Uploaded by Niloufar H.

Sonstiges DHSR Zusammenfassung WS 2019 20

advertisement
Hedgefonds Skript Zusammenfassung
Wintersemester 2017/18
Inhaltsverzeichnis
PART 1: ASSET MANAGEMENT ÜBERSICHT ...................................................................................... 2
4 TYPEN VON INVESTMENT FIRMEN ............................................................................................................2
AKTIV VS. PASSIV GEMANAGTE FONDS ........................................................................................................2
LIQUID ALTERNATIVES VS. HEDGEFONDS .....................................................................................................2
PART 2: HEDGEFONDS – EINE EINFÜHRUNG .................................................................................... 3
DER ERSTE „HEDGEFONDS“ .......................................................................................................................3
8 EIGENSCHAFTEN VON HEDGEFONDS .........................................................................................................3
PRIME BROKER .......................................................................................................................................3
KLASSIFIZIERUNG VON MUTUAL FUNDS VS. HEDGEFONDS ..............................................................................3
ÜBERBLICK HEDGEFONDS STRATEGIEN ........................................................................................................4
HFRI DEFINITIONEN ................................................................................................................................4
VERZERRUNGEN IN HEDGEFONDS DATENBANKEN .........................................................................................7
PART 3: STRATEGIESPEZIFISCHE RISIKEN VON HEDGEFONDS ........................................................... 8
MODERNE PORTFOLIOTHEORIE NACH MARKOWITZ .......................................................................................8
LINEARE FAKTORMODELLE ........................................................................................................................9
ASSET-BASIERTE STIL (ABS) FAKTORMODELLE............................................................................................10
MERGER ARBITRAGE ..............................................................................................................................11
CTAS / TRENDFOLGE STRATEGIEN ............................................................................................................12
PART 4: EQUITY HEDGEFONDS....................................................................................................... 12
KAPITALSTRUKTUR .................................................................................................................................12
FINANCIAL LEVERAGE .............................................................................................................................12
MODIGLIANI MILLER THEOREM ...............................................................................................................13
STIRLING HOMEX CASE STUDY .................................................................................................................13
PAIRS TRADING (STATISTICAL ARBITRAGE) .................................................................................................15
PART 5: FUTURES UND CTAS .......................................................................................................... 16
FORWARDS VS. FUTURES ........................................................................................................................16
REGELBASIERTE ABS FAKTORMODELLE ......................................................................................................16
Part 1: Asset Management Übersicht
4 Typen von Investment Firmen
1. Mutual Funds
- Enthält Kapital vieler Investoren
- Investiert in Aktien, Bonds, Geldmarktinstrumente und andere Wertpapiere
- Investoren erwerben Anteile des Net Asset Value (NAV) +/- Gebühren
- Mutual Funds werden nicht an Börse gehandelt ® Aktien-, Bond-, und Indexfonds
2. Exchange Traded Funds (ETF)
- Börsengehandelte Anteile ® Preis wird von Nachfrage bestimmt
- Erster ETF auf S&P 500 erschien 1993 ® damals nur „Index-Based ETFs“ erlaubt
- Seit 2008 auch transparente aktiv gemanagte ETFs erlaubt ® gehaltene Wertpapiere
müssen veröffentlicht werden
3. Closed-End Funds
- Verkaufen fixe Anzahl an Anteilen durch IPO
- Anteile werden über Sekundärmarkt gehandelt
- Größere Freiheit bei Investments in illiquide Wertpapiere als Mutual Funds
4. Unit Investment Trusts (UIT)
- Verkaufen fixe Anzahl an rückkaufbaren Anteilen durch IPO
- Hält Wertpapiere mit nur wenigen Veränderungen
- Am Termination Date werden alle Wertpapiere verkauft und Gewinne an Investoren
ausbezahlt
Aktiv vs. Passiv gemanagte Fonds
§
§
§
MohalFond
ETF
*
Aktiv gemanagte Fonds versuchen Benchmark zu übertreffen
Passiv gemanagte Index Mutual Funds und ETFs versuchen Benchmark nachzubilden
® steigt an, da Mehrrenditen aktiver Fonds durch Kosten des Managements relativiert und
so Rendite von Benchmark oft nicht geschlagen wird
Hedgefonds als stark aktiv gemanagte Fonds: Sondergruppe!
Liquid Alternatives vs. Hedgefonds
Tägliche Liquidierung möglich
Investoren Qualifikationen
Investment Minimum
Liquid Alternatives
Mutual Fund
UCITS / Investment
Company Act 1940
Ja
Keine
Niedrig
Transparenz / Verkaufsdokumente
Verkaufsprospekt
Struktur
Regulierung
Verwahrung der Assets
Illiquiditäts-Premium
Leverage-Restriktionen
SIMON PROKOPIDIS
Kommerzielle
Bank / Verwalter
Nein
Ja
Traditional Alternatives (Hedgefonds)
Private Placement / Offshore Corp.
AIFMD / Securities Act 1933
Nein
Akkreditierte / qualifizierte Investoren
Hoch
Private Placement Memorandum & Subscription
Dokumente, Marketing Restriktionen
Broker Firma / Prime Broker
Ja
Nein
2
Part 2: Hedgefonds – Eine Einführung
Der erste „Hedgefonds“
§
§
§
§
Erster Hedgefonds 1949 von Alfred Winslow Jones ® Long/Short Equity
2% Jährliche Gebühren und 20% Performance Gebühren (2-20)
Jones beschränkte Investorenanzahl auf 99 und umging so Registrierung unter dem
Investment Company Act von 1940
Großer Anteil des Fondskapitals war von Jones selbst
8 Eigenschaften von Hedgefonds
1.
2.
3.
4.
5.
6.
7.
8.
Leverage ® teilweise Finanzierung von Risikopositionen mit Fremdkapital
Short Selling
Hohe Performance Gebühren (2-20)
Fondsmanager investieren selber Kapital ® Vermeidung von Interessenkonflikten
Offshore Struktur oder Partnership Struktur ® außerhalb der Regulierungen
Liquiditätsrestriktionen ® Anteile lassen sich nicht täglich handeln wie bei Mutual Funds
Dynamische Handelsstrategien
Innovation ® der Begriff Hedgefonds steht für Fülle an dynamischen Handelsstrategien
Regulierung
Mutual Funds
Liquid Alternatives
Hedgefonds
Prime Broker
Prime Brokerage: Ein Paket an Dienstleistungen angeboten durch Investmentbanken für Hedgefonds
1. Globale Verwahrungs-Dienstleistungen ® übernimmt Funktion von Depotbank
2. Finanzierung von Leverage ® Als Gegenleistung müssen Assets hinterlegt werden
3. Wertpapier Verleihung
4. Kapitalbeschaffung
5. Consulting Dienstleistungen ® insbesondere für „Startup“ Hedgefonds
6. Weitere Services ® Risiko Technologien, Office Space, Clearing, Settlement, etc.
Klassifizierung von Mutual Funds vs. Hedgefonds
Mutual Funds werden nach Asset Klassen klassifiziert (Aktienfonds, Bondfonds, etc.)
§ Aktienfonds nach Sektoren und Ländern
§ Bondfonds nach Assets (Corporate Bonds, Government Bonds, Emerging Market Bonds etc.)
Hedgefonds werden primär nach dynamischen Handelsstrategien klassifiziert (Equity Hedge, Macro,
Event Driven, Relative Value) ® häufig zusätzliche Kategorisierungen:
§ Methodologie ® z.B. Systematisch oder Diskretionär/Opportunistisch
§ Sektoren ® z.B. bei Equity Hedge: Energie/Basisches Material, Technologie/Gesundheit etc.
§ Regionen/Länder ® z.B. Global, Emerging Markets, Asien ex Japan etc.
§ Frequenz ® z.B. Monatliche Indizes oder Tägliche Indizes
§ Typ ® Single Strategy Indices oder Fund of Fund (=FoF) Indizes
SIMON PROKOPIDIS
3
Überblick Hedgefonds Strategien
Equity Hedge
Equity Market
Neutral
Quantitative
Directional
Fundamental Growth
Fundamental Value
Short Bias
Multi-Strategy
Macro
Event Driven
Relative Value
Fixed Income-Asset
Backed
Fixed Income-Conv.
Arbitrage
Active Trading
Activist
Commodity
Merger Arbitrage
Currency
Distressed /
Restructuring
Fixed Income-Corporate
Special Situations
Fixed Income-Sovereign
Credit Arbitrage
Yield Alternatives
Multi-Strategy
Volatility
Systematic
Diversified
Discretionary
Thematic
Multi-Strategy
HFRI Definitionen
Equity Hedge
Equity Market Neutral
§ Verwenden quantitative Techniken zur Analyse von Preisen ® Prognose zukünftiger
Preisbewegungen und Beziehungen zwischen Wertpapieren
§ Faktor-basierte Strategien: Systematische Analyse ähnlicher Beziehungen zwischen
Wertpapieren ® in meisten Fällen werden Portfolios neutral gegenüber bestimmten
Variablen konstruiert (z.B. Aktien Beta) und Renditen geleveragt
§ Statistical Arbitrage/Trading: Ausnutzung von Preisanomalien im Sinne einer Abweichung
von der sog. „Mean Reversion“ zweier Wertpapiere ® High Frequency Techniken zur
technischen Analyse oder opportunistischen Ausnutzung von Informationsasymmetrien
§ Net Equity Market Exposure maximal 10% Long oder Short
Quantitative Directional
§ Äquivalent zu Equity Market Neutral
§ Abgrenzung: Variables Net Long oder Short Equity Market Exposure je nach Marktlage
Fundamental Growth
§ Verwenden analytische Techniken zur Bewertung ob Wachstumsraten eines Unternehmens
Wettbewerber bzw. breiten Aktienmarkt übertreffen
§ Fokus auf Firmenabschlüsse ® absolute und relative Betrachtung zu ähnlichen Firmen/Markt
§ Identifikation von Firmen mit abnormalem Level an Wachstum verglichen mit relevanten
Benchmarks für Wachstumsraten von Gewinnen, Profitabilität, Umsätze und Marktanteilen
Fundamental Value
§ Identifikation von unter- und überbewerteten Firmen verglichen mit relevanten Benchmarks
§ Fokus auf Firmenabschlüsse ® absolute und relative Betrachtung zu ähnlichen Firmen/Markt
§ Abgrenzung zu Fundamental Growth: Fokus auf Aktien mit hohem Cashflow, die aber unter
Multiples handeln ® ggf. aufgrund limitierter Wachstumsperspektiven oder generellen
Trends spezifischer Sektoren
SIMON PROKOPIDIS
4
Short Bias
§ Identifikation von überbewerteten Firmen
§ Konsistentes Net Short Exposure über multiple Marktzyklen ® versucht traditionelle Equity
Manager bei fallenden Märkten zu übertreffen
§ Investmentansätze können fundamentaler oder technischer Natur sein
Macro
Active Trading
§ Nutzen aktive Handelsmethoden mit hoher Frequenz an Positionswechseln oder Leverage
® können Komponenten diskretionärer und systematischer Makro Strategien enthalten
§ Kann Unterstrategien wie Equity Hedge oder Equity Market Neutral beinhalten
§ Prozess basierend auf systematischer, quantitativer Evaluation makroökonomischer
Variablen ® Positionen bestimmt durch Konvergenz von Differenzen zwischen Märkten,
welche aktuell von ihrer historischen Korrelation abweichen
§ Fokus auf fundamentale Beziehungen zwischen geographischen Gebieten ® sowohl Intraals auch Inter-Asset Klassen
§ Haltungsperioden typischerweise kürzer als trend-folgender oder diskretionärer Strategien
§ Abgrenzung zu anderen Makro Strategien: Rapide Reaktion auf neue Informationen und
hohe Fluktuation in liquiden aber häufig volatilen, instabilen Marktpositionen
Commodity
§ Sowohl diskretionäre als auch systematische Commodity Strategien enthalten
® beide mindestens 35% in Rohstoffe investiert
§ Systematische Commodity Strategien: Investmentprozesse basieren auf Funktionen
mathematischer, algorithmischer und technischer Modelle ® wenig Einfluss von Individuen
- Identifikation von Märkten mit überdurchschnittlichen Trends oder Momentum
Charakteristika ® profitiert am meisten von persistentem Trendverhalten
- Fokus auf hochliquide Instrumente mit kürzeren Haltungsperioden als diskretionäre
oder Mean Reversion Strategien
§ Diskretionäre Commodity Strategien: Verlassen sich auf fundamentale Evaluation von
Marktdaten, Beziehungen und Einflüssen des Rohstoffmarktes ® inklusive Positionen in
Energie, Landwirtschaft, Ressourcen oder Metall Assets
- Positionen bestimmt durch Erwartungen des Managers an Evolution bestimmter
Investments über einen relevanten Zeitraum ® beinhaltet oft nonkonformistische
oder auf Volatilität fokussierte Komponenten
- Handel auf entwickelten, aufstrebenden sowie Fixed Income Märkten & Währungen
Currency
§ Äquivalent zu Commodity mit Währungen ® mindestens 35% in Währungen investiert
§ Zusatz bei diskretionärer Strategie: Strategie am meisten beeinflusst durch Top-DownAnalyse makroökonomischer Variablen
SIMON PROKOPIDIS
5
Systematic Diversified
§ Äquivalent zu systematischer Commodity/Currency Strategie ® maximal 35% in
Währungen/Rohstoffe investiert
Discretionary Thematic
§ Äquivalent zu diskretionärer Commodity/Currency Strategie
§ Zusatz: Top-Down-Analyse makroökonomischer Variablen
Event Driven
Activist
§ Versuchen Informationen über Management eines Unternehmens zu erlangen
® Einflussnahme auf strategische Richtung
§ Fokus auf in M&A, Eigenkapitalerhöhungen oder Asset Sales involvierte Unternehmen
® berücksichtigt sowohl angekündigte als auch (noch) unangekündigte Events
§ Mindestens 50% in Activist Portfolios investiert
Merger Arbitrage
§ Fokus auf in M&A involvierte Unternehmen ® betrachtet nur angekündigte Transaktionen
§ Möglichkeiten häufig in Grenzen übergreifenden und internationalen Transaktionen mit
mehreren beteiligten regulatorischen Institutionen
§ Über 75% in angekündigten Transaktionen investiert
Distressed/Restructuring
§ Fokus auf unterbewertete Corporate Credit Instrumente ® ggf. aufgrund Insolvenz
§ Manager sind aktiv an Strategie beteiligt ® bewerten Wertpapiere von zerfallenden Firmen
§ Debt Exposure von mindestens 60%
Special Situations
§ Äquivalent zu Distressed/Restructuring
§ Abgrenzung: Equity Exposure von mindestens 60%
Credit Arbitrage
§ Isolierung attraktiver Möglichkeiten in Corporate Fixed Income Wertpapieren ® sowohl
Senior als auch Junior Claims, Bankenkredite ohne breites Kreditmarkt Risiko
§ Fundamentale Kreditanalyse zur Wahrscheinlichkeitsberechnung von Hochstufung der
Kreditwürdigkeit eines Emittenten
§ Abgrenzung zu Fixed Income Strategien: getrieben durch spezifische, antizipierte
idiosynkratrische Weiterentwicklungen
Relative Value
Fixed Income-Asset Backed
§ Versucht Spreads zwischen durch finanzielle Forderungen gedeckelten Fixed Income
Instrumenten zu realisieren
§ Manager hedgen oft Zinsrisiko ® Beschränkung des Risikos auf Zinsunterschied
SIMON PROKOPIDIS
6
Fixed Income-Convertible Arbitrage
§ Versucht Spreads zwischen Convertible Fixed Income Instrumenten zu realisieren
® häufig des gleichen Emittenten
§ Positionen sind sensitiv gegenüber Kreditqualität des Emittenten
Fixed Income-Corporate
§ Versucht Spreads zwischen Corporate Fixed Income Instrumenten zu realisieren
§ Typischerweise Realisierung von Spreads zwischen multiplen Corporate/Risk Free
Government Bonds
§ Abgrenzung zu Event Driven: Involvieren mehr Hedges gegen generelle Marktrisiken
® jedoch variabel in Limitierung von Fixed Income Marktrisiken
Fixed Income-Sovereign
§ Versucht Spreads zwischen Sovereign Fixed Income Instrumenten zu realisieren
§ Typischerweise Realisierung von Spreads zwischen multiplen Sovereign Bonds oder zwischen
Corporate und Risk Free Government Bond
§ Mindestens 50% auf globalen Sovereign Fixed Income Märkten investiert
§ Niedrigeres Net Exposure als ähnliche Macro Strategien
Yield Alternatives
§ Versucht Spreads zwischen zusammenhängenden Instrumenten zu realisieren
® Komponenten des Spreads sind Derivate, Aktien, Immobilienmarkt oder MLPs
§ Quantitative Ansätze zur Messung von Beziehungen zwischen Instrumenten
§ Abgrenzung zu Fixed Income Arbitrage: Primär Non-Fixed Income Wertpapiere
Volatilität
§ Handeln Volatilität als Asset Klasse
§ Fokus auf Trend impliziter Volatilität eines Assets oder breiter Asset Klassen
§ Sensitiv gegenüber implizierter und realisierter Volatilität, Zinsraten und Bewertung des
Eigenkapitals des Emittenten
Verzerrungen in Hedgefonds Datenbanken
§
§
Länge der Datenhistorien: Keine langen Risiko- und Renditehistorien für Hedgefonds
Frequenz der Daten: Die meisten Hedgefonds veröffentlichen monatliche Preis- und
§
Renditeinformationen ® tägliche Hedgefonds Indizes daher nur bedingt brauchbar
Abweichung von Normalverteilung: Hedgefonds generieren häufiger extreme Renditen als
§
in Standardnormalverteilung vorgesehen ® negative Schiefe und positive Kurtosis
Instant History/Backfilling Bias: Frühere Performancehistorien von Hedgefonds vor erster
Veröffentlichung werden typischerweise aufgefüllt (Bias von 1,17% – 5% p.a.)
Survivorship Bias: Nur Renditen von Hedgefonds enthalten, welche aktuell veröffentlichen
§
(überlebende Fonds) ® Hauptgrund ist hohe Auflösungsrate (Bias von 2% – 5% p.a.)
Selection Bias: Auswahl von Hedgefonds ist nicht zwingend repräsentativ für Universum
§
SIMON PROKOPIDIS
7
Part 3: Strategiespezifische Risiken von Hedgefonds
Moderne Portfoliotheorie nach Markowitz
Annahmen: Investoren beurteilen Portfolios nach erwarteter Rendite µ und Standardabweichung σ
über eine Periode (Haltungsperiode)
1. Investoren sind „gierig“ und präferieren Portfolios mit hohen erwarteten Renditen
2. Investoren sind „risiko-avers“ und präferieren Portfolios mit niedriger Standardabweichung
3. Assets sind unendlich aufteilbar ® Investoren können Bruchteile von Anteilen erwerben
4. Investoren können Geld für den risikolosen Zins leihen und verleihen
5. Steuern und Transaktionskosten sind irrelevant
Ziel: Auswählen eines optimalen Portfolios mit…
§ …maximaler erwarteter Rendite bei variablen Risiken
§ …minimalem Risiko bei variablen erwarteten Renditen
Effizienter Rand: Set an Portfolios, welche obige Kriterien erfüllen
Berechnung der Varianz eines Portfolios mit n = 3 Aktien:
Auswahl des optimalen Portfolios:
§ Identifikation des effizienten Randes und Auswahl eines darauf liegenden Portfolios mit
gewünschter erwarteter Rendite E (und gewünschtem Risikolevel)
§ Hauptaufgabe: Ermittlung der optimalen Portfoliogewichte w*
Investor muss Optimierungsproblem lösen: Minimierung der Portfoliovarianz ® z.B. über Lagrange
§ 1. Bedingung: Erwartete Rendite entspricht E
§ 2. Bedingung: Summe der Gewichte entspricht 1
SIMON PROKOPIDIS
8
Lineare Faktormodelle
Capital Asset Pricing Model (CAPM) von Sharpe
Annahmen:
1. Einperiodiger Anlagehorizont
2. Allen Investoren steht gleicher risikoloser Zins zur Verfügung
3. Informationen sind frei und sofort verfügbar
4. Investoren haben homogene Erwartungen an erwartete Renditen, Standardabweichungen
und Kovarianzen von Wertpapieren
Sobald risikolose Investments zusätzlich zu risikobehafteten Assets verfügbar sind ändert sich Form
des effizienten Randes enorm!
§ Alle Investoren präferieren Kombination aus risikolosem Asset und Portfolio M („2-fund
seperation“) ® Korrelation beträgt 0!
§
Bei homogenen Erwartungen haben alle Investoren die gleiche effiziente Auswahl ® CML
Capital Market Line
Auf effizientem Rand muss ein Portfolio aus effizienter Kombination aller Wertpapiere liegen:
§ Vergleich mit CML zeigt: Wertpapiere mit gleicher Rendite aber unterschiedlichen Risiken
® Risikoaverse Investoren lehnen jene mit höherem Risiko ab
§
§
Preis wird entsprechend fallen und Rendite steigt auf „korrektes“ Niveau (relativ zu Risiko)
Schlussfolgerung: Effiziente Kombination aus allen am Markt verfügbaren Assets basierend
auf wertgewichteten Gewichten ® Marktportfolio!
Security Market Line
SIMON PROKOPIDIS
9
Risiko eines Assets lässt sich in zwei Komponenten aufteilen:
§ Systematisches Risiko (Schwankung des Assets mit Gesamtwirtschaft)
§ Unsystematisches Risiko (Unabhängig)
® Investoren zahlen nur Prämie für Umgehung von Marktrisiken!
Kalkulation des Risikos eines Portfolios erfolgt über Gewichtung der enthaltenen Betas
§ Sollte auf gleicher Basis für alle Aktien geschehen
§ Externe Investoren von Hedgefonds kennen einzelne Gewichtungen i.d.R. nicht
® nur Regression mit Renditen einer Benchmark möglich
Schwachpunkte des CAPM:
§ CAPM kann nicht getestet werden
§ Tests für CAPM benötigen immer Approximationen des Marktportfolios
§ Forscher nutzen typischerweise S&P 500 oder MSCI World für Tests des CAPM
§ Per Definition enthält Marktportfolio (nur) Aktien, Bonds, Immobilien usw.
§ Relation zwischen Beta und durchschnittlicher Rendite ist in Realität flacher als im CAPM
Multifaktor-Modell von Fama-French
Modelstruktur: [E(rp) – rf] = αp + βP,1[E(rm) – rf] + βP,2E(SMB) + βP,3E(HML)
Erklärende Faktoren:
1. Überrenditen eines Marktportfolios, i.d.R. breite Indizes wie MSCI World [E(RM)-Rf]
2. SMB („small minus big“) Faktor kalkuliert aus Differenz zwischen Renditen eines Portfolios
aus Aktien mit…
§ niedrigerer Kapitalisierung („small caps“) und…
§ hoher Kapitalisierung („large caps“)
3. HML („high minus low“) Faktor kalkuliert aus Differenz zwischen Renditen eines Portfolios
aus Aktien mit…
§ hohem Buch- zu Marktwert Verhältnis („value stocks“) und…
§ niedrigem Buch- zu Marktwert Verhältnis („growth stocks“)
Fazit zu Faktormodellen
§
§
§
Portfolio Manager nutzen Faktormodelle um Risiken von Mutual Funds und Hedgefonds zu
managen
Vorteil: Simpel und einfach zu interpretieren
Nachteil: Hedgefonds haben oft nichtlineare Beziehungen zu traditionellen Asset Klassen
® werden nicht abgebildet
Asset-Basierte Stil (ABS) Faktormodelle
§
§
§
§
Fung und Hsieh (1997): Hedgefonds Risiken hängen primär von dynamischer
Handelsstrategie (Style) anstatt unterliegender Asset Klasse ab ® ähnliche Risiko- und
Renditecharakteristika bei Hedgefonds mit gleicher Strategie
Nichtlineare Beziehung zwischen Hedgefonds Renditen und jener von Standard Asset-KlasseFaktoren (Indizes) ® optionsartige Renditen
Erweiterung von Sharpes Modell (1992) um sogenannte ABS Faktoren ® Abbildung der
strategiespezifischen Risiken von Hedgefonds
4 Arten von ABS Faktoren: Spread-, Volatilitäts-, Optionsbasierte und Regelbasierte Faktoren
SIMON PROKOPIDIS
10
Merger Arbitrage
Charakteristika
Mitchell und Pulvino (2001) analysieren 4750 angekündigte Merger von 1963–1998 zur
Dokumentation der Risiko- und Renditecharakteristika von Risk (Merger) Arbitrage
2 Ergebnisse:
§ Merger Arbitrage (=MA) Renditen sind mit Marktrenditen unkorreliert bei flachen und
steigenden Märkten und positiv korreliert mit stark fallenden Märkten
§ Nachbildung durch Short Index Put Options (uncovered)
Implementierung
§
§
§
Nach Ankündigung eines Mergers oder einer Akquisition handelt Aktienpreis des Ziels
typischerweise (nicht immer!) unter Angebotspreis des Käufers
Arbitrage Spread: Differenz zwischen beiden Preisen
Merger Arbitrage: Dynamische Handelsstrategie, welche versucht von Spread zu profitieren
Cash Merger vs. Stock Merger
Cash Merger: Käufer bietet Geld für Aktien des Zielunternehmens
§ MA Strategie: Long in Aktien des Ziels
§ Profitiert von Arbitrage Spread und ausgeschütteten Dividenden des Ziels
® allerdings: Opportunitätskosten des eingesetzten Kapitals
Stock Merger: Käufer bietet eigene Aktien für Übernahme des Zielunternehmens
§ MA Strategie: Long in Aktien des Ziels und Short in Aktien des Käufers
§ Profitiert von…
- Differenz zwischen Einnahmen durch Leerverkauf der Käuferaktien und bezahltem
Preis für Aktien des Zielunternehmens
- Zinseinahmen durch angelegte Erträge aus Leerverkauf (werden investiert)
- Allerdings: Dividendenzahlungen gleichen sich durch Long/Short Positionen aus
Hauptrisiko: Deal Failure!
Erklärungen für hohe Renditen von Merger Arbitrage
1. Systematische Ineffizienzen (Merke: hängen immer von genutztem Modell ab)
2. Transaktionskosten und andere praktische Limitierungen
3. Risikoprämien als Kompensation für Deal Failure Risk (und Zeitwert des Geldes)
Gründe für Deal Failure
1. Durchschnittliche Zeit zwischen Ankündigung und Ausgang der Transaktion: 60 Tage
- Durchschnittliche Zeit bis Deal Failure: 40 Tage
- Durchschnittliche Zeit bis zu endgültiger Durchführung der Transaktion: 65 Tage
2. Zielunternehmen sind wesentlich kleiner als Käuferunternehmen
3. Spreads sind wesentlich weiter für erfolglose Übernahmen
Konklusion: Die Wahrscheinlichkeit von Deal Failure spiegelt sich in Preis der Zielaktien wieder!
SIMON PROKOPIDIS
11
CTAs / Trendfolge Strategien
Charakteristika
§
§
§
§
Fung und Hsieh (1997) analysieren 901 CTA Fonds in TASS Asset Management Datenbank
CTA Strategien generieren große positive Renditen bei stark steigenden/fallenden Märkten
® Renditeprofil ähnelt einer Straddle
CTAs haben niedriges durchschnittliches Beta ® zustandsabhängiges Beta steigt bei
steigenden und ist negativ bei fallenden Märkten
Optionsbasierter Stilfaktor „Primitive Trendfolge Strategie“ repräsentiert konvexes
Renditeprofil von „Lookback Straddles“
- Lookback Call: Recht ein Underlying zum niedrigsten Preis über Laufzeit zu kaufen
- Lookback Put: Recht ein Underlying zum höchsten Preis über Laufzeit zu verkaufen
- Lookback Straddle: Kombination aus beiden
® Lookback Optionen sind pfadabhängig und werden nicht an Börse gehandelt
Empirische Schlussfolgerungen
Fung und Hsieh (2001) zeigen empirisch:
1. Standard Benchmarks (Asset-Klasse-Faktoren) erklären nicht Risiko- und
Renditecharakteristika von Trendfolge Strategien
2. Großteil der Risiko- und Renditevariationen kann durch Lookback Straddles erklärt werden
3. Trendfolge Fonds sind hochsensitiv gegenüber starken Schwankungen globaler Aktienmärkte
Wichtige Implikation: Trendfolge Strategien können Volatilität traditioneller Aktien- und
Bondportfolios während stressiger Perioden finanzieller Märkte reduzieren
Part 4: Equity Hedgefonds
Kapitalstruktur
§
§
§
Firma nutzt Mischung aus langfristigem Fremd- und Eigenkapital für Operationen
In Realität werden verschiedene Arten von langfristigem Fremdkapital genutzt ® Bonds,
Convertibles etc.
Anders als „Financial Structure“ bezieht sich „Capital Structure“ nur auf langfristiges Kapital
Financial Leverage
§
§
§
Bekannteste Leverage Ratios: debt-to-equity (D/E), debt-to-assets (D/A) und asset-to-equity
Leverage Effekt: Investoren können Return on Equity (=ROE) durch Fremdkapital „leveragen“
ROE = Profit Margin (Umsatz – Kosten) * Asset Turnover (effizienter Einsatz von Assets)
* Financial Leverage (steigert ROE!)
SIMON PROKOPIDIS
12
Modigliani Miller Theorem
Aussagen
1. Marktwert und durchschnittliche Kapitalkosten einer Firma sind unabhängig von ihrer
Kapitalstruktur
2. Die erwarte Rendite i der Aktie eines zur Klasse k gehörenden Unternehmens j ist eine
lineare Funktion des Leverage: ij = pk + (pk – r)Dj / Sj
3. Irrelevanz der Dividendenpolitik für Unternehmenswert
Annahmen
1. Keine Steuern
2. Going Concern ® Fortlaufende Generierung von Cashflows, weitergeführte Tätigkeit und
keine Liquidierung von Assets (keine Insolvenzkosten)
3. Keine Transaktionskosten
FCFF und WACC
§
§
§
Wert einer Firma ist Funktion ihrer FCFFs und WACC
- FCFF = EBIT(1-tc) + D&A – Capex – ∆WC + Adj
- EBIT = Rev – COGS – SG&A – R&D – Others
- WACC = rD(1-tc)(D/V) + rE(E/V)
Firma nutzt Operating Assets um Free Cashflows to the Firm (FCFF) zu generieren
FCFF: Freie Cashflows nach Investitionen in Anlagevermögen/fixen Assets und vor
Zinszahlungen an langfristige Kapitalgeber (Fremdkapital und Eigenkapital)
Moderne Herleitung des MM Theorems
1. Kapitalkosten sind unabhängig von Kapitalstruktur:
- Auch bei Verwendung von „günstigem“ Fremdkapital steigt Anteil an
- Folge: Equity Beta und Eigenkapitalkosten steigen ebenfalls an
- Die obigen Effekte kompensieren einander
- WACC bleibt konstant
2. Firmenwert ist unabhängig von Kapitalstruktur:
- Wert einer Firma ist Funktion ihrer FCFFs und WACC
- Ihre Assets und FCFF sind nicht von ansteigendem Fremdkapitalanteil betroffen
® nur Kapitalstruktur ändert sich
- Da sich WACC (siehe oben) und FCFF nicht verändern bleibt Firmenwert gleich
Stirling Homex Case Study
Hintergrund
§
§
§
§
§
Stirling Homex wurde 1967 von William und David Stirling gegründet
Pionier des „Modular Housing“
IPO im Februar 1970 mit Anstieg des Aktienpreises von $ 16.50 auf $ 51.75 (März)
Im Juli 1972 meldete Stirling Homex Insolvenz an
Tausende mit zwischen mit $ 35–65 Millionen bewertete Modulhäuser wurden eingepackt in
Plastik auf Feldern gefunden
SIMON PROKOPIDIS
13
Umsatzrealisierung (Revenue Recognition)
§
§
§
§
§
Umsatz ist einer der wichtigsten Performanceindikatoren einer Firma ® fiktive bzw.
beschleunigte Umsatzsteigerung wird häufig für Manipulation genutzt
Umsätze werden in GuV vor Geldeingang ausgewiesen
Kriterien für Umsatzrealisierung ® alle müssen erfüllt sein!
1. Abmachung oder Vertrag liegt vor
2. Versand ist erfolgt oder Serviceleistung wurde bereits erbracht
3. Verkaufspreis ist fix oder eindeutig bestimmbar
4. Einbringlichkeit ist gewährleistet
Hauptproblem bei Stirling Homex: Punkt Nr. 3!
1. Umsätze wurden oft ausgewiesen nachdem Firma vorläufige Bestellungen erhielt
2. Hoher Betrag an unbezahlten Forderungen (noch nicht eingegangene Zahlungen)
Anzahl nicht installierter Häuser stieg von 1971–1972 kontinuierlich an
- April 1971:
3500
- Ende 1971:
6700
- Juli 1972:
9000+
Bilanzanalyse 1971
1. Erhöhung der Barmittel zwischen 1970–1971
Nettoeinnahmen 1971
2. Forderungen
Kurzfristig
Langfristig
Unbezahlt
Vergleiche Veränderungen in Umsätzen mit Forderungen:
Umsätze stiegen um
Forderungen stiegen um
3. Bestanderhöhung
USD 0,4 Mio.
USD 3,25 Mio.
USD 37,8 Mio.
USD 4,25 Mio.
65%
63%
144%
20%
Cashflow-Analyse
Aufteilung der Cashflows in…
1. Cashflow from operating activities (CFFO)
2. Cashflow from investing activities (CFFI)
3. Cashflow from financing activities (CFFF)
USD -17 Mio.
USD -7,8 Mio.
USD 25,2 Mio.
CFFO / Net Income Ratio: Bessere Einschätzung der „Qualität“ einer Bilanz
–5,24
Fundamentale Gründe für Short-Selling
1.
2.
3.
4.
5.
6.
7.
Forderungen wurden zu aggressiv gebucht
Forderungen mit zu niedrigen Verlustprovisionen
Obsolete Inventarbestände
Wertpapiere sind am Markt überwertet
Immobilienpreise (und andere Gegenstände des Anlagevermögens) sind zu hoch bepreist
Schlechte Löhne
Intransparente, schwer handelbare Assets
SIMON PROKOPIDIS
14
Pairs Trading (Statistical Arbitrage)
Definition
§
§
§
§
Statistical Arbitrage: Hochtechnische kurzfristige Mean-Reversion Strategien, welche große
Menge an Wertpapieren, sehr kurze Halteperioden und eine ausgereifte IT-Struktur
involvieren
Stationär: Ein stochastischer Prozess ist stationär, wenn sich seine Wahrscheinlichkeitsverteilung über die Zeit nicht ändert ® nicht stationäre Variablen können wesentlich von
ihren zuvor erwarteten Werten abweichen!
Integrierte Variablen: nicht-stationäre Serien, welche stationär werden, sobald differenzierte
n-Zeiten in n-ter Reihenfolge integriert werden
Kointegration: Liegt vor, wenn zwischen 2 oder mehr stationär integrierten Objekten ein
langfristiges Gleichgewicht besteht ® kurzfristig zwar Abweichungen zur Mean Reversion, im
Zeitverlauf konvergiert aber mindestens eine Variable wieder zum Gleichgewicht
u t = Y t – a *X t
® Kointegration benötigt lineare Kombination der Variablen X und Y, welche keinen
statistischen Trend enthält
Kointegration – Typische Beispiele
In der Volkswirtschaft wird Kointegrations-Analyse durch Equilibriums-Beziehungen zwischen
Variablen getrieben, z.B.:
§ Purchasing Power Parity: Beziehung zwischen Inflationsraten und Wechselkursen
® Wechselkurse werden sich anpassen solange „Law of One Price“ hält
§ Interest Rate Parity: Beziehung zwischen Zinsraten und Wechselkursen ® Wechselkurse
zwischen zwei Ländern werden sich anpassen, sodass Dollarzinsen in Dollar-Einlagen den
Dollarzinsen in fremden Einlagen entspricht
In Finance wird Kointegration durch Arbitrage Argumente getrieben, z.B.:
§ Beziehungen zwischen Spot- und Forward Preisen (High Frequency Modelle)
§ Beziehungen zwischen Asset Preisen und Fundamentals (Low Frequency Model)
Implementierung einer Pairs Trading Strategie
1. Mit Hilfe des Engle / Granger Test Zeitreihen auf Kointegration testen
2. Kalkulation des Spreads zwischen zwei kointegrierten Zeitreihen (z.B. Aktien)
3. Wenn Spread ungewöhnlich hoch ® Spread > λ STD(s)
- Short in ungewöhnlich hoher Aktie („expensive“)
- Long in ungewöhnlich niedriger Aktie („cheap“)
4. Dann: Auf Mean Reversion der Aktien hoffen! ® i.d.R. sollte Strategie bei mehreren Paaren
implementiert und auf Erfolge > Misserfolge gehofft werden
SIMON PROKOPIDIS
15
Part 5: Futures und CTAs
Forwards vs. Futures
Forwards
Privater Kontrakt zwischen 2 Parteien
Nicht standardisiert
Üblicherweise 1 spezifisches Lieferdatum
Settlement am Ende des Kontrakts
Lieferung oder finales Cash Settlement bei
Lieferungsdatum
Etwas Kreditrisiko
Futures
Börsengehandelt
Standardisiert
Reichweite an Lieferdaten
Tägliches Settlement
Kontrakt wird üblicherweise vor
Laufzeitende beendet
Virtuell kein Kreditrisiko
Regelbasierte ABS Faktormodelle
1. Idee hinter ABS-Modellen ist die Identifizierung von Stil Faktoren, welche nichtlineare
strategiespezifische Risiko- und Rendite Charakteristika von Hedgefonds abbilden und dabei
lineare Struktur traditioneller Faktormodelle beibehalten
2. Trendfolge Strategien lassen sich größtenteils durch regelbasierte Faktoren replizieren
3. Schrittweise Regression erlaubt besseres Verständnis über „Style“ von CTAs ® werden oft
als HFTs beschrieben, versuchen in Realität aber Trends mit relativ langen Lookback-Perioden
auszunutzen
4. Aus theoretischer Sicht versagen CTAs wenn Frequenz gemessen an Lookback-Perioden zu
hoch ist ® direkte Verbindung zwischen Frequenz und Volatilität
SIMON PROKOPIDIS
16
Hedgefonds Paper Zusammenfassung
Wintersemester 2017/18
Inhaltsverzeichnis
(1) Amin, Gaurav S. / Kat, Harry M. (2003): Welcome to the Dark Side: Hedge Fund Attrition and
Survivorship Bias over the Period 1994–2001
2
(2) Asness, Clifford / Krail, Robert / Liew, John (2001): Do Hedge Funds Hedge?
2
(3) Asness, Clifford / Ilmanen, Antti / Israel, Ronen / Moskowitz, Tobias J. (2015): Investing with
Style
3
(4) Brunnermeier, Markus K. / Nagel, Stefan (2004): Hedge Funds and the Technology Bubble
4
(5) Edwards, Franklin R. (1999): Hedge Funds and the Collapse of Long-Term Capital Management 5
(6) Eling, Martin (2006): Autocorrelation, Bias and Fat Tails: Are Hedge Funds Really Attractive
Investments?
7
(7) Fung, William / Hsieh, David A. (1997a): Empirical Characteristics of Dynamic Trading Strategies:
The Case of Hedge Funds
8
(8) Fung, William / Hsieh, David A. (1997b): Survivorship Bias and Investment Style in the Returns of
CTAs
9
(9) Fung, William / Hsieh, David A. (2000): Performance Characteristics of Hedge Funds and
Commodity Funds: Natural vs. Spurious Biases
9
(10) Fung, William / Hsieh, David A. (2001): The Risk in Hedge Fund Strategies: Theory and Evidence
from Trend Followers
10
(11) Fung, William / Hsieh, David A. (2002a): Asset-Based Style Factors for Hedge Funds
11
(12) Fung, William / Hsieh, David A. (2002b): Risk in Fixed-Income Hedge Fund Styles
11
(13) Fung, William / Hsieh, David A. (2004a): Hedge Fund Benchmarks: A Risk-Based Approach
12
(14) Fung, William / Hsieh, David A. (2004b): Extracting Portable Alphas from Equity Long/Short
Hedge Funds
12
(15) Till, Hilary (2006): EDHEC Comments on the Amaranth Case: Early Lessons from the Debacle 13
(16) Jorion, Philippe (2000): Risk Management Lessons from Long-Term Capital Management
13
(17) Khandani, Amir E. / Lo, Andrew W. (2007): What Happened to the Quants in August 2007?
14
(18) Mitchell, Mark / Pulvino, Todd (2001): Characteristics of Risk and Return in Risk Arbitrage
15
(19) Viebig, Jan (2012): What Do We Know about the Risk and Return Characteristics of Hedge
Funds?
16
(20) Viebig, Jan (2013): High Frequency Trading, Statistical Arbitrage und die Adaptive Markets
Hypothesis
19
(1) Amin, Gaurav S. / Kat, Harry M. (2003): Welcome to the Dark Side: Hedge Fund
Attrition and Survivorship Bias over the Period 1994–2001
The Journal of Alternative Investments, 6, 57–73
§
§
§
§
§
§
Hedgefonds haben kurze Lebensdauer: Nur 60% aus dem Jahr 1996 haben bis 2001 überlebt
Rückgang von Hedgefonds stieg über die Jahre 1996–2001 kontinuierlich an (jährliche
Überlebensrate sank von 93,8% auf 87,7%)
- Hauptgrund: Mangelnde Größe und Performance vergangener 12 Monate
- Rückgang von „Fund-of-Funds“ ist wesentlich geringer, jedoch ähnlich rapider Anstieg
- Anstieg des Rückgangs lässt sich nicht durch generellen Wandel in Industrie
(Strategien) oder abnehmende Gesamtperformance erklären ® stattdessen
zunehmender Risikoappetit von Hedgefonds Managern
Rückgang von Hedgefonds ist aus 2 Gründen wichtig:
- Wenn ein Hedgefonds schließt, müssen Investoren neue Investitionsmöglichkeiten
suchen ® hohe Kosten
- „Survivorship Bias“
Survivorship Bias: Datenbanken enthalten nur überlebende Hedgefonds ® Verzerrung
- Investoren schätzen Renditen von zu hoch (~2% p.a.) bzw. Risiken zu niedrig ein
- Vermehrt Vorsicht bei Einschätzung von Renditen und Risiken geboten
- Durch Größe und Diversifikation von Fund-of-Funds ist Verzerrung dort relativ gering
Hedgefonds Datenbanken existieren erst seit 1994 ® frühere Renditen werden rekonstruiert
Datenbanken dienen als Werbung für Hedgefonds ® manche Hedgefonds beenden
Reporting nach Erreichen der Target Asset Size
(2) Asness, Clifford / Krail, Robert / Liew, John (2001): Do Hedge Funds Hedge?
The Journal of Portfolio Management, 28, 6–19
§
§
§
§
§
§
Paper untersucht Renditen und Diversifikation von Hedgefonds in den Jahren 1994–2000
Viele Hedgefonds halten illiquide Wertpapiere ® Bewertung für monatliches Reporting
erfolgt über letzten verfügbaren Handelspreis oder Schätzung des aktuellen Marktpreises
- „Stale Pricing“ ® unbeabsichtigte fehlerhafte Bepreisung
- „Managed Pricing“ ® künstliche Reduzierung der Volatilität und Marktkorrelation
Folgen der verzögerten/fehlerhaften Bepreisung:
- Monatlich veröffentlichte Renditen von Hedgefonds sind ggf. nicht perfekt synchron
mit monatlichen S&P500 Renditen
- Potenzielle Unterschätzung des Marktrisikos (Beta)
- Unter vorigen Annahmen wird von Hedgefonds erzielter Mehrwert (Alpha) bei
steigenden Märkten in jeder Periode zu hoch eingeschätzt
Hedgefonds erzielen durch Diversifikation und hohe erwartete Renditen attraktivere
Ergebnisse als Indexfonds ® Vorteile schwinden bei Berücksichtigung verzögerter Bepreisung
Betrachtung längerer Zeithorizonte zeigt geringere Sharpe Ratios, höhere Volatilität und
stärkere Marktkorrelation
Hedged Sharpe Ratios ® berücksichtigen Marktrisiko und schätzen akkuratere Betas
- Bei Nicht-Korrelation mit Markt gilt: Hedged Sharpe Ratio = Simple Sharpe Ratio
- Bei Fonds mit stark durchschnittlichem Marktrisiko weichen Ergebnisse signifikant ab
SIMON PROKOPIDIS
2
(3) Asness, Clifford / Ilmanen, Antti / Israel, Ronen / Moskowitz, Tobias J. (2015):
Investing with Style
The Journal of Investment Management, 13(1), 27–63
§
§
§
§
§
§
§
§
§
§
4 Styles: Value, Momentum, Carry und Defensive
60%/40% mit Aktien/Bonds gewichtetes Portfolio ist zu 0,99 mit einem 100% Aktienportfolio
korreliert ® schmerzhaft in Finanzkrise 2008
Traditionelle Ertragsquellen werden zunehmend unattraktiv ® niedrige Aktien- und
Bondrenditen
Eine Möglichkeit für mit dem Markt unkorrelierte Renditen: Suche nach „purem Alpha“
- Alpha: Zusätzliche Rendite, welche abseits bekannter Risiken und systematischer
Strategien erzielt wird
- Investoren zahlen oft hohe Summen für (angeblich enthaltenes) Alpha in Portfolios
® in Realität beinhalten diese jedoch primär klassisches Marktrisiko (z.B. Betas)
Wahre Lösung für unkorrelierte Renditen: „Style Investing“
- Definition: Systematische Investmentmethode, welche langfristig positive
durchschnittliche Renditen auf allen Märkten und über alle Asset-Klassen erzielt, bei
annähernder Nicht-Korrelation mit klassischen long-only Asset-Klassen
- Wenn ein Investor den 4 sog. „Style Premia“ nicht bereits ausgesetzt ist ® Alpha
- Pure Anwendung oder Integration in long-only Portfolio ® „Smart Beta Portfolio“
Voraussetzungen für erfolgreiches Style Investing:
- Identifizieren von robusten Ertragsquellen ® Konsistenz in Erträgen
- Diversifizieren über so viele Styles wie möglich ® untereinander schwach korreliert
- Long/Short Positionen für gehedgte Renditen mit niedriger Korrelation zu
traditioneller Aktienrisikoprämie
- „Three Dirty Words of Finance:” Leverage, Short-Selling & Derivate (LSD)
Styles weisen untereinander signifikante Synergien auf
- Diversifikation, Hedging und Reduzierung von Transaktionskosten
- Viele Portfolios fügen nur einen Style hinzu ® keine signifikante Reduzierung von
passivem Risiko, aber dennoch als Alpha bepreist
Abhängig von einer einzigen Risikoquelle ® keine effiziente Diversifikation
Zuverlässigste Investmentmethode involviert kosteneffiziente Nutzung mehrerer
Ertragsquellen, welche untereinander schwach korreliert sind ® erreicht durch 4 Styles
Gründe warum Style Premia von den meisten Investoren nicht angewandt werden:
- Mangelndes Wissen über Style Premia
- Nur separate Nutzung von Styles ® schwächere Diversifikationseffekte
- Streben nach purem Alpha ® teure Investitionen in Hedgefonds, welche primär
Marktrisiko ausgesetzt sind
- Leverage/Short-Selling Aversion von Investoren ® keine Nicht-Korrelation ohne Short
Positionen erreichbar
- Unkonventionelle Verluste schädigen Reputation mehr als konventionelle Verluste
SIMON PROKOPIDIS
3
(4) Brunnermeier, Markus K. / Nagel, Stefan (2004): Hedge Funds and the Technology
Bubble
The Journal of Finance, 59, 2013–2040
§
§
§
§
§
§
§
§
§
§
Hedgefonds waren keine korrigierende Kraft während der Technologie Blase in 1999
® stattdessen zu großen Teilen in Technologie Werte investiert
Während dem Höhepunkt der Blase war gesamter Internetsektor überbewertet
® Wachstumsrate überstieg damalige Höchstwerte von jeglichen individuellen Firmen
Aktienkurse stiegen aufgrund irrationaler Euphorie von Investoren
Blasen zu reiten ist inkonsistent mit Hypothese effizienter Märkte ® kann profitabel sein
- „Limits to Arbitrage“
- Vorhersehbares Investorenverhalten bei Trend ® wurde von Hedgefonds ausgenutzt
2 gegensätzliche Ansichten ob rationale Trader den Einfluss irrationaler Trader korrigieren:
- Rationale spekulative Aktivitäten eliminieren risikofreie Arbitrage und
Fehlbewertungen, dessen Ausnutzung riskante Trades benötigt ® zutreffend da kein
Hedge für Short Position vorhanden gewesen
- Noise Trader-Risiko, Agency Probleme und Synchronisationsrisiko beschränken
Arbitrageure und erlauben Fehlbewertungen zu bestehen
Hedgefonds ® „rationale Arbitrageure“
Hedgefonds ritten die Technologie Blase ® Anteil der Technologiewerte in Hedgefonds
Portfolios war größer als deren Gewichtung im Marktportfolio (Höhepunkt 6 Monate vor dem
Höhepunkt der Blase)
Hedgefonds könnten durch Signale wie Momentum das Verhalten der weniger gebildeten
Investoren implizit vorhergesehen haben ® essenziell in Feedback-Trader Modellen
Bevor Preise kollabierten, lösten Hedgefonds ihre Positionen auf einer „stock-by-stock basis“
auf und investierten wiederum in andere Technologiewerte ® dadurch profitierten sie vom
Aufschwung und vermieden größtenteils Verluste bei Abschwung
Hohe Positionen von Hedgefonds in Technologiewerten können nicht allein durch
Unwissenheit über Blase oder Short-Selling Beschränkungen entstanden sein
- Synchronisationsrisiko kann Arbitrageure davon abhalten Fehlbewertungen (Blasen)
zu attackieren ® unklar wann sich Trades (Shorts) lohnen
- Es kann optimal für Arbitrageure sein, eine noch-wachsende Blase zunächst weiter zu
reiten, solange Attacke anderer Arbitrageure unwahrscheinlich erscheint
SIMON PROKOPIDIS
4
(5) Edwards, Franklin R. (1999): Hedge Funds and the Collapse of Long-Term Capital
Management
The Journal of Economic Perspectives, 13, 189–210
Rechtliche und organisatorische Struktur von Hedgefonds
§
§
§
Erster Hedgefonds wurde 1966 von Alfred Winslow Jones gegründet ® Long (Short) in
unterbewerteten (überbewerteten) Wertpapieren für „marktneutrale“ Position
Intention der rechtlichen Rahmenbedingungen: Limitieren für reiche, gehobene Investoren
- Maximal 100 Investoren oder ausschließlich „qualified purchasers“ (> $5 Million NW)
bzw. „qualified institutions“ (> $5 Million AUM)
- Ansonsten größtenteils unreguliert
Unterschiede von Hedgefonds gegenüber regulierten Mutual Funds:
- Nutzung jeglicher Finanzinstrumente und Strategien
- Keine Restriktion von konzentrierten Positionen in einzelne Firmen oder Sektoren
- Aufnahme von Leverage
- Größere Freiheit im Halten von illiquiden Finanzinstrumenten ® hohe minimale
Investitionen und längere Kapitalbindung für Investoren
- Niedrige administrative Kosten ® stattdessen Anreizvergütung (2/20 Regel)
- Vermeidung von Kosten durch regulatorische Aufsicht
- Kein offensichtlicher Investorenschutz durch Regulierung
Die Hedgefonds Industrie
§
§
§
§
§
Fast 50% aller Hedgefonds sind „Offshore Funds“ mit rechtlichem Sitz in Steuerparadiesen
® Investmentaktivitäten jedoch ähnlich zu U.S. Fonds
Hedgefonds mit ausschließlich Anteilen in anderen Hedgefonds: „Fund-of-Funds“
Hedgefonds veröffentlichen i.d.R. nur wenig über ihre Aktivitäten und Strategien
Die beiden größten Mutual Funds (Vanguard und Fidelity) halten mehr AUM als alle
Hedgefonds zusammen ® dennoch großer Einfluss von Hedgefonds durch Leverage
Datenbanken veröffentlichen nur Daten von überlebenden Fonds (Survivorship Bias)
® Performance nicht als Hauptgrund für Schließung von Hedgefonds
Wieso sind Hedgefonds gewachsen?
§
§
§
§
Demografischer Wandel potentieller Hedgefonds Investoren und attraktive Performance
80% der Investoren HNWIs, 20% institutionelle Investoren (z.B. Pensionsfonds)
Erwartung zweistelliger prozentualer Renditen p.a. und geringer Korrelation mit Aktien- und
Bondrenditen
Hedgefonds werden nach Strategien klassifiziert ® auch bei ähnlichen Strategien können
Hedgefonds stark abweichende Renditen/Risiken durch Leverage aufweisen
- „Macro“ ® wetten auf Veränderungen bestimmter makroökonomischer Variablen
- „Distressed Securities“ ® wetten auf Bankrotte
- „Market Neutral“ ® kaufen (verkaufen) von unterbewerteten (überbewerteten)
Wertpapieren
SIMON PROKOPIDIS
5
§
Drei mögliche (zwiespältige) Erklärungen für hohe Renditen von Hedgefonds:
- Hedgefonds nutzen Ineffizienzen am Markt aus ® Märkte werden effizienter
- Manager performen besser durch Anreizvergütung
» Kann in erhöhtem Risikoappetit resultieren
» Mangel an aussagekräftigen Daten erlaubt kein eindeutiges Urteil über
Performance individueller Manager
- Hohe Renditen reflektieren die hohen Risiken von Hedgefonds
» Renditen von Hedgefonds sind nicht volatiler als solche von Aktien
» „Sharpe Ratios“ zum Vergleich von Investments ® Hedgefonds erzielen
hohe Sharpe Ratios bzw. höhere risikoadjustierte Renditen
» Alternativ: „Jensen Alpha“ ® Wert, um welchen die durchschnittliche
Rendite eines Assets die errechnete CAPM-Rendite übertrifft
» Mangelnde Informationen über Aktivitäten von Hedgefonds lassen keine
klaren Schlüsse über Ertragsquellen und zukünftige Performance zu
Der Untergang von Long-Term Capital Management
§
§
§
§
§
LTCM wurde Februar 1994 mit $1,3 Mrd. Eigenkapital gegründet
In ersten 3 Jahren bis Dezember 1997 war Eigenkapital auf $7 Mrd. angestiegen ® schüttete
dann $2,7 Mrd. aus und verblieb Anfang 1998 mit $4,8 Mrd.
Anlagestrategie von LTCM:
- Primäre Strategie: „Market Neutral Arbitrage“ ® Long (Short) in unterbewerteten
(überbewerteten) Bonds
- Aufgrund von Kollaps asiatischer Länder in 1997 waren große Zinsspreads zwischen
Bonds mit hohem bzw. niedrigem Risiko ® LTCM hielt sog. Interest Rate „Swaps“ und
wettete auf Verringerung des Spreads
- Leverage Ratio von LTCM lag bei 20-zu-1 ($125 Mrd. FK zu ~$5 Mrd. EK) ® ermöglicht
durch vorige Performance und Reputation der Partner
- Anfang 1998 lag Nominalwert der von LTCM gehaltenen Derivate bei > $1 Billion
Der Untergang:
- Frühling 1998 kollabierte der asiatische Markt weiter ® riskante, illiquide Bonds
wurden zunehmend abgestoßen
- August 1998 wertete Russland den Rubel ab und erklärte Zahlungsaufschub i.H.v. 13,5
Mrd. Dollar ® als Folge lehnte Russland Zahlungen an Gegenparteien von Derivaten
ab („force majeure clause“) um stattdessen Währungsrisiko mit russischen Treasury
Bonds zu hedgen
- „Flucht in Qualität“ ® Wechsel zu risikoarmen, liquiden Bonds nahm weiter zu
- Dramatisch für LTCM ® bis Mitte September fiel Eigenkapital auf $600 Millionen
Federal Reserve Bank plante daraufhin Rettung von LTCM durch Bereitstellung von
$3,625 Mrd. im Gegenzug für 90% des verbliebenen Eigenkapitals
SIMON PROKOPIDIS
6
Implikationen der Rettung von LTCM
§
§
Zwei Faktoren weshalb Verluste von LTCM globale Finanzmärkte destabilisieren könnten:
- Märkte waren bereits instabil
- Aufgrund LTMCs hohen Positionen in Derivaten musste Bankrott vermieden werden
® bei Insolvenz hätten Gegenparteien Kontrakte aufgelöst und Assets liquidiert
Liquidierung von LTCMs Positionen hätte 3 Konsequenzen gehabt:
- „Funnel Effect“: nur wenige Wertpapiere könnten vor Preiskollaps verkauft werden
- „Knock-On-Effect“: andere Banken und Hedgefonds hielten ähnliche Positionen wie
LTCM ® würde in weiteren Insolvenzen resultieren
- Besagte Effekte würden eine Kettenreaktion auf dem Derivatemarkt herbeiführen
Bankenregulierung und der Derivatemarkt
§
§
§
LTCM informierte Gläubiger und Gegenparteien nicht ausreichendend über Handelsstrategie
Gefahr von Kettenreaktionen bei Zahlungsunfähigkeit einer Gegenpartei ® Vorschlag für
Erhöhung der Transparenz von OTC gehandelten Derivaten (z.B. Swaps)
Keine Regulierung von Banken und Wertpapierfirmen bei leichtsinniger Risikoaufnahme
® Disziplinierung nötig
- Veröffentlichung von Größe und Art der gehaltenen Derivate
- Skepsis gegenüber mathematischen Modellen zur Wahrscheinlichkeitsberechnung
von Verlusten (genutzt von LTCM) ® Risiko oft höher als in Modell geschätzt
Hedgefonds-Regulierung
§
§
Mehr Regulierung fragwürdig durch reiche und gehobene Investoren von Hedgefonds
Mögliche Regulierungen:
- Hedgefonds sollten mehr Informationen über Aktivitäten veröffentlichen
® signifikante negative Externalitäten (z.B. kurzfristiges Spekulieren)
- Regulierung der Haltung von illiquiden Positionen (Bsp. LTCM)
- Limits für Investitionen in bestimmte Gebiete und Leverage
- Periodische Veröffentlichung der Investments und gehaltenen Derivate
(6) Eling, Martin (2006): Autocorrelation, Bias and Fat Tails: Are Hedge Funds Really
Attractive Investments?
Derivatives Use, Trading & Regulation, 12, 1–20
§
§
§
§
§
Nach Portfolio Selection Theory sind Hedgefonds schwach mit Aktien-/Bondmarkt korreliert
Untersuchung der Performance von Hedgefonds unter Berücksichtigung von Autokorrelation,
„Bias“ und „Fat Tails“ ® Vorteile schwinden größtenteils!
Vergleich von Hedgefonds Erträgen mit traditionellen Investments zeigt:
- Signifikante Autokorreleation ® Resultat fehlerhafter Bepreisung illiquider Assets
- Systematische Messfehler (Bias) ® Survivorship und Backfilling Bias in Datenbanken
- Renditen weichen stärker von Normalverteilung ab (Fat Tails) ® von Hedgefonds
gehaltene Derivate verursachen asymmetrische Renditeverteilung
Ausnahme: „Equity Market Neutral“ Strategie mit hoher risikoadjustierten Rendite
Illustriert durch Vergleich von klassischem Sharpe Ratio mit angepasster Version des
„Modified Sharpe Ratios“ ® misst Performance unter Berücksichtigung obiger Faktoren
SIMON PROKOPIDIS
7
(7) Fung, William / Hsieh, David A. (1997a): Empirical Characteristics of Dynamic
Trading Strategies: The Case of Hedge Funds
The Review of Financial Studies, 10, 275–302
§
§
§
§
§
§
§
§
§
§
§
Hedgefonds verfolgen im Gegensatz zu Mutual Funds andere, hochdynamische Strategien
5 dominante Investment Styles in Hedgefonds:
- „Systems/Opportunistic“
- „Global/Macro“
- „Value“
- „Systems/Trend Following“
- „Distressed“
Nur geringe Anzahl an Asset-Klassen benötigt um Performance der größten U.S. Mutual
Funds zu replizieren
Mutual Funds verfolgen relativ bessere Renditen zu ihren Asset-Klassen ® starke Korrelation
mit solchen von Standard Asset-Klassen
Hedgefonds (in Paper Fokus auf CTAs) verfolgen das Gegenteil ® niedrige Korrelation
Renditen eines Managers können nach 3 Schlüsselfaktoren charakterisiert werden:
- Renditen der Assets im Portfolio
- Handelsstrategien
- Leverage
Sharpes einfaches Faktormodell berücksichtigt Handelsstrategien und Leverage nicht
® nur geeignet für Relative Return Ziele bzw. klassische buy-and-hold Strategien
Für Absolute Return Ziele: Erweiterung von Sharpes Stil Faktormodell mit 12 wichtigen
Investment Styles als Variablen
- buy-and-hold in 9 Asset Klassen und 3 dynamische Handelsstrategien
- Liefert hohe R2 Werte für Rendite als abhängige Variable
Implikation für Portfoliokonstruktion: Allokation in sowohl verschiedene Asset-Klassen als
auch Trading Strategien möglich
Style Diversifizierung erfolgt über Wandel von traditionellem „Relative Return“ Investment
Ansatz zu „Absolute Return“ Investment Styles ® Freiheit unkorrelierte Renditen zu erzielen
Absolute Return hat seinen Preis ® zusätzliche Maßnahmen zur Reduzierung von
Diversifikationsimplosion und Risiko in extremen Marktsituationen
SIMON PROKOPIDIS
8
(8) Fung, William / Hsieh, David A. (1997b): Survivorship Bias and Investment Style in
the Returns of CTAs
The Journal of Portfolio Management, 24, 30–41
§
§
§
§
§
§
§
§
Paper analysiert Survivorship Bias von CTA Fonds (=CTAs)
CTAs lösen sich öfter auf als Mutual Funds
Multifonds schließen häufiger einzelne unterliegende Fonds ® Reputationsschutz
Performancehistorien sind aussagekräftig, solange Survivorship Bias berücksichtigt wird!
® Datenbanken veröffentlichen nur Historien von überlebenden Fonds
Survivorship Bias kann reduziert werden durch Einbezug zusätzlicher Informationen
- Investment Style
- Reputation des Managements
Hedgefonds veröffentlichen kaum Informationen und nutzen komplexe Strategien
® Performancehistorie für Bewertung von Hedgefonds wichtiger als bei Mutual Funds
Dominante Strategie von CTAs: Trendfolgestrategie
- Kann ohne Verzerrung (Survivorship Bias) gemessen werden
- Niedrige Korrelation mit Standard Asset-Klassen bei sowohl überlebenden als auch
geschlossenen Fonds
CTAs als Diversifikation zu Aktien/Bonds ® Ausgleich von negativen Kursbewegungen
(9) Fung, William / Hsieh, David A. (2000): Performance Characteristics of Hedge Funds
and Commodity Funds: Natural vs. Spurious Biases
Journal of Financial and Quantitative Analysis, 35, 291–307
§
§
§
§
§
Hedgefonds sind schwach korreliert mit Standard Asset-Klassen ® „Zero Beta Like
Investments“
- Kein systematisches Risiko, dennoch absolutes Risiko vorhanden (Bsp. LTCM)
- Lineare statistische Maße wie Standardabweichungen, Sharpe Ratios und Korrelation
mit Standard Indizes können zu fehlerhafter Einschätzung von Risiken führen
- Modellieren der Strategien erforderlich (z.B. Optionsmodell für Trendfolgestrategien)
Performancemessung durch „Hedgefonds Marktportfolio“ (wertgewichtetes Portfolio aller
Hedgefonds) ® vollständige Informationen über Performance und AUM existieren nicht!
Stattdessen: Approximation durch „observierbares Marktportfolio“ (wertgewichtetes
Portfolio aller Hedgefonds in Datenbanken) ® 2 Verzerrungen:
- Selection Bias: Fonds in observierbarem Portfolio sind nicht repräsentativ (natürlich)
- Instant History Bias: Datenbanken hinterfüllen fehlende Informationen über
Performance von neu aufgenommenen Hedgefonds (künstlich generiert)
Akkurate Verfolgung von ein- und austretenden Fonds nötig ® Survivorship Bias!
- Surviving Portfolio vs. Observable Portfolio ® keine stillgelegten Fonds enthalten
- Survivorship Bias entspricht Delta zwischen den zwei Portfolios
Alternativen zur Umgehung von Verzerrungen:
- Fund-of-Funds Performance als Schätzung von Hedgefonds Markt Performance
® frei von vielen der Verzerrungen in Datenbanken individueller Fonds
- Außerachtlassung der Inkubationsperiode von Hedgefonds in Datenbanken
SIMON PROKOPIDIS
9
(10) Fung, William / Hsieh, David A. (2001): The Risk in Hedge Fund Strategies: Theory
and Evidence from Trend Followers
The Review of Financial Studies, 14, 313–341
§
§
§
§
§
§
Hedgefonds generieren optionsartige Erträge mit scheinbar keinem systematischen Risiko
® schwer erklärt durch lineare Faktormodelle mit Indizes als Benchmark
Modellierung von Hedgefonds Renditen durch Trendfolgestrategie ® Payoff analog zu
Lookback Straddle
Für Modell: Fokus auf weitverbreitete Strategie, die großen Einfluss auf Renditen hat
® Trendfolgestrategie (=TFS)
- Positiv während besten/schlechtesten Monaten des Weltaktienmarktes
® unkorreliert mit Standard Aktien-, Währungs- und Rohstoffindizes
- Beziehung zwischen TFS und Aktienmarkt ist nicht linear ® Betas von linearen
Faktormodellen können systematisches Risiko über- oder unterschätzen (Bsp. LTCM)
Unterschiede in Eintritts- Austrittszeitpunkten von verschiedenen TFS ® Primitive
Trendfolgestrategie (=PTFS) liefert das ex post Maximum jeder Trendfolgestrategie
PTFS beinhalten 3 essenzielle Performance Features von trendfolgenden Fonds:
- Positive Renditen bei extremen Auf- und Abwärtsbewegungen der Weltaktienmärkte
- Replikation der Renditen von trendfolgenden Fonds durch Kombination von PTFS auf
Währungen, Rohstoffe, 3-Monats Zinssätze und U.S. Bonds
- PFTS erklären trendfolgende Fonds besser als buy-and-hold Benchmarks
® Trend-Follower nutzen nichtlineare, optionsartige Handelsstrategien („Long
Volatilität“ und „Long Markt Event Risiko“)
3 Implikationen für TFS durch obige Features:
- TFS beinhalten systematische Risiken ® jedoch nicht observierbar durch lineare
Faktormodelle
- Trend-Follower bzw. Portfolio aus Lookback Straddles kann Volatilität eines typischen
Aktien- und Bondportfolios in extremen Marktsituationen reduzieren
- PTFS als Basis für Performance Benchmark für jegliche Fonds, die TFS nutzen
SIMON PROKOPIDIS
10
(11) Fung, William / Hsieh, David A. (2002a): Asset-Based Style Factors for Hedge
Funds
Financial Analysts Journal, 58, 16–27
§
§
§
§
§
Asset-Basierte Stil Faktoren (=ABS) verknüpfen Renditen von Hedgefonds mit
oberservierbaren Marktpreisen ® enthüllen Risiken
- Stil = Strategie (Long/Short Positionen & Leverage) + Asset Allokation
- Stil Faktor: zentraler Style, der Charakteristika multipler vergleichbarer Stile vereint
Renditen von Handelsstrategien in traditionellen Asset-Klassen können Renditen einer
Gruppe von Hedgefonds erklären ® 2 Beispiele:
- Lookback Option für Trend-folgende Hedgefonds
- Ankündigung von Transaktionen für Merger Arbitrage Hedgefonds
Hedgefonds Risiken können trotz gleicher Strategie stark variieren (Beispiel LTCM)
- Leverage ® abweichende Betas
- Effizienz von Trades ® abweichende Alphas
- Wahl der implementierten Wertpapiere
Value at Risk (=VAR) von Hedgefonds kann irreführend sein
- Renditen werden nur monatlich veröffentlicht
- Keine langen Performance Historien
- Hedgefonds Risiken sind nicht statisch
ABS Faktoren analysieren „was-wenn“ Szenarien ® bessere Risiko Evaluation
(12) Fung, William / Hsieh, David A. (2002b): Risk in Fixed-Income Hedge Fund Styles
The Journal of Fixed Income, 12, 6–27
§
§
§
§
§
§
Fixed-Income Hedgefonds sind von einen gemeinsamen ABS Faktor abhängig
® Vergrößerung von Zinsspreads
- Portfolio sollte nicht zu stark von Zinsspreads betroffen sein
- Diversifikation über Fonds mit angeblich verschiedenen Fixed-Income Strategien
verringert nur bedingt Abhängigkeit von Kreditrisiken
Wenig Infos über Handelsstrategien ® komplexe Modelle für Risiko Evaluation benötigt
Verknüpfung dieser Risiken mit Asset Preisen erlaubt Prognose von Renditen in extremen
Marktsituationen
Konstruktion eines ABS Faktors:
- Extrahieren des Rendite-Basierten Stil Faktors durch „Principal Component Analysis“
- Verknüpfen mit observierbaren Marktpreisen ergibt ABS Faktor
Vorteile von ABS Faktoren:
- Entwicklung einer Benchmark, welche von observierbaren Preisen abhängt ® erlaubt
Performance Evaluation basierend auf Strategie Charakteristika
- Längere Historien von ABS Faktoren (observierbaren Preisen) als Hedgefonds selbst
- Hedgefonds Renditen können mit erwarteten Renditen von Underlyings verknüpft
werden
Dynamische ABS Faktoren sind anders als traditionelle Investments (z.B. Mutual Funds)
- Hedgefonds sind von ABS Faktoren und somit alternativen Risikoquellen abhängig
- Zusätzliche Tools benötigt um Risiken von Hedgefonds zu bewältigen
SIMON PROKOPIDIS
11
(13) Fung, William / Hsieh, David A. (2004a): Hedge Fund Benchmarks: A Risk-Based
Approach
Financial Analysts Journal, 60, 65–80
§
§
§
§
Fokus auf Modell für Hedgefonds Renditen ® ähnelt Modellen basierend auf Arbitrage
Pricing Theory mit dynamischen Risikofaktor Koeffizienten
- 7 ABS Faktoren erklären bis zu 80% der monatlichen Rendite Variationen
- Standardisiertes Framework zur Identifikation von Unterschieden zwischen
Hedgefonds Indizes ® keine Verzerrung durch Datenbanken
Schwierige Bewertung langfristiger Performance von Hedgefonds durch kurze Historien
® Hedgefonds Indizes daher kein optimaler Performance Indikator
Konventionelle Indizes beinhalten die Annahme homogener Assets und buy-and-hold als
dominante Investment Strategie ® nicht der Fall für Hedgefonds!
- Vielfältige Asset Allokation
- Dynamische Investment Styles
- Leverage
Modell verknüpft Hedgefonds Risiken mit bekannten Risiken konventioneller Asset-Klassen
- Hilft bei Identifikation von alternativen Betas und Alphas von Hedgefonds
- Erlaubt tägliche Performance Prognosen ohne Analyse von hohen Volumina
individueller Transaktionen
(14) Fung, William / Hsieh, David A. (2004b): Extracting Portable Alphas from Equity
Long/Short Hedge Funds
Journal of Investment Management, 2, 1–19
§
§
§
§
§
§
§
Equity Long/Short (=ELS) Hedgefonds weisen signifikantes Alpha gegenüber konventionellen
und alternativen (Hedgefonds-) Risikofaktoren auf ® Equity Alternative Alphas (=AAs)
AAs sind unabhängig von systematischen Risiken während normalen und extremen
Marksituationen
AAs erlauben Erstellung von Alpha-Enhanced Equity Alternatives (=AA Portfolios) ® höhere
durchschnittliche Renditen und Sharpe Ratios als S&P500 zwischen 1996–2002
Alternative Investment Strategien angeblich unkorreliert mit Standard Asset-Klassen
(Aktien/Bonds) ® empirisch allerdings schlechte Performance in extremen Marksituationen
ELS Hedgefonds können konstruiert werden um signifikante Alphas aufzuweisen
- Bis dato einfachste Form alternativer Investments ® Short und Leverage
- Streuung von ELS Renditen primär erzeugt durch Abhängigkeit von Spreads zwischen
niedrig und hoch kapitalisierten Aktien ® sobald umgangen ist Kurtosis (Wölbung)
stark reduziert
2 Faktoren Modell eignet sich für Modellierung diversifizierter Portfolios von ELS Hedgefonds
® nicht präzise für schwächer diversifizierte Indizes
Hedgefonds Performance wird durch nichtlineare Faktoren getrieben
SIMON PROKOPIDIS
12
(15) Till, Hilary (2006): EDHEC Comments on the Amaranth Case: Early Lessons from
the Debacle
Working Paper EDHEC Business School
§
§
§
§
§
§
§
§
Amaranth Multi-Strategy Fonds verlor 65% seiner $9,2 Mrd. Assets innerhalb einer Woche
2006 war Hälfte des Kapitals in Energie Trades investiert ® 75% des Profits
Amaranth’s Energie Trader hielt Positionen um Rohstoffe in Milliardenhöhe zu kaufen
Strategie: Überschuss an Gas im Sommer kann zukünftig niedrige Preise hervorrufen
® Amaranth war sogar bereit Gas in weiter entfernten Jahren zu kaufen
Dadurch Möglichkeit für Gasproduzenten in Entwicklung zu investieren indem Lieferungen
erst in bspw. 2010 erfolgten ® neues Level an Liquidität
Dann: Preise für zukünftige Gaslieferungen kollabierten erstmals im May 2006 ® Amaranth
verlor $1 Mrd., welche über Sommer allerdings zurückerwirtschaftet wurden
Im September hatte Amaranth 35% seiner Assets verloren und war nicht in Lage Positionen
am Markt zu liquidieren
6 Lektionen aus Debakel von Amaranth:
- Monatliche Sektor-Analyse der GuV hätte unübliche Verluste von -24% aufgezeigt
- OTC Positionen waren im Vergleich zu Nachfrage nach börsengehandelten Futures
sehr hoch ® Anzeichen für Illiquidität der Positionen
- Risiko in Phasen des extremen Liquiditätsdrucks wurden stark unterschätzt
- Szenario Analysen des Gasmarktes hätte Risiken des Fonds enthüllt
- Bei großen Rohstoff Trades sollte man sich über Veräußerungsmöglichkeiten von
Positionen im Klaren sein ® Vorhandensein einer Gegenpartei in Stresssituationen
- Ausmaß der Trading Aktivitäten war zu groß gemessen an Eigenkapitalbasis
(16) Jorion, Philippe (2000): Risk Management Lessons from Long-Term Capital
Management
European Financial Management, 6, 277–300
§
§
§
§
Gründe für das Versagen von LTCM:
- Risiko durch Stützung auf kurze Historien und Risikokonzentration stark unterschätzt
- Strategien nutzten Schwächen des Risiko-Management Systems aus
- Ungenügend Eigenkapital um Turbulenzen in 1998 zu überwinden
- Positionen waren nicht diversifiziert da abhängig von ähnlichen Risikofaktoren
® Liquiditäts-, Kredit-, und Volatilitäts-Spreads
- Weitestgehend: Nutzung von Value at Risk (=VAR) als Risikoindikator ® statistische
Risiko-Management Methoden können inadäquat sein
VAR wurde primär zur Einschätzung und Kontrolle von Risiken entwickelt ® Nutzung für
Optimierung des Risiko-Rendite-Profils eines Portfolios resultiert in starken Verzerrungen
- VAR gibt Menge an benötigtem Kapital zur Absicherung unerwarteter Verluste an
- Annahme konstanter Volatilität ® in turbulenten Situationen nicht gegeben
LTCMs Strategie kann als Maximierung der erwarteten Rendite mit VAR als Nebenbedingung
interpretiert werden
Um Risikoprofil zu reduzieren verkaufte LTCM liquide anstatt illiquide Assets, da diese
weniger profitabel waren ® gravierender Fehler
SIMON PROKOPIDIS
13
§
§
Traditionelle Risiko-Management Modelle ignorieren Asset- und Fonds-Liquidität
Implikationen für große und gehebelte Positionen (Bsp. LTCM):
- Berücksichtigung des Einflusses von Zwangsveräußerungen nötig
- Bessere Nutzung von Stress-Testing nötig
- Integrierung von Markt- und Kreditrisiken nötig
(17) Khandani, Amir E. / Lo, Andrew W. (2007): What Happened to the Quants in
August 2007?
Journal of Investment Management, 5, 29–78
§
§
§
§
§
§
§
Am 6. August 2007 machten quantitative Long/Short Equity Fonds beispiellose Verluste
Fixed-Income und Kreditmärkte verhielten sich 2007 unruhig ® Verluste obwohl primär in
Aktien investiert (Equity Market Neutral Strategien ohne signifikantes Beta)
Erstaunlicherweise beschränkte sich Großteil der Verluste auf quantitative Fonds
Bis zum 10. August hatten sich Preisänderungen wieder aufgehoben ® viele der betroffenen
Fonds hatten Risiko bereits reduziert, wodurch nicht an Reversion partizipiert wurde
Hypothesen über den August 2007:
- Verluste quantitativer Hedgefonds ist temporärer Preisschwankung zuzuschreiben,
welche in rapider Liquidierung von großen quantitativen Equity Market Neutral
Portfolios resultierte ® womöglich Resultat plötzlicher Liquidierung eines MultiStrategy Fonds
- Einfluss der Liquidierung führte zu Reduzierung des Risikos oder „de-leverage“
- Großteil der Hedgefonds reduzierte Risiko/Leverage zwischen dem 7.–9. August,
nachdem Verluste bereits aufgehört hatten und am 10. August eine Reversion eintrat
- Koordinierte Verluste implizieren wachsende gemeinsame Risiken von Hedgefonds
- Faktoren für Ausmaß der Verluste:
» Enormes Wachstum und systematischer Rückgang der Profitabilität
quantitativer Equity Market Neutral Strategien
» Dadurch verstärkt Leverage für hohe Renditen benötigt
» Historische Liquidität des U.S. Aktienmarktes und Nichtbewusstsein über
häufige Anwendung der Strategie
- Verluste sind nicht Versagen spezifischer quantitativer Methoden zuzuschreiben
- Systematische Risiken in der Hedgefonds Industrie haben sich erhöht
- Einfluss auf Long/Short Equity Hedgefonds Industrie wird in Zukunft wahrscheinlich
geringer ausfallen, da Marktteilnehmer nun mehr Informationen über Sektor und
potenzielle Preiseinflüsse besitzen
4 Schlussfolgerungen:
- Verluste sind wahrscheinlich Resultat einer plötzlichen Liquidierung quantitativ
konstruierter Portfolios
- Kleine zufällige Schocks in einem Teil des Netzwerks können sich schnell im gesamten
Netzwerk verbreiten ® globale Finanzmärkte
- „Hedgefonds Beta“ ist inzwischen Realität ® gemeinsame Risikofaktoren
- Hedgefonds haben große externe Einflüsse auf Wirtschaft
Besseres Verständnis der Wahrscheinlichkeit und unmittelbaren Ursachen für systematisches
Risiko nötig ® optimales Risikolevel für globales Finanzsystem ist nicht Null
SIMON PROKOPIDIS
14
(18) Mitchell, Mark / Pulvino, Todd (2001): Characteristics of Risk and Return in Risk
Arbitrage
The Journal of Finance, 56, 2135–2175
§
§
§
§
§
§
§
§
§
§
§
Risk (Merger) Arbitrage Renditen sind unkorreliert mit Markt-Renditen bei flachen und
steigenden Märkten ® sobald Märkte fallen erhöht sich Korrelation dramatisch
Parallele zu Short Index Put Optionen
Daher: Nichtlineare Beziehung zu Markt-Renditen
Nach Ankündigung eines Mergers handelt Aktienpreis typischerweise unter Angebotspreis
® Differenz: Arbitragespread, welchen Risk Arbitrageure vereinnahmen wollen
Unterscheidung zwischen „Cash“ und „Stock“ Merger:
- Cash Merger: Akquirierender bezahlt Aktien des Targets mit Geld ® Arbitrageur geht
nur Long in Aktien des Targets
- Stock Merger: Akquirierender überbringt im Gegenzug für Aktien des Targets eigene
Aktien ® Arbitrageur geht Long in Aktien des Targets + Short in Aktien des Käufers
Wenn Merger fehlschlägt sind Verluste wesentlich höher als Gewinne bei Erfolg
Frühere (fehlerhafte) Analysen bewerten Überrenditen von Risk Arbitrage mit 9,25–100%
3 mögliche Erklärungen Überrenditen von Risk Arbitrage:
- Markt weist systematische Ineffizienz in Preisung von in M&A involvierte Aktien auf
- Transaktionskosten/andere praktische Limitationen halten Investoren von
Realisierung dieser Überrenditen ab ® Hauptgrund früherer Ergebnisse
- Risk Arbitrageure erhalten eine Risikoprämie als Kompensation für Deal Failure Risk
Bei flachen und steigenden Märkten erzielt Risk Arbitrage Überrenditen von 6,2% mit Markt
Beta von annährend Null ® in Monaten wo Märkte mehr als 4% fallen steigt Beta um 0,5 an!
Risk Arbitrage sollte mit „Contingent Claims Analysis“ (Bsp. Glosten/Jagannathan) bewertet
werden ® lineare Asset Pricing Modelle wie CAPM bilden Risiken nicht vollständig ab
- Bei Bewertung mit CAPM: Signifikante Überrenditen
- Fehler durch CAPM ist signifikant wenn Nichtlinearität der Renditen zu tragen kommt
- Contingent Claims Analysis sollte als Benchmark für Risk Arbitrage genutzt werden
Fazit: Überrenditen reflektieren die Prämie für Risiko Arbitrageure für Bereitstellen von
Liquidität insbesondere bei stark fallenden Märkten
SIMON PROKOPIDIS
15
(19) Viebig, Jan (2012): What Do We Know about the Risk and Return Characteristics
of Hedge Funds?
Journal of Derivatives and Hedge Funds, 18, 167–191
Abstract und Einleitung
§
§
§
§
§
Hedgefonds unterliegen nichtlinearen, zustandsabhängigen Risiken ® Kredit-, Liquiditätsund Insolvenzrisiken
Hedgefonds erzielen nichtlineare, optionsartige Payoffs
Hedgefonds Risiken hängen von dynamischen Handelsstrategien (Style) statt Asset-Klasse ab
Sharpe, Fung & Hsieh entwickelten ein Faktormodell welches zusätzlich zu traditionellen
Faktoren sog. Asset-Basierte Stil (=ABS) Faktoren inkludiert ® berücksichtigen
strategiespezifische Risiken und Rendite Charakteristika
Hedgefonds Renditen streuen stärker als Normalverteilung
Strategiespezifische Risiken: ABS Faktoren
§
§
§
§
§
§
§
§
§
Hedgefonds verfolgen dynamische Handelsstrategien und können beliebig zwischen Asset
Klassen wechseln ® traditionelle Benchmarks nicht angebracht um Risiko- und RenditeCharakteristika zu verstehen
ABS Ansatz: Lineares Regressionsmodell zur Erklärung von Hedgefonds Renditen durch
nichtlineare, optionsartige Payoffs als Stil Faktoren
4 ABS-Faktor Typen:
- Regelbasierte Faktoren
- Optionsbasierte Faktoren
- Spread-Faktoren
- Volatilitäts-Faktoren
ABS Faktoren konvertieren nichtlineare Beziehung zwischen Renditen von Hedgefonds und
der unterliegenden Asset Klasse in lineares Verhältnis
Handelsstrategien die erklären können wie Long- und Short Positionen über Zeit gehandelt
werden sind dominante Risikoquelle von Hedgefonds
- Trendfolgestrategie: Long Straddle Option auf U.S. Aktien und ähnlich zu Delta
Hedging Strategie für Optionen
- Merger Arbitrage: Long Position in risikofreiem Bond und Short Put auf Aktienindizes
- Fixed-Income Arbitrage: Short Position in Lookback-Straddles
Merger Arbitrage Renditen sind positiv korreliert mit Aktienmärkten bei stark fallenden
Märkten und unkorreliert bei flachen und steigenden Märkten
Fixed-Income Arbitrage Hedgefonds implementieren häufig „Convergence Trading“
Strategien: Long Positionen in günstigen Assets und Short Positionen in teureren, jedoch
ansonsten ähnlichen Assets ® Profite, wenn Spreads sich verringern
Lineare Faktormodelle unterschätzen „Tail-Risk“ von Hedgefonds
Spreads zwischen niedrig und hoch kapitalisierten Aktien sind wichtige Risikofaktoren für
Long/Short Equity Hedgefonds ® Spread Faktoren können „Portable Alphas“ von Long/Short
Equity Hedgefonds extrahieren
SIMON PROKOPIDIS
16
§
Durch lineare Faktormodelle hoch geschätzte Alphas sind oft Resultat unbeachteter Faktoren
® zusätzlich zu den 3 Faktoren von Fama & French nutzen Racicot & Théoret in ihrem
§
§
Modell zusätzlich einen Momentum- sowie Volatilitäts-Faktor
Regelbasierte ABS Faktormodelle erklären Renditen von Convertible Arbitrage Fonds
- Convertible Arbitrage: Kaufen von Convertible Bonds und hedgen des Aktienrisikos
durch Short Positionen auf Aktien des Emittenten
- Agarwal et al konstruieren ABS Faktor aus täglichen Renditen eines Convertible Bonds
und des Aktienmarktes
- Convertible Arbitrage Strategien sind hochempfindlich gegenüber Schocks
Limitationen von ABS Faktoren:
- ABS Faktoren sind nicht am Markt beobachtbar
- Konstruktion benötigt viel Zeit
- Großteil der Hedgefonds Performances kann nicht mit ABS Faktoren erklärt werden
- Wahl eines ABS Faktors ist oft willkürlich da kein formelles Modell zur Identifikation
- Hedgefonds verfolgen nicht immer replizierbare, konstante Strategien ® wechseln
zwischen Styles
- ABS Faktoren gehen von konstantem Risiko aus ® Hedgefonds Renditen unterliegen
größtenteils Korrelationsrisiko (zeitabhängiges Risiko welches stets angepasst wird)
Akademische Forschung zur Analyse statistischer Eigenschaften von Hedgefonds
§
§
§
§
§
§
§
§
§
Hedgefonds Datenbanken beinhalten Verzerrungen
Survivorship Bias: Datenbanken enthalten nur Informationen über Renditen von
überlebenden Fonds
- Hohe Auflösungsrate als treibender Faktor
- Survivorship Bias hat sich in Finanzkrise erhöht durch beispiellose Kapitalabflüsse
Instant History/Backfilling Bias: Wenn Hedgefonds erstmalig Informationen über Renditen
teilen, veröffentlichen Datenbanken i.d.R. komplette Performancehistorien ® „auffüllen“ der
vorigen Perioden
Selection Bias: Auswahl der Hedgefonds in Datenbanken repräsentiert nicht zwangsweise
komplettes Spektrum ® Hedgefonds beenden z.B. Reporting oder wechseln Datenbank
Durch Verzerrungen tätigen Investoren Entscheidungen unter asymmetrischen Bedingungen
Hohe Performance Gebühren sollen Interessen von Investoren und Managern vereinen
® kann in geschöntem Reporting resultieren
Hedgefonds Renditen sind im Dezember signifikant höher als im Rest des Jahres ® Manager
veröffentlichen dafür geringere Renditen in vorangegangenen Monaten und im Januar
Renditeverteilungen von Hedgefonds weisen negative Schiefe und positive Kurtosis auf
® Hedgefonds generieren öfter extreme Renditen als Standardnormalverteilung vorsieht
„Extreme Value Theory“ und „Copula Theory“: Angebrachte Modelle zur Abbildung extremer
Renditen und asymmetrischen Verhaltens von Hedgefonds bei extremen Marktbedingungen
SIMON PROKOPIDIS
17
Zustandsabhängige, nichtlineare Risiken von Hedgefonds
§
§
§
§
§
§
§
§
§
§
§
Hedgefonds verhalten sich stark unterschiedlich in finanziellen Krisen ® schwindende
Liquidität und hohe Volatilität
Traditionelle Beta-Schätzungen unterschätzen Marktrisiko von Hedgefonds ® signifikante
Abhängigkeit von steigenden und fallenden Aktienmärkten
„Threshold Models“ analysieren Hedgefonds Renditen in verschiedenen „Weltzuständen“
Hedgefonds unterliegen zeitabhängigen Faktor-Risiken ® extreme Marktsituationen
berühren strukturelle Bruchstellen
Abhängigkeit von S&P500 Index hat sich nach LTCM Debakel und Technologie Blase stark
verringert ® Hedgefonds adjustieren Risiko dynamisch je nach Marktgegebenheiten
„Structural Break Models“ erklären Hedgefonds Renditen wesentlich besser als traditionelle
Multi-Faktor Modelle
Verluste von Fonds mit hohem Leverage durch Vorfälle wie die Russische Kreditkrise 1998
kann zu finanzieller Krise führen
Fast unmöglich Markteinfluss von Hedgefonds zu quantifizieren ® da Positionen nicht an
Regulatoren veröffentlicht werden müssen
Hedgefonds Industrie spielt große Rolle bei Bereitstellung von Liquidität und Beseitigung von
Ineffizienzen am Markt ® jedoch: Große Transaktionen (durch Leverage) können Liquiditätsund Volatilitätsrisiken erhöhen!
Strategien mit geringeren Renditen verfolgen typischerweise höheren Leverage
Risiken von Hedgefonds sind nicht konstant ® unterliegen Markt-, Liquiditäts- und
Kreditrisiken in Zeiten extremer finanzieller Schieflagen
Konklusion
§
§
§
§
§
§
§
§
§
Risiken von Hedgefonds hängen primär von Handelsstrategien oder Style ab
Hedgefonds haben relativ zu Renditen traditioneller Asset-Klassen nichtlineare, optionsartige
Payoffs
ABS Faktoren bewahren lineare Beziehung zwischen Hedgefonds Renditen und den
erklärenden Variablen des Modells
CAPM, APT und anderen theoretischen Modellen liegen normalverteilte Renditen zu Grunde
® bilden „Tail Risk“ von Hedgefonds nicht adäquat ab
Hedgefonds-Daten sind stark verzerrt durch Survivorship, Instant History und Selection Bias
Manche Hedgefonds veröffentlichen bewusst (falsche) Renditen um Kapitalzuflüsse und
Kompensation zu steigern
Hedgefonds verfolgen dynamische Handelsstrategien und unterliegen zeitabhängigen Risiken
ABS Faktor Modelle und zustandsabhängige Modelle bilden gleichermaßen nichtlineare,
optionsartige Payoffs von Hedgefonds ab
Kollaps eines Hedgefonds durch extreme Vorfälle kann globale Finanzmärkte destabilisieren
SIMON PROKOPIDIS
18
(20) Viebig, Jan (2013): High Frequency Trading, Statistical Arbitrage und die Adaptive
Markets Hypothesis
Corporate Finance, 8, pp. 469–478
§
§
§
§
§
§
§
§
„Adaptive Markets Hypothesis“ verbindet klassische „Efficient Market Hypothesis“ nach
Fama mit evolutionären Erklärungsansätzen
Efficient Market Hypothesis:
- Blendet Evolution und Innovation als zwei Aspekte dynamischer Finanzmärkte aus
® zentrale Schwäche
- Kurse reflektieren vollständig alle verfügbaren Informationen ® Statistical Arbitrage
wäre folglich nicht möglich
Adaptive Market Hypothesis: „Survival of the Richest“
- Umweltbedingungen und Marktstrukturen ändern sich ständig
- Anpassungsfähige Marktteilnehmer haben beste Überlebenschancen
- Sind Gewinnmöglichkeiten in Märkten ausgeschöpft „sterben“ bestimmte Spezies ab
während andere „neu entstehen“
- Durch Nutzung ineffizienter Heuristiken veralteter Spezies entstehen Arbitrage
Möglichkeiten ® zusammen mit leistungsfähigeren Computern und Einzug von
Naturwissenschaftlern in den Markt entstand so in 80er Jahren Statistical Arbitrage
Definitionen von Statistical Arbitrage:
- Hogan et al: „Long horizon trading opportunity that generates a riskless profit and is
designed to exploit persistent anomalies“ ® grundsätzliche alle Strategien die auf
Ausnutzung von Anomalien abzielen
- Lo: „Highly technical short-term mean reversion strategies involving large number of
securities, very short holding periods and substantial computational, trading and
information technology (IT)” ® Ausnutzen der Tendenz von Kursbewegungen zur
„Mean Reversion“
Pairs Trading:
- Definieren von Aktienkurszeitreihen zwischen denen ein Zusammenhang besteht
- Weitet sich Differenz (Spread) zwischen den Kursen aus, werden die Aktien
leerverkauft (gekauft), die in Vergangenheit stark gestiegen (gefallen) sind
- Nähern sich Spreads im Zeitablauf wieder ihrem historischen Durchschnittswert an
realisieren Statistical Arbitrageurs Gewinne
Investoren mit einfachen Pairs Trading Strategien haben in Vergangenheit hohe, mit dem
Aktienmarkt unkorrelierte Renditen erzielt ® Schwierigkeit besteht in Identifizierung von in
Vergangenheit zusammenhängenden Kurszeitreihen
Statistische Arbitrageure nutzen Konzept der Kointegration und andere Verfahren moderner
Zeitreihenökonometrie zur Aufdeckung zusammenhängender Aktienkurszeitreihen
Statistische Arbitrageure profitieren womöglich vom „Overreaction“ Phänomen
SIMON PROKOPIDIS
19
§
§
§
Merkmale von High Frequency Trading (=HFT):
- Verarbeitung von tick-by-tick Daten
- Hohe Umschlagshäufigkeit des Kapitals
- Einsatz von auf Algorithmen basierten Handelsstrategien
- Nutzung elektronischer Handelsplattformen
Begrifflichkeiten des HFTs:
- Latenzzeit: In Anspruch genommene Zeit eines Trades
- „Ping Orders“: Aufgeben und Stornieren kleiner Ordern innerhalb von Mikrosekunden
zur Aufdeckung versteckter Liquidität in „Dark Pools“ ® anschließend selber Aufträge
aufgeben, die vor den großen marktbewegenden Handelsaufträgen institutioneller
Investoren ausgeführt werden („Front Running“)
- „Layering/Spoofing“: Aufgeben einer Vielzahl von Aufträgen bei unterschiedlichen
Kursniveaus auf einer Seite des Handelsbuches (Kauf- oder Verkaufsseite)
- „Quote Staffing“: Aufgeben, verändern und stornieren einer Vielzahl von Aufträgen
um andere Marktteilnehemer zu täuschen oder zu stören
- „Momentum Ignition“: Aufgeben mehrere Aufträge in Folge um Trends auszulösen
Die Einführung regulatorischer Bestimmungen (nach 2008) zur Unterbindung manipulativer
Marktpraktiken von HFT könnte zu „Aussterben“ der weniger anpassungsfähigen HFT führen
SIMON PROKOPIDIS
20
Hedgefonds Präsentationen
Wintersemester 2017/18
Gruppen 1 – 14
Gruppe 1: Julian Robertson
§
§
§
Strategie: Global Macro (Carry Trade)
Empirisch hohe Renditen, aber in bestimmten Phasen hohe Risiken: Liquiditätsrisiko &
negative Schiefe
Carry erwirtschaftet Rendite, wenn Interest Rate Parity nicht hält
Gruppe 4: Paul Singer
§
§
Strategie: Distressed Investing
Kaufte argentinische Anleihen und klagte Anspruch ein
Gruppe 5: Clifford Asness
§
§
Strategie: Style Premia (Carry, Defensive, Momentum, Value)
Absolute, mit dem Aktien- und Bondmarkt nur schwach korrelierte Renditen
Gruppe 6: Stanley Druckenmiller
§
Strategie: Global Macro (Carry Trade)
Gruppe 7: Michael Burry
§
Strategie: Value Investing (Big Short)
Gruppe 8: James Chanos
§
§
Strategie: Short Bias
Handelsbeispiel: ENRON
» Im Jahr 2000 Artikel veröffentlicht: Is ENRON overpriced?
» Zunächst war ENRON offensiv, dann: Zahlen zwischen 97 und 2001 waren geschönt!
» Daraufhin ging ENRON insolvent
»
Angebliches Umsatzwachstum kam durch „Wholesale Services“ ® einziger Bereich
wo nicht alles offengelegt wurde (Mark-to-Market Accounting wurde angewendet!)
Exkurs: ENRON (Paper: The Fall of ENRON)
Business Modell
§ Entstanden in 80er Jahren aus Zusammenschluss von 2 Unternehmen.
§ Dann: Diversifizierung! Gashändler (nicht nur Lieferung von sondern auch Handel mit Gas)
§ Weiter: ENRON ist auch in andere Commodities gegangen
Accounting vs. Realität
1. Problem: Accounting von ENRON
§ Aggressive Buchung von Present Values
§ Umsätze wurden allerdings nicht mit Kosten gematched (Matching Principle)
® ENRON hat Kontrakt jmd. abgeschlossen und unmittelbar PV einer Gaslieferung
von z.B. in 20 Jahren verbucht
» Wert der Leistung zu hoch
» Diskontierungszins zu niedrig angesetzt
2. Problem: SPEs
§ Gründung von Firmen, in welchen nicht konsolidierte Assets untergebracht waren
§ Konsolidierungspflicht (Schulden müssen in Bilanz ausgewiesen werden), wurde
dadurch umgangen
3. Komplexität der Verträge: Konnten von Investoren nicht verstanden werden
Gruppe 9: David Einhorn
§
§
Strategie: Long/Short Equity
Fragen zu Einhorn:
1. Geben Sie ein Beispiel für ein Long/Short Trade
2. Wesentliche Punkte des Trading Beispiels
3. Was sind Risiken von Long/Short Trades
a) Auswahl des Unternehmens
b) Betarisiko (Unterschiede zwischen Betas von Unternehmen mit Long/Short)
c) Gross/Net Exposure des Fonds
d) Sektor Risiken
e) Länderrisiken
f) Leverage
4. Was ist Brutto Exposure: z.B. 50 Millionen Long und 40 Millionen Short
5. Was ist Net Exposure: Differenz, z.B. 10 Millionen Long (beachte Betarisiko!)
Gruppe 10: Paul Tudor
§
§
Strategie: „Entscheidet aus dem Bauch heraus“
Große Rolle: Risk Management
» Keine loyalen Positionen
» Zukunftsgerichteter Blick
» Emotionsloses Trading
» Positionsadjustierung
Gruppe 11: David Tepper
§
§
Strategie: Event Driven (Distressed Securities)
Ging Bank of America nach Finanzkrise bei Aktienpreis von 3 $ Long
Gruppe 12: Ray Dalio
§
Strategie: Risk Parity
§
Allokation des Portfoliorisikos statt Kapital ® Alternative Methode zu Markowitz’ Theorie
Gruppe 14: Bill Ackman
§
§
Strategie: Event Driven/Activist
Ging Short in Herbalife
» Preise waren viel zu hoch
» Schneeballsystem in Advertising
Präsentation liegt nicht vor
Gruppe 2: Daniel Loeb
Gruppe 3: Kenn Griffin
Gruppe 13: Israel Englander
Hedgefonds potenzielle Klausurfragen
Wintersemester 2017/18
Informationen über Struktur der Klausur
§
§
§
12 Fragen in Klausur: Gewicht wird so sein, dass eigener Vortrag am wichtigsten ist! Zu
Artikeln hat sich Viebig 1-3 Artikel ausgesucht.
Zu eigenem Vortrag: Detaillierte Fragen.
Zu anderen Vorträgen: Welche Strategie (z.B. Soros Pfund Short) und wesentliche Punkte des
Handelsbeispiels
Fragen zum Skript
1. Nennen Sie die Unterschiede zwischen Liquid Alternatives und Hedgefonds!
2. Wie lauten die zentralen Merkmale von Hedgefonds?
3. Welche Funktionen hat ein Prime Broker?
4. Was ist Leverage?
5. Wie lauten die Kategorien von Hedgefonds Strategien?
6. Definieren Sie die Equity Market Neutral Strategie (HFRI Definition)!
7. Erklären sie die strategiespezifischen Risiken eines Systematic Diversified Fonds!
8. Was ist ein Asset-Based Style Faktor und wie lässt er sich konstruieren?
9. Wie berechnet man die Varianz eines Portfolios bestehend aus 3 Aktien?
10. Nennen Sie das Risikomaß der Capital Market Line und der Security Market Line!
11. Welche Faktoren nutzen Fama French in ihrem Drei-Faktoren-Modell?
12. Welche beiden zentralen Eigenschaften schreiben Mitchell und Pulvino Merger Arbitrage
Strategien zu?
13. Wie lauten die wesentliche Bestandteile eines Cashflow Statements?
Fragen zu Papers
1. Erläutern Sie die 4 Style Premia Strategien aus „Investing with Style“. Gehen Sie dabei auf die
Intuition und zentralen Vorteile der Strategie ein!
2. Welche Implikationen hatte der Untergang von Long-Term Capital Management für die
Hedgefonds Industrie?
3. Erläutern Sie die strategiespezifischen Risiken eines Merger Arbitrage Fonds!
4. Definieren Sie „Statistical Arbitrage“!
5. Erläutern Sie die wesentlichen Gründe für die Insolvenz von Stirling Homex. Hätte man den
Misserfolg der Firma vorhersehen können?
Fragen zu Präsentationen
1. Geben Sie ein Beispiel für einen Long/Short Trade!
2. Was sind die Risiken von Long/Short Equity Strategien?
3. Was ist Brutto/Net Exposure?
4. Vergleichen Sie das Accounting von Stirling Homex mit dem von Enron!
Powered by TCPDF (www.tcpdf.org)
Download