Selektionskriterien beim Investment in aktive US-Aktienfonds

Front Cover
Springer-Verlag, Aug 2, 2008 - Business & Economics - 307 pages
Geleitwort Das hohe Interesse an der Frage, ob und gegebenenfalls wie aus der historischen P- formance von Kapitalanlagen auf die zukünftige Wertentwicklung geschlossen werden kann, erklärt sich von alleine. Anlageentscheidungen – gerade in Investmentfonds – - sieren zu einem wesentlichen Teil auf der Analyse von Vergangenheitsdaten. Bekan- lich liefert die Literatur zum Thema zwar eine Fülle von Einzelergebnissen, ein „Königsweg“ zur Prognose künftiger Erfolgsaussichten ist aber nicht bekannt. Hieraus kann man den Schluss ziehen, ein solches Unterfangen sei schon prinzipiell aussichtslos. Man kann sich aber auch auf den Standpunkt stellen, dass schon ein mo- rates Verschieben der Wahrscheinlichkeitsverteilung hin zu höheren Renditen für den informierten Anleger auf die Dauer zu höheren Erträgen führen wird. In diesem Sinne begibt sich der Autor mit der vorliegenden Studie auf die Suche nach neuer empirischer Evidenz für erfolgversprechende Selektionsprinzipien. Ziel ist hierbei nicht die Selektion besonders renditeträchtiger Assetklassen. Vielmehr geht es darum, in einem gegebenen Anlageuniversum dasjenige Management von - vestmentfonds zu identifizieren, welches seinen Investoren beständig überdurchschni- liche Renditen beschert. Die Beständigkeit bezeichnet man dabei als Persistenz von Fondsrenditen.
 

What people are saying - Write a review

We haven't found any reviews in the usual places.

Contents

Fonds und Faktoren im Verlauf
45
Erklärungsfähigkeit des Modells
46
Residuen
47
Residualer Return und Residualrisiko
48
Korrelationen der Returns
68
Residuenkorrelation bei Faktor MARKT
69
Residuenkorrelation bei Faktoren MARKT und KMG
70
Residuenkorrelation bei Faktoren MARKT KMG und HMN
71
Ansätze zur Bestimmung von Selektionskriterien
123
F TTest des 3FModells am Gesamtsample
164
F TTest des 3FModells nur an überlebenden Fonds
165
F TTest des 4FModells am Gesamtsample
166
Anteil positiv signifikanter Vorzeichen beim 4Faktorenmodell
167
Simulation von Portfolioallokationen auf Basis der Kennzahlen
199
Das MidCapSegment
209
R2Verteilung von MARKT MMG KMGMMG HMN
210

Verteilung R2 mit dem Faktor MARKT
72
Verteilung R2 bei Faktoren MARKT und KMG
73
Verteilung R2 bei Faktoren MARKT KMG und HMN
74
Verteilung R2bei Faktoren MARKT KMG und HMN 77 Abbildung 13 Residuenkorrelation bei Faktoren MARKT KMG und HMN
78
Residuen von MARKT KMG und HMN Barra
81
R2adj von MARKT KMG und HMN Barra
82
Methodik Citigroup bei Styles
84
Residuen von MARKT KMG und HMN Citi
86
R2adj mit Faktoren MARKT KMG und HMN Citi
87
Benchmarkportfolios UMD
89
Residuen von MARKT KMG HMN Citi und UMD
91
R2adj der Faktoren MARKT KMG HMN Citi und UMD
92
Survivorship Bias in USAktienfonds
98
Festlegung des Parameters Zeitfenster
217
Verschiedene Tests der Faktormodelle
233
Anteil positiver Vorzeichen 3Faktormodell überlebende Fonds
234
SR auf Return über die Gesamtperiode
246
4FAlpha auf Return über die Gesamtperiode
254
4FIR auf Return über die Gesamtperiode
262
3FAlpha auf Return über die Gesamtperiode
270
3FIR auf Return über die Gesamtperiode
278
Analyse des Renditepotenzials der Faktorprämien
286
Top 4 Faktoren + Alpha versus Kennzahlen
288
Faktorreturns versus Top 4 Faktoren + Alpha
295
Literaturverzeichnis
297
Copyright

Other editions - View all

Common terms and phrases

About the author (2008)

Dr. Sebastian Weber promovierte bei Prof. Dr. Ralf Trost im Fachgebiet Finanzwirtschaft/Investitionen der Technischen Universität Ilmenau. Er ist Wirtschaftsingenieur und Kaufmännischer Leiter bei der R. Stahl HMI-Systems GmbH in Köln.

Bibliographic information