Skip to main content
SpringerLink
Log in

Performance von Behavioral-Finance-Fonds

  • Chapter
  • First Online:
Added Value von Behavioral-Finance-Fonds

  • 5797 Accesses

Zusammenfassung

Zielsetzung des Kapitel 5 ist die Überprüfung der Performance von Behavioral Finance Fonds. Dabei werden die bisherigen Performancestudien zu diesen Fonds ausgewertet, Defizite der Untersuchungen aufgezeigt sowie Vorschläge für eine verbesserte inhaltliche und methodische Performancemessung angeführt. Zum Schluss werden die Implikationen der Ergebnisse thematisiert, ihre Ursachen erforscht und potenzielle Verbesserungsvorschläge erarbeitet, die ggf. zu einem höheren Anlageerfolg der Fonds beitragen könnten.

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

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 29.99
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.

    Als Anwendungsgebiete für die Behavioral Finance werden fast ausschließlich diese beiden Gebiete aufgeführt. Die Erwähnung der Möglichkeit, innerhalb von Fonds die Theorien anzuwenden, fehlt fast gänzlich. Siehe dazu beispielhaft Daxhammer/Facsar (2012): 253–298 [1].

  2. 2.

    Vgl. Jurczyk (2002): 135 [18].

  3. 3.

    Vgl. Jaunich (2008): 94, 118 f., 172 [16].

  4. 4.

    Vgl. Jaunich (2008): 120, 133 f., 143 f. [16].

  5. 5.

    Vgl. Jaunich (2008): 173 [16].

  6. 6.

    Vgl. Reinhart/Brennan (2007): 3 [23].

  7. 7.

    Vgl. Reinhart/Brennan (2007): 6 [23]. Als Benchmark für den Markt diente ein Russell-Index. Verglichen wurden die Behavioral-Finance-Fonds jeweils in ihrer Anlagegruppe (Large-Cap-Value, Large-Cap-Blend, Large-Cap-Growth, Mid-Cap-Value, Mid-Cap-Growth, Small-Cap-Value, Small-Cap-Blend) mit entsprechenden Investmentfonds-Indizes aus der Gruppe von Morningstar und Lipper. Siehe dazu Reinhart/Brennan (2007): 3 f. [23].

  8. 8.

    Vgl. Reinhart/Brennan (2007): 6 f. [23].

  9. 9.

    Vgl. Reinhart/Brennan (2007): 8 f. [23]. Alle 9 Behavioral-Finance-Fonds erzielen ein höheres durchschnittliches Alpha als die beiden Investmentfondsindizes und 5 eine höhere durchschnittliche Information Ratio.

  10. 10.

    Vgl. Reinhart/Brennan (2007): 10 f. [23]. Während bei der Sharpe-Ratio-Behavioral-Finance-Fonds lediglich in 50 % der Fälle den Markt schlagen, sind es bei den beiden Indizes 57,7 % und 51,7 %. Im Falle der Treynor Ratio zeigen die Behavioral-Finance-Fonds eine höhere Quote mit 58,8 % gegenüber den beiden Fondsindizes mit 57,7 % und 53,6 % auf.

  11. 11.

    Vgl. Reinhart/Brennan (2007): 13 [23].

  12. 12.

    Vgl. Wright/Banerjee/Boney (2008): 83 f. [34]. Innerhalb der unterschiedlichen Untersuchungen ist die Stichprobe aus statistischen Signifikanzgründen teilweise auf bis zu 13 Fonds geschrumpft.

  13. 13.

    Vgl. Wright/Banerjee/Boney (2008): 83 [34].

  14. 14.

    Vgl. Wright/Banerjee/Boney (2008): 84 f. [34]. Von 15 untersuchten Fonds belegen 11 grundsätzlich einen höheren Mittelzufluss gegenüber dem Vanguard 500 Indexfonds, wovon bei einem 10 %igen Signifikanzniveau 7 übrigbleiben und 2 Fonds signifikant geringere Mittelzuflüsse aufzeigen. Gegenüber den S&P-Fonds lässt sich kein signifikanter Unterschied ablesen, wohingegen beim Vergleich mit den aktiven Nicht-Behavioral-Finance-Fonds 14 bzw. 7 bei 10 %igem Signifikanzniveau höhere Mittelzuflüsse beinhalten. Siehe dazu Wright/Banerjee/Boney (2008): 84 [34].

  15. 15.

    Vgl. Wright/Banerjee/Boney (2008): 85–88 [34]. Die Behavioral-Finance-Fonds als Einheit zeigen eine Outperformance sowohl gegenüber den S&P-Indexfonds als auch der Gesamtheit der aktiven Nicht-Behavioral-Finance-Fonds. Grundsätzlich erreichen 11 von 15 Behavioral-Finance-Fonds höhere durchschnittliche Monatsrenditen gegenüber den aktiven Vergleichsfonds, jedoch nur 2 bei einem 10 %igen Signifikanzniveau. Beim Vergleich zum Vanguard-Indexfonds erzielen 14 von 16 Behavioral-Finance-Fonds bzw. 4 bei 10 %igem Signifikanzniveau höhere Renditen. Siehe dazu Wright/Banerjee/Boney (2008): 85 f. [34].

  16. 16.

    Vgl. Wright/Banerjee/Boney (2008): 89 [34].

  17. 17.

    Vgl. Santoni/Kelshiker (2010): 58 f. [26]. Von diesen 31 Fonds gehören 75 % der Kategorie Large Cap und 25 % der Kategorie Small/Multi Cap an. Bezogen auf ihre Anlagerichtung sind 42 % Value-, 13 % Growth- sowie 45 % Blend-orientiert. Zudem kommen regional 64 % aus Nordamerika, weitere 26 % aus Europa, 6 % aus Asien und 4 % aus den Märkten der Entwicklungsländer. Siehe dazu Santoni/Kelshiker (2010): 58 [26].

  18. 18.

    Vgl. Santoni/Kelshiker (2010): 58 f. [26].

  19. 19.

    Vgl. Santoni/Kelshiker (2010): 61 [26]. Auf die genaue Auswahl der passenden Indizes als Benchmark wird in dem Artikel nicht weiter eingegangen. Nur 47 % (57 %) der Fonds schlagen in einem Untersuchungszeitraum von 5 Jahren (1 Jahr) ihre Benchmark.

  20. 20.

    Vgl. Santoni/Kelshiker (2010): 61 [26]. Gemäß der Studie konnten in der dreijährigen Baisse im Zeitraum zwischen 2007 und 2009 60 % der Small-Cap orientierten Behavioral-Finance-Fonds ihre Benchmark outperformen und lediglich 13 % der Large-Cap-Behavioral-Finance-Fonds.

  21. 21.

    Vgl. Santoni/Kelshiker (2010): 61 f., 71 [26]. Weitere, jedoch nicht für dieses Buch bedeutende und zumeist nicht signifikante, Analyseergebnisse sind: Behavioral-Finance-Fonds mit der Style-Richtung Value schlagen ihre Benchmark im einjährigen Untersuchungszeitraum, unterliegen dieser jedoch im dreijährigen Zeitraum. Es wurde eine lediglich geringe Korrelation zwischen Fondsdiversifikation und Outperformance nachgewiesen. Ebenso konnte die Fähigkeit zur Prognose von Trendumkehrungen bei Behavioral-Finance-Fonds nicht signifikant belegt werden. Siehe dazu Santoni/Kelshiker (2010): 62, 70 f. [26].

  22. 22.

    Insbesondere vor dem Hintergrund der zweigeteilten Ergebnisse (mit und ohne Berücksichtigung des Risikos) von Wright/Banerjee/Boney stellt diese fehlende Unterteilung eine erhebliche Schwäche dar.

  23. 23.

    Vgl. Goodfellow/Schiereck/Wippler (2013): 115 [12].

  24. 24.

    Vgl. Goodfellow/Schiereck/Wippler (2013): 116 [12]. Als Benchmark wurde hier der MSCI Marktindex verwendet. Darüber hinaus wurde das Sample der Behavioral-Finance-Fonds in drei Regionen unterteilt: Global, USA, Europa. Siehe dazu Goodfellow/Schiereck/Wippler (2013): 113, 116 [12].

  25. 25.

    Vgl. Goodfellow/Schiereck/Wippler (2013): 116 [12]. Die Risikoadjustierung fand mithilfe des Drei-Faktoren-Modells von Fama/French statt. Siehe dazu Goodfellow/Schiereck/Wippler (2013): 114 [12].

  26. 26.

    Vgl. Goodfellow/Schiereck/Wippler (2013): 116 f. [12]. Jedem Behavioral-Finance-Fonds ist ein adäquater aktiver Investmentfonds zugeordnet worden, der nicht die Erkenntnisse der Behavioral Finance berücksichtigt. Außer bei der unterschiedlichen Investmentstrategie wurde auf eine starke Ähnlichkeit in der Anlageregion, dem Investment-Style, dem Nettovermögen sowie den Gesamtkosten geachtet. Gegenübergestellt wurden die Behavioral-Finance-Fonds und ihre Vergleichsfonds anhand der Sharpe Ratio, der Information Ratio und der Treynor Ratio. Siehe dazu Goodfellow/Schiereck/Wippler (2013): 114 f. [12].

  27. 27.

    Vgl. Goodfellow/Schiereck/Wippler (2013): 117 f. [12].

  28. 28.

    Vgl. Holtfort/Loock (2014): 406 [14]. Bedingung für die Berücksichtigung der Fonds ist eine Fondsauflage vor dem 31.12.2007 sowie ein Fortbestehen bis mindestens zum 31.12.2012. Kategorisiert werden die Behavioral-Finance-Fonds nach der Marktkapitalisierung (Large und Mid/Small Cap), dem Selektionsstil (Value, Blend, Growth) sowie der Region (Europa, USA, Welt). Um Verzerrungen durch unterschiedliche Gesellschaftsphilosophien zu reduzieren, wurden die Vergleichsfonds aus den gleichen Kapitalverwaltungsgesellschaften genommen.

  29. 29.

    Vgl. Holtfort/Loock (2014): 407 [14].

  30. 30.

    Vgl. Holtfort/Loock (2014): 407 f. [14]. Bei vielen der ansonsten verwendeten Kenngrößen (bspw. Standardabweichung, Sharpe Ratio etc.) und den beiden anderen verhaltenswissenschaftlichen Maßen erzielt die Untersuchung nur wenig aussagekräftige Ergebnisse. Die PTIP lässt die Eigenschaften der Prospect-Theorie in ihre Berechnung mit einfließen. Siehe dazu ausführlicher Holtfort/Loock (2014): 405 [14].

  31. 31.

    Vgl. Holtfort/Loock (2014): 408 f. [14].

  32. 32.

    Vgl. Holtfort/Loock (2014): 409 [14].

  33. 33.

    Unter dem Survivorship-Bias wird eine Verzerrung der Stichprobe verstanden. Dadurch, dass liquidierte Fonds in der Performanceanalyse nicht berücksichtigt werden, wird die Gesamtperformance der Stichprobe zu gut ausgewiesen. Siehe dazu Elton/Gruber/Blake (1996): 1097–1120 [9] und Dobelli (2011): 5–7 [5].

  34. 34.

    Vgl. Furuzonfari/Huang/Wang (2011): 3 f. [11].

  35. 35.

    Vgl. Furuzonfari/Huang/Wang (2011): 5–9 [11].

  36. 36.

    Vgl. Furuzonfari/Huang/Wang (2011): 9 f. [11]. Von 11 Fonds schlagen 4 Behavioral-Finance-Fonds ihre Vergleichsfonds, 2 unterliegen diesen und 5 performen fast identisch.

  37. 37.

    Vgl. Santoni et al. (2012): 6–8 [25]. Eine Outperformance gegenüber dem S&P-500-Index wird nicht formuliert. Die Studie teilt den Untersuchungszeitraum in drei Phasen auf: Vorkrisenphase, Crash, Erholungsphase. Siehe dazu Santoni et al. (2012): 5 [25].

  38. 38.

    Vgl. Santoni et al. (2012): 8–12 [25]. Einzig in der Vorkrisenphase ist die Wölbung der Behavioral-Finance-Fonds geringer als die der traditionellen Fonds.

  39. 39.

    Vgl. Santoni et al. (2012): 12–14 [25]. Dabei schlagen die Behavioral-Finance-Fonds die traditionellen Fonds (Benchmark) im Januar in 75 % (63 %) der Untersuchung, im Mai in 63 % (63 %) sowie im Dezember in 71 % (43 %).

  40. 40.

    Vgl. Philippas (2012): 6–11 [21]. Als Benchmark des passiven Anlagemanagements dienen mit dem Vanguard 500 und dem S&P 500 zwei Indexfonds sowie ein ETF aus dem S&P 500.

    Gemessen mit der Sharpe und Treynor Ratio generieren 4 (11) von 22 Behavioral-Finance-Fonds gegenüber dem US-Markt (den passiven Indizes) höhere Renditen. Bei der Betrachtung sowohl des Jensen Alphas als auch des Carhart-Alphas zeigen 10 Behavioral-Finance-Fonds signifikant negative Alphas. Mithilfe des Treynor-Mazuy-Modells zeigen bei der Selektionsfähigkeit 8 Behavioral-Finance-Fonds statistisch bedeutsame negative Alphas und beim Markt-Timing 2, während bei Letzterem 4 Behavioral-Finance-Fonds signifikant positive Ergebnisse erzielen. Siehe dazu Philippas (2012): 9 f. [21].

  41. 41.

    Vgl. Swedroe (2011): 63 [29].

  42. 42.

    Vgl. Swedroe (2011): 64 [29]. Der Behavioral Growth Fund unterliegt dem S&P 500 mit 1 % p. a. Beide Behavioral-Finance-Fonds gemeinsam erzielen eine durchschnittliche Rendite in Höhe von 2,9 %, während die beiden DFA Fonds eine durchschnittliche Rendite von 7,4 % erreichen.

  43. 43.

    Vgl. Swedroe (2011): 64 f. [29].

  44. 44.

    Es gibt einige Wirtschaftstheoretiker, die einen „logischen Positivismus“ vertreten. Dabei sind sie der Meinung, mit einer gewissen Sicherheit mittels Sammeln von Fakten durch Induktion auf allgemeine Gesetze schließen zu können. Popper kritisiert dies und fordert stattdessen, Theorien aufzustellen, um diese dann zu widerlegen. Entsprechend reicht eine einzige konträre Beobachtung aus, um bspw. die strenge Effizienz der Märkte und das rationale Anlegerverhalten der traditionellen Kapitalmarkttheorie zu falsifizieren. Allerdings werden auch weitere konforme Ergebnisse ihre Richtigkeit nicht vollends beweisen. Siehe dazu Popper (2005): 16–19 [22] und Taleb (2008c): 338 [30]. Die Tendenz zum Confirming Evidence statt zum Disconfirming Evidence ist durch den Confirmation Bias begründet. Siehe dazu Dobelli (2011): 29–35 [5].

  45. 45.

    Für einführende Literatur zur Performancemessung siehe Wittrock (1996) [33], Egner (1998) [7], Decker (2005) [2], Schulz (2008): 48–222 [27], Fischer (2010) [10] sowie Günther et al. (2012): 367–431 [13].

  46. 46.

    Siehe hierzu z. B. auch verhaltenswissenschaftliche Maße.

  47. 47.

    Da die Behavioral Finance die traditionelle Kapitalmarkttheorie kritisiert und viele klassische Performancemaße hierauf basieren, wäre eine Performancemessung mit diesen Instrumenten lediglich eine betriebswirtschaftliche Analyse von verhaltenswissenschaftlichen Fondsansätzen. Eine verhaltenswissenschaftliche Analyse mithilfe verhaltenswissenschaftlicher Performancemaße würde die Kritik an dem Aussagegehalt der Ergebnisse zurückweisen.

  48. 48.

    Bei der Verwendung eines aktiven Fonds als Benchmark, sollte der gewählte Fonds dem zu untersuchenden sehr ähnlich sein und sich möglichst nur in der Benutzung der Behavioral Finance unterscheiden, sodass der Faktor Behavioral Finance möglichst gut isoliert wird bei der Performancemessung. Entsprechend sollten Behavioral-Finance-Fonds aus den hier erarbeiteten Strategiekategorien den entsprechenden Fonds mit der traditionellen Ausgestaltung der Strategierichtung (Value, Growth, Momentum, Contrarian) gegenübergestellt werden.

  49. 49.

    Entsprechend sollten in die Performancemessung eine Berücksichtigung des Risikos, der Gebühren und Managerkosten einfließen. Die Ergebnisse aus den jeweiligen Untersuchungen mit und ohne Berücksichtigung der Kosten könnten aufzeigen, ob die Umsetzungskosten der Strategien die erzielte Rendite aufzehren.

  50. 50.

    Dreman zit. nach Shefrin (2000): 83 [28].

  51. 51.

    Shefrin (2000): 83 [28].

  52. 52.

    Wichtig ist dabei zu erwähnen, dass diese Untersuchungen sich alle nur auf verhaltenswissenschaftliche Fonds beschränken, die die Verwendung der Behavioral Finance auch formulieren. Fonds, die die Erkenntnisse der Behavioral Finance zwar nutzen, dies allerdings nicht explizit kommunizieren, können hier nicht analysiert werden.

  53. 53.

    Vgl. von Hayek (1975): 433–442 [31] und Jünemann (1997): 9 [17].

  54. 54.

    Vgl. Shefrin (2000): 103 [28]. Dass die Märkte nicht zu jederzeit effizient sind, wurde bereits in Kap. 1, 2 und 3 aufgezeigt. Begründungen hierfür finden sich zudem bei Dreman (1977): 251–258 [6].

  55. 55.

    Siehe dazu Abschn. 3.2.

  56. 56.

    Anlagefonds sind entsprechend oftmals stark an die Benchmark gebunden (siehe dazu Abschn. 4.3.1) und kurzfristig orientiert durch einen hohen Erwartungs- und Rechtsfertigungsdruck gegenüber den Anlegern (siehe dazu Abschn. 2.2).

  57. 57.

    Vgl. Weber (2007): 79, 83–85 [32] und Jacobs/Weber (2012): 12–15 [15].

  58. 58.

    Für eine ausführliche Darstellung aller Komponenten der Limits-of-Arbitrage-Theorie siehe Abschn. 1.3.1.

  59. 59.

    Peterson (2007): 326 f. [20].

  60. 60.

    Daher wäre es interessant, die Performance der Behavioral-Finance-Fonds sowohl mit als auch ohne Berücksichtigung der Umsetzungskosten vergleichend zu untersuchen.

  61. 61.

    Für eine Übersicht der allgemeinen Kostenkomponenten von Investmentfonds siehe den Otter (2003): 169–181 [4] und Dembowski (2012): 73–85 [3].

  62. 62.

    Für die Herleitung der Erkenntnis siehe Abschn. 2.1.2 sowie Abschn. 4.2.2.

  63. 63.

    Siehe für die detaillierte Behavioral Finance-Erläuterung der Bewertung von Glamour und Out-of-Favor-Werte Abschn. 3.2.

  64. 64.

    Vgl. Eisele (2014): 38–46 [8] und Riedl (2015) [24].

  65. 65.

    Vgl. Kiehling (2013): 18–23 [19].

Literatur

  1. Daxhammer, Rolf J.; Facsar, Máté (2012): Behavioral Finance. Konstanz/München: UVK Verlag.

    Google Scholar 

  2. Decker, Stefan (2005): Investorspezifische Performancemessung für die Auswahl von Investmentfonds. Wiesbaden: Springer Fachmedien Wiesbaden GmbH.

    Google Scholar 

  3. Dembowski, Anke (2012): Profi-Handbuch Investmentfonds, 5. akt. Aufl. Regensburg: Walhalla Fachverlag.

    Google Scholar 

  4. Den Otter, Matthäus (2003): Investmentfonds: Grundlagen, Risiken, Chancen, 2. Überarb. Aufl. Zürich: Verlag Neue Züricher Zeitung.

    Google Scholar 

  5. Dobelli, Rolf (2011): Die Kunst des klaren Denkens. München: Carl Hanser Verlag.

    Google Scholar 

  6. Dreman, David N. (1977): Psychology and the Stock Market. New York: Amacom.

    Google Scholar 

  7. Egner, Thomas (1998): Performancemessung bei Wertpapier-Investmentfonds. Heidelberg: Physica-Verlag.

    Google Scholar 

  8. Eisele, Patrick (2014): Smart Beta: die schlaue Jagd auf Faktorprämien. In: Portfolio Institutionell 12/2014: 38–46.

    Google Scholar 

  9. Elton, Edwin J.; Gruber, Martin J.; Blake, Christopher R. (1996): Survivorship Bias and Mutual Fund Performance. In: Review in Financial Studies Vol. 9, 4/1996: 1097–1120.

    Google Scholar 

  10. Fischer, Bernd R. (2010): Performanceanalyse in der Praxis, 3. Völlig neu bearb. und erw. Aufl. München: Oldenbourg Wissenschaftsverlag GmbH.

    Google Scholar 

  11. Furuzonfari, Zekhni; Huang, Yuren; Wang, Ningxin (2011): Do Behavioral Funds Perform Better than the Market? The University of Hong Kong, Working Paper, 22.04.2011.

    Google Scholar 

  12. Goodfellow, Christiane; Schiereck, Dirk; Wippler, Steffen (2013): Are Behavioural Finance Equity Funds a Superior Investment? A Note on Fund Performance and Market Efficiency. In: Journal of Asset Management Vol. 14, 2/2013: 111–119.

    Google Scholar 

  13. Günther, Stefan; Moriabadi, Cyrus; Schulte, Jörn; Garz, Hendrik (2012): Portfolio-Management – Theorie und Anwendung, 5. überarb. Aufl. Frankfurt am Main: Frankfurt School Verlag.

    Google Scholar 

  14. Holtfort, Thomas; Loock, Marit (2014): Der Behavioral-Finance-Ansatz im Portfoliomanagement – Eine empirische Untersuchung internationaler Investmentfonds. In: Zeitschrift für das gesamte Kreditwesen 8/2014: 404–409.

    Google Scholar 

  15. Jacobs, Heiko; Weber, Martin (2012): Aktuelle Erkenntnisse zum Momentum-Effekt – The Trend ist your Friend (until it’s not). In: Reihe „Forschung für die Praxis“ Band 22, Behavioral Finance Group. Mannheim: Universität.

    Google Scholar 

  16. Jaunich, Oliver (2008): Anlagestrategie Behavioral Finance – Die Bedeutung verhaltensorientierter Anlagestrategien in der amerikanischen und deutschen Fondsindustrie. Promotionsschrift an der Fakultät für Wirtschaftswissenschaften der Rheinisch-Westfälischen Technischen Hochschule Aachen, Juni 2008.

    Google Scholar 

  17. Jünemann, Bernhard (1997): Versuch und Irrtum – Die Börse als Entdeckungsverfahren. In: Jünemann, Bernhard; Schellenberg, Dirk (Hrsg.): Psychologie für Börsenprofis – Die Macht der Gefühle bei der Geldanlage. Stuttgart: Schäffer-Poeschel Verlag: 3–18.

    Google Scholar 

  18. Jurczyk, Boris (2002): Behavioral Finance. Düsseldorf: Verlag Dr. Müller.

    Google Scholar 

  19. Kiehling, Hartmut (2013): Kontrolle ist gut, Vertrauen ist besser. In: Die Bank 07/2013: 18–23.

    Google Scholar 

  20. Peterson, Richard L. (2007): Inside The Investor’s Brain – The Power of Mind Over Money. Hoboken/New Jersey: John Wiley & Sons, Inc.

    Google Scholar 

  21. Philippas, Nikolaos (2012): Did Behavioral Mutual Funds Exploit Market Inefficiencies During The Crisis? University of Piraeus, Working Paper, October 2012.

    Google Scholar 

  22. Popper, Karl R. (2005): Logik der Forschung, 11. durchges. und ergänzte Aufl. In: Keuth, Herbert (Hrsg.): Gesammelte Werke in deutscher Sprache, Band 3. Tübingen: Mohr Siebeck.

    Google Scholar 

  23. Reinhart, Walter J.; Brennan Michael (2007): Behavioral Portfolios Performance Measurement. In: Financial Decisions Vol. 19, 5/2007: 1–15.

    Google Scholar 

  24. Riedl, Dominique (2015): Was ist ein Smart Beta ETF? URL: https://www.justetf.com/de/news/etf/was-ist-ein-smart-beta-etf.html, Abruf am 11.12.2015.

  25. Santoni, Alessandro; Ceccherini, Paolo; Tiralosi, Vencenzo A.; Porri, Daniele (2012): Behavioral Finance – A Comparative Profitability Analysis of Same-Asset Manager, Behavioral vs. Traditional Funds, Working Paper, August 2012.

    Google Scholar 

  26. Santoni, Alessandro; Kelshiker, Arun R. (2010): Behavioral Finance: An Analysis of the Performance of Behavioral Finance Funds. In: The Journal of Index Investing Vol. 1, 2/2010: 56–72.

    Google Scholar 

  27. Schulz, Martin (2008): Performance-Messung und Copula-Funktionen. Berlin: dissertation.de – Verlag im Internet GmbH.

    Google Scholar 

  28. Shefrin, Hersh (2000): Börsenerfolg mit Behavioral Finance: Investmentpsychologie für Profis. Stuttgart: Schäffer-Poeschel Verlag.

    Google Scholar 

  29. Swedroe, Larry E. (2011): The Quest for Alpha. Hoboken/New Jersey: John Wiley & Sons, Inc.

    Google Scholar 

  30. Taleb, Nassim N. (2008c): Der Schwarze Schwan – Die Macht höchst unwahrscheinlicher Ereignisse. München: Carl Hanser Verlag.

    Google Scholar 

  31. von Hayek, Friedrich A. (1975): The Pretence of Knowledge. In: Swedish Journal of Economics Vol. 77, 1/1975: 433–442.

    Google Scholar 

  32. Weber, Martin (2007): Genial einfach investieren – Mehr müssen Sie nicht wissen – das aber unbedingt! Frankfurt am Main/New York: Campus Verlag.

    Google Scholar 

  33. Wittrock, Carsten (1996): Messung und Analyse der Performance von Wertpapierportfolios – Eine theoretische und empirische Untersuchung, 2. durchgesehene Aufl. In: Steiner, Manfred (Hrsg.): Portfoliomanagement, Band 2. Bad Soden/Ts: UHLENBRUCH Verlag.

    Google Scholar 

  34. Wright, Colby; Banerjee, Prithviraj; Boney, Vaneesha (2008): Behavioral Finance: Are the Disciples Profiting from the Doctrine? In: The Journal of Investing Vol. 17, 4/2008: 82–901-15.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Mülheim an der Ruhr, Deutschland

    Daniel Averbeck

Authors
  1. Daniel Averbeck
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Daniel Averbeck .

Rights and permissions

Reprints and permissions

Copyright information

© 2018 Springer-Verlag GmbH Deutschland

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Averbeck, D. (2018). Performance von Behavioral-Finance-Fonds. In: Added Value von Behavioral-Finance-Fonds. Springer Gabler, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-55924-6_5

Download citation

  • DOI: https://doi.org/10.1007/978-3-662-55924-6_5

  • Published:

  • Publisher Name: Springer Gabler, Berlin, Heidelberg

  • Print ISBN: 978-3-662-55923-9

  • Online ISBN: 978-3-662-55924-6

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation