Erweiterte Funktionen
Festverzinslich, aber mit System: Wie systematisches Investieren in Fixed Income gelingt
11.07.24 11:45
AllianceBernstein
London (www.anleihencheck.de) - Höhere Zinsen bedeuten, dass die Anleihemärkte wieder lohnende reale Renditen bieten, so Scott DiMaggio, Head - Fixed Income AllianceBernstein.
Gleichzeitig schaffe die anspruchsvollere wirtschaftliche Situation einen größeren Spielraum bei der aktiven Auswahl festverzinslicher Wertpapiere. Doch wie könnten Anleger die daraus entstehenden Chancen konsequent nutzen? Systematische Ansätze für festverzinsliche Anlagen könnten eine Antwort bieten - auch, weil sie ein hohes Maß an Anpassungsfähigkeit böten.
Systematisches Investieren in festverzinsliche Wertpapiere sei ein aktiver Ansatz, der darauf abziele, die Benchmarks der Anleihemärkte zu übertreffen. Bei diesem Ansatz steuere ein dynamischer Multifaktorprozess die Anlageentscheidungen, wobei prädiktive Faktoren verwendet würden, die nachweislich mit der Outperformance verbunden seien. Ein quantitativer, KI-gesteuerter Entscheidungsprozess ordne jede Anleihe auf dem Markt nach ihrer Übereinstimmung mit diesen Vorhersagefaktoren ein und ziele so darauf ab, durch eine Bottom-up-Wertpapierauswahl Alpha zu erzielen. Diese systematische Methodik stehe im Gegensatz zu traditionellen aktiven Ansätzen, bei denen meist die Duration und das Kreditmarktengagement sowie die Sektorausrichtung im Vordergrund stünden.
Da systematische Ansätze von verschiedenen Performancefaktoren abhängen würden, würden sich ihre Renditen wahrscheinlich von denen traditioneller aktiver Strategien unterscheiden - und diese ergänzen. Die aktiven Renditen aus der Wertpapierauswahl in systematischen Strategien seien konstruktionsbedingt weitgehend unkorreliert - sowohl mit der Benchmark als auch mit wichtigen Risikoprämien. Infolgedessen könnten diese Strategien wirksame Diversifizierer in einem festverzinslichen Portfolio sein. Darüber hinaus würden sich systematische Ansätze leicht anpassen lassen, sodass die Manager ihre Portfolios genau auf die Präferenzen ihrer Kunden abstimmen und gleichzeitig ihr Leistungspotenzial beibehalten könnten.
Doch wie funktioniere das genau? Risikofaktoren, wie etwa das Zinsrisiko oder die Spread-Duration würden als Indikatoren dafür dienen, wie Markttreiber die Wertpapierkurse beeinflussen würden. Systematische Strategien würden darauf abzielen, die Faktoren zu identifizieren, mit denen sich wiederholt Wertpapiere mit dem besten risikobereinigten Renditepotenzial würden finden lassen. Dabei könne es sich sowohl um marktwertbasierte Faktoren als auch um fundamentale, unternehmensspezifische Faktoren handeln. Die Erkenntnisse über prädiktive Faktoren würden dabei helfen, systematisch große Mengen historischer Marktdaten zu analysieren und Wertpapiere mit den richtigen Merkmalen herauszufiltern, die eine überdurchschnittliche Wahrscheinlichkeit hätten, den Markt zu übertreffen.
Führende systematische Vermögensverwalter würden über umfangreiche Research-Datenbanken und eigene hochmoderne Quantifizierungsplattformen verfügen, die es ihnen ermöglichen würden, Hunderte von eigenen Faktoren zu identifizieren und zu nutzen. Nicht alle würden kontinuierlich in ein systematisches Portfolio implementiert. Vielmehr könnten die Manager diese je nach Marktbedingungen rotieren.
Wenn es um Aktien gehe, seien prädiktive faktorbasierte Ansätze schon längst im Einsatz. Hier würden sich Benchmarks relativ einfach konstruieren lassen und die Preisbildung sei weitgehend transparent. Im Fixed Income Bereich sei der Ansatz jedoch noch recht neu. Ein Grund: Die höhere Komplexität sowie die Verteilung auf verschiedene Handelsplätze würden die Ermittlung von Liquidität und Preisen auf den Anleihemärkten wesentlich komplexer machen.
Damit systematische Ansätze auf den Märkten für festverzinsliche Wertpapiere funktionieren würden, seien fortschrittliche Technologien und Analysen unerlässlich. Die akademische Forschung untermauere die Argumente für den Einsatz prädiktiver Faktoren bei der Anlage in festverzinsliche Wertpapiere. Um erfolgreiche Portfolios zu erstellen, erfordere es allerdings tiefgehende Test und Werkzeuge zur praktischen Realisierung.
Die Herausforderung dabei: Bei einem systematischen Ansatz werde jede Anleihe in der Benchmark anhand einer Reihe von Vorhersagefaktoren bewertet. Dies führe zu einer Reihe von Bewertungen für jedes Wertpapier. So könne eine Anleihe beispielsweise eine hohe Bewertung für den Wert, aber eine niedrige Bewertung für das Momentum haben. Ein Faktorkombinationsmodell rolle dann die verschiedenen Faktorwerte auf, um einen einzigen zusammengesetzten Gesamtfaktorwert für jedes Wertpapier zu erhalten. Beim Erstellen eines Portfolios verwende das Modell zwei Kriterien unter Verwendung der Faktorbewertungen: Vorhersagekraft und Korrelation mit anderen Faktoren.
Es gewichte diese mithilfe eines Algorithmus, der durch maschinelles Lernen bestimmt werde. Auf diese Weise werde der Gesamtfaktorwert für jede Anleihe unter Berücksichtigung anderer Optimierungs- und Risikobeschränkungen eingestuft, vor allem: Anleihe, Emittent, Sektor, ESG, Duration, Spread, Liquidität und Transaktionskostengrenzen. Auf diese Weise strebe das Modell überlegene risikobereinigte Renditen an, indem es ein Gleichgewicht zwischen Vorhersagekraft und strenger Risikokontrolle schaffe. In diesem relativ neuen Bereich habe sich die Leistung einiger Anbieter von systematischen festverzinslichen Produkten als enttäuschend erwiesen.
Die tatsächlichen Renditen hätten nicht mit den getesteten Ergebnissen übereingestimmt. Dabei würden sich vor allem drei Schwachstellen identifizieren lassen: 1. das Vertrauen auf statische Faktoren, 2. die Verwendung unzuverlässiger Daten und 3. die Unfähigkeit, Liquidität zu beschaffen und Ideen effektiv umzusetzen. Gleichzeitig würden diese Schwachstellen die drei "Säulen" markieren, die wirksame systematische Strategien auszeichnen würden:
Dynamik: Die Marktbedingungen würden sich ständig ändern, und die Wirksamkeit von Faktoren variiere von Markt zu Markt und im Laufe der Zeit. So könne beispielsweise Carry (Rendite) ein starker Faktor auf den Märkten für Investment-Grade-Anleihen sein, nicht aber auf den Märkten für Hochzinsanleihen, wo das Ausfallrisiko ein wichtigerer Performancefaktor sei. Folglich sei es von entscheidender Bedeutung, die Faktoren kontinuierlich zu bewerten und sie dynamisch zu steuern.
Daten: Verlässliche Daten seien die unverzichtbaren Bausteine effektiver systematischer Strategien. Systematische Anleger würden große Mengen an Daten benötigen, die sauber und umfangreich seien und eine lange Historie aufweisen würden. Die Zusammenstellung dieser Daten sei eine mühsame, ressourcenintensive Aufgabe. Es müssten Daten zusammengetragen werden, die sich auf eine Vielzahl von Anleihekennzahlen erstrecken, Point-in-Time-Analysen für die Finanzdaten von Unternehmen in verschiedenen Bereichen umfassen und viele festverzinsliche Klassen weltweit abdecken würden.
Liquidität: Unternehmen, die die Liquidität einer Anleihe nicht effektiv einschätzen könnten, würden nicht in der Lage sein, ihre Anlageideen umzusetzen. Um in einem Markt mithalten zu können, der jede neue Information immer schneller verdaue und darauf reagiere, müssten erfolgreiche Fixed-Income-Manager eine Technologie einsetzen, die alle externen Handelsplattformen für festverzinsliche Wertpapiere an einem Ort zusammenführe. Die Suche nach ausreichender Liquidität zur Ausführung der gewünschten Geschäfte sei eine Voraussetzung für die Verwaltung der Faktorgewichtung eines Portfolios.
Insbesondere der dritte Punkt: Genügend Liquidität zu attraktiven Preisen zu finden, sei für den systematischer Ansätze für festverzinsliche Anlagen von größter Bedeutung. Immerhin würden systematische Strategien nur dann Geschäfte ausführen, wenn sie den Test auf Transaktionskosteneffizienz bestünden. (11.07.2024/alc/a/a)
Gleichzeitig schaffe die anspruchsvollere wirtschaftliche Situation einen größeren Spielraum bei der aktiven Auswahl festverzinslicher Wertpapiere. Doch wie könnten Anleger die daraus entstehenden Chancen konsequent nutzen? Systematische Ansätze für festverzinsliche Anlagen könnten eine Antwort bieten - auch, weil sie ein hohes Maß an Anpassungsfähigkeit böten.
Da systematische Ansätze von verschiedenen Performancefaktoren abhängen würden, würden sich ihre Renditen wahrscheinlich von denen traditioneller aktiver Strategien unterscheiden - und diese ergänzen. Die aktiven Renditen aus der Wertpapierauswahl in systematischen Strategien seien konstruktionsbedingt weitgehend unkorreliert - sowohl mit der Benchmark als auch mit wichtigen Risikoprämien. Infolgedessen könnten diese Strategien wirksame Diversifizierer in einem festverzinslichen Portfolio sein. Darüber hinaus würden sich systematische Ansätze leicht anpassen lassen, sodass die Manager ihre Portfolios genau auf die Präferenzen ihrer Kunden abstimmen und gleichzeitig ihr Leistungspotenzial beibehalten könnten.
Doch wie funktioniere das genau? Risikofaktoren, wie etwa das Zinsrisiko oder die Spread-Duration würden als Indikatoren dafür dienen, wie Markttreiber die Wertpapierkurse beeinflussen würden. Systematische Strategien würden darauf abzielen, die Faktoren zu identifizieren, mit denen sich wiederholt Wertpapiere mit dem besten risikobereinigten Renditepotenzial würden finden lassen. Dabei könne es sich sowohl um marktwertbasierte Faktoren als auch um fundamentale, unternehmensspezifische Faktoren handeln. Die Erkenntnisse über prädiktive Faktoren würden dabei helfen, systematisch große Mengen historischer Marktdaten zu analysieren und Wertpapiere mit den richtigen Merkmalen herauszufiltern, die eine überdurchschnittliche Wahrscheinlichkeit hätten, den Markt zu übertreffen.
Führende systematische Vermögensverwalter würden über umfangreiche Research-Datenbanken und eigene hochmoderne Quantifizierungsplattformen verfügen, die es ihnen ermöglichen würden, Hunderte von eigenen Faktoren zu identifizieren und zu nutzen. Nicht alle würden kontinuierlich in ein systematisches Portfolio implementiert. Vielmehr könnten die Manager diese je nach Marktbedingungen rotieren.
Wenn es um Aktien gehe, seien prädiktive faktorbasierte Ansätze schon längst im Einsatz. Hier würden sich Benchmarks relativ einfach konstruieren lassen und die Preisbildung sei weitgehend transparent. Im Fixed Income Bereich sei der Ansatz jedoch noch recht neu. Ein Grund: Die höhere Komplexität sowie die Verteilung auf verschiedene Handelsplätze würden die Ermittlung von Liquidität und Preisen auf den Anleihemärkten wesentlich komplexer machen.
Die Herausforderung dabei: Bei einem systematischen Ansatz werde jede Anleihe in der Benchmark anhand einer Reihe von Vorhersagefaktoren bewertet. Dies führe zu einer Reihe von Bewertungen für jedes Wertpapier. So könne eine Anleihe beispielsweise eine hohe Bewertung für den Wert, aber eine niedrige Bewertung für das Momentum haben. Ein Faktorkombinationsmodell rolle dann die verschiedenen Faktorwerte auf, um einen einzigen zusammengesetzten Gesamtfaktorwert für jedes Wertpapier zu erhalten. Beim Erstellen eines Portfolios verwende das Modell zwei Kriterien unter Verwendung der Faktorbewertungen: Vorhersagekraft und Korrelation mit anderen Faktoren.
Es gewichte diese mithilfe eines Algorithmus, der durch maschinelles Lernen bestimmt werde. Auf diese Weise werde der Gesamtfaktorwert für jede Anleihe unter Berücksichtigung anderer Optimierungs- und Risikobeschränkungen eingestuft, vor allem: Anleihe, Emittent, Sektor, ESG, Duration, Spread, Liquidität und Transaktionskostengrenzen. Auf diese Weise strebe das Modell überlegene risikobereinigte Renditen an, indem es ein Gleichgewicht zwischen Vorhersagekraft und strenger Risikokontrolle schaffe. In diesem relativ neuen Bereich habe sich die Leistung einiger Anbieter von systematischen festverzinslichen Produkten als enttäuschend erwiesen.
Die tatsächlichen Renditen hätten nicht mit den getesteten Ergebnissen übereingestimmt. Dabei würden sich vor allem drei Schwachstellen identifizieren lassen: 1. das Vertrauen auf statische Faktoren, 2. die Verwendung unzuverlässiger Daten und 3. die Unfähigkeit, Liquidität zu beschaffen und Ideen effektiv umzusetzen. Gleichzeitig würden diese Schwachstellen die drei "Säulen" markieren, die wirksame systematische Strategien auszeichnen würden:
Dynamik: Die Marktbedingungen würden sich ständig ändern, und die Wirksamkeit von Faktoren variiere von Markt zu Markt und im Laufe der Zeit. So könne beispielsweise Carry (Rendite) ein starker Faktor auf den Märkten für Investment-Grade-Anleihen sein, nicht aber auf den Märkten für Hochzinsanleihen, wo das Ausfallrisiko ein wichtigerer Performancefaktor sei. Folglich sei es von entscheidender Bedeutung, die Faktoren kontinuierlich zu bewerten und sie dynamisch zu steuern.
Daten: Verlässliche Daten seien die unverzichtbaren Bausteine effektiver systematischer Strategien. Systematische Anleger würden große Mengen an Daten benötigen, die sauber und umfangreich seien und eine lange Historie aufweisen würden. Die Zusammenstellung dieser Daten sei eine mühsame, ressourcenintensive Aufgabe. Es müssten Daten zusammengetragen werden, die sich auf eine Vielzahl von Anleihekennzahlen erstrecken, Point-in-Time-Analysen für die Finanzdaten von Unternehmen in verschiedenen Bereichen umfassen und viele festverzinsliche Klassen weltweit abdecken würden.
Liquidität: Unternehmen, die die Liquidität einer Anleihe nicht effektiv einschätzen könnten, würden nicht in der Lage sein, ihre Anlageideen umzusetzen. Um in einem Markt mithalten zu können, der jede neue Information immer schneller verdaue und darauf reagiere, müssten erfolgreiche Fixed-Income-Manager eine Technologie einsetzen, die alle externen Handelsplattformen für festverzinsliche Wertpapiere an einem Ort zusammenführe. Die Suche nach ausreichender Liquidität zur Ausführung der gewünschten Geschäfte sei eine Voraussetzung für die Verwaltung der Faktorgewichtung eines Portfolios.
Insbesondere der dritte Punkt: Genügend Liquidität zu attraktiven Preisen zu finden, sei für den systematischer Ansätze für festverzinsliche Anlagen von größter Bedeutung. Immerhin würden systematische Strategien nur dann Geschäfte ausführen, wenn sie den Test auf Transaktionskosteneffizienz bestünden. (11.07.2024/alc/a/a)