Skip to main content

Weitere Anlagecharakteristiken

  • Chapter
  • First Online:
Book cover Finance: Angewandte Grundlagen
  • 9976 Accesses

Zusammenfassung

Die Annahme, dass die Renditen normalverteilt sind, ist sehr praktisch, da lediglich die ersten beiden Momente der Verteilung (also der Erwartungswert und die Varianz bzw. Standardabweichung) erforderlich sind, um die Renditeverteilung vollumfänglich zu beschreiben. Allerdings sind in den allermeisten Fällen die Renditen von Finanzanlagen nicht normalverteilt, sodass höhere zentrale Momente der Verteilung wie die Schiefe und die Kurtosis zu berücksichtigen sind. Darüber hinaus sind für die Beurteilung von Anlagen auch deren Markteigenschaften wichtig. Der Wert von Finanzprodukten wird durch die Informationseffizienz und die Liquidität der Märkte beeinflusst. Letztere hat einen wesentlichen Einfluss auf die Höhe der Handelskosten. Treffen die Annahmen der Normalverteilung nicht zu und sind die Marktinformationseffizienz und die Marktliquidität nicht gegeben, so müssen weitere Verteilungs‑ und Markteigenschaften einbezogen werden, um die Anlage beurteilen zu können.

In diesem Kapitel werden die Eigenschaften einer Verteilung vorgestellt, wobei neben der Normalverteilung die Schiefe, die Kurtosis und die Lognormalverteilung näher betrachtet werden. Danach werden die Markteigenschaften von Anlagen wie die Informationseffizienz der Finanzmärkte, die Zufallsbewegung und die Marktliquidität anhand der Handelskosten beschrieben.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 34.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    Investoren bevorzugen Anlagen mit einer hohen erwarteten Rendite, mit niedriger Varianz, positiver Schiefe und niedriger Kurtosis.

  2. 2.

    Einige statistische Softwarelösungen wie etwa Microsoft Excel verwenden für die Berechnung der Kurtosis die Excess‐Kurtosis (Kurtosis − 3). Bei einer Normalverteilung ist die Excess‐Kurtosis 0 (= 3 − 3).

  3. 3.

    Vgl. Jarque und Bera 1987: A Test for Normality of Observations and Regression Residuals, S. 163 ff.

  4. 4.

    In der Formel werden die Schiefe und die Excess‐Kurtosis quadriert, was dazu führt, dass die Jarque‐Bera‐Statistik immer eine positive Zahl ist. Würde man die Schiefe und die Excess‐Kurtosis nicht quadrieren, könnte etwa eine negative Schiefe eine positive Excess‐Kurtosis in der Formel aufheben, sodass die Jarque‐Bera‐Statistik fälschlicherweise eine Normalverteilung anzeigen würde.

  5. 5.

    Vgl. Abschn. 1.3.

  6. 6.

    Vgl. Abschn. 13.6.

  7. 7.

    Vgl. Abschn. 2.2.

  8. 8.

    Vgl. Abschn. 3.2.3.

  9. 9.

    Siehe für die Berechnung der Wahrscheinlichkeit die Ausführungen zu den Microsoft‐Excel‐Applikationen am Ende dieses Kapitels.

  10. 10.

    Eine höhere risikoadjustierte oder überdurchschnittliche Rendite bedeutet, dass die erzielte Rendite größer ist als die aufgrund des Risikos der Anlage geforderte Rendite. Die risikogerechte erwartete Rendite kann zum Beispiel mit einem Einfaktormodell wie dem Capital Asset Pricing Model oder mit einem Multifaktorenmodell wie dem Fama/French‐Modell berechnet werden. Die Differenz zwischen der erzielten und der erwarteten Rendite stellt die überdurchschnittliche Rendite bzw. das Alpha dar.

  11. 11.

    Vgl. Fama 1970: Efficient Capital Markets: A Review of Theory and Empirical Work, S. 383 ff.

  12. 12.

    Vgl. z. B. Bessembinder und Chan 1998: Market Efficiency and the Returns to Technical Analysis, S. 5 ff., und Fifield et al. 2005: An Analysis of Trading Strategies in Eleven European Stock Markets, S. 531 ff.

  13. 13.

    Vgl. Fifield et al. 2005: An Analysis of Trading Strategies in Eleven European Stock Markets, S. 531 ff.

  14. 14.

    Vgl. z. B. Gan et al. 2005: Revisiting Share Market Efficiency: Evidence from the New Zealand Australia, US and Japan Stock Indices, S. 996 ff., und Raja et al. 2009: Testing the Semi‐Strong Form Efficiency of Indian Stock Market with Respect to Information Content of Stock Split Announcements – A Study of IT Industry, S. 7 ff.

  15. 15.

    Vgl. z. B. Rozeff und Zaman 1988: Market Efficiency and Insider Trading: New Evidence, S. 25 ff.

  16. 16.

    Vgl. z. B. Malkiel 1995: Returns from Investing in Equity Mutual Funds 1971 to 1991, S. 549 ff.

  17. 17.

    Ein informeller Ansatz, um die Autokorrelation von Renditen zu untersuchen, stellt ein Streudiagramm der Renditen rt gegenüber den Renditen rt−1 dar. Dabei wird im Streudiagramm visuell nach einer möglichen Autokorrelation gesucht. Bei einer positiven Autokorrelation befinden sich mehr Renditepunkte in den nordöstlichen und südwestlichen Quadranten des Streudiagramms, wo rt und rt−1 das gleiche Vorzeichen besitzen. Demgegenüber liegen die Renditepunkte bei einer negativen Autokorrelation vorwiegend in den südöstlichen und nordwestlichen Quadranten. Bei einer Autokorrelation von null treten die Renditepunkte in allen vier Quadranten gleichmäßig auf. Ein formaler Ansatz um die Autokorrelation der ersten Ordnung von Renditezeitreihen zu untersuchen, ist der Durbin‐Watson‐Test. Vgl. DeFusco et al. 2004: Quantitative Methods for Investment Analysis, S. 470 ff.

  18. 18.

    Für den Korrelationskoeffizienten vgl. Abschn. 4.2.

  19. 19.

    Behavioral Finance beschäftigt sich mit dem Verhalten von Individuen in wirtschaftlichen Situationen. Dabei werden Verhaltensweisen untersucht, die im Widerspruch zu den Modellannahmen wie etwa Risikoaversion stehen.

  20. 20.

    Der Handel findet grundsätzlich auf folgenden Märkten statt: quotegesteuerter Markt, auftragsgesteuerter Markt und Broker‐Markt. In einem quotegesteuerten Markt handeln Investoren direkt mit den Händlern, während in einem auftragsgesteuerten Markt der Handel zwischen den Investoren (ohne Intermediation von Händlern) abgewickelt wird. In einem Broker‐Markt hingegen stützt sich der Händler auf einen Broker, um eine Gegenpartei für den Handel zu finden.

  21. 21.

    Preise von Anleihen werden in Prozent des Nominalwerts gehandelt. Zum Beispiel bedeutet ein Bid‐Preis von 98,355 einen Preis von 98,355 % des Nominalwerts. Vgl. Abschn. 10.2.

  22. 22.

    Für die Implementation Shortfall vgl. Mondello 2015: Portfoliomanagement: Theorie und Anwendungsbeispiele, S. 50 ff.

Literatur

  • Bessembinder, H., Chan, K.: Market efficiency and the returns to technical analysis. Financ. Manage. 27(2), 5–17 (1998)

    Article  Google Scholar 

  • DeFusco, R.A., McLeavy, D.W., Pinto, J.E., Runkle, D.E.: Quantitative Methods for Investment Analysis, 2. Aufl. Charlottesville (2004)

    Google Scholar 

  • Fama, E.F.: Efficient capital markets: a review of theory and empirical work. J. Finance 25(2), 383–417 (1970)

    Article  Google Scholar 

  • Fifield, S.G., Power, D.M., Sinclair, C.D.: An analysis of trading strategies in eleven European stock markets. Eur. J. Finance 11(6), 531–548 (2005)

    Article  Google Scholar 

  • Gan, C., Lee, M., Hwa, A.Y., Zhang, J.: Revisiting share market efficiency: evidence from the New Zealand Australia, US and Japan stock indices. Am. J. Appl. Sci. 2(5), 996–1002 (2005)

    Article  Google Scholar 

  • Jarque, C.M., Bera, A.K.: A test for normality of observations and regression residuals. Int. Stat. Rev. 55(2), 163–172 (1987)

    Article  Google Scholar 

  • Malkiel, B.G.: Returns from investing in equity mutual funds 1971 to 1991. J. Finance 50(2), 549–572 (1995)

    Article  Google Scholar 

  • Mondello, E.: Portfoliomanagement: Theorie und Anwendungsbeispiele, 2. Aufl. Wiesbaden (2015)

    Book  Google Scholar 

  • Raja, M., Sudhahar, J.C., Selvam, M.: Testing the semi-strong form efficiency of Indian stock market with respect to information content of stock split announcements – a study of IT industry. Int. Res. J. Finance Econ. 25, 7–20 (2009)

    Google Scholar 

  • Rozeff, M.S., Zaman, M.A.: Market efficiency and insider trading: new evidence. J. Bus. 61(1), 25–44 (1988)

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Enzo Mondello .

Microsoft‐Excel‐Applikationen

Microsoft‐Excel‐Applikationen

  • Um die Schiefe einer Renditeverteilung (für eine Stichprobe) zu berechnen, sind zunächst die Renditen beispielsweise in den Zellen A1 bis A12 einzugeben. In einer leeren Zelle wird folgender Ausdruck geschrieben:

    $$ {=}\text{Schiefe}(\text{A1:A}12) $$

    und anschließend mit der Enter‐Taste bestätigt.

  • Microsoft Excel berechnet die Kurtosis anhand der Excess‐Kurtosis (für eine Stichprobe). Sind die Renditen etwa in den Zellen A1 bis A12 aufgeführt, so kann in einer leeren Zelle folgender Ausdruck eingegeben werden:

    $$ {=}\text{Kurt}(\text{A1:A}12). $$

    Danach ist die Enter‐Taste zu drücken.

  • Bisher wurden die einzelnen statistischen Kennzahlen wie etwa Mittelwert, Median, Standardabweichung, Schiefe und Excess‐Kurtosis separat bestimmt. In Microsoft Excel ist es auch möglich, eine zusammenfassende Datenausgabe dieser Größen zu erstellen. Dabei sind die folgenden Schritte erforderlich:

    1. 1.

      Es ist der Reiter „Daten“ anzuklicken.

    2. 2.

      Anschließend ist die „Datenanalyse“ anzutippen.

    3. 3.

      Dabei öffnet sich ein Fenster, wobei die Funktion „Populationskenngrößen“ auszuwählen ist.

    4. 4.

      Im offenen Dialogfenster sind die Renditen im „Eingabebereich“ einzugeben (z. B. A1:A12). Danach ist der „Ausgabebereich“ anzuklicken, in der eine Zelle definiert wird (z. B. A13), in welcher die zusammenfassende Datenausgabe erscheinen soll. Schließlich ist bei den „Statistischen Kenngrößen“ ein Häkchen zu setzen und mit der OK‐Taste zu bestätigen.

  • Für die Berechnung der Wahrscheinlichkeit bei einer Lognormalverteilung sind der Erwartungswert und die Standardabweichung aus der entsprechenden Normalverteilung erforderlich. Die einfachen Renditen (1 + r) aus einer Lognormalverteilung sind für die Festlegung der erwarteten Rendite und der Standardabweichung in stetige Renditen \( \ln \left( 1+\text{r} \right)\) umzurechnen, da diese normalverteilt sind. Befinden sich in den Zellen A1 bis A12 stetige Renditen, können diese verwendet werden, um den Erwartungswert (AM) und die Standardabweichung (SD) in den Zellen A13 und A14 zu berechnen. In den folgenden Excel‐Formeln sind nicht die Ausdrücke 1 + r0, AM oder SD einzusetzen, sondern deren aktuelle Werte.

  • Damit die Wahrscheinlichkeit ausgerechnet werden kann, dass bei einer Lognormalverteilung ein bestimmter Wert für die einfache Rendite r kleiner oder gleich r0 ist, muss die Funktion „Lognormvert“ wie folgt verwendet werden:

    $$ {=}\text{Lognormvert}(1{+}\text{r}_{0}; \text{AM}; \text{SD}). $$

    Danach ist die Enter‐Taste zu drücken.

  • Die Wahrscheinlichkeit, dass bei einer Lognormalverteilung die einfache Rendite r größer oder gleich r0 ist, lässt sich in Microsoft Excel folgendermaßen ermitteln:

    $$ {=}1{-}\text{Lognormvert}(1{+}\text{r}_{0}; \text{AM}; \text{SD}). $$

    Die Formel ist mit der Enter‐Taste abzuschließen.

  • Um die Wahrscheinlichkeit zu bestimmen, dass bei einer Lognormalverteilung die einfache Rendite r zwischen den zwei einfachen Renditen r0 und r1 liegt, wobei r0 < r1, ist folgender Ausdruck in einer Zelle einzugeben:

    $$ {=}\text{Lognormvert}(1{+}\text{r}_{1}; \text{AM}; \text{SD}){-}\text{Lognormvert}(1{+}\text{r}_{0}; \text{AM}; \text{SD}) $$

    und anschließend mit der Enter‐Taste zu bestätigen.

Ist Excel auf Englisch eingestellt, gelten die folgenden Notationen:

  • Schiefe = Skew,

  • Kurt = Kurt,

  • Daten = Data,

  • Datenanalyse = Data Analysis,

  • Populationskenngrößen = Descriptive Statistics,

  • Eingabebereich = Input Range,

  • Ausgabebereich = Output Range,

  • Statistische Kenngrößen = Summary Statistics,

  • Lognormvert = Lognormdist.

Rights and permissions

Reprints and permissions

Copyright information

© 2018 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Mondello, E. (2018). Weitere Anlagecharakteristiken. In: Finance: Angewandte Grundlagen. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-21579-8_3

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-21579-8_3

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-21578-1

  • Online ISBN: 978-3-658-21579-8

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics