krah, Eva-Susanne: Den Banken Beine machen, in: Bankmagazin, 2006, Vol. 11, No. 1, S. 17-22. Krahnen, Jan Pieter: Der Handel von Kreditrisiken: Eine neue Dimension des Kapitalmarktes, in: Working Paper Series: Finance & Accounting; Johann Wolfgang Goethe-Universität, 2005, Vol. 1, No. 152, S. 1-27. Krishnan, M. S. / Ramaswamy, Venkatram / Meyer, Mary C. / Damien, Paul: Customer Satisfaction for Financial Services: The Role of Products, Services, and Information Technology, in: Management Science, 1999, Vol. 45, No. 9, S. 1194-209. Kritzman, Mark: What Practitioners Need to Know...About Return and Risk, in: Financial Analysts Journal, 1993, Vol. May / June, No. S. 14-17. Kroll, Yoram / Levy, Haim: Further Tests of the Separation Theorem and the Capital Asset Pricing Model, in: American Economic Review, 1992, Vol. 82, No. 3, S. 664-70. Kroll, Yoram / Levy, Haim / Rapoport, Amnon: Experimental Tests of the Separation Theorem and the Capital Asset Pricing Model, in: American Economic Review, 1988, Vol. 78, No. 3, S. 500-19. Lakonishok, Josef / Shleifer, Andrei / Vishny, Robert W.: The Structure and Performance of the Money Management Industry, in: Brookings Papers on Economic Activity. Microeconomics, 1992, Vol. No. S. 339-91.

237 Lakonishok, Josef / Smidt, Seymour: Are Seasonal Anomalies Real? A Ninety-Year Perspective, in: Review of Financial Studies, 1988, Vol. 1, No. 4, S. 403-25. LaLonde, Robert J.: Evaluating the Econometric Evaluations of Training Programms with Experimental Data, in: The American Economic Review, 1986, Vol. 76, No. S. 604-20. Lease, Reonald C. / Lewellen, Wilbur G. / Schlarbaum, Gary G.: The Individual Investor: Attributes and Attitudes, in: The Journal of Finance, 1974, Vol. 29, No. 2, S. 413-33. Leland, Hayne E. / Pyle, David H.: Informational Asymmetries, Financial Structure, and Financial Intermediation, in: The Journal of Finance, 1977, Vol. 32, No. 2, S. 371-87. Levy, Haim / Sarnat, Marshall: International Diversification of Investment Portfolios, in: American Economic Review, 1970, Vol. 60, No. 4, S. 668-75. Levy, Robert A.: Measurement of Investment Performance, in: The Journal of Financial and Quantitative Analysis, 1968, Vol. 3, No. 1, S. 35-57. Lewis, Craig M. / Rogalski, Richard J. / Seward, James K.: The Information Content of Value Line Convertible Bond Rankings, in: Journal of Portfolio Management, 1997, Vol. 24, No. 1, S. 42-52. Liao, Shaoyi / Shao, Yuan Pu / Wang, Huaiqing / Chen, Ada: The adoption of virtual banking : an empirical study, in: International journal of information management, 1999, Vol. 19, No. 1, S. 63-74. Lintner, John: The Aggregation of Investor´s Diverse Judgements and Preference in Purely Competitive Security Marktes, in: The Journal of Financial and Quantitative Analysis, 1969, Vol. 4, No. 4, S. 347-400. Lintner, John: The Valuation of Risk Assets and the Selection of Risky Investments in Stock Portfolios and Capital Budgets, in: The Review of Economics and Statistics, 1965, Vol. 54, No. S. 13-37. Logue, Dennis E. / Tuttle, Donald L.: Brokerage House Investment Advice, in: Financial Review, 1973, Vol. 8, No. 1, S. 38-54. Mankiw, N. Gregory / Zeldes, Stephen P.: The consumption of stockholders and nonstockholders, in: Journal of Financial Economics, 1991, Vol. 29, No. 1, S. 97-112. Markowitz, Harry: Portfolio Selection, in: The Journal of Finance, 1952, Vol. 7, No. 1, S. 77-91. Markowitz, Harry: Portfolio Selection, New York 1959. Massa, Massimo / Simonov, Andrei: Hedging, Familiarity and Portfolio Choice, in: Review of Financial Studies, 2006, Vol. 19, No. 2, S. 633-85. Matschke, Manfred J. / Hering, Thomas / Klingelhöfer, Heinz E.: Finanzanalyse und Finanzplanung, München 2002. Maurer, Raimond / Mertz, Alexander: Internationale Diversifikation von Aktien- und Anleiheportfolios aus der Perspektive deutscher Investoren, in: Die Betriebswirtschaft, 2000, Vol. 60, No. 1, S. 423-40. Mayers, David / Rice, Edward M.: Measuring Portfolio Performance and the Empirical Content of Asset Pricing Models, in: The Journal of Financial Economics, 1979, Vol. 7, No. S. 3-18. McNichols, Maureen / O´Brien, Patricia C.: Self-Selection and Analyst Coverage, in: Journal of Accounting Research, 1997, Vol. 35, No. 167-99. Merton, Robert C.: An Intertemporal Capital Asset Pricing Model, in: Econometrica, 1973, Vol. 41, No. 5, S. 867-87. Metrick, Andrew: Performance Evaluation with Transactions Data: The Stock Selection of Investment Newsletters, in: The Journal of Finance, 1999, Vol. 54, No. 5, S. 1743-75. Michaud, Richard O.: The Markowitz Optimization Enigma: Is "Optimized" Optimal, in: Financial Analysts Journal, 1989, Vol. No. S. 31-42.

238 Moncrief, William C. / Hoverstad, Ronald / Lucas, George H.: Survival Analysis: A New Approach to Analyzing Sales Force Retention, in: Journal of Personal Selling & Sales Management, 1989, Vol. 9, No. S. 19-30. Mossin, Jan: Equilibrium in a Capital Asset Market, in: Econometrica, 1966, Vol. 34, No. 4, S. 768-83. Müller-Böling, Detlef / Klandt, Heinz: Methoden Empirischer Wirtschafts- und Sozialforschung - Eine Einführung mit wirtschaftswissenschaftlichem Schwerpunkt, 3. Aufl., Köln/Dortmund 1996. Nitzsch, Rüdiger v. / Aretz, Christoph / Benner, Oliver / Leinweber, Stefan: Finanzplanung und aktive Betreuung der Risiken des Kunden, in: FIFAM Forschungsbericht 06/04, 2004, Vol. 6, No. 1, S. 1-60. Nitzsch, Rüdiger v. / Hackethal, Andreas: Kundennutzenorientierte Gestaltung der Anlageberatung im Privatkundengeschäft, in: FIFAM Forschungsbericht 05/05, 2005, Vol. 1, No. 1, S. 1-18. Nitzsch, Rüdiger v. / Rouette, Christian: Ermittlung der Risikobereitschaft - die Anlageberatung optimieren, in: Die Bank, 2003, Vol. 6, No. 1, S. 404-09. Obst, Georg / Hintner, Otto / Kloten, Norbert / von Stein, Johann Heinrich: Geld-, Bank- und Börsenwesen, 39. vollst. neubearbeitet Aufl., Stuttgart 1993. Odean, Terrance: Are Investors Reluctant to Realize Their Losses?, in: The Journal of Finance, 1998, Vol. 53, No. 5, 1775-98. Oehler, Andreas: "Only you"? - Marktanteile und Migration im Privatkundengeschäft - Erhebliche Unterschiede zwischen den Bankengruppen, in: Bank- und Finanzwirtschaftliche Forschung: Diskussionsbeiträge des Lehrstuhls für Betriebswirtschaftslehre, insbesondere Finanzwirtschaft, Universität Bamberg., 2003, Vol. 1, No. 1, S. 1-17. Oehler, Andreas: Overbanking in Deutschland?, in: Zeitschrift für das gesamte Kreditwesen, 2000, Vol. 53, No. 1, S. 332. Oehler, Andreas / Rummer, Marco / Walker, Thomas / Wendt, Stefan: Are Investors Home Biased? - Evidence from Germany, in: Working Paper of University Bamberg, 2005, Vol. 1, No. 1, S. 1-32. Paiella, Monica: Limited Financial Market Participation: A Transaction Cost-based Explanation, in: Working Paper of The Institute for Fiscal Studies, 2001, Vol. No. S. 1-39. Parasuraman, A. / Zeithaml, Valarie A. / Berry, Leonard L.: Reassessment of Expectations as a Comparison Standard in Measuring Service Quality: Implications for Future Research, in: Journal of Marketing, 1994, Vol. 58, No. S. 6-17. Parasuraman, A. / Zeithaml, Valarie A. / Berry, Leonard L.: SERVQUAL: A MultipleItem Scale for Measuring Consumer Perceptions of Service Quality, in: Journal of Retailing, 1988, Vol. 64, No. 1, S. 12-40. Prentice, Ross L.: A Generalization of the Probit and Logit Methods for Dose Response Curves, in: Biometrics, 1976, Vol. 32, No. 4, S. 761-68. Price, Lee N.: Measuring Analyst Performance: How Should Indexes Be Constructed for Individual Investors?, in: The Journal of Performance Measurement, 2001, Vol. No. S. 9-12. Priewasser, Erich: Die Priewasser-Prognose: Bankstrategien und Bankmanagement 2009, Frankfurt am Main 1994. Rehkugler, Heinz / Voigt, Martina / Kraus, Birgit / Otterbach, Andreas: Die Qualität der Anlageberater, in: Die Bank, 1992, Vol. 6, No. 1, S. 316-22. Ritter, Jay R.: Behavioral finance, in: Pacific-Basin Finance Journal, 2003, Vol. 11, No. 1, S. 429-37. Rolfes, Bernd / Benna, Ralf: Beratung: Die Präferenzen der Kunden, in: Die Bank, 1998, Vol. 9, No. 543-49.

239 Roll, Richard: Ambiguity when Performance is Measured by the Security Market Line, in: The Journal of Finance, 1978, Vol. 33, No. 4, S. 1051-69. Roll, Richard: A Critique of the Asset Pricing Theory´s Tests - Part I: On Past and Potential Testability of the Theory, in: Journal of Financial Economics, 1977, Vol. 4, No. S. 129-76. Ross, Stephen A.: The Arbitrage Theory of Capital Asset Pricing, in: Journal of Economic Theory, 1976, Vol. 13, No. S. 341-60. Rouette, Christian: Die Asset-Allokationentscheidung deutscher Privatinvestoren: Empirie und Konsequenzen für die Anlageberatung, Manuskript, Lohmar 2005. Ruda, Walter: Ziele privater Anleger, Wiesbaden 1988. Rudolph, Bernd: Zur Theorie des Kapitalmarktes - Grundlagen, Erweiterungen und Anwendungsbereiche des Capital Asset Pricing Models (CAPM), in: ZfB-Enzyklopädie, 1979, Vol. 11, No. S. 1048. Rust, Roland T. / Zahorik, Anthony J. / Keiningham, Timothy L.: Return on Quality (ROQ): Making Service Quality Financially Accountable, in: Journal of Marketing, 1995, Vol. 59, No. S. 58-70. Sartowski, Rafael: Pflichtenkollision bei der Effektenberatung, Frankfurt am Main 2005. Schaubach, Peter / Tilmes, Rolf. "Das Konzept der privaten Finanzplanung," M. Wesseling, Financial Consulting. Stuttgart: 2004, S. 75-143. Schiereck, Dirk / De Bondt, Werner / Weber, Martin: Contrarian and Momentum Strategies in Germany, in: Financial Analysts Journal, 1999, Vol. S. 104-116, No. Schlarbaum, Gary G. / Lewellen, Wilbur G. / Lease, Ronald C.: The Common-StockPortfolio Performance Record of Individual Investors: 1964-70, in: The Journal of Finance, 1978a, Vol. 33, No. 2, Schlarbaum, Gary G. / Lewellen, Wilbur G. / Lease, Ronald C.: Realized Returns on Common Stock Investments: The Experience of Individual Investors, in: Journal of Business, 1978b, Vol. 51, No. 2, Schmidt, Reinhard H. / Hackethal, Andreas / Tyrell, Marcel: The Convergence of Financial Systems in Europe, in: Schmalenbach Business Review, 2002, Vol. Special Issue 1, No. 1/02, S. 7-53. Scholz, Hendrik / Wilkens, Marco: Die Marktphasenabhängigkeit der Sharpe Ratio - Eine empirische Untersuchung für Aktienfonds, in: Zeitschrift für Betriebswirtschaft, 2006, Vol. 76, No. 12, S. 1275-302. Schroder, Mark: Optimal portfolio selection with fixed transaction costs: Numerical solutions, in: Working Paper of Michigan State University, 1995, Vol. No. S. 1-51. Severidt, Katrin: Beratungshonorare in Banken, Frankfurt am Main 2001. Sharpe, William F.: Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk, in: The Journal of Finance, 1964, Vol. 19, No. 3, S. 425-42. Sharpe, William F.: Morningstar´s Risk-Adjusted Ratings, in: Financial Analysts Journal, 1998, Vol. 54, No. July/August, S. 21-33. Sharpe, William F.: Mutual Fund Performance, in: Journal of Business, 1966, Vol. 39, No. 1, S. 119-38. Sharpe, William F.: The Sharpe Ratio, in: Journal of Portfolio Management, 1994, Vol. 21, No. Fall, S. 49-58. Sharpe, William F. / Alexander, Gordon J.: Investments, 4., überarbeitete Aufl., Englewood Cliffs 1990. Singer, Brian D.: Asset Allocation, Hoaxes, and the Creation of Straw Men, in: Journal of Financial Planning, 1997, Vol. 10, No. 5, S. 14-15. Sinquefield, Rex A.: Where are the Gains from International Diversification?, in: Financial Analysts Journal, 1996, Vol. 1/2, No. 1, S. 8-14.

240 Solnik, Bruno: An Equilibrium Model of the International Capital Market, in: Journal of Economic Theory, 1974, Vol. 8, No. 1, S. 500-24. Spaulding, David: Is the Modified Dietz Formula Money-Weighted or Time-Weighted?, in: The Journal of Performance Measurement, 2003a, Vol. No. S. 37-41. Spaulding, David: Performance Presentation Standards Survey - Summary of Results, in: The Journal of Performance Measurement, 2003b, Vol. No. S. 29-36. Spremann, Klaus / Winhart, Stephanie: Anlageberatung und Lebenszyklus, in: Finanzmarkt und Portfolio Management, 1998, Vol. 2, No. 1, S. 150-69. Spremann, Klaus / Winhart, Stephanie: Humankapital im Portefeuille privater Investoren, in: Zeitschrift für Betriebswirtschaft, 1997, Vol. Ergänzungsheft 3, No. 67, S. 145-67. Statistisches_Bundesamt: Volkswirtschaftliche Gesamtrechnungen - Nettoeinkommen und Zahl der Haushalte nach Haushaltsgruppen - 1991 bis 2002, in: Arbeitsunterlage des Statistischen Bundesamtes, 2003, S. 1-27. Statistisches_Bundesamt: Wirtschaftsrechnungen - Einkommens- und Verbrauchsstichprobe, in: Fachserie des Statistischen Bundesamtes, Nr. 15, 2004, S. 1-286. Statman, Meir: How many Stocks Make a Diversified Portfolio?, in: Journal of Financial and Quantitative Analysis, 1987, Vol. 22, No. 3, S. 353-63. Stein, Peter: Unsicherheitsreduktion im Vermögensanlagegeschäft mit Privaten: die Institution der stabilen Geschäftsbeziehung als Erfolgsbasis für beratungsorientierte Filialbanken, Frankfurt am Main 1999. Stigler, George J.: Novel Lecture: The Process and Progress of Economics, in: The Journal of Political Economy, 1983, Vol. 91, No. 4, S. 529-45. Stigler, George J.: The Theory of Price, 3., überarbeitete Aufl., New York 1966. Stock, James H. / Watson, Mark W.: Introduction to Econometrics, 2. Aufl., Boston 2003. Sunder, Shyam: Stationarity of Market Risk: Random Coefficients Tests for Individual Stocks, in: The Journal of Finance, 1980, Vol. 35, No. S. 883-96. Tilmes, Rolf: Band 1: Financial Planning im Private Banking, 3. durchges. und ergänzte Auflage, Bad Soden 2002. Tobin, James: Liquidity Preference as Behavior towards Risk, in: Review of Economic Studies, 1958, Vol. 25, No. S. 65-86. Treynor, Jack L.: How to Rate Management of Investment Funds, in: Harvard Business Review, 1965, Vol. 43, No. S. 63-75. Treynor, Jack L. / Black, Fischer: How to Use Security Analysis to Improve Portfolio Selection, in: Journal of Business, 1973, Vol. 46, No. S. 66-86. Vissing-Jörgensen, Annette: Limited Stock Market Participation and the Equity Premium Puzzle, in: Working Paper of University of Chicago, 1999, Vol. No. S. 1-64. Vissing-Jörgensen, Annette: Perspectives On Behavioral Finance: Does "Irrationality" Disappear With Wealth? Evidence From Expectations And Actions, in: Working Paper of Northwestern University, NBER, 2003, Vol. No. S. 1-56. Vissing-Jörgensen, Annette: Towards an Explanation of Household Portfolio Choice Heterogeneity: Nonfinancial Income and Participation Cost Structures, in: NBER Working Paper Series, 2002, Vol. No. S. 1-55. Womack, Kent. L: Do Brokerage Analysts` Recommendations Have Investment Value, in: The Journal of Finance, 1996, Vol. 51, No. 1, 137-67. Yavas, Ugur / Bilgin, Zeynep / Shemwell, Donald J.: Service quality in the banking sector in an emerging economy: a consumer survey, in: International Journal of Bank Marketing, 1997, Vol. 15, No. 6, S. 217-23. Zenger, Christoph: Zeithorizont, Ausfallwahrscheinlichkeit und Risiko: Einige Bemerkungen aus der Sicht der Praktikers, in: Finanzmarkt und Portfolio Management, 1992, Vol. 6, No. 1, S. 104-13.

241 Zimmermann, Heinz: Zeithorizont, Risiko und Performance: Eine Übersicht, in: Finanzmarkt und Portfolio Management, 1991, Vol. 5, No. 2, S. 164-81. Zuber, Markus: Rendite und Qualitätswahrnehmung - Eine experimentelle Untersuchung zu Anlageberatung, Wiesbaden 2005.