Low-Volatility-Anomalie und Betting against Beta

Fortgeschritten9 Min. Lesezeit · 5 Quellen

Die Low-Volatility-Anomalie widerspricht einem Grundsatz der Finanztheorie: Mehr Risiko sollte mehr Rendite bringen. Historisch haben Aktien mit niedriger Volatilität und niedrigem Beta aber ähnliche oder sogar höhere Renditen erzielt als riskante Aktien, bei deutlich weniger Schwankung. Die Forschung erklärt das vor allem damit, dass viele Anleger keinen Kredit aufnehmen können oder wollen und an Vergleichsindizes gemessen werden.

Was die Theorie erwartet

Nach dem CAPM steigt die erwartete Rendite einer Aktie linear mit ihrem Beta, also mit ihrer Empfindlichkeit gegenüber dem Gesamtmarkt. Diese Gerade heißt Wertpapiermarktlinie. Eine Aktie mit Beta 1,5 sollte bei einer Marktprämie von 5 % rund 7,5 % mehr als der Geldmarkt bringen, eine Aktie mit Beta 0,5 nur 2,5 %.

Schon frühe Tests fanden eine zu flache Linie: Aktien mit niedrigem Beta verdienten mehr, als das CAPM vorhersagt, Aktien mit hohem Beta weniger. Black (1972) lieferte dafür eine theoretische Erklärung: Kann man nicht unbegrenzt zum sicheren Zins Kredit aufnehmen, verschiebt sich das Gleichgewicht, und die Linie wird flacher als im Standardmodell.

Was die Daten zeigen

Baker u. a. (2011) fassen den Befund für US-Aktien so zusammen und nennen ihn einen Widerspruch zu grundlegenden Prinzipien der Finanztheorie. Ang u. a. (2006) fanden für Aktien mit hoher idiosynkratischer Volatilität (also hoher Schwankung, die sich nicht durch die Faktoren von Fama und French erklären lässt) außergewöhnlich niedrige Durchschnittsrenditen, die sich weder durch Größe, Bewertung, Momentum noch Liquidität erklären ließen.

Frazzini und Pedersen (2014) erweiterten den Blick weit über US-Aktien hinaus: Hohe Betas gingen mit niedrigem Alpha einher, und zwar bei US-Aktien, in 20 internationalen Aktienmärkten, bei Staatsanleihen, Unternehmensanleihen und Futures. Damit ist die Anomalie kein Zufallsfund eines Marktes, sondern ein breites Muster.

Betting against Beta: die Strategie dahinter

Um die Anomalie als Faktor zu messen, konstruieren Frazzini und Pedersen (2014) das Betting-against-Beta-Portfolio (BAB): Es kauft Anlagen mit niedrigem Beta mit Hebel und verkauft Anlagen mit hohem Beta, jeweils so skaliert, dass beide Seiten ein Beta von 1 haben. Das Gesamtportfolio ist damit marktneutral; seine Rendite misst allein, ob niedriges Beta besser bezahlt wird als hohes.

Warum gibt es die Anomalie?

Hebelaversion und Kreditgrenzen

Die wichtigste Erklärung von Frazzini und Pedersen (2014) und Asness u. a. (2012): Viele Anleger dürfen oder wollen keinen Kredit aufnehmen. Wer mehr Rendite will, kauft deshalb riskante Aktien statt sichere mit Hebel. Diese Nachfrage treibt die Kurse von Aktien mit hohem Beta nach oben und senkt ihre künftige Rendite. Passend dazu fanden Frazzini und Pedersen, dass BAB schwache Renditen hat, wenn sich die Finanzierungsbedingungen verschärfen.

Benchmarks und Fondsmanager

Baker u. a. (2011) betonen die Rolle von Vergleichsindizes: Ein Fondsmanager, der einen Index schlagen soll, geht mit einer schwankungsarmen Aktie einen hohen Tracking Error ein, ohne dass sich das im Wettbewerb lohnt. Dadurch wird die Anomalie kaum wegarbitriert. Dazu kommt eine Vorliebe vieler Anleger für Lotterie-Aktien mit kleiner Chance auf sehr hohe Gewinne.

Zinseszins: ein Teil ist Mathematik

Ein Teil des Effekts zeigt sich erst beim Vermögenswachstum. Zwei Aktien mit derselben durchschnittlichen Jahresrendite wachsen unterschiedlich schnell, wenn sie unterschiedlich schwanken. Das geometrische Mittel liegt um etwa die halbe Varianz unter dem arithmetischen (Volatility Drag).

Volatilität oder Beta?

Die beiden Merkmale hängen eng zusammen, sind aber nicht dasselbe. Die Volatilität misst die gesamte Schwankung einer Aktie, das Beta nur den Teil, der mit dem Markt zusammenhängt. Eine Aktie kann stark schwanken, aber wenig mit dem Markt korrelieren. Dann ist ihr Beta niedrig, ihre Volatilität hoch. Die Forschung findet die Anomalie in beiden Varianten: Frazzini und Pedersen sortieren nach Beta, Ang u. a. (2006) nach der idiosynkratischen Volatilität, also dem Teil der Schwankung, den Faktoren nicht erklären. Für ein Portfolio, das insgesamt weniger schwanken soll, ist die Gesamtvolatilität der Aktien das praktischere Kriterium; für eine marktneutrale Strategie das Beta.

Für Fortgeschrittene: Umsetzung und Varianten

• Minimum-Varianz-Portfolios: Ein Optimierer sucht aus vielen Aktien die Mischung mit der geringsten Schwankung, meist mit Grenzen je Aktie, Branche und Land. So arbeiten viele Minimum-Volatility-Indizes.
• Low-Volatility-Auswahl: Die schwankungsärmsten 20 % oder 30 % der Aktien werden ausgewählt und gleich oder nach Kehrwert der Volatilität gewichtet. Einfacher, aber oft stärker in einzelnen Branchen konzentriert.
• Betting against Beta: Marktneutral mit Hebel auf der Long-Seite. Das ist für Privatanleger kaum umsetzbar, eher ein Forschungs- und Hedgefonds-Instrument.
• Ohne Hebel: Ein reines Low-Volatility-Aktienportfolio hat ein Beta unter 1. Es liegt in steigenden Märkten oft hinten und kann seine Stärke vor allem in Abschwüngen zeigen. Ein Vergleich mit dem Markt sollte deshalb risikobereinigt sein (Sharpe Ratio, Alpha).

Die Anomalie zeigt sich auch bei der Gewichtung ganzer Anlageklassen: Wer schwankungsarme Anlagen mit Hebel übergewichtet, betreibt im Kern dasselbe wie Risk Parity. Beides beruht auf der Annahme, dass Risiko je Einheit bei sicheren Anlagen besser bezahlt wird.

Low Volatility im eigenen Portfolio

Für Privatanleger gibt es zwei typische Einsatzweisen. Die erste ersetzt einen Teil des Aktienanteils durch eine Low-Volatility-Strategie, um bei gleicher Aktienquote weniger zu schwanken. Die zweite hält dank der geringeren Schwankung eine etwas höhere Aktienquote bei gleichem Gesamtrisiko. Das ist der Hebelgedanke von Betting against Beta, nur ohne Kredit.

Wer so vorgeht, sollte drei Dinge prüfen. Erstens die Branchen- und Länderstruktur: Ist das Portfolio nicht unbeabsichtigt zu einem Versorger- oder Basiskonsumfonds geworden? Zweitens die Zinsempfindlichkeit, etwa im Vergleich der Jahre mit stark steigenden Zinsen. Drittens den Maßstab: Gegen den Gesamtmarkt sieht eine Low-Vol-Strategie in starken Börsenjahren fast immer schwach aus. Fair ist der Vergleich der Sharpe Ratio, des maximalen Drawdowns und des Alphas aus einer Regression mit dem Markt.

Faktorstrategien ergänzen sich oft, weil sie zu verschiedenen Zeiten vorne liegen. Wie stark ein Low-Vol-Fonds mit Value-, Profitabilitäts- oder Momentum-Faktoren zusammenhängt, zeigt eine Faktorregression. Eine Mischung mehrerer Faktoren kann die langen Phasen glätten, in denen ein einzelner Faktor hinten liegt.

Grenzen und Risiken

• Branchenwetten: Schwankungsarme Aktien stammen oft aus wenigen Branchen wie Versorgern, Basiskonsum und Gesundheit. Ein Low-Vol-Portfolio trägt damit Branchenrisiken, die in der Strategie nicht beabsichtigt sind.
• Zinsempfindlichkeit: Viele dieser Aktien verhalten sich anleiheähnlich, weil ihre Gewinne stabil und ihre Ausschüttungen hoch sind. Steigende Zinsen können ihnen besonders schaden.
• Bewertung: Wird die Strategie populär, steigen die Bewertungen schwankungsarmer Aktien, und künftige Renditen sinken.
• Lange Durststrecken: In starken Haussen, die von riskanten Wachstumswerten getragen werden, kann eine Low-Vol-Strategie über Jahre deutlich hinter dem Markt liegen.
• Daten und Overfitting: Wie bei jedem Faktor gilt die Warnung aus Backtest-Overfitting: Viele Varianten wurden getestet, und nicht jede Kennzahl hält außerhalb der Stichprobe.

So rechnet Portfolio Lab

In den Anlageklassen gibt es „Aktien Welt Minimum Volatility“ (Ticker @FAKTOR_MINVOL): eine verkettete Zeitreihe aus einem weltweiten Minimum-Volatility-Indexfonds, davor einem US-Fonds dieser Art und für die frühen Jahre dem Fünftel der US-Aktien mit der geringsten Varianz nach der Methodik von Fama und French, zurück bis 1963. Die frühen Teile sind Näherungen und als solche gekennzeichnet. Du kannst die Anlageklasse im Backtest mit einem breiten Weltaktienportfolio vergleichen.

Die Faktorregression rechnet mit Markt, Größe, Value, Profitabilität, Investment und Momentum; einen eigenen Betting-against-Beta-Faktor enthält sie nicht. Sie zeigt aber, wie viel der Rendite eines Low-Vol-Fonds sich durch diese Faktoren erklären lässt und welches Beta er hat. In der Optimierung entspricht die Zielfunktion „Min. Varianz“ dem Grundgedanken der Minimum-Varianz-Indizes. Mehr in der Methodik der Anlageklassen.

Dieser Artikel erklärt eine Methode; er ist keine Anlage- oder Steuerberatung. Zahlenbeispiele sind vereinfacht und gerundet. Alle Begriffe im Glossar.