Web-Indicators for Portfolio Management

Web-Indicators for
Portfolio Management
Diplomarbeit
Wirtschaftsinformatik
angefertigt am Institut für Informatik
der Universität Zürich
von
Manuel Dubler
Zürich, Schweiz
Matrikelnummer 00-708-719
Wallisellen, November 2004
Supervisor: Dr. Reinhard Riedl
Betreuer: Dr. Christof Luchsinger
Abgabe: 3. November 2004
Abstract
Deutsch
Das Internet ist in den letzten Jahren zu einer enormen Informationsquelle gewachsen. Unter anderem liefert es explizite und implizite Informationen über das Intellektuelle Kapital einer Unternehmung.
Wir gehen in dieser Arbeit der Frage nach, ob solche Informationen mit Werkzeugen
aus dem Internet extrahiert und für ein erfolgreiches Aktienportfolio-Management
genutzt werden können.
Dabei können wir konkret zeigen, dass Portfolios, die anhand der beiden Informationen inserierende Firma und Zeitpunkt des Inserats von der Jobbörse math-jobs.com
zusammengestellt wurden, klassische Benchmarks schlagen.
Die Aussagen werden durch umfangreiche finanzmathematische und statistische
Analysen validiert.
English
During the past few years the Internet has grown to be an enormous source of information. It provides us with, among other things, explicit and implicit information
about the Intellectual Capital of a company.
In this paper we pursue the question of whether such information can be extracted
from the Internet and used for a successful portfolio management.
At the same time we show precisely that portfolios based on the two pieces of
information compiled from the job exchange math-jobs.com, namely, company advertising and time of advertising, beat classical benchmarks.
The assertions are validated by extensive financial, mathematical and statistical
analyses.
I
Inhaltsverzeichnis
Abbildungsverzeichnis
XI
Tabellenverzeichnis
XII
1 Einleitung
1
1.1
Ausgangslage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1.2
Zielsetzung
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1.3
Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
1.4
Perspektive: Intellektuelles Kapital . . . . . . . . . . . . . . . . . . .
3
1.5
Thesen und Methoden . . . . . . . . . . . . . . . . . . . . . . . . . .
3
1.6
Aufbau der Arbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
1.7
Adressaten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
1.8
Danksagung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
2 Einführung in das Portfolio Management
2.1
2.2
7
Überblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7
2.1.1
Traditionelles Portfolio Management . . . . . . . . . . . . . .
7
2.1.2
Modernes Portfolio Management
. . . . . . . . . . . . . . . .
9
Grundlegende Begriffe . . . . . . . . . . . . . . . . . . . . . . . . . .
9
2.2.1
Mathematische Modellierung . . . . . . . . . . . . . . . . . . .
9
2.2.2
Rendite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9
2.2.3
Risiko . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
II
2.2.4
2.3
2.4
2.5
Grundlagen der Portfoliotheorie . . . . . . . . . . . . . . . . . . . . . 13
2.3.1
Diversifikation . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.2
Kovarianz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3.3
Efficient Frontier . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.4
Korrelationskoeffizient . . . . . . . . . . . . . . . . . . . . . . 16
2.3.5
Der Betafaktor . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3.6
Diversifikationspotential schweizerischer Aktien . . . . . . . . 18
Strategien - Modelle . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.4.1
Portfolio Selection Modell . . . . . . . . . . . . . . . . . . . . 18
2.4.2
Single Index Modell . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4.3
Multi Index Modell . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4.4
Capital Asset Pricing Modell
2.4.5
Arbitrage Pricing Theory . . . . . . . . . . . . . . . . . . . . . 24
2.4.6
Asset Allocation
. . . . . . . . . . . . . . . . . . 21
. . . . . . . . . . . . . . . . . . . . . . . . . 26
Portfolio Performance . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.5.1
2.5.2
2.5.3
2.6
Aktienindex . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Messung der Performance . . . . . . . . . . . . . . . . . . . . 27
2.5.1.1
Eindimensionale Performance-Messung . . . . . . . . 27
2.5.1.2
Zweidimensionale Performance-Messung . . . . . . . 30
Performance Kennzahlen . . . . . . . . . . . . . . . . . . . . . 30
2.5.2.1
Sharpe Ratio . . . . . . . . . . . . . . . . . . . . . . 31
2.5.2.2
Treynor Ratio . . . . . . . . . . . . . . . . . . . . . . 32
2.5.2.3
Jensens alpha . . . . . . . . . . . . . . . . . . . . . . 33
2.5.2.4
Modigliani-Modigliani-Ratio . . . . . . . . . . . . . . 34
2.5.2.5
Tracking Error . . . . . . . . . . . . . . . . . . . . . 35
2.5.2.6
Information-Ratio . . . . . . . . . . . . . . . . . . . 35
Performance Messung in der Praxis . . . . . . . . . . . . . . . 36
Literaturüberblick Portfolio Management . . . . . . . . . . . . . . . . 36
III
3 Informationsgewinnung aus dem Internet
3.1
3.2
3.3
3.4
3.5
3.6
39
Webdaten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.1.1
Überblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.1.2
Probleme mit Webdaten . . . . . . . . . . . . . . . . . . . . . 40
3.1.2.1
Mangel an Glaubwürdigkeit . . . . . . . . . . . . . . 40
3.1.2.2
Mangel an Produktivität . . . . . . . . . . . . . . . . 41
3.1.2.3
Mangel an historischen Daten . . . . . . . . . . . . . 41
Web Mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.1
Web Content Mining . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.2
Web Structure Mining . . . . . . . . . . . . . . . . . . . . . . 43
3.2.3
Web Usage Mining . . . . . . . . . . . . . . . . . . . . . . . . 43
3.2.4
Web Farming . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
Web Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.3.1
Datengewinnung . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.3.2
Informationsgewinnung . . . . . . . . . . . . . . . . . . . . . . 48
3.3.3
Wissensgenerierung . . . . . . . . . . . . . . . . . . . . . . . . 49
3.3.4
Web Business Intelligence Systeme . . . . . . . . . . . . . . . 49
Technische Mining Verfahren . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.1
Clusteranalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.2
Assoziations- und Sequenzanalyse . . . . . . . . . . . . . . . . 50
3.4.3
Klassifikationsverfahren
. . . . . . . . . . . . . . . . . . . . . 50
Kausale Netze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.5.1
Graphentheoretische Sicht . . . . . . . . . . . . . . . . . . . . 52
3.5.2
Probabilistische Sicht . . . . . . . . . . . . . . . . . . . . . . . 52
3.5.3
Fragestellungen im Web Mining . . . . . . . . . . . . . . . . . 54
3.5.4
Einsatz zur Personalisierung . . . . . . . . . . . . . . . . . . . 54
Literaturüberblick Webmining . . . . . . . . . . . . . . . . . . . . . . 55
IV
4 Webindikatoren für das Portfolio Management
4.1
58
Identifikation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4.1.1
Auftragsvergabe im Internet . . . . . . . . . . . . . . . . . . . 58
4.1.2
Suchmaschinen-Ranking . . . . . . . . . . . . . . . . . . . . . 60
4.1.3
Virtuelle Communities . . . . . . . . . . . . . . . . . . . . . . 62
4.1.3.1
Beispiel: ciao.com . . . . . . . . . . . . . . . . . . . . 62
4.1.4
Qualität des Webauftritts . . . . . . . . . . . . . . . . . . . . 64
4.1.5
Werbung im Internet . . . . . . . . . . . . . . . . . . . . . . . 65
4.1.6
Online Jobbörsen . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.2
Klassifikation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.3
Entwicklung eines Portfolio Management Modells . . . . . . . . . . . 67
4.3.1
Überblick über das Gesamtsystem . . . . . . . . . . . . . . . . 68
4.3.2
Komponenten . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.3.3
4.4
4.3.2.1
Informationsquellen . . . . . . . . . . . . . . . . . . 69
4.3.2.2
Strategie
4.3.2.3
Reports . . . . . . . . . . . . . . . . . . . . . . . . . 72
. . . . . . . . . . . . . . . . . . . . . . . . 71
Funktion des Porfolio-Management-Systems . . . . . . . . . . 73
Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
5 www.math-jobs.com
5.1
76
Entwicklung eines praktischen Evaluationskonzeptes . . . . . . . . . . 76
5.1.1
5.1.2
Ausgangslage und Hintergrund . . . . . . . . . . . . . . . . . 76
5.1.1.1
math-jobs.com . . . . . . . . . . . . . . . . . . . . . 76
5.1.1.2
Ziel . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.1.1.3
Idee . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Evaluationsdesign . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.1.2.1
Fragestellung . . . . . . . . . . . . . . . . . . . . . . 79
5.1.2.2
Methodologischer Ansatz . . . . . . . . . . . . . . . 79
V
5.1.3
5.2
Datenerhebung . . . . . . . . . . . . . . . . . . . . . 79
5.1.2.4
Berücksichtigte Stellen . . . . . . . . . . . . . . . . . 80
5.1.2.5
Haltedauer einer Aktie . . . . . . . . . . . . . . . . . 81
Statistische Tests . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.1.3.1
Sharpe Ratio nach Jobson und Korkie . . . . . . . . 81
5.1.3.2
T-Test . . . . . . . . . . . . . . . . . . . . . . . . . . 82
Möglichkeiten mit math-jobs.com Daten . . . . . . . . . . . . . . . . 82
5.2.1
5.3
5.1.2.3
Verfügbare Daten . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.2.1.1
Daten aus Logfiles . . . . . . . . . . . . . . . . . . . 82
5.2.1.2
Stellenangebote . . . . . . . . . . . . . . . . . . . . . 84
5.2.1.3
Werbebanner . . . . . . . . . . . . . . . . . . . . . . 85
Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
6 Bildung eines Konjunkturindikators
86
6.1
Verschiedene Konjunkturindikatoren . . . . . . . . . . . . . . . . . . 86
6.2
Messung der Prognosegüte . . . . . . . . . . . . . . . . . . . . . . . . 87
6.3
6.4
6.2.1
Prognosegütemass . . . . . . . . . . . . . . . . . . . . . . . . . 87
6.2.2
Wendepunktanalyse . . . . . . . . . . . . . . . . . . . . . . . . 88
Bewährte Indikatoren . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.3.1
Manpower-Index . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.3.2
Jobpilot-Index . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
math-jobs-Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.4.1
Probleme bei der Konstruktion . . . . . . . . . . . . . . . . . 93
6.4.2
Konstruktion des math-jobs-Index . . . . . . . . . . . . . . . . 94
6.4.3
Vergleich mit Jobpilot-Index . . . . . . . . . . . . . . . . . . . 95
6.4.4
Vergleich mit der BIP-Entwicklung . . . . . . . . . . . . . . . 99
6.4.5
Messung der Prognosegüte des math-jobs-Index . . . . . . . . 101
6.4.6
Wendepunktanalyse des math-jobs-Index . . . . . . . . . . . . 101
6.5
Kontrolle anhand neuer Daten . . . . . . . . . . . . . . . . . . . . . . 102
6.6
Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
VI
7 Entwicklung einer Strategie
7.1
104
Identifikation erfolgsversprechender Strategien . . . . . . . . . . . . . 104
7.1.1
7.1.2
7.1.3
Aktienkauf bei Inserat . . . . . . . . . . . . . . . . . . . . . . 105
7.1.1.1
Unmittelbarer Kauf . . . . . . . . . . . . . . . . . . 105
7.1.1.2
Kauf vor Inserierung . . . . . . . . . . . . . . . . . . 106
Aktienkauf bei Inserat und Leerverkauf eines Index . . . . . . 107
7.1.2.1
Short in Weltindex . . . . . . . . . . . . . . . . . . . 108
7.1.2.2
Short in Branchenindizes . . . . . . . . . . . . . . . . 108
Variable Investition . . . . . . . . . . . . . . . . . . . . . . . . 109
7.1.3.1
Überprüfung des Modells . . . . . . . . . . . . . . . 112
7.1.3.2
Auswertung der Testresultate . . . . . . . . . . . . . 113
7.1.3.3
Weiterentwicklung des Modells . . . . . . . . . . . . 113
7.1.4
Laufende Umschichtung . . . . . . . . . . . . . . . . . . . . . 113
7.1.5
Index als Ausgangspunkt . . . . . . . . . . . . . . . . . . . . . 115
7.2
Selektion einer Strategie . . . . . . . . . . . . . . . . . . . . . . . . . 115
7.3
Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
8 Evaluation der Strategie
8.1
8.2
Hintergrund . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
8.1.1
Inserate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
8.1.2
Kursdaten mit StockQuote . . . . . . . . . . . . . . . . . . . . 118
Portfolio: Unmittelbarer Kauf . . . . . . . . . . . . . . . . . . . . . . 120
8.2.1
Resultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
8.2.2
Bewertung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
8.2.3
8.3
117
8.2.2.1
Benchmark MSCI . . . . . . . . . . . . . . . . . . . . 122
8.2.2.2
Benchmark MSCI Timed
. . . . . . . . . . . . . . . 124
Kritik an der Strategie . . . . . . . . . . . . . . . . . . . . . . 126
Portfolio: Monatliche Umschichtung Schweiz . . . . . . . . . . . . . . 128
VII
8.4
8.3.1
Daten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
8.3.2
Durchführung und Analyse . . . . . . . . . . . . . . . . . . . . 130
8.3.3
Benchmarks . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
8.3.4
Kennzahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
8.3.5
Kritik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
Portfolio: Quartalsweise Umschichtung Weltweit . . . . . . . . . . . . 134
8.4.1
Anmerkung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.4.2
Resultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
8.4.3
Benchmarks . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
8.4.4
Kennzahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
8.4.5
Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
8.4.6
8.4.5.1
Resultat der einzelnen Aktien . . . . . . . . . . . . . 138
8.4.5.2
Betrachtung von Serono . . . . . . . . . . . . . . . . 138
Kritik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
8.5
Variationen bei der Umschichtung . . . . . . . . . . . . . . . . . . . . 142
8.6
Statistische Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
8.7
8.8
8.6.1
Jobson Korkie Memmel: Sharpe Ratio . . . . . . . . . . . . . 144
8.6.2
Alpha und Beta im T-Test . . . . . . . . . . . . . . . . . . . . 144
Allgemeine Probleme bei der Evaluation . . . . . . . . . . . . . . . . 146
8.7.1
Fehlende Daten um 11. September 2001
. . . . . . . . . . . . 146
8.7.2
Verspäteter Börsengang . . . . . . . . . . . . . . . . . . . . . 148
8.7.3
Fehlerhafte Daten . . . . . . . . . . . . . . . . . . . . . . . . . 148
Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
9 Fazit
151
9.1
Resultate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
9.2
Ausblick . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
9.3
9.2.1
Begründung der Resultate der Evaluation . . . . . . . . . . . 153
9.2.2
Weiterführende Forschung . . . . . . . . . . . . . . . . . . . . 154
Schlussbetrachtung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
VIII
Literaturverzeichnis
157
Glossar
160
Anhang
165
A
B
Management Summary . . . . . . . . . . . . . . . . . . . . . . . . . . 165
A.1
Deutsch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
A.2
English . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
B.1
B.2
C
Deutsch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
B.1.1
Einleitung . . . . . . . . . . . . . . . . . . . . . . . . 169
B.1.2
Webindikatoren . . . . . . . . . . . . . . . . . . . . . 170
B.1.3
Strategie
B.1.4
Ausgangslage . . . . . . . . . . . . . . . . . . . . . . 172
B.1.5
Resultate . . . . . . . . . . . . . . . . . . . . . . . . 173
B.1.6
Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
. . . . . . . . . . . . . . . . . . . . . . . . 171
English . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
B.2.1
Introduction
. . . . . . . . . . . . . . . . . . . . . . 177
B.2.2
Web indicators . . . . . . . . . . . . . . . . . . . . . 177
B.2.3
Strategy . . . . . . . . . . . . . . . . . . . . . . . . . 179
B.2.4
Initial position . . . . . . . . . . . . . . . . . . . . . 180
B.2.5
Results . . . . . . . . . . . . . . . . . . . . . . . . . 181
B.2.6
Conclusion . . . . . . . . . . . . . . . . . . . . . . . 184
Wertentwicklung der Portfolios . . . . . . . . . . . . . . . . . . . . . 185
C.1
Unmittelbarer Kauf . . . . . . . . . . . . . . . . . . . . . . . . 185
C.2
Umschichtung Schweiz (monatlich) . . . . . . . . . . . . . . . 186
C.3
Umschichtung Weltweit (quartalsweise) . . . . . . . . . . . . . 188
D
Quellcode StockQuote . . . . . . . . . . . . . . . . . . . . . . . . . . 189
E
Aufgabenstellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
IX
Abbildungsverzeichnis
2.1
Diversifizierbares versus nichtdiversifizierbares Risiko [Volk03], S. 197
2.2
Efficient Frontier [Auck01], S. 5 . . . . . . . . . . . . . . . . . . . . . 17
2.3
Tangentialportfolio im CAPM-Modell [Volk03], S. 200 . . . . . . . . . 23
2.4
Security Market Line und die APT [Auck94], S. 204 . . . . . . . . . . 25
2.5
Reward-to-Variability-Verhältnis [Auck94], S. 363 . . . . . . . . . . . 31
2.6
Performance Messung mittels Jensens alpha [Auck94], S. 368 . . . . . 34
3.1
Tabelle mit bedingten Wahrscheinlichkeiten . . . . . . . . . . . . . . 53
3.2
Beispielhaftes Kausalmodell im Web Mining . . . . . . . . . . . . . . 54
4.1
Bewertung eines Siemens Mobiltelefons [ciao.de], 1.9.2004 . . . . . . . 63
4.2
Gesamtbetrachtung des Portfolio-Management-Systems . . . . . . . . 68
4.3
Informationsgewinnung aus einem Webindikator . . . . . . . . . . . . 69
4.4
Strukturierung der Daten in einer Datenbank . . . . . . . . . . . . . 70
4.5
Modell des Portfolio-Management-Systems . . . . . . . . . . . . . . . 74
5.1
math-jobs.ch [math-jobs.ch], 26.7.2004 . . . . . . . . . . . . . . . . . 78
6.1
Manpower- und Jobpilot-Index im Vergleich . . . . . . . . . . . . . . 90
6.2
Kategorien des Jobpilot-Index . . . . . . . . . . . . . . . . . . . . . . 92
6.3
Entwicklung des math-jobs-Index . . . . . . . . . . . . . . . . . . . . 95
6.4
Korrelation zwischen Jobpilot- und math-jobs-Index . . . . . . . . . . 97
6.5
Vergleich reales BIP mit um zwei Quartale verschobenen, saisonbereinigten math-jobs-Index . . . . . . . . . . . . . . . . . . . . . . . . 100
X
15
6.6
Aktualisierte Diagramme mit neuen Daten . . . . . . . . . . . . . . . 102
8.1
8.2
Entwicklung des Portfolios Unmittelbarer Kauf“ . . . . . . . . . . . 121
”
Entwicklung des MSCI (rechte Skala) verglichen mit der Anzahl Inserate auf math-jobs.com (linke Skala) . . . . . . . . . . . . . . . . . 124
8.3
Vergleich des math-jobs-Portfolios und der Benchmark MSCI Timed . 125
8.4
Entwicklung der Gesamt-Rendite mit zunehmendem Investitionsbetrag bei unterschiedlichen Zinssätzen des Bankkontos . . . . . . . . . 127
8.5
Anzahl der berücksichtigten Inserate zur Umschichtung Schweiz . . . 130
8.6
Vergleich SPI und math-jobs-Portfolio . . . . . . . . . . . . . . . . . 131
8.7
Vergleich des math-jobs Portfolio mit SPI, UBS Equity CH und Julius
Bär Swiss Stock Fund B . . . . . . . . . . . . . . . . . . . . . . . . . 132
8.8
Vergleich des math-jobs World Portfolio mit MSCI, UBS Equity Global und Julius Bär Global Value Stock . . . . . . . . . . . . . . . . . 135
8.9
Entwicklung Portfolioanteil der Serono Aktie (linke Skala) verglichen
mit dem Kursverlauf (rechte Skala) . . . . . . . . . . . . . . . . . . . 140
8.10 Regression math-jobs CH vs. SPI und math-jobs World vs. MSCI . . 147
8.11 Fehlerhafte Daten bei finance.yahoo.com [yahoo.com], 29.7.2004 . . . 149
XI
Tabellenverzeichnis
2.1
Übersicht über die Finanzanalyse . . . . . . . . . . . . . . . . . . . .
8
2.2
Wertentwicklung und Rendite eines Depots . . . . . . . . . . . . . . . 10
4.1
Reihenfolge der Treffer bei google.ch auf vier allgemeine Suchbegriffe
am 1.9.04 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
6.1
Absolute Ausschreibungen bei math-jobs verglichen mit jobpilot-Daten 96
6.2
Saisonkoeffizienten der math-jobs-Zeitreihe . . . . . . . . . . . . . . . 100
6.3
Wendepunktanalyse des math-jobs- und des Jobpilot-Index . . . . . . 101
7.1
Effekt eines Leerverkauf des Index . . . . . . . . . . . . . . . . . . . . 107
7.2
Aufteilung auf Branchen . . . . . . . . . . . . . . . . . . . . . . . . . 110
7.3
Testresultate des Modells nach 50 Aktienkäufen . . . . . . . . . . . . 113
7.4
Absolute und relative Anteile der Aktien . . . . . . . . . . . . . . . . 114
7.5
Umschichtung durch Reduktion der Anteile A und B . . . . . . . . . 114
8.1
Länderanteil der relevanten Inserate . . . . . . . . . . . . . . . . . . . 118
8.2
Firmenanteil der relevanten Inserate . . . . . . . . . . . . . . . . . . . 119
8.3
Vergleich des math-jobs Portfolio mit dem MSCI Portfolio . . . . . . 123
8.4
Vergleich des math-jobs Portfolio mit dem MSCI Timed Portfolio . . 126
8.5
Verteilung auf die Aktien am 30.6.1999 . . . . . . . . . . . . . . . . . 129
8.6
Kennzahlen zur Messung der Portfolio-Performance . . . . . . . . . . 133
8.7
Kennzahlen zur Messung der Portfolio-Performance . . . . . . . . . . 137
8.8
Rangliste der berücksichtigten Aktien bezüglich Saldo . . . . . . . . . 139
8.9
Quartalsweise Umschichtung bei Serono . . . . . . . . . . . . . . . . . 141
8.10 Ergebnis der Variation des Zeitpunkts der Portfoliobildung und der
Umschichtungshäufigkeit beim math-jobs World Portfolio . . . . . . . 143
8.11 Resultate des Jobson Korkie Memmel Tests . . . . . . . . . . . . . . 145
XII
Kapitel 1
Einleitung
1.1
Ausgangslage
Das Internet hat sich in den letzten Jahren zu einem Massenmedium entwickelt und
ist dabei zu einer riesigen Quelle für Informationen aller Art gewachsen. Mittels
Web Mining- oder Web-Intelligence-Methoden ist es möglich, diese unstrukturierte
Datenflut in verwertbare Informationen umzuwandeln.
Ein Beispiel sind online Informationsquellen, die es ermöglichen, Unternehmen bezüglich unterschiedlicher Kriterien zu untersuchen und aufgrund der daraus gewonnenen Erkenntnisse für das Tätigen von Kaufs- und Verkaufstransaktionen im
Aktienportfolio-Management nutzbar sind.
1.2
Zielsetzung
Die vorliegende Diplomarbeit untersucht, ob aufgrund der Berücksichtigung neuer
Informationsquellen im Internet höhere Renditen im Aktien-Portfolio-Management
erzielt werden können, als bei blosser Berücksichtigung von etablierten Informationsquellen.
Ziel ist die Identifikation möglicher Webindikatoren für das Portfolio-Management
und die Überprüfung ihrer Eignung in der Praxis.
1
1.3
Motivation
Der massive Einbruch der Aktienmärkte seit dem Jahr 2000 hat immense Vermögenswerte zerstört und den Glauben an einige traditionelle Konzepte im Portfolio-Management erschüttert. Das Benchmark-Denken führte dazu, einen geringeren Wertverlust als denjenigen der Benchmark bereits als Erfolg zu bezeichnen.
Die Idee, einen innovativen Ansatz im Portfolio-Management zu untersuchen, hat
uns von Anfang an fasziniert. Es ist unbestritten, dass durch die Verwendung von
Insiderwissen theoretisch hohe Gewinne an der Börse erzielt werden können. Einerseits stellt sich der Erwerb von Insiderwissen aber als relativ schwierig heraus und
andererseits macht man sich durch die Verwendung von Insiderinformationen an der
Börse strafbar.
Diese Arbeit verfolgt einen anderen Ansatz. Unsere Motivation war, zu untersuchen, ob die Möglichkeit besteht, anhand der Analyse von öffentlich zugänglichen
Informationsquellen, die jedoch nicht wahrgenommen oder ihr Nutzen unterschätzt
wird, Vorteile an der Börse zu erzielen.
Falls aufgrund der Berücksichtigung öffentlich zugänglicher Informationsquellen erhöhte Renditen erzielt werden könnten, würde dies der halbstarken“ Form der
”
Efficient Market Hypothesis widersprechen, die besagt, dass alle öffentlich zugänglichen Informationen bereits in den aktuellen Aktienpreisen enthalten sind und somit
kein Vorteil aus dem Studium von öffentlich zugänglichen Informationsquellen erzielt werden kann.
Die Diplomarbeit lässt sich in das Forschungsgebiet der Applied Finance, genauer gesagt im Portfolio-Management einordnen. Daneben werden auch Gebiete der
Informatik wie Data Mining, insbesondere Web Mining und Business Intelligence
tangiert.
2
1.4
Perspektive: Intellektuelles Kapital
Wir versuchen in dieser Arbeit, Informationen über das Intellektuelle Kapital einer
Unternehmung aus dem Internet zu extrahieren und für das Portfolio-Management
zu nutzen, denn der Erfolg und das Wachstumspotential von Unternehmen beruhen
zunehmend auf immateriellen Werten, den so genannten Intangible Assets. Dazu
gehören Humankapital, Kundenkapital, Innovationskraft, Organisation und Prozesskapital.1
Es ist unmöglich, das Intellektuelle Kapital, welches die Menge aller Intangible
Assets einer Unternehmung darstellt, genau einzugrenzen oder exakt zu messen.
Unter der Annahme, dass der Börsenwert eine Schätzung für den Marktwert einer
Unternehmung darstellt, kann ohne signifikanten Verlust an Genauigkeit von der
folgenden heuristischen Definition ausgegangen werden: Das Intellektuelle Kapital
ist gleich der Differenz zwischen Börsen- und Buchwert einer Unternehmung.
Daraus wird klar, dass jede Information über das Intellektuelle Kapital für das Portfolio Management von Nutzen ist und sich deshalb die Frage stellt, wie möglichst
viele das Intellektuelle Kapital einer Unternehmung betreffende Informationen aus
dem Internet gewonnen werden können.
In diesem Sinne kann unsere Forschung auch als Beitrag zur Erforschung der Möglichkeiten zur Messung des Intellektuellen Kapitals betrachtet werden.
1.5
Thesen und Methoden
Diese Arbeit basiert auf einfachen Extraktionsverfahren für Webdaten, finanzmathematischen Portfolio-Modellen wie dem Portfolio Selection Modell, dem Capital
Asset Pricing Modell und der Asset Allocation sowie auf statistischen Methoden wie
stochastischer Modellierung, dem Mean-Variance-Ansatz, einfacher Regression und
Signifikanztests.
Ziel ist die Validierung, respektive die Falsifizierung der beiden auf Extraktionsverfahren basierenden Kernthesen:
1
Quelle: [Sveiby00]
3
• Die getätigten Stellenausschreibung auf math-jobs.com sind ein geeigneter Indikator für die zukünftige wirtschaftliche Entwicklung einer Unternehmung.
• Die Summe der über math-jobs.ch ausgeschriebenen Stellen lässt sich als vorauseilender Konjunkturindikator verwenden.
1.6
Aufbau der Arbeit
Die vorliegende Arbeit gliedert sich in folgende Kapitel:
Kapitel 2 führt in die theoretischen Grundlagen des Portfolio Managements ein.
Verschiedene Modelle, Theorien und Strategien werden aufgezeigt. Zahlreiche Kennzahlen zur Messung der Portfolioperformance werden vorgestellt.
Das nächste Kapitel beschäftigt sich mit der Informationsgewinnung aus dem Internet. Dazu werden verschiedene Web Mining Verfahren diskutiert.
In Kapitel 4 werden mögliche Webindikatoren für das Portfolio Management lokalisiert und bezüglich ihrer Eignung in der Praxis analysiert. Zudem wird gezeigt,
wie die Informationen in einem automatisierten Portfolio-Management-System verarbeitet werden können.
In Kapitel 5 entwickeln wir ein Evaluationskonzept. Die Jobbörse math-jobs.com
wird vorgestellt und die Möglichkeiten, die sich anhand der Daten dieser Website
bieten, werden aufgezeigt.
In Kapitel 6 wird untersucht, ob sich aus den Daten von math-jobs.com ein vorauseilender Konjunkturindikator bilden lässt.
Kapitel 7 beschäftigt sich mit der Identifikation erfolgsversprechender auf Webindikatoren basierenden Strategien. Die verschiedenen Möglichkeiten, die sich anhand
der Inserate auf math-jobs.com bieten, werden aufgezeigt und analysiert.
Kapitel 8 beschäftigt sich mit der Evaluation der erfolgsversprechenden Strategien
4
und der ausgiebigen Analyse und Beurteilung der Resultate. Zudem wird auf allgemeine Probleme bei der Evaluation hingewiesen.
Das Kapitel 9 fasst die wichtigsten Erkenntnisse und Resultate nochmals in einem
Fazit zusammen und es wird gezeigt, in welchen Bereichen künftig weiter Forschung
betrieben werden sollte.
Personen mit solidem Grundwissen im Gebiet des Portfolio Managements, die sich
nicht für die Möglichkeiten der Datengewinnung aus dem Internet interessieren, wird
empfohlen, die theoretischen Grundlagen zu überspringen und bei der Lektüre direkt
bei der Vorstellung der Jobbörse math-jobs.com (Kapitel 5, ab S. 76) einzusteigen.
Für Personen, die nur wenig Zeit haben und an Abkürzungswegen interessiert sind,
zeigt der zweiseitige Management Summary (Deutsch: S. 165, Englisch: S. 167) um
was es in dieser Diplomarbeit geht und die Zusammenfassung (Deutsch: S. 169,
Englisch: S. 177) fasst die wichtigsten Resultate der Untersuchung auf acht Seiten
kompakt zusammen.
1.7
Adressaten
Diese Arbeit richtet sich an Personen, die sich für einen innovativen Ansatz im
Aktien Portfolio Management interessieren. Grundlegende Kenntnisse bezüglich Finance, Portfolio Management und Internet sind von Vorteil, jedoch nicht zwingend
notwendig, da die im späteren Verlaufe der Arbeit verwendeten Begriffe und Methoden in Kapitel 2 und 3 einführend vorgestellt werden. Ein gewisses ökonomisches
Verständnis wird dabei jedoch vorausgesetzt.
1.8
Danksagung
Ich möchte an dieser Stelle die Gelegenheit nutzen, um mich bei meinen Kollegen,
Freunden und meiner Familie für die geistige und moralische Unterstützung zu bedanken.
5
Ganz besonders möchte ich mich bei Dr. Christof Luchsinger für die hervorragende
Betreuung bedanken. In zahlreichen Gesprächen und Emails hat er mich mit seinen
Ideen und Anregungen tatkräftig bei der Ausarbeitung der vorliegenden Diplomarbeit unterstützt und mir mit dem Durchlesen meiner Entwürfe einen grossen Dienst
erwiesen.
Mein Dank geht im Speziellen noch an Sven Hartmetz, ohne dessen Unterstützung
das Programm StockQuote zur automatisierten Auswertung der Aktienkurse nicht
entstanden wäre, meinen Vater Erich Dubler, der sich die Zeit genommen hat, diese
Arbeit kritisch durchzulesen und zu korrigieren und an meine Tennis-Kollegen für
den körperlichen Ausgleich zur täglichen Kopfarbeit.
Zudem möchte ich mich bei Herrn Dr. R. Riedl für das spannende Thema, die
Betreuung bei der Entstehung dieser Arbeit und seine wertvollen Denkanstösse, kritischen Fragen und kreativen Inputs bedanken.
6
Kapitel 2
Einführung in das Portfolio
Management
Dieses Kapitel führt in die Grundlagen der Portfoliotheorie ein. Wichtige Begriffe wie Rendite“ und Risiko“ werden definiert und die populärsten Modelle und
”
”
Anlagestrategien vorgestellt. Zum Schluss des Kapitels wird dann anhand der Vorstellung verschiedener Kennzahlen wie beispielsweise der Sharpe Ratio“ vertiefend
”
auf die Zweidimensionale Performance Messung eingegangen.
2.1
2.1.1
Überblick
Traditionelles Portfolio Management
Beim traditionellen Portfolio Management werden mögliche Anlagen mittels verschiedener Analyse- und Prognosewerkzeuge beurteilt. Es geht von allen Anlagemöglichkeiten aus und versucht, die besten Anlagen zu eruieren.
Mittels einer Fundamentalanalyse wird der innere Wert einer Anlage ermittelt und
mit dem Börsenkurs verglichen. Langfristig passt sich laut diesem Modell der Börsenkurs dem inneren Wert einer Anlage an, und deshalb soll die Anlage bei einem über
dem Börsenkurs liegenden inneren Wert gekauft werden.
Eine andere Möglichkeit ist die technische Analyse. Sie befasst sich mit der Preisund Volumenentwicklung einer Anlage in der Vergangenheit. Der Grundgedanke dieser Analyse ist, dass sich die Investoren in ähnlichen Situationen nicht wesentlich
7
Zweck
Datenbasis
Fundamentalanalyse
Technische Analyse
Auswahl der Wert-
Festlegung des Kaufs- und
papiere (Stockpicking)
Verkaufszeitpunktes
Wirtschafts- und
Marktdaten (Kurswerte,
Unternehmensdaten
v.a. Einzelwerte, Indizes)
(Konjunktur, Gewinne etc.)
Hypothese
Kurs schwankt um den
Kurse bilden sich nach
inneren Wert der Aktie
Angebot und Nachfrage und
entwickeln sich in Trends
Analyse-Ziel
Bestimmung des
Erkennen typischer
inneren Wertes
Kursverlaufsmuster
Tabelle 2.1: Übersicht über die Finanzanalyse
anders verhalten, als sie dies in der Vergangenheit getan haben. Mittels Analyse
und den geeigneten Werkzeugen wird versucht, aus der vergangenen Kursentwicklung Erkenntnisse bezüglich der künftigen Entwicklung zu gewinnen.
Die wichtigsten Unterschiede der beiden Möglichkeiten der Aktienanalyse sind in
Tabelle 2.1 dargestellt. Daneben gibt es die Random Walk Hypothese. Sie sagt aus,
dass die Kurse zufällig um den inneren Wert der Aktie schwanken und deshalb eine
erfolgreiche Analyse nicht möglich ist.
Sowohl bei der Fundamentalanalyse, als auch bei der technischen Analyse werden
die Anlagen isoliert betrachtet. Der Investor stellt sich folglich ein Portfolio aus Titeln zusammen, die zwar für sich alleine betrachtet eine gute Performance erwarten
lassen können, die Zusammenhänge zwischen den Anlagen werden aber dabei nicht
berücksichtigt. Er neigt dazu, Anlagen durch Stockpicking 1 unsystematisch in sein
Portfolio aufzunehmen.
Als einzige quantitative Komponente werden im traditionellen Portfolio Mana”
gement die Renditen einzelner Aktien betrachtet. Diese sind von drei Faktoren
abhängig: vom Markt, von den Marktsektoren und vom Titelcharakter.“ 2
1
Versuch, die im Augenblick beste Aktie zu ermitteln und zu kaufen
2
Quelle: [Auck01], S. 5
8
2.1.2
Modernes Portfolio Management
Im Gegensatz zum traditionellen Portfolio Management werden beim modernen
Portfolio Management neben den Analyseverfahren der traditionellen Methode die
mit den Anlagen zusammenhängenden Risiken explizit in die Betrachtung miteinbezogen. Das Marktrisiko, das Sektorrisiko und das titelspezifische Risiko werden für
den Portfolioverbund betrachtet. Je höher die geforderte Rendite, desto mehr Risiko
muss in Kauf genommen werden. Umgekehrt kann bei einem risikoaversen Investor
das Risiko auf Kosten der zu erwartenden Rendite minimiert werden.
2.2
2.2.1
Grundlegende Begriffe
Mathematische Modellierung
Wo wir nicht auf historische und damit bekannte Daten zurückgreifen können, modellieren wir die Renditen Ri (1 ≤ i ≤ d) der d Anlagemöglichkeiten mit stochastischen Zufallsgrössen. Aus mathematischen Gründen fordern wir, dass E[Ri2 ] < ∞.
Die gemeinsame Verteilung der Zufallsgrössen sei uns bekannt. Insbesondere kennen
wir damit die Kovarianzen aller Zufallsgrössen miteinander. Wir definieren weiter die
erwarteten Renditen µ := (µi , ..., µd ) und Varianzen der Renditen σ 2 := (σ12 , ..., σd2 )
folgendermassen: µi := E[Ri ] und σi2 := V [Ri ]. Die Kovarianz definieren wir σij :=
Cov(Ri , Rj ). Daten der Vergangenheit werden als Realisationen dieser Zufallsgrössen
betrachtet. Wir vereinbaren noch, dass Zufallsgrössen für Modellbildung und die Zukunft mit grossen Buchstaben bezeichnet werden und historische Daten mit kleinen
Buchstaben (z.B. R und r).3
2.2.2
Rendite
Das Ziel eines jeden Investors ist es, eine angemessene Entschädigung für seine Investition zu erhalten. Dieses Renditeziel kann in Kapitalzuwachs und laufende Erträge
unterteilt werden.
Aktienrenditen können sowohl aufgrund von sicheren historischen Daten berechnet
3
Quelle: [Luchs04], S. 6
9
Jahr
Depotwert (Ende Jahr)
Wertveränderung
1999
SFr. 15’000
2000
SFr. 16’000
6.67%
2001
SFr. 13’400
-16.25%
2002
SFr. 9’500
-29.10%
2003
SFr. 11’000
15.79%
2004
SFr. 13’000
18.18%
Tabelle 2.2: Wertentwicklung und Rendite eines Depots
werden als auch aufgrund von prognostizierten erwarteten Daten.
Zur Berechnung der Jahresrendite wird der Schlusskurs sowie die Dividendenzahlung auf Anfang Jahr abdiskontiert und der Eröffnungskurs des betrachteten Jahres
subtrahiert. Die Jahresrendite berechnet sich schliesslich aus dem Ertragsüberschuss
dividiert durch den Eröffnungskurs.
Jahresrendite =
Schlusskurs + Dividende − Eröf f nungskurs
Eröf f nungskurs
Zur Berechnung der Rendite über mehrere Jahre kann auf das Konzept des geometrischen Mittels zurückgegriffen werden.4
Die Tabelle 2.2 zeigt eine mögliche Entwicklung eines Aktiendepots über mehrere
Jahre.
Die Jahresrendite des Aktiendepots r99−04 von Ende 1999 bis Ende 2004, also über
einen Zeitraum von fünf Jahren, ermittelt sich wie folgt:
s
r99−04 =
2.2.3
5
130 000
− 1 = −2.82%
150 000
Risiko
Ein Investitionsentscheid kann nicht alleine aufgrund der erwarteten Rendite getroffen werden. Der zweite Faktor, der betrachtet werden muss, ist das mit einer
Anlage verbundene Risiko. Das Risiko steht für die Unsicherheit der zukünftigen
Entwicklung. Es können drei Kategorien von Risiken definiert werden:
4
Quelle: [Lev98], S. 55
10
• Firmenrisiken: Die Firmenrisiken beinhalten die Bonität sowie den Geschäfts”
gang schlechthin. Es ist die Aufgabe der Investoren, Unternehmungen quantitativ und qualitativ zu beurteilen, um mögliche Risiken einschätzen zu können.“ 5
Bei der quantitativen Analyse wird eine Unternehmung aufgrund ihrer finanziellen Verhältnisse wie Liquidität, Ertragskraft und Kapitalstruktur bewertet.
Die qualitative Analyse beschäftigt sich mit Managementqualitäten wie Ausbildung, Erfahrung und Fähigkeiten und den durch die Unternehmung angebotenen Produkten sowie der Konkurrenzsituation.
Auch die Ausfall-Risiken gehören in diese Kategorie. Diese bezeichnen die
Wahrscheinlichkeit, dass der Kreditnehmer seiner Zahlungsverpflichtung nicht
nachkommen kann. Dieses Risiko, das auch als Default-Risiko betitelt wird,
wird in Bond Ratings von AAA (höchste Qualität, geringstes Risiko) bis D
(tiefste Qualität, höchstes Risiko) klassifiziert.6
• Branchenrisiken: Diese Risiken bestehen aufgrund von Konkurrenzdruck, Abhängigkeit und potentiellen Regulierungsmassnahmen. Sie haben definitionsgemäss Einfluss auf eine ganze Branche.
• Marktrisiken: Ein Beispiel ist das Konjunkturrisiko. Dieses beinhaltet das
Kaufkraftrisiko, das Zinssatzrisiko und das Währungsrisiko. Auch gehören Regierungswechsel oder Naturkatastrophen in diese Risikokategorie.
Zudem wird nach systematischem, nichtdiversifizierbarem Risiko7 und unsystematischem, diversifizierbarem Risiko8 unterschieden werden.
Risiko wird generell als Gefahr verstanden, eine erwartete Rendite zu verfehlen.“ 9
”
Das Risiko der Renditeschwankung einer Aktie wird mit der Messgrösse Volatilität
zum Ausdruck gebracht. Sie misst, wie stark die tatsächliche Rendite einer Aktie
von der durchschnittlichen Rendite der Aktie abweicht. Die Durchschnittsrendite
wird auch als erwartete Rendite bezeichnet, denn diese Rendite wird aufgrund der
5
Quelle: [Auck01], S. 52
6
Die weltweit bedeutendsten Anbieter von Ratings sind zurzeit die beiden Agenturen Moody’s
und Standard & Poor’s.
7
Marktrisiko
8
Titelspezifisches Risiko, beinhaltet das Branchen- und Marktrisiko
9
Quelle: [Auck01], S. 55
11
bisherigen Erfahrung mit der Aktie vom Investor erwartet.
Zur Messung der Volatilität kann die geschätzte Standardabweichung verwendet
werden:
v
u
n
u1 X
σ := t
(ri − µ)2
n i=1
(σ=Standardabweichung, n=Zahl der Renditen, i=Index für die Jahre, ri =Rendite
im Jahr i, µ=Erwartungswert der Rendite)
2.2.4
Aktienindex
Die Aktienkurse verschiedener Titel verlaufen zwar nicht parallel, entwickeln sich
aber auch nicht ungeordnet oder unabhängig. An guten Börsentagen steigen die Kurse einer Mehrzahl von Aktien, an schlechten wiederum sinken die meisten Kurse. Es
scheint so, als gäbe es eine gemeinsame Einflussgrösse, die auf fast alle Aktienkurse
wirkt.
Im Indexmodell wird angenommen, dass durch die Entwicklung der Gesamtheit aller Aktien die Entwicklung eines einzelnen Aktienkurses weitgehend erklärt werden
kann. Um die Entwicklung aller Aktienkurse zu beobachten, wird ein Aktienindex
verwendet.
Der Aktienindex drückt die Kursentwicklung der als relevant bestimmten Aktientitel
in einer einzigen Messzahl aus. Bei der Berechnung werden die Kurse aller berücksichtigten Aktien miteinbezogen.
Teilweise werden alle Aktien respektive ihre Kurse gleich gewichtet, so dass der
Index-Stand faktisch durch die Addition der absoluten Aktienkurse berechnet wird.10
Der Dow Jones-Index der New York Stock Exchange wird beispielsweise seit 1896
ermittelt, indem die 30 Einzelkurse der berücksichtigten Aktien addiert werden und
die Summe mit einem Adjustierungsfaktor (Dow Divisor) multipliziert wird. Wenn
sich die Zusammensetzung des Index verändert, oder eine im Index vertretene Unternehmung einen Aktiensplit vornimmt, wird der Dow Divisor entsprechend angepasst.
10
Quelle: [Lev98], S. 95
12
Neben dem Dow Jones ist von den wichtigsten Indizes nur noch der japanische Nikkei ein preisgewichteter Index.11
Bei der Berechnung des Grossteils der Indizes hingegen werden die Kurse mit der
Marktkapitalisierung der betreffenden Aktiengesellschaft gewichtet. Der Aktienindex stellt in diesem Fall ein gewogenes arithmetisches Mittel dar. Der Vorteil eines
gewichteten Index ist, dass die reale wirtschaftliche Bedeutung einer Unternehmung
direkt in die Indexberechnung einfliesst und die Gewichte bei Kursänderungen nicht
laufend angepasst werden müssen.
Zweifelsohne bildet ein gewichteter Index das Börsengeschehen besser ab als ein ungewichteter. Der von der SWX Swiss Exchange angebotene SMI beispielsweise ist
ein nach der Marktkapitalisierung gewichteter Index.
Noch realitätsgerechter ist es, wenn neben dem Börsenwert einer Unternehmung auch
die Dividendenausschüttungen in die Berechnung einfliessen. Ein auf diese Weise berechneter Index misst die Gesamtrendite einer Unternehmung und wird deshalb als
Performance-Index bezeichnet. Der Schweizer SPI und der DAX aus Deutschland
sind zwei Beispiele aus dieser Indexkategorie.
2.3
Grundlagen der Portfoliotheorie
Bei der Portfoliobildung werden anhand einer Strategiefunktion aus einer enormen
Anzahl potentieller Investitionsmöglichkeiten einzelne Aktien für ein Portfolio ausgewählt. Dabei werden verschiedene Informationen über die einzelnen Aktientitel wie
Kursentwicklung, Risiko oder künftige Erwartungen analysiert und bei der Portfoliobildung berücksichtigt.
Zudem existiert eine Bewertungsfunktion, die zu jedem beliebigen Zeitpunkt t Informationen über die Entwicklung oder die Zusammensetzung des Portfolios gibt. Eine
einfache Funktion zeigt beispielsweise den aktuellen Wert des Portfolios durch die
Berechnung Aktienkurs ∗ AnzahlAktien für alle Titel im Portfolio, eine komplexere
Funktion könnte das eingegangene Risiko anhand der Analyse der Daten aus der
Vergangenheit schätzen.
11
Quelle: http://www.antizyklik.de/?menuid=wissen&articleid=433, besucht am 14.6.2004
13
2.3.1
Diversifikation
Unter Diversifikation versteht man die Geldanlage in mehreren Ländern und in unterschiedlichen Branchen zur Streuung des Risikos.
Aufgrund des Diversifikationseffekts wird der Investor bei einem korrekt zusammengestellten Portfolio mit mehreren verschiedenen Anlagen einem geringeren Risiko
als bei einer Investition in nur einzelne Anlagen ausgesetzt. Das Gesamtrisiko des
Wertpapierdepots ist nicht, wie vermutet werden könnte, der Risikodurchschnitt der
enthaltenen Anlagen. Im Normalfall ist das Gesamtrisiko wesentlich kleiner, weil sich
die Risiken der einzelnen Wertpapiere teilweise kompensieren.
Dabei spielt der Grad des linearen Zusammenhangs der im Portfolio berücksichtigten Anlagen eine entscheidende Rolle. Als Kennzahl zur Messung des linearen
Zusammenhangs wird die Korrelation (normierte Kovarianz) verwendet.
Die Risikoreduktion, die mittels Diversifikation erreicht wird, ist stark von der Korrelation der Anlagerenditen abhängig. Durch Auswahl und Gewichtung von einzelnen
Aktientiteln wird versucht, eine Portfoliovarianz12 im Bereich von Null zu erreichen.
In der Realität ist dies aber kaum möglich. Das unsystematische Risiko lässt sich
zwar durch geschickte Wahl der Titel im Portfolio theoretisch gänzlich reduzieren,
die Diversifikation gelangt jedoch beim systematischen Marktrisiko an seine Grenzen, wie der Abbildung 2.1 zu entnehmen ist.
Untersuchungen13 haben ergeben, dass bereits durch eine naive Diversifikation 14
rund 70% des Risikos eliminiert werden.
2.3.2
Kovarianz
Die Kovarianz informiert darüber, wie und ob sich tendenziell mit der Änderung des
”
Merkmals X auch das Merkmal Y ändert, ob also im Durchschnitt zu immer grösseren Werten von X grössere Werte von Y gehören, oder ob im Durchschnitt zu immer
grösseren Werten von X immer kleinere Werte von Y gehören. Bei gleichgerichteter
Tendenz ist die Kovarianz positiv, bei entgegen gerichteter Tendenz negativ.“ 15
12
Kennzahl für das Portfoliorisiko
13
Quelle: Dubacher/Zimmermann, S. 77ff, 1989
14
zufällige Auswahl von Aktientitel für das Portfolio
15
Quelle: [Bohl00], S. 240
14
Abbildung 2.1: Diversifizierbares versus nichtdiversifizierbares Risiko [Volk03], S.
197
Ist die Kovarianz gleich Null, besteht zwischen den beiden Komponenten kein linearer Zusammenhang.
Eine positive Kovarianz bei zwei Anlagen bedeutet, dass die Renditen der beiden Investitionen gleichlaufend tendieren. Falls sie gegenläufig verlaufen, ist die Kovarianz
negativ, und wenn zwischen der Entwicklung der Anlagen kein linearer Zusammenhang besteht, ist die Kovarianz Null. Wir schätzen die Kovarianz mit historischen
Daten.
Cov[X, Y ] :=
n
1X
[rX − rX ][rYt − rY ]
n t=1 t
(rXt bzw. rYt = Rendite der Anlage X bzw. Y in Zeitpunkt t, rX bzw. rY = durchschnittliche Rendite der Anlage X bzw. Y, n= Anzahl betrachtete Zeitperioden)
2.3.3
Efficient Frontier
Da viele Aktien zur Bildung eines Portfolios zur Verfügung stehen, gilt es, den besten Mix zu finden und die Risiko-Rendite-Beziehung zu optimieren. Deshalb wird
zur Hilfe in einem Koordinatensystem die Efficient Frontier eingetragen.
Die Efficient Frontier definiert die Risiko-Rendite-Kombinationen aller möglichen
”
15
Portfolios, die effizient sind. Dies bedeutet, dass eine Änderung der Aktienmischung
zu keiner Effizienzsteigerung führt.
Effizient ist ein Portfolio dann, wenn es bei einer gegebenen erwarteten PortfolioRendite kein anderes Portfolio gibt, das die gleiche Rendite verbunden mit einem
geringeren Risiko erzielt.
Auf der Efficient Frontier wird bei einem gegebenen Risiko die maximale erwartete
Rendite und bei einer gegebenen erwarteten Rendite das tiefstmögliche PortfolioRisiko erzielt.“ 16
Die Efficient Frontier wird in Abbildung 2.2 dargestellt. Im Punkt A befindet sich
das Minimum-Varianz-Portfolio, die Aktienkombination mit dem geringsten Risiko.
Alle Depotkombinationen unterhalb dieses Punktes sind nicht effizient, weil es zu
jeder Depotkombination auf dem unteren Ast der Kurve eine Kombination auf dem
oberen Ast gibt, die bei gleichem Risiko eine höhere Rendite verspricht. Da der Anleger nur das unbedingt notwendige Risiko eingeht, ist es nicht effizient, im unteren
Teil der Kurve zu investieren.
Punkt D liegt zwar innerhalb der Menge der zulässigen Portfolios, jedoch ist dieses
Portfolio nicht effizient, denn Punkt A erreicht die gleiche Portfoliorendite bei geringerem Risiko, und Punkt B belohnt das gleiche Risiko mit einer höheren Rendite.
Alle auf der Efficient Frontier liegenden Portfolios sind effizient.
2.3.4
Korrelationskoeffizient
Ein weiteres Mass zur Bewertung des linearen Zusammenhangs zweier Anlagen ist
der Korrelationskoeffizient. Er liefert die Information über den Grad der Anschmiegung der Beobachtungen an die Regressionsgerade und drückt somit die Strammheit
des Zusammenhangs zwischen den Beobachtungen zweier Variablen aus.17
Der Korrelationskoeffizient r berechnet sich durch die Division der Kovarianz durch
das Produkt der Standardabweichungen18 der beiden Titel.
r :=
σXY
σX σY
16
Quelle: [Volk03], S. 200
17
Quelle: [Bohl2000], S. 234
18
siehe Definition Standardabweichung, Kapitel 2.2.3, S. 12
16
Abbildung 2.2: Efficient Frontier [Auck01], S. 5
(r= Korrelationskoeffizient, σXY = Kovarianz zwischen den Variablen X und Y, σX =
Standardabweichung von X, σY = Standardabweichung von Y)
Der Korrelationskoeffizient nimmt Werte zwischen -1 und +1 an. Wie schon bei
der Kovarianz bedeutet ein Korrelationskoeffizient nahe Null, dass die Anlagen in
keinem eindeutigen linearen Zusammenhang stehen. Je mehr er sich aber +1 oder
-1 annähert, umso höher ist die Abhängigkeit der Variablen. Bei einem Korrelationskoeffizienten grösser 0 sind die Variablen positiv korreliert, von einer negativen
Korrelation spricht man dagegen im umgekehrten Fall.
2.3.5
Der Betafaktor
Mit dem systematischen Risiko hängt eine weitere Kennzahl zusammen. Der Betafaktor. Eine Anlage mit einem Betafaktor von 1 reagiert entsprechend den Kursbewegungen des Marktes. Diese wird im Normalfall durch die Verwendung eines
Aktienindex dargestellt.
Falls die Marktrendite um beispielsweise 10% steigt, steigt bei einem Betafaktor von
17
genau 1 auch die Rendite der Anlage um 10%. Bei einem Betafaktor, der grösser
ist als 1, ändert sich die Rendite der Anlage überproportional zur Marktrendite.
Bei einem Betafaktor kleiner 1 reagiert die Anlagenrendite dementsprechend abgeschwächt.
Der Betafaktor ist folgendermassen definiert:
covi,I
σI2
(βi = Beta-Faktor der Aktie i, covi,I = Kovarianz zwischen Aktie i und Index I, σI2 =
βi :=
Varianz des Index)
Der Betafaktor des Marktes oder des betrachteten Index liegt per definitionem immer bei 1. Das Beta ist ein relatives Risikomass im Sinne der Sensitivität der
”
Rendite eines Aktientitels in Bezug auf die Rendite des Marktportfolios.“ 19
2.3.6
Diversifikationspotential schweizerischer Aktien
Mittels Diversifikation können laut einer Studie von 198920 über die Gesamtheit
der Schweizer Aktien 61.8% firmenspezifische und 9.8% branchenspezifische Risiken eliminiert werden. Durch Hinzufügen von internationalen Aktientiteln können
insgesamt weitere 18.9% des Risikos wegdiversifiziert werden. Folglich kann durch
internationale Streuung der Aktientitel das ursprüngliche Risiko eines einzelnen Titels dank einer Diversifikation auf rund einen Zehntel reduziert werden.
2.4
2.4.1
Strategien - Modelle
Portfolio Selection Modell
Harry M. Markowitz erhielt für seine Arbeiten zur Portfoliotheorie im Jahre 1990 den
Nobelpreis in Wirtschaftswissenschaften. Seine Arbeiten waren zum Zeitpunkt ihres
19
Quelle: [Volk03], S. 204
20
Quelle: [Zimmer89], S. 33, bestätigt von einer erneuten Studie von Gerig/Holz 1993, S. 108ff
18
Erscheinens revolutionär und werden heute als Beginn der modernen Portfoliotheorie
gesehen. Kernaussagen seiner Theorie sind, dass für die Portfoliokonstruktion neben
der erwarteten Rendite auch das in den damals bereits bestehenden Modellen nicht
berücksichtigte erwartete Risiko eine wichtige Rolle spielt und dass die Korrelation
der einzelnen Wertpapiere im Portfolio zentrale Bedeutung für das Portfoliorisiko
hat.
Die erwartete Portfoliorendite lässt sich nach Markowitz folgendermassen berechnen:
E(Rp ) =
n
X
(xi µi )
i=1
(xi = Portfolioanteil der Anlage i, µi = erwartete Rendite des Wertpapiers i, n=Anzahl
Wertpapiere)
Die Portfoliovarianz schätzt man mit Renditedaten (ri ) als gewichtete Summe der
Kovarianzen der im Portfolio enthaltenen Titel:
σp2 =
n X
n
X
xi xj Cov[ri , rj ]
i=1 j=1
(σp2 = Portfoliovarianz, xi = Portfolioanteil der Anlage i, xj = Portfolioanteil der Anlage j, Cov[ri , rj ]= Kovarianz zwischen den Renditen der beiden Anlagen i und j)
Die möglichen Portfolios können anhand der Efficient Frontier21 abgelesen und je
nach Risikoeinstellung des Anlegers ausgewählt werden.
2.4.2
Single Index Modell
Das auf Basis des Modells von Markowitz entwickelte Single Index Modell nach
Sharpe22 , verwendet auch die Risiko-Rendite Beziehung zur Auswahl der effizienten
Portfolios. Ziel von Sharpe ist es, die zur Berechnung der Efficient Frontier benötigten Daten zu reduzieren. Deshalb wird die Korrelation der Wertpapiere nicht mehr
21
Siehe Kapitel 2.3.3 auf Seite 15
22
William Forsyth Sharpe, geboren am 16. Juni 1934 in Cambridge (Massachusetts, USA), 1990
Nobelpreis für Wirtschaftswissenschaften zusammen mit Harry Markowitz und Merton Miller.
19
untereinander bestimmt, sondern im Verhältnis zu einem entsprechenden Marktindex.
Sharpe geht davon aus, dass die positiven Korrelationskoeffizienten zwischen Anlagetiteln fundamentale Ursachen wie beispielsweise Änderung der Leitzinsen durch
die Notenbank oder politische und wirtschaftliche Ereignisse haben. Er unterstellt,
dass diese gemeinsamen Einflüsse mit Hilfe eines einzigen Index erfasst werden
können, und dass dieser die Renditeunsicherheit der Aktien, von einer titelspezifischen Störkomponente abgesehen, vollständig erklärt.23
Die Gesamtrendite Ri eines Wertpapiers setzt sich nach Sharpe folgendermassen
zusammen:
Ri = βi ∗ RM + αi + i wobei βi ein unternehmensspezifischer Faktor ist, der angibt,
wie stark die Aktie der Unternehmung mit dem Marktindex korreliert. RM steht für
die Rendite des Marktes. Diese beiden Faktoren bilden die marktabhängige systematische Rendite. Dazu wird die marktunabhängige unsystematische Rendite summiert, die sich aus der unternehmensspezifischen erwarteten Rendite αi und einem
Störterm i zusammensetzt.24
Das Gesamtrisiko eines Wertpapiers besteht aus folgenden Komponenten:
2
σi2 = βi2 ∗ σM
+ σ2i wobei βi2 wiederum den unternehmensspezifischen Faktor dar2
steht für das systematische Marktrisiko und σ2i für das marktunabhängige
stellt. σM
unsystematische Risiko.
Bei Minimierung der Portfoliovarianz unter Berücksichtigung einer gegebenen Renditeerwartung erhält man die gleiche Kurve an effizienten Portfolios wie bei der
Markowitz-Optimierung, unter der Voraussetzung, dass die einzelnen Parameter korrekt geschätzt wurden.25
23
Quelle: http://www.realwwz.ch/lernen/baslerhuwiler/ueberbli.pdf, besucht am 13.5.2004
24
Quelle: http://www.arneweber.de/Arbeiten/Studienarbeit PT, besucht am 13.5.2004
25
Quelle: Sharpe, 1970, Kapitel 3.2.2
20
2.4.3
Multi Index Modell
Die Datengewinnung wird durch das Single-Index-Modell stark reduziert, womit der
Markowitz-Ansatz zur Bestimmung der Efficient Frontier erst operabel wird. Die
Operabilität erfolgt aber auf Kosten eines Informationsverlustes. Es wurde angenommen, dass die Anlagerenditen über die Beziehung zum Marktindex verbunden
sind. In der Praxis aber kann beobachtet werden, dass die Anlagen verschiedener
Branchen unterschiedlich auf Veränderungen des Marktindex reagieren.
Mit dem Multi Index Modell26 soll die angesprochene Schwachstelle des Single Index
Modells beseitigt werden, indem die Anzahl an verwendeten Indizes erhöht wird.
Dadurch wird aber die Zahl der benötigten Inputfaktoren gegenüber dem Single
Index Modell erhöht, liegt aber immer noch weit unter derjenigen des MarkowitzModells.27
2.4.4
Capital Asset Pricing Modell
Zur Weiterentwicklung der Modern Pricing Theory (MPT) muss nun berücksichtigt
werden, dass beim Capital Asset Pricing Modell (CAPM) auch nahezu sichere Anlagen, wie beispielsweise erstklassige Staatspapiere mit fester Verzinsung, gekauft und
ins Portfolio eingefügt werden können.
Angenommen, diese Anlagen sind gänzlich risikolos, weist ein nur risikolose Anlagen
enthaltendes Portfolio eine Rendite in der Höhe des sicheren Marktzinssatzes und
ein Risiko von Null auf.
Der Investor kann nun Teile dieses risikolosen Portfolios durch Teile eines optimal
diversifizierten Aktienportfolios ersetzen, um die Rendite zu erhöhen. Gleichzeitig
nimmt aber auch das erwartete Risiko zu.28
Anhand der vom Punkt der sicheren Anlage an die Efficient Frontier gelegten Tangente lässt sich im Rendite-Risiko-Diagramm in Abbildung 2.3 die Risiko-Renditekombination des Tangentialportfolios zeigen.
Das dargestellte Tangentialportfolio enthält keine sicheren Anlagen mehr. Geht man
auf der Capital Allocation Line (CAL) vom Tangentialportfolio aus noch weiter nach
rechts oben, entspricht dies einer Aufnahme von Fremdkapital zum Marktzinssatz
26
auch Multifaktor- oder Multi Sektor Modell genannt
27
Quelle: [Auck94], S. 179ff
28
Quelle: [Volk03], S. 200ff
21
und der Investition dieses zusätzlichen Kapitals ins Tangentialportfolio.
Die gewünschte Risiko-Rendite Kombination resultiert dann durch Variation des
Anteils risikoloser Anlagen bzw. der zusätzlichen Kreditaufnahme zwecks weiterer
Investition ins Tangentialportfolio. Man spricht dabei auch vom Tobin’schen Separationstheorem. Danach ist die Wahl der Portfolio-Mischung risikobehafteter Anlagen
unabhängig von der Grösse des Portfolios und vom angestrebten Rendite-RisikoVerhältnis. Ein Investor wird deshalb immer dasselbe Portfolio wählen und nur den
Anteil der Investition in die risikolose Anlage variieren.
Das CAPM in seiner Urform29 beinhaltet folgende Annahmen:
• Alle Marktteilnehmer haben einen Planungshorizont von einer Periode.
• Die Investoren sind risikoaverse Erwartungs-Nutzen-Maximierer.
• Alle Investoren sind Preisnehmer, das heisst, die Preise werden durch eine
Einzelentscheidung nicht beeinflusst.
• Die Marktteilnehmer haben homogene Erwartungen bezüglich zukünftiger Renditen.
• Es existiert eine risikolose Anlage, wobei zum gleichen Zinssatz Geld geliehen
und angelegt werden kann.
• Kapitalmärkte sind vollkommen: Es herrscht Informationseffizienz und es existieren keine Steuern und Regulierungen.
Wenn all diese Annahmen erfüllt sind, wird aus dem Tangentialportfolio das Marktportfolio. Weil alle Investoren gleiche Annahmen über zukünftige Renditen haben
und vollständige Kapitalmärkte vorliegen, wird sich für alle Investoren dieselbe Efficient Frontier und somit mit der Einführung der risikolosen Anlage auch dasselbe
Tangentialportfolio ergeben.
Das CAPM hat aber auch Schwächen, die in der folgenden Aufzählung kurz angedeutet werden:30
29
Es gibt verschiedene Weiterentwicklungen in komplexere CAP-Modelle, wie beispielsweise
Mehrperiodenmodelle. Die hier gezeigte Form ist ein klassisches Einperiodenmodell.
30
Quelle: [Oert98], Seite 8ff
22
Abbildung 2.3: Tangentialportfolio im CAPM-Modell [Volk03], S. 200
• Effizienz des Marktportfolios: Wenn man das relevante Anlageuniversum nicht
kennt, innerhalb dessen die Einzelanlagen bewertet werden sollen, ist es auch
nicht möglich, das spezifizierte Marktportfolio hinsichtlich dessen Effizienz zu
beurteilen. Die konzeptionelle Basis für die Gültigkeit des Modells fällt damit
dahin.
• Spezifikation des Marktportfolios: Die Spezifikation des Marktportfolios hat
einen erheblichen Einfluss auf die Berechnung von Betas und Renditeerwartungen. Im Normalfall werden diese Berechnungen relativ zu nationalen Aktienindizes vorgenommen. Die Kapitalkosten der UBS werden beispielsweise
relativ zu einem schweizerischen Aktienindex berechnet. Dies wäre aber nur
dann korrekt, wenn die Aktionäre der UBS die Diversifikationsmöglichkeiten,
welche über die im Index berücksichtigten Unternehmungen hinausgehen, ausschliessen würden. Dies wird jedoch bei internationalen Gesellschaften mit
offenem Aktionärskreis kaum der Fall sein.
• Zeitstabilität der Risikoprämien: Eine Erkenntnis empirischer Untersuchungen
besteht darin, dass sowohl die Betakoeffizienten als auch die erwarteten Überschussrenditen auf dem Marktportfolio im Zeitablauf variieren. Die Investoren
fordern je nach Wirtschaftszyklus und Investitionsklima unterschiedlich hohe
Risikoprämien.
23
2.4.5
Arbitrage Pricing Theory
Die Arbitrage Pricing Theory wird häufig als eine Weiterentwicklung des Capital
Asset Pricing Model betrachtet und ist ein Ansatz der neoklassischen Finanzierungstheorien. Die von Stephen A. Ross entwickelte Theorie ist aufgrund verschiedener
Kritikpunkte des CAPM entstanden, basiert aber teilweise auf ähnlichen Überlegungen.
Mit der APT wird versucht, die von Richard Roll31 aufgezeigte Schwachstelle des
”
CAPM - nämlich dass die Aussage das CAPM logisch mathematisch aus der (unterstellten) Effizienz des Marktportfolios folgt, dieses aber (wenn überhaupt) nur sehr
schwer ermittelt werden kann - zu eliminieren.“ 32
Die APT geht davon aus, dass die Rendite eines Wertpapiers nicht als lineare Funktion zu nur einem einzigen Faktor in Beziehung steht, sondern dass mehrere externe
Faktoren Auswirkungen auf die Kursentwicklung haben können. Jedem dieser Faktoren kann eine unterschiedliche Sensitivität zugeordnet werden.
Die Gesamtrendite ergibt sich als Linearkombination zwischen der marktunabhängigen Rendite und mehreren mit den jeweiligen Sensitivitäten gewichteten Faktoren.
RA = αA + βA1 ∗ F1 + βA2 ∗ F2 + ... + βAk ∗ Fk + ζA
(RA =Rendite der Anlage A, αA = erwartete Rendite der Anlage A, Fk = Wert des
k-ten Faktors, der die Rendite RA beeinflusst, βAk = Sensitivität von RA auf den
Faktor k, ζA = zufällige Abweichung des unsystematischen Teils der Rendite)
Neben den unternehmensspezifischen Faktoren können in der APT auch makroökonomische Einflussgrössen wie die Entwicklung des Bruttosozialprodukts oder die
Inflationsrate miteinbezogen werden.
Sind die Faktorladungen33 bekannt, können anhand der Prognosen der relevanten
Werte Rückschlüsse auf die künftig zu erwartenden Renditen einzelner Anlagen gemacht werden.34
31
siehe Roll 1977, S. 129ff
32
Quelle [Auck94], S. 196
33
Sensitivität der Rendite auf den Faktor k, in der Formel als βAk bezeichnet
34
Quelle: http://www.infos.com/de/theorie/klass25.epl, besucht am 18.6.2004
24
Abbildung 2.4: Security Market Line und die APT [Auck94], S. 204
Es wird angenommen die erwartete Rendite einer Anlage sei von zwei Faktoren
abhängig. Die Sensitivitäten dieser Faktoren werden in Abbildung 2.4 durch βA1
und βA2 ausgedrückt. Punkt 0 repräsentiert den risikolosen Zinssatz, wo sowohl βA1
und βA2 Null sind. Alle Punkte entlang einer Linie zwischen l und l’ weisen dieselbe
erwartete Rendite, nicht aber dasselbe Risiko auf. OM entspricht der Security Market Line, da M für das CAPM-effiziente Marktportfolio steht.
Im CAPM wird das Risiko bekanntlich nur durch den Faktor β ausgedrückt. Ein
Portfolio eines Investors mit einem maximalen Risiko von β=0.5 und einer erwarteten Rendite von E[Rp ] ist in Abbildung 2.4 mit Punkt P bezeichnet. In der APT
kann bei einer erwarteten Rendite von E[Rp ] in unzählige Portfolios mit unterschiedlicher Risikoverteilung bezüglich den Risikofaktoren F1 und F2 investiert werden.
Beispielsweise kann mit dem Portfolio P’ das durch den Faktor F1 bedingte Risiko
gegenüber dem im Portfolio P durch den gleichen Faktor bedingte Risiko auf Kosten
des zweiten Risikofaktors reduziert werden.
Der Investor kann sich gegen ein bestimmtes Risiko besser absichern, wenn er bereit
ist, ein höheres Risiko bezüglich eines anderen Faktors zu tragen.
Das Risiko wird in der Arbitrage Pricing Theory durch mehrere Faktoren besser
25
erklärt als im CAPM, was der APT zu ihrer Überlegenheit gegenüber dem CAPM
verhilft.
2.4.6
Asset Allocation
Im Börsenlexikon der FAZ35 findet sich folgende Definition der Asset Allocation:
Aufteilung des Kapitals auf verschiedene Investmentarten (Assetklassen, Währun”
gen, Regionen). Der Ertrag und das Risiko eines Portfolios können durch die Asset
Allocation (Auswahl der Wertpapiere sowie deren Gewichtung) bestimmt und optimiert werden.“
Hinter dem Begriff verbirgt sich eine bestimmte Abfolge von Entscheidungen zur
Auswahl der Anlageobjekte:
• Strategische Asset Allocation
– Wahl der Anlageform: Das Anlageziel und der Anlagehorizont bestimmen
den Anteil von Aktien und Anleihen im Depot. Ein langfristig orientiertes
Portfolio wird immer einen hohen Aktienanteil enthalten, sofern es nach
den Regeln der modernen Portfoliotheorie zusammengestellt wurde.
– Wahl des Anlagelandes: Die Diversifikationsmöglichkeiten sind massiv
höher, wenn auch ausländische Aktien in die Betrachtung miteinbezogen
werden. Deshalb bieten international zusammengestellte Aktiendepots im
Regelfall eine höhere Durchschnittsrendite bei geringerem Risiko.
– Wahl der Anlagewährung: Die Wahl der Anlagewährung ist unabhängig
von der Wahl des Anlagelandes.
• Taktische Asset Allocation
– Wahl der Branchen- und Laufzeit-Struktur: Aktien unterschiedlicher Branche haben nur wenige gemeinsame Einflussfaktoren. Um eine effiziente
Streuung zu erreichen, sollten die Aktien bewusst aus verschiedenen Branchen ausgewählt werden.
35
Quelle: http://boersenlexikon.faz.net, besucht am 10.5.2004
26
Festverzinsliche Wertpapiere werden mit Laufzeiten von wenigen Monaten bis zu dreissig Jahren Restlaufzeit angeboten. Je länger die Restlaufzeit ist, umso stärker reagiert ihr Kurswert auf Zinsänderungen und desto
länger dauert es bis zum Rückfluss der investierten Mittel durch Tilgung
der Anleihe. Um stets über eine gewisse Liquidität zu verfügen, bietet
sich eine Verteilung des Anlagebetrags auf verschiedene Restlaufzeiten
an.
– Wahl der einzelnen Aktie und Anleihe: Eine Grundregel besagt, dass etwa
80% des Anlageerfolgs der Strategischen und nur 20% der Taktischen
Asset Allocation entspringt. Es ist folglich wichtig, dass überhaupt Aktien
in das Depot aufgenommen werden, welche Titel dies sind, spielt jedoch
nur eine untergeordnete Rolle.
Dennoch gilt es, innerhalb der Branchen die guten und unterbewerteten
Aktien zu finden und in diese zu investieren. Dazu stehen dem Anleger
die fundamentale und die technische Analyse36 zur Verfügung.
2.5
Portfolio Performance
2.5.1
Messung der Performance
Häufig wird die erzielte Portfoliorendite mit der Rendite eines Marktindex oder
derjenigen eines anderen Portfolios verglichen. Dies ist jedoch nur sinnvoll, wenn
Gleiches mit Gleichem verglichen wird. Kaum sinnvoll wäre es, ein international
diversifiziertes Portfolio mit dem Swiss Market Index zu vergleichen.37
2.5.1.1
Eindimensionale Performance-Messung
Die Leistung des Portfolio Managements wird anhand der Rendite gemessen. Sie
ist der prozentuale Ertrag, der mit einem Vermögen erzielt wird. Sofern die Zusammensetzung des Portfolios weder durch Einlagen noch durch Entnahmen verändert
36
siehe Tabelle 2.1, Seite 8
37
Quelle: [Auck94], S. 355
27
wurde, kann die Rendite problemlos berechnet werden:
rP =
VT − V0
V0
(rP = Portfoliorendite, VT = Vermögen am Ende des Betrachtungszeitraumes, V0 =
Vermögen zu Beginn des Betrachtungszeitraumes)
Sobald aber Ein- und Auslagen getätigt wurden, treten Schwierigkeiten auf, weil
der absolute Ertrag eines Portfolios nicht mehr als Differenz aus End- und Anfangsvermögen berechnet werden kann. Die Einlagen und Entnahmen müssen berücksichtigt werden, und das Anfangsvermögen kann nicht mehr als Basisgrösse zur Renditeberechnung verwendet werden, da es während der Betrachtungsperiode Schwankungen unterliegt.38
Folgende zwei Renditeberechnungsmethoden berücksichtigen die angesprochenen
Schwierigkeiten:
Kapitalgewichtete Renditeberechnung
Die kapitalgewichtete Portfoliorendi”
te - auch als Capital Weighted Return oder Money Weighted Return bezeichnet wird berechnet, indem für jeden Zahlungsstrom (Einlage bzw. Entnahme) die prorata Rendite derart ermittelt wird, dass der über die Betrachtungsperiode total
erzielte Investitionserfolg resultiert.“ 39
VT =
T
X
CFt ∗ (1 + rP )∆t + V0 ∗ (1 + rP )T
t=1
(CFt = Zahlungsstrom (Einlage bzw. Entnahme) im Zeitpunkt t, ∆t= Dauer der
Teilperiode vom Zeitpunkt eines Zahlungsstromes bis T (in Jahren), T= Dauer des
Betrachtungszeitraumes (in Jahren))
Die Rendite kann mittels der obenstehenden Formel nur durch komplizierte Iterationsverfahren gelöst werden. Deshalb hat sich in der Praxis folgende Näherungslösung
für eine periodenbezogene Rendite durchgesetzt:
VT − V0 − nt=1 CFt
rP =
P
V0 + nt=1 (CFt ∗ ∆t)
P
38
Quelle: [Auck94], S. 356
39
Quelle: [Auck94], S. 357
28
Die Berechnungsweise der kapitalgewichteten Renditeberechnung unterstellt, dass
sich die Rendite gleichmässig auf die Betrachtungsperiode verteilt. Deshalb ist Anwendung der kapitalgewichteten Rendite geeignet, wenn die Performance des Gesamtportfolios analysiert werden soll. Dabei spielt es keine Rolle, ob der PortfolioManager sein Resultat aufgrund seiner Prognosefähigkeit oder aufgrund eines geschickten Timings bei Einlagen und Entnahmen erzielt hat.40
Weil sowohl die Prognosefähigkeit als auch das Timing bei den in dieser Arbeit zu
bildenden Portfolios eine wichtige Rolle spielen, eignet sich in diesem konkreten Fall
die kapitalgewichtete Methode zur Renditeberechnung.
Zeitgewichtete Renditeberechnung Häufig haben Portfolio-Manager keinen
direkten Einfluss auf die Höhe und den Zeitpunkt von Einlagen und Entnahmen.
Deshalb ist eine Beurteilung ihrer Leistung aufgrund der kapitalgewichteten Renditeberechnung mit Vorsicht zu geniessen. Die zeitgewichtete Renditeberechnung auch als Time Weighted Return bezeichnet - eliminiert deshalb den Effekt von Zahlungsströmen.
Die Betrachtungsperiode wird in Teilperioden aufgeteilt, die immer dann beginnen,
wenn eine Einlage oder eine Entnahme stattfindet.
Vt − Vt−1
rt =
Vt−1
(rt = Rendite der Teilperiode t, Vt = Vermögen am Ende der Teilperiode t, Vt−1 =
Vermögen zu Beginn der Teilperiode t)
Die Rendite für die gesamte Betrachtungsperiode kann durch das geometrische Mittel der Teilperiodenrenditen berechnet werden:
rP =
q
T
(1 + r1 ) ∗ (1 + r2 ) ∗ (1 + r3 ) ∗ ... ∗ (1 + rT ) − 1
Unter Berücksichtigung der beiden obenstehenden Formeln gilt damit für die zeitgewichtete Rendite:
rP
v
uT
u
Y Vt − Vt−1
T
= t
−1
Vt−1
t=1
Bei vielen Vermögenszu- und abflüssen sind sehr viele Periodenrenditen zu ermitteln. In der Praxis wird die Rendite deshalb mit einer Näherungslösung berechnet.41
40
Quelle: [Auck94], S. 357
41
Quelle: http://www.isb.unizh.ch/studium/courses04/pdf/0343 kapitel 06.pdf, besucht am
21.6.2004
29
Die Betrachtungsperiode wird unabhängig der Zahlungsströme in fixe Teilperioden
unterteilt. Für jede Teilperiode wird nun eine auf das Durchschnittskapital der betrachteten Teilperiode bezogene Rendite berechnet:
rQ =
VQ − 12 ∗ S(CFQ )
VQ−1 + 12 ∗ S(CFQ )
(rQ = Quartalsrendite, VQ = Vermögen am Ende des Quartals, VQ−1 = Vermögen am
Anfang des Quartals, S(CFQ )= Saldo der Zahlungsströme während des Quartals)
Die Rendite für die gesamte Betrachtungsperiode kann nun wiederum als geometrisches Mittel der Quartalsrenditen berechnet werden.
2.5.1.2
Zweidimensionale Performance-Messung
Die Portfoliorendite als einziges Mass zur Leistungsbewertung eines Portfolio Managements zu betrachten, ist in den meisten Fällen ungenügend. Deshalb ist die
Rendite durch das mit den Anlagen eingegangene Risiko zu korrigieren.
Die eindimensionale Renditebetrachtung wird in eine zweidimensionale, risikoadjustierte Renditebetrachtung übergeführt. Das Risiko muss dazu quantifiziert werden.
Im modernen Portfolio Management stehen dazu die Risikomasse Standardabweichung und β-Faktor zur Verfügung.
In einem ersten Schritt wird bei der zweidimensionalen Performance-Messung das
Risiko des Portfolios berechnet. Anhand eines Vergleichsportfolios bzw. eines Index
ist die Rendite, die bei dem berechneten Risiko erzielt werden müsste, zu ermitteln.
Danach wird die Differenz zwischen der realisierten und der erwarteten Rendite analysiert.42
Im nächsten Kapitel gehen wir zur Vertiefung der zweidimensionalen PerformanceMessung auf die Berechnung und Interpretation verschiedener Performance Kennzahlen ein.
2.5.2
Performance Kennzahlen
Zur Beurteilung der Performance von Portfolios gibt es verschiedene Kennzahlen,
deren Berechnung und Bedeutung folgend vorgestellt werden.
42
Quelle: [Auck94], S. 361
30
Abbildung 2.5: Reward-to-Variability-Verhältnis [Auck94], S. 363
2.5.2.1
Sharpe Ratio
Der erstmals 1966 im Journal of Portfolio Management veröffentlichte Ansatz von
Sharpe geht von der Existenz einer risikolosen Anlage aus und definiert das Rewardto-Variability-Verhältnis als die über die Verzinsung der risikolosen Anlage hinausgehende, erzielte Portfoliorendite, dividiert durch das eingegangene, durch die Standardabweichung ausgedrückte Portfoliorisiko. Die Sharpe Ratio eines Portfolios ist
ein Mass für die Überrendite pro Einheit Risiko.
SP =
rP − rf
σP
(SP = Sharpes Performance Kennzahl, rP = erzielte Portfoliorendite, rf = risikoloser
Zinssatz, σP = Portfoliorisiko)
Diese Performance Kennzahl ist als Steigung der Geraden von rf zum Portfolio
P zu interpretieren. Die resultierende Gerade ist in Abbildung 2.5 dargestellt, wo
sie mit der Capital Market Line43 verglichen werden kann.
In der Abbildung 2.5 sind mit P1 und P2 zwei mögliche Portfolios dargestellt. Mit
zunehmender Steigung bzw. zunehmendem SP steigt der Nutzen für den Investors,
43
Das Vermögen wird bei der CML in die risikolose Anlage und in das Marktportfolio aufgeteilt
31
da somit für ein gegebenes Risiko eine höhere Rendite erzielt werden kann.
Liegt ein Portfolio über der CML, so liegt sein Reward-to-Variability-Verhältnis
über demjenigen des in der Abbildung 2.5 verwendeten Swiss Performance Index.
Man spricht in diesem Fall davon, dass das Portfolio den Index geschlagen hat.
Die Kennzahl von Sharpe ermöglicht einen Performance-Vergleich verschiedener
Portfolios, bzw. einen Vergleich mit der Performance des Marktes.44 Der Vorteil
dieser Kennzahl ist, dass die Berechenbarkeit unabhängig von der Benchmark ist.
Im Fall von negativen Mehrrenditen eines Portfolios gegenüber dem risikolosen Zinssatz rf kann eine Beurteilung anhand der Sharpe Ratio zu einem widersinnigen Resultat führen: bei gleicher negativer Mehrrendite erscheint das Portfolio mit einer
höheren Volatilität vorteilhaft.
2.5.2.2
Treynor Ratio
Jack L. Treynor verwendet bei seinem Ansatz45 das systematische Risiko β als Risikomass und definiert das Reward-to-Volatility-Verhältnis als die über die Verzinsung
der risikolosen Anlage hinausgehende Portfoliorendite dividiert durch das systematische Risiko.
TP =
rP − rf
βP
(TP = Treynors Kennzahl, rP = erzielte Portfoliorendite, rf = risikoloser Zinssatz,
βP = systematisches Risiko des Portfolios P)
Um ein Portfolio mit dem Marktportfolio vergleichen zu können, ist das Reward-toVolatility-Verhältnis für das Marktportfolio zu ermitteln:
TM =
rM − rf
βM
Das Marktportfolio weist per definitionem ein β von 1 auf. TM entspricht deshalb
genau der Steigung der Security Market Line.
Erreicht TP einen über (rM − rf ) liegenden Wert, so wird der Markt geschlagen. Im
44
Quelle: [Auck94], S. 362ff
45
Journal of Business, 1973
32
umgekehrten Fall liegt die Portfolio-Performance unter derjenigen des Marktes.
Falls ein Portfolio vollständig diversifiziert ist und damit das unsystematische Portfoliorisiko eliminiert werden konnte, ergeben die Sharpe Ratio und die Treynor-Ratio
identische Klassifizierungen, weil in diesem Fall das Portfoliorisiko dem systematischen Risiko entspricht (σP =βP ). Durch die unterschiedliche Berücksichtigung der
Diversifikation können die beiden Kennzahlen komplementäre Informationen geben.
So kann beispielsweise eine ungenügende Diversifikation zu einem sehr hohen SP
führen, das gleiche Portfolio aber durch TP eine geringe Klassifizierung erreichen.
Ähnlich der Sharpe Ratio ist auch bei der Treynor Ratio im Falle negativer Mehrrenditen des Portfolios gegenüber rf Vorsicht bei der Interpretation geboten, denn
bei gleicher negativer Mehrrendite erscheint das Portfolio mit einem höheren Beta
vorteilhaft.
2.5.2.3
Jensens alpha
Wie die beiden Ansätze von Sharpe und Treynor, basiert auch derjenige von Michael C. Jensen auf den Gedanken des CAPM.46 Zunächst ist die Rendite unter
Berücksichtigung des tatsächlich eingegangenen Risikos βP zu berechnen.
rP∗ = rf + (rM − rf ) ∗ βP
Wenn die so ermittelte Rendite rP∗ kleiner als die tatsächlich erzielte Rendite rP
ist, liegt die Performance des Portfolios über derjenigen des Marktes. Die Differenz
zwischen der tatsächlich erzielten und der anhand obenstehender Formel ermittelten
Rendite wird als Jensens alpha47 bezeichnet.
JP = [rP − rf ] − [(rM − rf ) ∗ βP ]
(JP = Jensens Performance Kennzahl, rP = erzielte Portfoliorendite, rf = risikoloser
Zinssatz, rM = Rendite des Marktportfolios, βP = systematisches Risiko des Portfolios P)
Wie Abbildung 2.6 zeigt, ist JP als vertikaler Abstand des Portfolios P zur Security Market Line zu interpretieren. Deshalb ist die Kennzahl auch nicht geeignet,
46
Siehe Kapitel 2.4.4, S. 21
47
auch: Jensens Differential Return Kennzahl
33
Abbildung 2.6: Performance Messung mittels Jensens alpha [Auck94], S. 368
verschiedene Portfolios zu klassifizieren. Sie dient lediglich zum Vergleich zwischen
einem Portfolio und dem Marktportfolio.
2.5.2.4
Modigliani-Modigliani-Ratio
Die Modigliani-Modigliani Kennzahl (auch M2 -Ratio genannt) ist eine Weiterentwicklung der Sharpe Ratio. Die Sharpe Ratio erlaubt zwar eine Interpretation der
Reihenfolge der Performance verschiedener Anlagen, die Differenzen der einzelnen
Sharpe Ratios sind aber nicht interpretierbar. Dieser Nachteil wird durch das M2 Ratio behoben:
M M − Ratio = (rp − rf ) ∗
σBM
− (rBM − rf )
σp
(rp = erzielte Portfoliorendite, rf = risikolose Anlage, σp = Portfoliorisiko, σBM = Risiko des Benchmarks, rBM = Rendite des Benchmark)
Je höher das erreichte M2 -Ratio ist, desto besser ist die erreichte Performance. Es
können viele verschiedene Portfolios mit einer Benchmark verglichen werden, wobei
eine Benchmark unbedingt notwendig ist und im Voraus bestimmt werden muss.
34
2.5.2.5
Tracking Error
Als Tracking Error wird die Volatilität der Differenzen zwischen Portfoliorendite
und Benchmarkrendite bezeichnet.
v
u
n
u1 X
T.E. = t ∗ [(rpt − rBMt ) − rP,BM ]2
n
t=1
(rpt = Rendite des Portfolios zum Zeitpunkt t, rBMt = Rendite des Benchmarks zum
Zeitpunkt t, rP,BM = Durchschnitt der Renditeabweichungen zwischen Portfolio und
Benchmark)
Je höher der Tracking Error ist, desto höher ist das über der Benchmark liegende
eingegangene Risiko. Ein perfekt indexiertes Portfolio weist gegenüber dem entsprechenden Index einen Tracking Error von Null auf.
Der Tracking Error dient der Risikobeurteilung, ohne dass dabei die erreichten Renditen in Betrachtung gezogen werden.
2.5.2.6
Information-Ratio
Auch die Information-Ratio stellt eine Modifikation der Sharpe Ratio dar, wobei
anstelle der risikolosen Anlage die Benchmark und damit die Mehrrendite gegenüber
der Benchmark und nicht wie bei der Sharpe Ratio gegenüber der risikolosen Anlage
berücksichtigt wird.
Inf ormation − Ratio =
rp − rBM
T.E.
(rp = erzielte Portfoliorendite, rBM = Rendite des Benchmark, T.E.= Tracking Error)
Je höher das Information-Ratio, desto besser ist die erreichte Performance. Gemessen wird die Überrendite im Verhältnis zum eingegangenen Mehrrisiko gegenüber
dem Benchmark.
Wie schon bei der Sharpe Ratio und der Treynor-Ratio tritt auch bei der Anwendung
der Information-Ratio im Fall von negativen Mehrrenditen des Portfolios gegenüber
der Benchmark ein Widerspruch auf. Bei gleicher negativer Mehrrendite erscheint
das Portfolio mit einem höheren Tracking Error vorteilhaft.
35
2.5.3
Performance Messung in der Praxis
Häufig werden zur Beurteilung der Performance Börsenindizes herangezogen. Dies ist
ein in der Praxis akzeptierter Vergleichsmassstab, er ist jedoch mit einigen Mängeln
verbunden. So werden beispielsweise Dividenden- und Zinserträge und damit verbundene Reinvestitionsmöglichkeiten im Normalfall im Index nicht berücksichtigt.
Bei Performanceindizes hingegen sind die angesprochenen Mängel korrigiert.
Zudem führen Anlagerestriktionen rechtlicher oder vertraglicher Art dazu, dass ein
Portfolio niemals die gleichen Strukturen wie der Vergleichs-Index annehmen kann.
2.6
Literaturüberblick Portfolio Management
Das Buch des Zürcher Professors Christoph Auckenthaler Theorie und Praxis des
modernen Portfolio Management gibt einen guten Überblick über das Thema Portfolio Management. Auckenthaler geht in seinem Buch sowohl auf Grundlagen des
Portfolio Managements, wie die Finanzmärkte oder das traditionelle Portfolio Management, ein. Daneben beschreibt er die bekanntesten Ansätze zur Portfoliogestaltung in der Theorie, wie das Markowitz-Modell, das Capital Asset Pricing Modell
(CAPM) und die Arbitrage Pricing Theory (APT). Auch geht Auckenthaler auf die
Messung der Performance eines Portfolios anhand verschiedener Renditekennzahlen
wie der Sharpe Ratio oder der Treynor Ratio und unterschiedlicher Benchmarks ein.
Eine ideale Ergänzung dazu ist Auckenthalers Buch Mathematische Grundlagen des
modernen Portfolio Managements. Es befasst sich vor allem mit der Herleitung und
Vertiefung mathematischer Formeln und Methoden des Portfolio Managements.
Der Klassiker in der Portfolio Management Literatur ist das bereits 1959 erschienene Buch von Harry M. Markowitz Portfolio Selection: Efficient Diversification of
Investments. Der Zeitpunkt seines Erscheinens wird heute als Beginn der modernen
Portfoliotheorie gesehen.
Ein gutes Portfolio ist mehr als eine lange Liste von Wertpapieren. Es ist eine
”
ausbalancierte Einheit, die dem Investor gleichermassen Chancen und Absicherung
unter einer Vielzahl von möglichen zukünftigen Entwicklungen bietet. Der Anleger
sollte daher auf ein integriertes Portfolio hinarbeiten, das seinen individuellen Erfordernissen Rechnung trägt.“
36
Erst durch die inzwischen erreichte Rechnerleistung der Computer wurde die Tragweite der Theorie von Markowitz für das Management von Investitionen vollständig
erkannt. Das Portfolio Selection Modell von Markowitz ist in Kapitel 2.4.1 auf Seite
18 beschrieben.
Für Einsteiger ist das Buch Erfolgreiches Depotmanagement. Wie Ihnen die moderne Portfoliotheorie hilft von Franz Josef Leven empfehlenswert. Das Buch bietet
dem privaten Anleger in leicht verständlicher, mathematisch nicht überfrachteter
Form einen Zugang zur modernen Finanztheorie und zeigt, wie die Theorie in die
Praxis umgesetzt wird. Neben der Einführung der wichtigsten Begriffe wie Rendite
und Risiko, geht Leven vor allem auf die Asset Allocation Methode“ ein. Daneben
”
bildet die Risikominderung durch bewusste Streuung der Anlagen einen weiteren
Schwerpunkt.
Internationale Diversifikation ist das Thema, mit dem sich Bruno Solnik in seinem
Buch International Investments beschäftigt. Er zeigt die verschiedenen Investitionsmöglichkeiten, die sich dem Anleger auf internationalen Märkten bieten, um das
Anlageportfolio optimal diversifizieren zu können. Dabei untersucht er auch die Risiken, die mit Währungsschwankungen verbunden sind und geht im dritten Teil des
Buches genauer auf Aktien-Investments ein.
Eine interessante Untersuchung haben Manuel Ammann, Daniel Matti und Rico
von Wyss vom Schweizerischen Institut für Banken und Finanzen der Universität
St. Gallen gemacht. Ähnlich der vorliegenden Arbeit geht es in ihrem Text um die
Zusammenstellung eines Portfolios nach einer im Voraus bestimmten Regel. Die Renditen der verschiedenen Portfolios werden dann anhand verschiedener Kennzahlen
(Sharpe Ratio, Treynor Ratio etc.) verglichen und anhand einer Benchmark (SPI)
bewertet.
In ihrem Text Performance Schweizerischer Verwaltungsräte anhand der Aktienkur”
sentwicklung“ geht es um eine personenbezogene Performanceanalyse. Untersucht
wird die Leistung von Verwaltungsräten gemessen an der Kursentwicklung der Unternehmung. Aus den verschiedenen Verwaltungsratsmandaten wird für jede Person
ein Portfolio gebildet, dessen Entwicklung im zehnjährigen Beobachtungszeitraum
von Anfang 1992 bis Ende 2001 mit den Portfolios der anderen Verwaltungsräte
verglichen wird.
37
Fazit der Untersuchung ist, das die langfristige Unternehmensperformance zwar zum
Teil von den jeweiligen Verwaltungsratsmitgliedern abhängig ist, aber nur in beschränktem Mass von ihnen beeinflusst werden kann. Zudem besteht ein statistisch
signifikanter negativer Zusammenhang zwischen der Anzahl gleichzeitig ausgeübter
Mandate eines Verwaltungsrates und der Performance.
38
Kapitel 3
Informationsgewinnung aus dem
Internet
Dieses Kapitel zeigt verschiedene Möglichkeiten auf, strategische Informationen aus
dem Internet zu extrahieren.
Zuerst werden die Besonderheiten und Probleme, die bei der Verwendung von Webdaten auftreten können, erläutert. Danach wird vertieft auf Web Mining“, insbeson”
dere dessen Teilbereiche wie Web Content Mining“ oder Web Usage Mining“ und
”
”
auf die verschiedenen Mining Verfahren wie beispielsweise die Assoziationsanaly”
se“, eingegangen.
Das Kapitel wird mit dem umfangreichen Thema Web Intelligence“ und der Vor”
stellung einiger Web-Intelligent-Systeme“ abgeschlossen.
”
3.1
Webdaten
3.1.1
Überblick
Das Internet hat sich in den letzten Jahren zu einem Massenmedium entwickelt und
ist zu einer riesigen Quelle für Informationen aller Art gewachsen. Die Datenflut
im Internet ist enorm. Diese unstrukturierte Datenflut in nutzbare Informationen
umzuwandeln, stellt eine grosse Herausforderung dar.
39
Momentan existieren grundsätzlich drei Möglichkeiten, um Informationen aus dem
Web zu gewinnen:1
1. Verwendung einer Suchmaschine wie Google2 um Seiten zu finden, die gewisse
Keywords enthalten.
2. Verwendung eines Webindex oder Portals wie Yahoo3 um Seiten aus bestimmten Themengebieten zu finden.
3. Zufälliges surfen im Internet und dabei über Links von Seite zu Seite zu gelangen.
3.1.2
Probleme mit Webdaten
Mit der eben angesprochenen Natur des Internets sind einige Probleme verknüpft,
die nachfolgend anhand eines Beispiels aus [Bhow04] erklärt werden.
3.1.2.1
Mangel an Glaubwürdigkeit
Im Internet können zu gleichen Fragestellungen sich gegenseitig widersprechende
Antworten gefunden werden.
Beispielsweise existieren zwei voneinander unabhängige Websites, die beide Informationen über die Hotels in Hong Kong anbieten. Auf die Anfrage nach dem günstigsten Hotel eines Users geben die beiden Seiten aber verschiedene Resultate aus.
Die möglichen Gründe dafür sind folgende:
• Fehlende Zeitbasis: Die letzte Aktualisierung der Datenbank der beiden Websites hat möglicherweise zu unterschiedlichen Zeitpunkten stattgefunden. Die
Preise der Hotels haben in dieser Zeit geändert.
1
Quelle: [Cho00]
2
www.google.com
3
www.yahoo.com
40
• Websites sind autonom: Der Inhaber einer Website bestimmt über den Inhalt.
Website A listet möglicherweise nur die empfehlenswerten Hotels auf, Website
B aber alle möglichen.
• Selektion der Informationsquelle: Es ist schwierig, aus den vielen Websites
die richtige auszuwählen. Möglicherweise existiert eine dem User unbekannte
Website C, welche für seine Frage die beste Antwort geben kann.
• Unterschiedliche Datenquellen: Die Websites bedienen sich bezüglich der Hotelpreise möglicherweise anderer, sich widersprechender Datenquellen.
Fazit ist, dass der Inhalt verschiedener Websites zum gleichen Thema stark variieren
kann. Es ist deshalb nicht verwunderlich, dass die Glaubwürdigkeit von Webdaten
kritisiert wird.
3.1.2.2
Mangel an Produktivität
Die erreichte Produktivität bei der Suche nach relevanten Informationen im Web ist
tief. Beispielweise sucht ein User eine Liste von Hotels in Singapur, wo er ein Zimmer
mit zwei Betten für unter 1500 Singapurdollar pro Monat mieten kann. Zusätzlich
sollen ein Kino und ein Thai-Restaurant in der Nähe zur Verfügung stehen. Um
diese Information aus dem Web zu bekommen, muss der User zuerst die Websites
finden, die diese Informationen enthalten. Dafür müssen viele verschiedene Websites
und deren Inhalt analysiert werden. Danach muss er die relevanten Daten auf diesen
Seiten finden und schliesslich die Informationen der verschiedenen Seiten kombinieren.
Relevante Daten aus unterschiedlichen Websites zu filtern und daraus die gewünschte Information zu kombinieren kann ein sehr ermüdender und frustrierender Prozess
sein.
3.1.2.3
Mangel an historischen Daten
Webdaten können jederzeit ändern. Die meisten Websites archivieren ihre Daten
nicht. Dies führt dazu, dass verschiedene Auswertungen über längere Zeitperioden
meistens unmöglich sind.
41
3.2
Web Mining
Web Mining ist ein Teilbereich des Data Mining, das die Extraktion nützlicher Informationen aus Datenbanken oder anderen Datenspeichern ermöglicht.
Web Mining macht durch die Anwendung der Data Mining-Techniken relevante Informationen im Web ausfindig.
Kosala und Blockeel definieren in [Kosala00, S. 2] folgende vier Aufgaben des Web
Minings:
• Lokalisierung von Ressourcen: Dokumentationen, Informationen und Dienste.
• Selektion der benötigten Informationen und Preprocessing.4
• Generalisierung: Auffinden generischer Muster sowohl aus einzelnen Websites
als auch über mehrere Websites hinweg.
• Analyse: Validieren und Interpretieren der gefundenen Muster.
Es werden drei Unterbereiche des Web Mining unterschieden:5
3.2.1
Web Content Mining
Unter Web Content Mining wird die Übermittlung der als nützlich eingestuften Informationen aus einem Web-Inhalt verstanden. Die meisten Web-Content-MiningMethoden basieren auf unstrukturierten Textdaten oder semistrukturierten HTMLDokumenten.6 Beispiele sind Text Mining7 und die Text Kategorisierung, wo versucht wird, gewisse Texte automatisch Clustern zuzuordnen.8
4
Vorverarbeitung der Daten, Teil des KDD-Prozess.
5
Quelle: [Madria99]
6
Quelle: http://wwwdvs.informatik.uni-kl.de/courses/seminar/WS0304/ausarbeitung9.pdf, besucht am 2.7.2004
7
Überbegriff für Bearbeitungstechniken von unstrukturierten Daten zu deren verbesserter Analyse oder Auswertung
8
Quelle: http://wwwcs.upb.de/cs/ag-klbue/de/courses/ws01/wwwsearch01/gildner-talkcategorization.pdf, besucht am 2.7.2004
42
3.2.2
Web Structure Mining
Das Web kann als gigantischer, gerichteter Graph angesehen werden, mit Dokumenten als Knoten und Links als Kanten.
Beim Web Structure Mining geht es darum, anhand dieser Linkstruktur zusätzliche
Erkenntnisse über die Inhalte zu gewinnen. Beispiele sind die Erkennung von Hubs 9
und Authorities.10
Das Page Rank System der Suchmaschine Google11 funktioniert mit diesem System:
Je mehr Links auf eine Seite verweisen, desto höher ist deren Autorität.
Je höher die Autorität einer verweisenden Seite ist, desto mehr trägt sie zur Autorität der Zielseite bei.12
Und je höher schlussendlich die Autorität einer Seite ist, desto früher erscheint sie
in der Trefferliste von Google.
3.2.3
Web Usage Mining
Beim Web Usage Mining geht es um die Analyse des Verhaltens von Besuchern und
Kunden auf einer Website. Ziel ist es, anhand der gewonnenen Erkenntnisse die Gestaltung des Webauftritts zu optimieren.
Wichtigste Grundlage für das Web Usage Mining bilden die vom Webserver generierten Logfiles. Wie ein solches Logfile aufgebaut ist, wird im Kapitel 5.2.1.1 auf
Seite 82 genauer beschrieben.
Alle in den Logfiles protokollierten Datenfelder können statistisch ausgewertet werden. Einen Überblick zum Traffic einer Website geben die folgenden Kennzahlen:
• Hits: Die Anzahl der Aufrufe insgesamt. Entspricht der Anzahl im Logfile gespeicherten Zeilen. Unter Hits fallen nicht nur die Aufrufe von HTML-Dateien,
sondern auch deren Bestandteile wie Grafiken oder anderes. Ein Seitenaufruf
kann damit mehrere Hits generieren.
9
Übersichtsseiten, von denen viele Links ausgehen
10
Seiten, auf die oft verwiesen wird
11
www.google.com
12
Quelle: http://www.uni-hildesheim.de/ rschneid/WebMiningSession2.pdf, besucht am 2.7.2004
43
• Page Views: Die tatsächlich aufgerufenen HTML-Seiten. Grafikdateien und
ähnliche werden bei der Auszählung ausgelassen.
• Visits: Gibt an, wie viele Besuche eine Website verzeichnet hat. Als Visit
wird eine Anzahl von Zugriffen zusammengefasst, die von einer identischen IPAdresse vorgenommen werden. Visits sind zeitlich gewöhnlich auf 30 Minuten
begrenzt. Taucht eine IP-Adresse nach Ablauf dieser Frist wieder auf, wird
von einem neuen Visit ausgegangen
• Visitors: Gibt die Anzahl der Besucher einer Website an. Mehrere Besuche
einer IP-Adresse werden zu einem Besucher zusammengefasst. Entsprechend
können Visitors mit einem, zwei, drei oder mehreren Besuchen pro Tag unterschieden werden
Neben diesen Übersichtsdaten können aus Logfiles noch weitere Statistiken zum
Traffic auf einer Website gewonnen werden:
• Seitenaufrufe: Welche Seite wie oft aufgerufen wurde. Durch Analyse der Visits können auch Eintritts- und Austrittsseiten der Besucher bestimmt werden.
Zudem lassen sich aus der Abfolge der aufgerufenen HTML-Seiten Klick-Pfade
durch die Website ermitteln.
• Referrer: Zeigt an, von welcher Website aus ein Besucher auf die eigene
Website gekommen ist. Dies gibt eine gute Übersicht zur Effektivität von
Suchmaschinen-Einträgen oder die Nutzung der eigenen Werbebanner auf externen Seiten.
Das Ergebnis einer Logfile-Analyse bietet wertvolle Hinweise auf Optimierungsmöglichkeiten, jedoch darf dabei nicht vergessen werden, dass die Daten der Logfiles
einige potentielle Fehlerquellen enthalten.
Ein Beispiel dafür sind Proxy-Server. Viele Internet-Provider speichern die Aufrufe
ihrer Kunden in diesen Zwischenspeichern, um einen schnelleren Seitenaufbau zu
ermöglichen und die Leitung des Internets zu entlasten. Ruft ein Besucher eine Seite
wie math-jobs.com auf, so ist es möglich, dass die Seite gar nicht vom math-jobs
Server, sondern von einem Proxy-Server des Providers geliefert wird. Der Besuch
wird somit in den Logfiles von math-jobs.com nicht erfasst, denn Webserver können
nur Ereignisse protokollieren, die direkt bei ihnen auftreten.
44
Weitere Fehlerquellen können durch den Browser-Cache oder dynamisch verteilte
IP-Adressen auftreten.13
3.2.4
Web Farming
Die Kernaufgabe des Web Farming ist die Verfeinerung von Web-Informationen, um
diese dem Geschäftsprozess zur Verfügung stellen zu können. Web Farming dient als
Ergänzung der drei vorgestellten Web Mining Gebiete.
Der Prozess der Verfeinerung kann in vier Schritte aufgeteilt werden:14
• Entdeckung (Discovery): Suche nach verfügbaren Web-Ressourcen, um Informationen bezüglich eines spezifischen Themas zu finden. Ziel der Entdeckung
ist die Lokalisierung von Individuen und Organisationen, die relevante Informationen für das Unternehmen bereitstellen. Die Entdeckung ist ein kontinuierlicher Prozess, weil im Web stets neue Ressourcen auftreten können.
• Erwerb (Acquisition): Sammlung und Erhaltung von identifizierter Information. Eine Kernanforderung des Erwerbs ist der effiziente Einsatz menschlicher
Beurteilung bei der Validierung der Inhalte.
• Strukturierung (Structuring): Analyse und Transformation der Information in
eine nützliche Form. Dies können Websites, Dokumente oder Datenbanken
sein.
• Verbreitung (Dissemination): Verpackung und Lieferung der Information zum
Verbraucher. Ein effektives Web-Farming-System sollte viele Verbreitungsmechanismen unterstützen. Die Information muss deshalb unabhängig von der
Form der Verbreitung gespeichert werden.
13
Quelle: http://www.idealobserver.de/htdocs/logfilefehler.html, besucht am 2.7.2004
14
Quelle: http://wwwdvs.informatik.uni-kl.de/courses/seminar/WS0304/ausarbeitung9.pdf, besucht am 2.8.2004
45
3.3
Web Intelligence
Die Idee hinter Web-Intelligent-Systemen ist es, aufgrund von gesammelten Daten
über den Besucher einer Website zu versuchen, die Interessen und Vorlieben eines
Besuchers zu eruieren. Damit wird angestrebt, ein möglichst umfangreiches Profil
der einzelnen Besucher anzulegen. Besucher können Kunden, Stakeholder, Angestellte oder Business-Partner sein.15
Ziel ist es, den Kunden persönlich anzusprechen und die eigene Website individuell
und dynamisch den Interessen und Wünschen des jeweiligen Besuchers anzupassen.
Web-Intelligent-Systeme werden oft als Marketing-Instrument eingesetzt. Das gesammelte Wissen über einen Kunden wird verwendet, um ihm auf seine persönlichen Interessen zugeschnittene Produkte und Angebote präsentieren zu können. Der
Online-Buchhandel Amazon16 präsentiert dem Besucher bei der Ansicht eines Produktes gleich eine Liste von weiteren Produkten, die für ihn ebenfalls von Interesse
sein könnten.
Eine weitere Einsatzmöglichkeit sind Internet-Portale. Dem Benutzer dieser Portale
ist es möglich, den Benutzerbereich seinen individuellen Bedürfnissen anzupassen,
um so automatisch die von ihm gewünschten Informationen angezeigt und aktualisiert zu bekommen.
Ein Web-Intelligent-System besteht aus Komponenten, die Algorithmen zur Ähnlichkeitssuche implementieren. Diese Komponenten sind dafür zuständig, Daten über
die Benutzer zu sammeln, die Daten auszuwerten und schlussendlich daraus umfangreiche Benutzerprofile zu erstellen. Die erzeugten Benutzerprofile werden anschliessend vom Web-Intelligent-System verwendet, um Ähnlichkeitsvergleiche zwischen
Kunden durchzuführen.17
Bevor ein Web-Intelligent-System jedoch eingesetzt werden kann, müssen zuerst für
einen Besucher relevante Daten und Informationen gesammelt werden. Um die Rele15
Quelle: http://www.nnit.dk/primary+channels/company/news/web-intelligence.htm, besucht
am 7.7.2004
16
http://www.amazon.com
17
Quelle: http://wwwdvs.informatik.uni-kl.de/courses/seminar/WS0304/ausarbeitung11.pdf,
besucht am 2.8.2004
46
vanz von Informationen für einen Besucher abschätzen zu können, müssen vorgängig
möglichst viele Daten über den Besucher selbst gesammelt werden.
3.3.1
Datengewinnung
Einerseits können die Daten durch eine aktive Beteiligung des Kunden gewonnen
werden, indem dieser auf der Website einen Fragebogen bezüglich seiner Interessen
ausfüllt. Ein Kunde ist dazu bereit, wenn er das Gefühl hat, daraus einen Mehrwert
erzielen zu können. Bei Web Business Intelligence Applications wie Yodlee18 oder
CashEdge19 registriert sich der Kunde auf der Website und gibt seine Interessen
an. Als Gegenleistung erhält er ein dynamisches, auf ihn und seine Interessen zugeschnittenes Portal präsentiert, welches ihn mit Finanz-Informationen beliefert.
Andererseits werden die Spuren, die jeder Besucher einer Website hinterlässt,20 analysiert und daraus relevante Informationen abgeleitet. Dem User ist bei dieser Art
der Datenerhebung im Normalfall nicht bekannt, dass und welche Daten über ihn
gesammelt werden.
Durch den Einsatz von Cookies21 kann der Benutzer auch bei einem späteren Besuch
der Website eindeutig identifiziert werden.
Das berühmteste Beispiel ist wiederum Amazon,22 wo jeder Click eines Users genaustens analysiert und auf diese Weise versucht wird, die Website den persönlichen
Bedürfnissen des Besuchers anzupassen.
Um den Erfolg eines Datengewinnungs-Prozesses aus dem Internet zu messen, werden in der Praxis meist die Kennzahlen precision und recall verwendet. Precision
steht für den Anteil der auf eine Suchanfrage ausgegebenen relevanten Dokumente
verglichen mit der Anzahl an insgesamt ausgegebenen Dokumenten. Mit dem Recall
18
http://corporate.yodlee.com
19
http://www.cashedge.com
20
siehe Kapitel 3.2.3. S. 43
21
Kleine Textdatei, die der Browser auf Anweisung des Webservers beim User lokal auf der Harddisk speichert, um ihn beispielsweise zu einem anderen Zeitpunkt wieder zu erkennen. Kann
beliebige Informationen enthalten, die zwischen Browser und Server ausgetauscht wurden.
22
http://www.amazon.com
47
ist der Anteil der ausgegebenen relevanten Dokumente an der insgesamt existierenden Anzahl an relevanten Dokumenten gemeint.
Die einfachste Methode zur Datengewinnung aus dem Internet ist die manuelle Suche, bei der Websites und Dokumente explizit von einem User als relevant bestimmt
werden. Die precision bei diesem Verfahren ist sehr gut, denn nur vom User als wichtig klassifizierte Dokumente werden verwendet. Der recall aber ist sehr tief, denn
niemand kann manuell die enorme Datenmenge vollständig durchsuchen.
Eine weitere Methode zur Datengewinnung ist das so genannte Crawling. Dabei
wird von einer bestimmten Anzahl HTML-Seiten ausgegangen und alle verlinkten
Seiten werden rekursiv ebenfalls durchsucht. Es wird zwischen general Crawler 23 und
constrained Crawler 24 unterschieden. Sie unterscheiden sich insofern, dass der constrained Crawler nicht alle verlinkten Seiten weiter untersucht, sondern diese nach
gewissen Regeln filtert. Der general Crawler hingegen folgt rekursiv allen Links auf
einer Website.
Von diesen zwei vorgestellten Methoden unterscheidet sich die dritte Möglichkeit.
Bei einem Query werden Daten an einen Index gesendet und dieser sendet eine Liste
von relevanten Informationen zurück.25
3.3.2
Informationsgewinnung
Sobald alle als relevant bestimmten Daten gesammelt sind, wird versucht, die benötigten Informationen daraus zu gewinnen. Aus strukturierten Daten wie Datenbanken
oder XML-Files lassen sich relativ einfach maschinell Informationen gewinnen. Probleme treten aber bei semi- und unstrukturierten Daten auf.
Semistrukturierte Daten wie HTML-Files lassen sich einfacher verwenden als TextFiles, weil die HTML-Tags als Orientierungshilfe innerhalb des Dokuments verwendet werden können.26
23
nach Heydon und Najork 1999
24
nach Chakrabarti et al. 1999
25
Quelle: [Srivas03], S. 194
26
Quelle: [Srivas03], S. 195
48
3.3.3
Wissensgenerierung
Deskriptive Aufgaben können mit einfachen Datenvisualisierungstechniken gelöst
werden. Beispielsweise ist es kein Problem, einem Kunden auf seinem persönlichen
Portal die Kursentwicklung der Aktien in seinem Portfolio auszugeben. Es geht dabei
um die Darstellung von strukturierter Information in einem dem Kunden angepassten Format.
Oft müssen die Informationen aber zuerst mit Pattern Discovery-Verfahren bearbeitet werden, um Wissen generieren zu können. Dazu können die bereits vorgängig im
Kapitel Mining Verfahren auf Seite 49 aufgezeigten Methoden verwendet werden.
3.3.4
Web Business Intelligence Systeme
Ein Web Business Intelligence System kann als Teleskop verstanden werden, das
es ermöglicht, eine tiefe und sehr detaillierte Sicht auf das Internet zu bekommen.
Das Business Intelligence System versucht, aus diesen spezifischen Informationen
Wissen zu generieren und schliesslich das gewonnene Wissen in angemessener Form
darzustellen.
Solche Systeme werden in verschiedenen Branchen eingesetzt:
• Reisen: Orbitz (www.orbitz.com), Expedia (www.expedia.com) oder Hotwire
(www.hotwire.com)
• E-Commerce: Excite (www.excite.com), AskJeeves (www.ask.com) oder MySimon (www.mysimon.com)
• Finance: Yodlee (www.yodlee.com) oder Umonitor (www.umonitor.com)
3.4
3.4.1
Technische Mining Verfahren
Clusteranalyse
Die Clusteranalyse dient vor allem der Segmentierung der Internetbesucher. Die
Kunden lassen sich anhand verschiedener Kriterien in die unterschiedlichen Segmente einteilen.
49
Ziel der Clusteranalyse ist es, aus einer heterogenen Gesamtheit von Objekten (z.B.
Kunden) homogene Teilmengen zu bilden. Die Objekte innerhalb einer Teilmenge
sollen dabei untereinander möglichst ähnliche Eigenschaften aufweisen. Zwischen
den Teilmengen sollen dagegen möglichst keine Ähnlichkeiten bestehen.27
Im Bereich des Web Mining werden durch dieses Verfahren Internetbesucher segmentiert. Mögliche Dimensionen sind die Herkunft, eingegebene Suchbegriffe oder die
besuchten Seiten. Anhand dieser Informationen kann beispielsweise versucht werden,
auf Berufstätigkeit oder Informationsbedürfnisse der identifizierten Nutzergruppen
zu schliessen. Ziel dabei ist die Schaffung zielgruppenspezifischer Informationsangebote.28
3.4.2
Assoziations- und Sequenzanalyse
Die Assoziationsanalyse bildet Regeln, die Beziehungen zwischen Elementen aus einer Transaktionsmenge wiedergeben. Gesucht werden Elemente, die innerhalb von
Transaktionen verstärkt gemeinsam auftreten. Klassisches Beispiel ist die Warenkorbanalyse, die untersucht, welche Produkte typischerweise zusammen gekauft werden.
Im Web Mining eignet sich die Assoziationsanalyse dazu, Seiten zu identifizieren,
die innerhalb einer Session häufig gemeinsam aufgerufen werden.
Die Sequenzanalyse ist ein Spezialfall der Assoziationsanalyse, da sie zusätzlich die
Reihenfolge der Transaktionen berücksichtigt. Im Netz lassen sich mit der Sequenzanalyse beispielsweise typische Bewegungspfade der Besucher durch eine Website
analysieren.29
3.4.3
Klassifikationsverfahren
Zur Klassifikation eignen sich Entscheidungsbäume, Neuronale Netze und Regression.
27
Quelle: [Back96], S. 262
28
Quelle: [Hipp02], S. 21-22
29
Quelle: [Hipp02], S. 20ff
50
Entscheidungsbäume ordnen ein Objekt anhand seiner Merkmalsausprägungen einer
von mehreren Klassen zu. Dazu werden Datensätze benötigt, die verschiedene (unabhängige) Merkmale sowie eine abhängige Zielgrösse enthalten. Ein Entscheidungsbaum sucht diejenigen Merkmalskombinationen, die eine möglichst gute Zuordnung
der Objekte zu den einzelnen Klassen zulassen.30
Neuronale Netze sind dem Aufbau und der Arbeitsweise der biologischen Datenverarbeitung in Nervenzellen nachempfunden. Sie bestehen aus verschiedenen Schichten
miteinander verbundener Neuronen. In der Eingabeschicht werden die Signale aufgenommen, dann in den verborgenen Schichten verarbeitet und schliesslich in der
Ausgabeschicht ausgegeben.
Das Netz lernt zuerst anhand von Trainingsdaten, auf bestimmte Eingangssignale
mit den vorgegebenen Ausgaben zu reagieren. Dazu werden die Gewichte der Neuronen so lange angepasst, bis der berechnete Ausgabewert mit dem vorgegebenen
Wert bestmöglich übereinstimmt. So können dann für neue Datensätze bisher unbekannte Ausgabewerte bestimmt werden.
Neuronale Netze können komplexe Strukturen in Daten entdecken.31
Regression kann verwendet werden, wenn zwischen den numerischen Merkmalen ein
mathematischer Zusammenhang vermutet wird. Es wird versucht, aus gegebenen
Eingabe- und Zielattributen eine Funktion zu bestimmen, anhand der die Berechnung des Zielattributs für unbekannte Eingabeattribute möglich ist.
3.5
Kausale Netze
Kausale Netze, Bayesianische Netze oder Bayesian Belief Networks sind Methoden zur Modellierung von Abhängigkeiten zwischen verschiedenen Grössen, die sich
über bedingte Wahrscheinlichkeiten ausdrücken lassen. Mit diesen Methoden können
nicht nur Zusammenhänge, sondern im Idealfall auch kausale Abhängigkeiten zwischen interessierenden Grössen ermittelt und in ein statistisches Modell integriert
werden.
Die Leistungen kausaler Netze liegen auf den Gebieten der Beschreibung sowie der
30
Quelle: [Hipp02], S. 22
31
Quelle: [Hipp02], S. 22ff
51
Vorhersage in komplexen Gegenstandsbereichen wie Web Mining oder medizinischer
Diagnostik. Typisch für die Beschreibung und Nutzung kausaler Netze ist es, dass
dabei teils graphentheoretische und teils probabilistische (wahrscheinlichkeitstheoretische) Ausdrucksformen herangezogen werden.32
3.5.1
Graphentheoretische Sicht
Ein Kausales Netz ist, unter einem formalen Blickwinkel betrachtet, ein gerichteter
azyklischer Graph, dessen Knoten Zufallsvariablen und dessen Kanten die Richtung
der Abhängigkeit zwischen den Knoten darstellen. Knoten können dabei binäre, diskrete oder stetige Werte annehmen.
Im Bereich des Web Mining lassen sich einzelne HTML-Seiten als Variablen begreifen. Diskrete bzw. binäre Werte wären etwa die Angabe besucht oder nicht besucht.
Ein Beispiel für einen stetigen Wert ist die Verweilzeit, die Zeit, die ein Benutzer
auf einer einzelnen Seite verbleibt, bevor er die nächste Seite aufruft.
Die Abhängigkeiten werden in einem Kausalen Netz über die Richtung der Kanten zwischen den Variablen (Knoten) dargestellt. Fehlt eine Kante zwischen zwei
Knoten, so drückt dies eine konditionale Unabhängigkeit zwischen den beiden Variablen aus.
Wichtig für die Interpretation von Kausalen Netzen ist, dass die Kanten nie sequentiell, sondern immer nur probabilistisch interpretiert werden dürfen. Das bedeutet,
dass Kanten nicht Pfaden von Benutzern, sondern den probabilistischen Abhängigkeiten zwischen den Besuchen von HTML-Dokumenten entsprechen.33
3.5.2
Probabilistische Sicht
Will man nun die Ausprägungen von Abhängigkeiten in Kausalen Netzen darstellen, muss auf probabilistische Ausdrucksformen zurückgegriffen werden. Abhängigkeiten stellen bedingte Wahrscheinlichkeiten dar. Detaillierte Angaben darüber werden nicht allein über die Knoten und Kanten des Graphen, sondern über Tabellen
32
Quelle: [Hipp02], S. 222
33
Quelle: [Hipp02], S. 222ff
52
Abbildung 3.1: Tabelle mit bedingten Wahrscheinlichkeiten
bedingter Wahrscheinlichkeiten festgehalten, die im Fall diskreter Werte mit den
Knoten verknüpft sind. Für den jeweiligen Knoten ist die Verteilung der bedingten
Wahrscheinlichkeiten beschrieben.
Bei bedingten Wahrscheinlichkeiten wird angegeben, mit welcher Wahrscheinlichkeit
eine Variable bei gegebenen Zuständen der übergeordneten Variable bzw. Knoten
einen bestimmten Wert oder Zustand annimmt. Bezogen auf das Web Mining wird
beispielsweise festgehalten, wie gross die Wahrscheinlichkeit für den Besuch eines
HTML-Dokuments einer kommerziellen Website ist, auf der Bestellungen getätigt
werden können (B), wenn eine andere Unterseite der gleichen Website mit beispielsweise einer Produktbeschreibung (P) aufgerufen wurde. Im Beispiel in Abbildung
3.1 ist diese Wahrscheinlichkeit 0.2.
Kausale Netze stellen neben der Darstellung von Abhängigkeiten zweier Variablen
eine Form der Darstellung aller Abhängigkeiten zwischen interessierenden Variablenmengen dar. Ein Kausales Netz repräsentiert dann eine gemeinsame Wahrscheinlichkeitsverteilung, die sich für Inferenzen zwischen beliebigen Knoten bzw. Mengen von
Knoten nutzen lässt.
In Abbildung 3.2 ist ein mögliches Ergebnis eines Kausalmodells dargestellt. In diesem Beispiel bestimmen Tageszeit und Referrer, welche Seite als erstes besucht wird.
Die zuerst besuchte Seite beeinflusst die als nächstes besuchte Seite sowie die Dauer
der Session.34
34
Quelle: [Hipp02], S. 224
53
Abbildung 3.2: Beispielhaftes Kausalmodell im Web Mining
3.5.3
Fragestellungen im Web Mining
Mit Kausalen Netzen lässt sich die Gesamtheit der Besucher von allen Seiten betrachten. So können Fragen der Art: Welche Bereiche werden am meisten von Be”
suchern aufgerufen, die über Yahoo kommen?“ oder umgekehrt Woher kommen
”
die Besucher, die sich für akademische Jobs interessieren?“ an das Modell gestellt
werden. Die Antworten auf derartige Fragen lassen sich innert Sekundenbruchteilen
ermitteln.
3.5.4
Einsatz zur Personalisierung
Die Basis für intelligente Bedienung von Kunden ist die Kenntnis darüber, welche
Charakteristika die Kunden aufweisen, welche Vorlieben sie haben und was diese
Kunden tatsächlich benötigen könnten. Kausale Netze lassen sich in automatisierten
Verfahren nutzen, um für individuelle Kunden optimierte Leistungen bereitzustellen.
Dabei werden statistische Aussagen des Modells als Prognosen künftiger Verhaltensmuster und Interessen eines Kunden genutzt, der aktuell eine Website besucht.
Um diese Prognose zu erhalten, muss das Modell mit allen möglichen Informationen
über einen aktuellen Besucher, die momentan verfügbar sind, gespeist werden, wie
beispielsweise die vorangegangenen Seitenaufrufe. Daraus ermittelt das Modell eine bedingte Verteilung, d.h. die Erkenntnis, mit welcher Wahrscheinlichkeit weitere
Kunden, deren Verhalten und Eigenschaften dem aktuellen Besucher gleichen, an
bestimmten Dingen interessiert sind, oder was diese Gruppe von Kunden typischerweise in der Zukunft mit welcher Wahrscheinlichkeit tun wird.
54
Das Modell erstellt diese Diagnosen in Echtzeit. Die Prognosen werden verwendet,
um den Besuchern Informationen oder Produkte darzustellen, die für diesen KundenCluster besonders relevant sind. Ziel dabei ist es, den potenziellen Käufer persönlich
anzusprechen und die eigene Website individuell und dynamisch den Interessen und
Wünschen des jeweiligen Besuchers anzupassen und so eine starke Beziehung zum
Kunden zu schaffen und damit Wettbewerbsvorteile zu erzielen.
3.6
Literaturüberblick Webmining
Eine gute Einführung in die Informationsgewinnung aus dem World Wide Web gibt
der bereits 1998 erschienene Text von Osmar R. Zaiane und Jiawei Han WebML:
Querying the World-Wide Web for Resources and Knowledge. Lesenswert ist vor
allem das erste Kapitel 1. Introduction“. Im weiteren Dokument geht es um die
”
Möglichkeiten mit der an SQL erinnernden Webmining Sprache WebML.
Einen guten Überblick über die verschiedenen Gebiete und Möglichkeiten des Web
Minings gibt der im Juli 2000 in den SIGKDD Explorations erschienene Text von
Raymond Kosala und Hendrik Blokeel Web Mining Research: A Survey.35 Darin
beschreiben sie die vier Aufgaben des Webmining und vertiefen die drei Kategorien Web Content Mining“, Web Structure Mining“ und Web Usage Mining“, die
”
”
”
im Text von Sanjay Madria Research Issues in Web Data Mining 36 erstmals aufgetaucht sind.
Vertieft mit dem Gebiet der Informationsgewinnung beschäftigt sich C.J van Rijsbergen in Information Retrieval - Second Edition.37 Rijsbergen untersucht darin
unter anderem die automatisierte Text Analyse und Klassifikation.
Ah-Hwee Tan stellt in seinem interessanten Text Personalized Information Management for Web Intelligence 38 das System FOCI“ 39 vor, dass es einem Nutzer
”
ermöglicht, aus verschiedenen Websites ein Portfolio an Informationen nach seinen
35
[Kosala00]
36
Madria99
37
[Rijsberg99]
38
[Tan03]
39
Flexible Organizer for Competitive Intelligence
55
persönlichen Interessen und Bedürfnissen zusammenzustellen. Damit gelangt er automatisch an neue Informationen und kann diese im System seinen Bedürfnissen
entsprechend organisieren.
Greg Linden, Brent Smith und Jeremy York beschäftigen sich in ihrem Text Amazon.com Recommendations: Item-to-Item Collaborative Filtering 40 über die Methode, die der Buchhändler Amazon.com auf seiner Website verwendet, um jedem Besucher automatisch eine personalisierte Website präsentieren zu können. Dieser Text
gibt einen interessanten Einblick, wie Collaborative Filtering in der Praxis heute
bereits eingesetzt wird.
Eine interessante Untersuchung machte Selwyn Piramuthu in On learning to pre”
dict Web traffic“. Er erläutert, dass mit dem Wachstum des Internets mehr und
mehr Informationen über Unternehmungen im Web verfügbar werden. Neben Faktoren wie der Profitabilität oder den Earnings per Share beeinflussen auch nicht
finanzielle Informationen das Verhalten der Investoren.
Piramuthu untersucht in seiner Arbeit die Logfiles der Chaträume der Silicon Investor Website techstocks.com. Dabei konzentriert er sich auf 6 Unternehmungen, für
die auf der Website jeweils ein eigener Chatraum zur Verfügung steht.
Im einjährigen Beobachtungszeitraum, der im Juli 1998 gestartet hat, sind beispielsweise im Chatraum der Firma Network Appliance nur 130 Nachrichten geschrieben
worden, bei Compaq hingegen über 35’000.
Die Idee von Piramuthu ist, dass die Anzahl Nachrichten in einem Chatraum ein
Indikator für Veränderungen des Aktienkurses ist, dass es beispielsweise vor einem
Kurseinbruch signifikant mehr Messages in dem Chatraum gibt, als bei stagnierenden Kursen.
Das Ergebnis der Untersuchung zeigt, dass die Aktivität in den Chaträumen abhängig von den Entwicklungen an der Börse ist und nicht umgekehrt. Folgende drei
Regeln konnten aber gefunden werden:
1. Wenn das an der Börse gehandelte Volumen tief ist, ist auch die Anzahl der
Messages im Chatraum tief.
40
[Linden03]
56
2. Grosse Veränderungen des Index (speziell des NASDAQ Computer Index)
führen zu grossen Änderungen in der Anzahl der Nachrichten im Chatraum.
3. Bei starken Änderungen eines Aktienkurses nehmen die Messages im Chatraum zu.
So hat Piramuthu eine Möglichkeit gefunden, den Traffic innerhalb der Chaträume
aufgrund der Entwicklung an der Börse vorauszusagen.
57
Kapitel 4
Webindikatoren für das Portfolio
Management
Das Wachstum des Internets eröffnet auch dem Portfolio Management neue Informationsquellen, die es auszunützen gilt, um eine höhere Rendite zu erzielen. Dieses
Kapitel beschäftigt sich zuerst mit der Identifikation, Beurteilung und Klassifizierung
möglicher Webindikatoren. Auf herkömmliche Indikatoren wie Ratings von Ratingagenturen wie Moody’s oder Standard & Poor’s, gedruckte Börsennachrichten und
die vielseitigen Methoden der Aktienkursanalyse wird nicht eingegangen.
Anhand der Entwicklung eines Portfolio Management-Modells wird im zweiten Teil
dieses Kapitels gezeigt, wie ein Webindikator in ein Portfolio-Management-System
integriert werden kann.
4.1
4.1.1
Identifikation
Auftragsvergabe im Internet
Die Vorteile des Internets können für den elektronischen Einkauf von Waren und
Dienstleistungen mittels E-Procurement ausgenützt werden. Unter E-Procurement
versteht man die Nutzung von Informations- und Kommunikationstechnologien zur
Unterstützung und Optimierung von elektronischen Beschaffungsprozessen in Unternehmen.1 Dazu gehört unter anderem auch die Ausschreibung von Aufträgen über
1
Quelle: [Laempe00], S. 5
58
das Internet.
Die Idee hinter den Auftragsbörsen im Internet als Indikator fürs Portfolio Management ist, die Börsen zu beobachten und interessante Informationen wie Vergabe
von Grossaufträgen im Portfolio Management direkt zu berücksichtigen.
Einerseits ist die Information, welche Firma einen Grossauftrag zu vergeben hat,
sehr interessant. Andererseits kann aber auch die Information, welche Firma schlussendlich den Grossauftrag bekommen hat, eine wertvolle Information fürs Portfoliomanagement darstellen. Dieser Webindikator gibt somit Informationen über den
Auftragserfolg einer Unternehmung.
Ein Beispiel eines elektronischen Marktplatzes ist Trade2B,2 wo Unternehmen ihre
Aufträge ausschreiben und anschliessend zahlreiche anonyme Marktplatzteilnehmer
ihr Angebot abgeben können. Die ausschreibende Unternehmung kann sich dann
das günstigste Angebot aussuchen und somit seine Auswahl treffen.
Auch schreibt beispielsweise die NASA auf ihrer NASA Acquisition Internet Service (NAIS) Webpage3 Beschaffungsaufträge aus, die öffentlich eingesehen werden
können. Dem Beobachter dieser Ausschreibungen bietet sich jedoch keine Möglichkeit zu sehen, an welchen Anbieter die NASA den Auftrag schlussendlich vergibt.
Dasselbe Problem besteht auch beim Vendor Information Program of the State of
Oregon. Das Department of General Services von Oregon, USA, veröffentlicht im Internet seinen materiellen und immateriellen Beschaffungsbedarf. Es ist jedoch auch
hier nicht möglich, die definitive Auftragsvergabe in Echtzeit zu beobachten.
Dies ist das allgemein auftretende Problem. Es gibt zwar unzählige Ausschreibungsplattformen im Internet, jedoch wird die Unternehmung, die den Auftrag bekommen
hat, im Normalfall nicht publiziert.
Meistens ist es dem Betrachter einer solchen Ausschreibungsseite nicht einmal möglich, die hinter einem ausgeschriebenen Auftrag stehende Unternehmung zu eruieren
und sich dank dieser Information Vorteile fürs Portfolio Management zu verschaffen. Oft sind sogar die Ausschreibungen selbst nur für die Teilnehmer des virtuellen
Marktplatzes sichtbar.
2
http://www.trade2b.com
3
http://www.hq.nasa.gov/office/procurement
59
1
Versicherung“
”
National Vers.
Lebensversicherung“
”
Baloise
Bank“
”
Bank Leu
Hypothek“
”
Baloise
2
Zürich
Zürich
Sarasin
Migrosbank
3
Winterthur
National Versicherung
UBS
UBS
4
Coop Versicherung
Winterthur
Bank Coop
Bank Coop
5
Alba
Generali
Migrosbank
Graubündner KB
Tabelle 4.1: Reihenfolge der Treffer bei google.ch auf vier allgemeine Suchbegriffe
am 1.9.04
Die Beobachtung von Ausschreibungen übers Internet wäre zwar theoretisch ein
möglicher Indikator für das Portfolio Management, kann jedoch aufgrund der geschlossenen Marktplätze zum aktuellen Zeitpunkt nicht sinnvoll verwendet werden.
4.1.2
Suchmaschinen-Ranking
Suchmaschinen im Internet sind eine nicht zu unterschätzende Möglichkeit, um an
neue Besucher und somit auch potentielle Neukunden zu gelangen. Beim Nutzer
finden jedoch meist nur die ersten Treffer eines Suchbegriffs Beachtung. Deshalb ist
es nötig, die eigene Website auf die obersten Positionen der Trefferliste zu bringen,
was eine nicht zu unterschätzende Aufgabe darstellt, die einiges an Sachwissen über
die Funktionsweise von Suchmaschinen erfordert.
Für kleine unbekannte Firmen ist die Präsenz in den vordersten Positionen der Suchmaschinen wichtiger, als für Grossfirmen, die bereits über einen hohen Bekanntheitsgrad verfügen und auf einen grossen Kundenstamm zurückgreifen können.
Unternehmungen, welche das Potential von guten Rankings in Suchmaschinen erkannt haben, sind möglicherweise besser zu bewerten, als Unternehmungen, die auf
eine Optimierung ihrer Website bezüglich Suchmaschinen verzichten. Eine hohe Positionierung in den Suchmaschinen zeigt zudem, dass eine Unternehmung im Informationsmarkt Internet präsent ist. Hohe Positionierungen sind nur zu erreichen,
wenn eine Website von wichtigen Stellen im Internet verlinkt wurde, was gleichzeitig
ein Indiz für die Akzeptanz einer Unternehmung und die Relevanz ihrer Website ist.
60
Tabelle 4.1 zeigt die Reihenfolge von Unternehmungen in der Trefferliste von vier
Suchbegriffen. Eine gute Platzierung in der Trefferliste bei allgemeinen Suchbegriffen
wie Lebensversicherung“ oder Hypothek“ kann möglicherweise zu einem Wettbe”
”
werbsvorteil führen. Baloise scheint dies erkannt zu haben und hat beide Keywords
bei google.ch für sich gebucht. Der Link auf die Baloise Website erscheint deshalb
vor allen anderen Treffern in einer anderen Farbe bei diesen bestimmten Suchbegriffen. Die Anzeigen auf der rechten Seite zu einem bestimmten Suchbegriff wurden
nicht beachtet, da diese weniger prominent platziert sind als die Anzeigen über den
regulären Suchresultaten.
Um dieses Ranking fürs Portfolio Management zu nutzen, kann eine Liste mit den für
jede Branche wichtigsten hundert allgemeinen Begriffen erstellt werden. Bei Banken
könnten dies beispielsweise Begriffe wie Kredit, Konto oder Hypothek sein. Darauf
werden ausgewählte Suchmaschinen in einem fixen Intervall (z.B. monatlich oder
quartalsweise) mit den Suchbegriffen gefüttert und anhand der Platzierung bei jedem
Suchbegriff für jede Unternehmung der Branche ein Ranking erstellt. Das Ranking
und dessen Veränderungen im Laufe der Zeit kann dann dem Portfolio Management
als Indikator dienen.
Es ist zu bemerken, dass sich die Rankings beispielsweise bei google zwar mit der Zeit
verändern, dieser Prozess jedoch nicht sehr dynamisch ist. Neue Websites können
sich unter Umständen rasch einen Platz in den oberen Rängen der Trefferliste sichern, im umgekehrten Fall rutschen aber die bisherigen bestplatzierten Websites
nur sehr langsam aus den obersten Bereichen der Trefferliste. Eine einmal optimierte Seite kann sich deshalb noch lange an prominenter Stelle der Trefferliste halten,
auch wenn sich die dahinter stehende Firma schon lange Zeit nicht mehr um die
Optimierung der Website bezüglich Suchmaschinen gekümmert hat.
Die Auswertung der Suchmaschinen ist schwer formalisierbar. Beispielsweise ist eine
Positionierung auf Platz 10 der ersten Ergebnisseite bei google von viel höherem
Wert als Platz 11, der erst auf der zweiten Ergebnisseite angezeigt wird. Zudem
stellt die Manipulierbarkeit der Suchmaschinen, die sich in der Vergangenheit öfters
gezeigt hat (z.B. Google Bomben), eine weitere Hürde für eine automatische Auswertung dar.
61
4.1.3
Virtuelle Communities
Eine der grössten Stärken des Internets liegt neben dem Informationsangebot in
den Kommunikationsmöglichkeiten, die es den Nutzern bietet. Auf bequeme Weise
kann mit anderen Menschen in Kontakt getreten und Informationen und Meinungen
ausgetauscht werden. Dies kann über Email, Mailinglisten, Diskussionsforen, Newsgroups oder spezielle Portale geschehen. Das Internet bietet vielfältige Möglichkeiten, mit Gleichgesinnten zu kommunizieren.
Das Potential dieser zusätzlichen Informationen über Firmen und die Macht der
Communities ist gross. Es gab Zeiten, wo gewisse Unternehmungen sogar versucht
haben, solche Communities aus Angst vor schlechten Kritiken zu verbieten. Diese
Firmen kommen für eine Investition oft nicht mehr in Frage, da der Investor im
Normalfall eine transparente Unternehmung mit einer gesunden Transparenz Kultur präferiert.
Wie sich aus expliziten Bewertungen von Unternehmen und Produkten durch virtuelle Communities Informationen für das Portfolio Management gewinnen lassen,
wird folgend anhand der Community-Website ciao.com untersucht.
4.1.3.1
Beispiel: ciao.com
Ciao ist eine Community von mehreren Millionen Mitgliedern, die zum Nutzen anderer Verbraucher unzählige Produkte und Dienstleistungen testet und kritisch bewertet. Im Laufe der Zeit hat sich ciao.com zusätzlich zu einem Shopping-Portal
entwickelt, worauf aber an dieser Stelle nicht weiter eingegangen wird.
Jedes registrierte Mitglied von ciao.com kann zu praktisch jedem verfügbaren Produkt eine persönliche Bewertung vornehmen. Der Schreibende bewertet darin das
Produkt mit einer Gesamtbewertung von maximal fünf Sternen. Neben dieser Gesamtbewertung wird ein ausformulierter Erfahrungsbericht verfasst und das Produkt
bezüglich unterschiedlicher Kriterien genauer unter die Lupe genommen.
Die Idee ist nun, diese direkt von den Kunden stammenden Informationen über
62
Abbildung 4.1: Bewertung eines Siemens Mobiltelefons [ciao.de], 1.9.2004
einzelne Produkte zu einer Gesamtbewertung einer Unternehmung zusammenzufassen und diese Bewertung im Portfolio Management zu berücksichtigen.
Anhand der Erfahrungsberichte kann die Zufriedenheit der Kunden mit einem Produkt oder einer Dienstleistung einer bestimmten Unternehmung erkannt werden. In
die Gesamtbewertung fliessen die für den Kunden wichtigen Kriterien wie Qualität
des Produktes, Preis/Leistung oder Service der Unternehmung mit ein. Für jedes
Produkt wird dann ein Durchschnitt von allen Bewertungen berechnet, der auf der
Übersichtsseite (siehe Abbildung 4.1) des jeweiligen Produktes angezeigt wird.
Eine weitere Information, die sich aus ciao.com gewinnen lässt, ist die Popularität
gewisser Produkte. Beispielsweise wurde Nokias erfolgreichstes Mobiltelefon Nokia
3210 insgesamt 3’766 mal bewertet, das Sony Ericsson T68i hingegen nur gerade
125 mal.4
Diese beiden Informationen lassen sich nun auch verknüpft betrachten. Ein Produkt mit einer schlechten Gesamtbewertung, das insgesamt nur von sehr wenigen
Käufern bewertet wurde, ist für eine Unternehmung weit weniger schlimm, als ein
Produkt mit tausenden unzufriedenen Kunden.
Eine Möglichkeit wäre deshalb, die Gesamtbewertung mit der totalen Anzahl an
Produktbewertungen zu gewichten.
Konkret geht es darum, die Entwicklung und Anzahl der Bewertungen zu Produkten
von Unternehmungen über die Zeit zu verfolgen und daraus Kauf- und Verkaufsent4
Quelle: http://www.ciao.com, besucht am 1.9.2004
63
scheidungen für das Portfolio Management zu treffen.
4.1.4
Qualität des Webauftritts
Ein gelungener Webauftritt einer Unternehmung wird immer wichtiger und kann
anhand verschiedener Kriterien bewertet werden:
• Erscheinungsbild
– Navigation: Übersichtlichkeit, Aufbau
– Design: Layout, Farbgestaltung, Designelemente
– Geschwindigkeit: Aufbauzeit der einzelnen Seiten
• Programmierung
– Validität und Kompatibilität: Überprüfung des Quellcodes anhand der
Spezifikationen des World Wide Web Consortiums für HTML und CSS
– Strukturierung: Verzeichnisstruktur, sinnvoller Einsatz von Metatags, Frames, Tabellen, Strukturierung des Quellcodes
– Barrierefreiheit: Informationen auf der Website auch für Menschen mit
Behinderungen zugänglich
• Inhalt und Sprache
– Informationsgehalt: Umfang, Richtigkeit
– Kreativität
– Sprache: Stil, Rechtschreibung, andere Sprachversionen der Website
Neben der Bewertung der Qualität des statischen Webauftritts kann auch bewertet
werden, wie dynamisch eine Unternehmung auf Interaktionsanfragen von Kunden
über die Webpage reagiert.
Erstens kann bewertet werden, wie viele Möglichkeiten ein Besucher der Webpage
hat, um mit der Unternehmung in Kontakt zu treten. Beispiele sind Kontaktformulare, E-Mail Adressen, Chat oder moderierte Foren. Zweitens kann die benötigte
64
Antwortzeit einer Unternehmung auf eine Frage eines Besuchers über die Webpage
gemessen werden und zum Schluss die Qualität der Antwort bewertet werden.
Anhand dieser Kriterien ist es möglich zu messen, wie eine Unternehmung das Potential der eigenen Webpage bezüglich Interaktion mit Kunden ausnützt und wie
hoch die Qualität der Kommunikation und die Kunden- und Investororientierung
einzuschätzen ist.
4.1.5
Werbung im Internet
Die Werbung im Internet mit verschiedensten Formen von Werbebannern hat gegenüber der Werbung in Zeitschriften, Radio oder Fernsehen den Vorteil, dass ihre
Wirkung relativ genau gemessen werden kann. Der Werbemittelkontakt und nicht
wie bei klassischen Medien der Werbeträgerkontakt kann genau bestimmt werden. So
sind beispielsweise mit der richtigen Software Auswertungen bezüglich Views5 und
Clicks6 möglich. Wenn ein User auf einen Banner klickt, ist es möglich, zu verfolgen,
wie sich der User auf der Website nach dem Klick verhält, und ob er möglicherweise
sogar einen Kauf tätigt. Daneben hat die Bannerwerbung auch eine klassische, das
heisst kognitive Werbewirkung, die sich zum Beispiel als Werbeerinnerung, Imageveränderung oder Kaufabsicht äussert.
Eine Studie von Plan.Net media über die Online Werbewirkung untersucht die Wirkung von Bannerwerbung im Internet.7 Kernergebnisse sind, dass Banner wahrgenommen werden und bei geweckter Neugier oder Interesse am Produkt durchaus
auch geklickt werden. Auch kann sich das Image einer Unternehmung durch Bannerwerbung positiv verändern.
Anhand einer Beobachtung von gut besuchten Schweizer Homepages mit Werbebannern, wie bluewin.ch, nzz.ch oder search.ch8 oder einer Zusammenarbeit mit
Werbeagenturen wie AdLink oder Publimedia Webadvertising können den online
Werbeaufwand betreffende Informationen von Unternehmungen gewonnen werden.
5
Wie viel Mal der Banner auf der Website eingeblendet wurde
6
Wie oft auf den Banner geklickt wurde
7
Quelle: [Gertz01], S. 13ff
8
Quelle: Des Schweizers liebste Site, WEMF AG, 2004
65
Daraus sind möglicherweise Hinweise fürs Portfolio Management zu gewinnen, falls
angenommen wird, dass ein hohes Werbebudget auf die Gesundheit oder die zukünftigen Erwartungen einer Unternehmung hindeutet. Zu beachten ist, dass ein hohes
Werbebudget auch ein Hinweis auf schlechte Produkte sein könnte, welche aufgrund
mangelnder Qualität ausgiebige Werbeaktivitäten benötigen.
4.1.6
Online Jobbörsen
Online Jobbörsen haben den Vorteil gegenüber den gedruckten Jobbörsen, dass sie
globaler und schneller sind. Auch qualitativ haben sie Vorteile, denn in einem online
Inserat kann mehr Information über die Stelle und die Anforderungen vermittelt
werden als bei einem Inserat in einem gedruckten Stellenanzeiger.
Durch Analyse der Logfiles lassen sich unter Umständen anhand der Klickzahlen
auf die Stelleninserate implizite Informationen über die Attraktivität einer Unternehmung als Arbeitgeber gewinnen.
Weshalb sich Online Jobbörsen möglicherweise als Indikator für das Portfolio Management besonders eignen, wird in den folgenden Kapiteln dieser Arbeit erläutert.
Grundlage der Untersuchung bildet die auf Mathematiker spezialisierte Jobbörse
math-jobs.com.
4.2
Klassifikation
Der Erfolg von Unternehmen beruht zunehmend auf immateriellen Werten, den so
genannten Intangible Assets. Dazu gehören neben Geschäftsbeziehungen, Ideen und
Bekanntheitsgrad auch Know-How, Innovationskraft und Unternehmenskultur.
Das Internet liefert neben klassischen Informationen auch Informationen über das
Intellektuelle Kapital einer Unternehmung. Durch Analyse der im vorangehenden
Kapitel vorgestellten Webindikatoren können implizite Informationen zu folgenden
Kriterien aus dem Internet extrahiert werden: Image einer Unternehmung, Produkterfolg, Auftragserfolg, Pressepräsenz, Professionalität, Transparenz, PR im Internet, Interaktion mit Kunden und Funktion der HR Abteilung.
66
Bei den Informationsquellen kann zudem nach Verfügbarkeit der Informationen unterschieden werden. Neben öffentlich zugänglichen Informationen entstehen bei der
Abwicklung einer Dienstleistung im Internet zusätzliche Informationen, die nicht im
Internet publiziert werden. Ein Beispiel dafür sind die der Öffentlichkeit vorenthaltenen Informationen bei Auftragsbörsen oder Informationen aus der Analyse der
Logfiles.
Die im Internet identifizierten Informationsquellen können auf unterschiedliche Weise ausgewertet und im Portfolio Management berücksichtigt werden:
1. Die Informationen werden manuell und individuell von Anlegern aus dem Internet gefiltert und dienen als Unterstützung bei Investments.
2. Die Informationen werden von einem Web-Intelligent-System gesammelt und
den Investoren zur Verfügung gestellt.
3. Ein halbautomatisches Werkzeug sammelt die Informationen und wertet sie
aus. Der Anleger erhält automatisch Investmentvorschläge.
4. Ein vollautomatisches Portfolio-Management-System tätigt Transaktionen und
verwaltet das Portfolio aufgrund automatisch gesammelter und analysierter
Informationen.
4.3
Entwicklung eines Portfolio Management Modells
In diesem Kapitel wird untersucht, wie die Informationen aus den verschiedenen potentiellen Webindikatoren in einem (semi) automatisierten Portfolio-ManagementSystem berücksichtigt und verarbeitet werden können.
Es wäre auch möglich, die Webindikatoren von einem Mensch auswerten und analysieren zu lassen. Der Vorteil eines flexiblen Software Werkzeugs ist aber, dass neue
Strategien und potentielle Webindikatoren auf einfache Weise untersucht und anhand der Daten aus der Vergangenheit getestet werden können.
67
Abbildung 4.2: Gesamtbetrachtung des Portfolio-Management-Systems
4.3.1
Überblick über das Gesamtsystem
Das Portfolio-Management-System (siehe Abbildung 4.2) berücksichtigt einerseits
die Informationen eines bestimmten Webindikators (theoretisch können auch gleichzeitig mehrere Webindikatoren parallel verwendet werden). Die zweite Informationsquelle sind die aktuellen Daten der Aktienmärkte.
Die Funktionen und Abläufe innerhalb des Portfolio-Management-Systems werden
durch eine vom Benutzer bestimmte Investment-Strategie beeinflusst.
Das automatisierte System gibt auf Anfrage oder in regelmässigen Zeitabständen
Reports über die Entwicklung des Portfolios, die getätigten Investitionen und die
wichtigsten Kennzahlen aus.
Im Folgenden wird genauer auf die einzelnen Komponenten des in Abbildung 4.2
68
Abbildung 4.3: Informationsgewinnung aus einem Webindikator
dargestellten Portfolio-Management-Systems eingegangen.
4.3.2
Komponenten
4.3.2.1
Informationsquellen
Webindikator Durch Beobachtung eines Webindikators werden Informationen
gewonnen, aufgrund deren ein Portfolio mit möglichst hoher Performance erstellt
und über längere Zeit gewartet werden soll.
Anhand des Webindikators Jobbörse wird gezeigt, wie dem Portfolio-ManagementSystem die fürs Portfolio Management relevanten Informationen von einer Website
verfügbar gemacht werden können. In Abbildung 4.3 sind die einzelnen Schritte
von einer Information auf einer Website bis zur strukturierten Information für das
Portfolio-Management-System dargestellt.
In einem ersten Schritt wird bei der Jobbörse mit Text-Mining versucht, die einzelnen Inserate aus dem Quellcode der Website auszulesen.
Das folgende Beispiel zeigt, in welcher Form die Inserate aus der Website der Jobbörse
ausgelesen und gespeichert werden könnten.
Banking, Insurance, Finance (excl pure IT)
ch: Mathematical Finance (quant Finance, Math, Stat; Working Knowledge Option models, Risk Systems;
VaR & Credit VaR models (CR+, Credit Metrics); Credit Risk Standards & Procedures) / UBS AG; Zurich/
We prefer candidates already authorised to work in Switzerland; September 6
69
Computing, Technology (incl pure IT in Banking & Insurance)
ch: Senior Scientific SAS Statistical Programmers (Degree Life or Comp Sc, Stat or Math; 4+ y exp;
Good knowledge SAS & exp using SAS in scientific environment) / Novartis AG; Basel; June 10
In einem zweiten Schritt wird versucht, die Inserate in eine strukturierte Form zu
bringen und diese Informationen dem Portfolio-Management-System über eine Datenbank zur Verfügung zu stellen.
INDIKATOR Ind#
MJ
INSERAT
UG
Name
math-jobs.com
InsNr.
Ug#
Kategorie
Land
Datum
Ind#
1
NOV
CT
CH
10.06.2004
MJ
2
MUR
BIF
DE
18.06.2004
MJ
3
UBS
BIF
CH
28.06.2004
MJ
4
PFI
SBBDS
US
30.06.2004
MJ
5
UBS
BIF
CH
06.09.2004
MJ
Ug#
Name
Branche
Hauptsitz
Börse
NOV
Novartis AG
Pharma
CH
VTX
MUR
Münchener Rück
Versicherung
DE
XETRA
UBS
UBS AG
Banken
CH
VTX
PFI
Pfizer Inc
Pharma
US
NYSE
Abbildung 4.4: Strukturierung der Daten in einer Datenbank
Die Datenbank könnte wie in Abbildung 4.4 aus 3 Tabellen bestehen. Die erste
Tabelle INDIKATOR gibt die berücksichtigten Webindikatoren an. Die Tabelle INSERAT beinhaltet die aus den Webindikatoren extrahierten Informationen über die
Inserate. Das Attribut Kategorie unterscheidet nach den auf math-jobs.com verwendeten vier Kategorien bezüglich Branche einer ausgeschriebenen Stelle.9 Die Tabelle
INSERAT ist über den Schlüssel #Ug mit der dritten Tabelle UG verknüpft, wo
9
Siehe Kapitel 5.2.1.2, S. 84
70
Informationen über die verschiedenen inserierenden Unternehmungen abgespeichert
sind. Diese Informationen stammen wie in Abbildung 4.3 dargestellt ist, nicht vom
Webindikator selbst, sondern aus anderen Quellen, die zusammenfassend als MarktInformationen modelliert wurden. Diese Informationen müssen entweder für jede
Unternehmung einmalig manuell eingegeben werden, oder über andere Informationssysteme importiert werden.
Neben den in Abbildung 4.4 dargestellten Attributen der Tabelle UG, könnten noch
zahlreiche weitere Attribute, wie beispielsweise die Börsenkapitalisierung, die Anzahl
Mitarbeiter oder ob die Aktie Bestandteil gewisser Indizes ist, hinzugefügt werden.
Marktdaten Die zweite Informationsquelle, die vom Portfolio-Management-System benötigt wird, ist im Modell unter Markdaten zusammengefasst. Damit sind
hauptsächlich aktuelle Aktienkurse gemeint, aber auch die Entwicklung gewisser Indizes und Fonds, die vom System zwecks Benchmarks oder aufgrund der definierten
Investitionsstrategie benötigt werden, ist darin enthalten. Auch werden laufend die
aktuellen Devisenkurse importiert.
Diese Daten sollen dem Portfolio-Management-System automatisiert zur Verfügung
gestellt werden. Wiederum müssen sie aus Online-Quellen wie beispielsweise Reuters oder dem Yahoo Finanz Dienst10 ausgelesen und in eine für das PortfolioManagement-System geeignete Form transformiert werden.
Marktempfehlungen Eine weitere Informationsquelle ist als Marktempfehlungen
modelliert. Dies können professionelle Investitionsempfehlungen von Spezialisten,
Börsengerüchte oder Insiderinformationen sein, die ebenfalls Einfluss auf die Transaktionen innerhalb des Portfolio-Management-Systems ausüben können.
4.3.2.2
Strategie
Der Benutzer gibt dem Portfolio-Management-System anhand einer InvestmentStrategie vor, nach welchen Regeln die einzelnen Investments getätigt werden und
welche Benchmarks zum Performancevergleich herangezogen werden sollen.
10
http://finance.yahoo.com
71
Beim Beispiel der Jobbörse als Webindikator könnten mögliche Strategien in Pseudocode formuliert folgendermassen aussehen:11
Strategie: Unmittelbarer Kauf;
Indikator: math-jobs.com;
WENN neues Inserat
DANN Kauf Aktie, Investitionsbetrag = 100;
WENN Aktuelles Datum > Kaufdatum + 3 Jahre
DANN Verkauf Aktie;
Benchmark MSCI World;
Ziel: Performance > Performance MSCI World;
Strategie: Quartalsweise Umschichtung;
Indikator: math-jobs.com;
Zeitperiode = 3 Monate;
WENN Zeitperiode vorbei
DANN Bestimme relevante Inserate
{Relevant falls (Aktuelles Datum < Inserierungsdatum + 3 Jahre)};
Berechne relative Portfolioanteile;
Berechne aktuellen Portfoliowert;
Investitionsbetrag = aktueller Portfoliowert;
Investition anhand relativer Portfolioanteile;
Benchmark MSCI World;
Ziel: Performance > Performance MSCI World;
4.3.2.3
Reports
Das Portfolio-Management-System gibt zahlreiche Reports aus, um dem Benutzer
die Entwicklung des Portfolios darzustellen und bei Bedarf Anpassungen der Strategie aufgrund negativer Entwicklung des Portfolios zu ermöglichen.
11
Die ersten beiden Strategien werden im Kapitel 7.1 ab Seite 104 genauer beschrieben und in
den Kapiteln 8.2 ab Seite 120 und 8.4 ab Seite 134 anhand der Daten von math-jobs.com
durchgeführt und analysiert.
72
• Portfolio Wert: Zeigt die Wertentwicklung des Gesamtportfolios im Laufe der
Zeit. Daneben wird die Entwicklung der gewählten Benchmark zum Vergleich
ebenfalls dargestellt.
• Portfolio Performance: Zeigt Performance Zahlen unterschiedlicher Zeiträume,
wie 3 Monate, 6 Monate, 1 Jahr, 3 Jahre oder 5 Jahre, dargestellt. Dabei wird
zum Vergleich ebenfalls die Performance der Benchmark berechnet.
• Komponenten Performance: Dieser Report zeigt die Performance der einzelnen
Aktientitel, die sich zurzeit im Portfolio befinden. Zudem können Ranglisten
mit den Top- oder Flop-Holdings12 ausgegeben werden.
• Kennzahlen: In diesem Report werden die wichtigsten Portfolio-Kennzahlen
dargestellt. Diese sind beispielsweise Volatilität über unterschiedliche Zeiträume, Sharpe Ratio, Jensens Alpha, Information Ratio, Treynor Ratio und
der Betafaktor. Auch Zahlen wie der Höchst- oder Tiefststand des Portfolios
im letzten Jahr oder die längste Verlustperiode können von Interesse sein.
• Asset Allocation: Dieser Report erstellt Listen der Branchen- und Länderstruktur oder der Währungsverteilung innerhalb des Portfolios und vergleicht
diese Werte mit vom Benutzer bestimmten Zielwerten.
• Transaktionen: Gibt alle in einer gewissen Zeitperiode getätigten Transaktionen aus. Bei Verkäufen wird zusätzlich der Gewinn oder Verlust des einzelnen
Investments angegeben.
4.3.3
Funktion des Porfolio-Management-Systems
Das Portfolio-Management-System (siehe Abbildung 4.5) besteht aus vier Modulen.
Neben den beiden bereits vorgestellten Speichern Webindikator Informationen und
Marktdaten sind zwei weitere Speicher vorhanden:
Im Strategie-Speicher sind die vom Benutzer bestimmten Regeln bezüglich Investmentstrategie und Benchmarks gespeichert.
Der Speicher Portfolio enthält alle Daten über die Aktien im Portfolio. Dies sind
einerseits die sich zum aktuellen Zeitpunkt im Portfolio befindlichen Aktien, andererseits aber auch historische Daten von zeitlich zurückliegenden Investitionen.
12
Aktientitel im Portfolio mit der besten / schlechtesten Performance
73
Abbildung 4.5: Modell des Portfolio-Management-Systems
Das Modul Informationsverarbeitung bestimmt anhand der Strategie unter Berücksichtigung der Zusammensetzung des aktuellen Portfolios, wie mit Informationen des
Webindikators umzugehen ist. Falls aufgrund neuer Informationen ein Kauf getätigt
werden soll, wird der Kaufauftrag dem Modul Transaktion übergeben, das darauf
automatisch die entsprechende Transaktion über eine elektronische Börse vornimmt.
Das Modul Analyse / Kontrolle überprüft laufend den Portfoliobestand und führt
bei Abweichungen von den anhand der Strategie bestimmten Kriterien Korrekturen
am Portfolio durch, indem es dem Transaktionsmodul Kauf- oder Verkaufsaufträge
gibt. Schliesslich liefert das Analyse / Kontrolle-Modul die Informationen, anhand
deren das Modul Report Erstellung grafische und tabellarische Reports erstellt. Bei
Bedarf kann nach Analyse der Reports die Strategie angepasst werden.
74
4.4
Fazit
Es gibt zahlreiche Informationsquellen im Internet, aus denen wir implizite Informationen über das Intellektuelle Kapital einer Unternehmung gewinnen können. Als
besonders geeignet haben sich Communities“ herausgestellt, welche zahlreiche Pro”
dukte und Unternehmen unabhängig bewerten. Auch aus Suchmaschinen-Rankings
können wertvolle Informationen über die Stellung und Akzeptanz einer Unternehmung im Informationsmarkt Internet gewonnen werden.
Es hat sich herausgestellt, dass nicht alle Informationen öffentlich zugänglich sind.
Bei Auftragsbörsen beispielsweise bleiben die fürs Portfolio Management relevanten
Informationen der Öffentlichkeit vorenthalten und stehen nur den Betreibern der
Website selbst zur Verfügung.
Bei Jobbörsen werden zwar die Inserate öffentlich publiziert, jedoch kann der Betreiber des Portals zusätzliche Informationen aus den Logfiles filtern. Möglicherweise
lässt sich aus den Klickzahlen der einzelnen Inserate auf die Attraktivität einer Unternehmung als Arbeitgeber schliessen.
Da die Entwicklung des Internets kaum abzuschätzen ist, spielt die Flexibilität
bei dem vorgestellten Portfolio-Management-System eine entscheidende Rolle. Das
Werkzeug muss auf einfache Weise an Innovationen im Internet angepasst werden
können und neue Webindikatoren sollen sich leicht in das System integrieren lassen.
75
Kapitel 5
www.math-jobs.com
Die Anzahl potentieller Informationsquellen im Internet ist gross. Um weiter zu
kommen, legen wir den Fokus in der Folge auf einen sehr eingeschränkten Bereich.
Die von Luchsinger Mathematics betriebene Jobbörse math-jobs.com bietet für unsere Untersuchung verschiedene Vorteile. Einerseits sind alle benötigten Daten in
hervorragender Qualität vorhanden. Andererseits ist math-jobs.com Marktführer
bei der Vermittlung mathematischer Spezialisten und ein charakteristisches Beispiel
für einen rein webbasierten Dienst.
5.1
5.1.1
Entwicklung eines praktischen Evaluationskonzeptes
Ausgangslage und Hintergrund
In dieser Arbeit wird untersucht, ob sich dank spezieller Informationen, die gezielt
aus dem Internet gefiltert werden, Voraussagen bezüglich der Entwicklung der Aktienmärkte machen lassen können.
5.1.1.1
math-jobs.com
Grundlage dieser Untersuchung bildet die Online-Jobbörse math-jobs.com.1 Sie ist
laut Inhaber Dr. Christof Luchsinger2 weltweit die führende spezialisierte Stellenbör1
Mit math-jobs.com ist in der gesamten Arbeit konsequent die Website selbst gemeint. Wird
hingegen von math-jobs gesprochen, ist die gesamte Unternehmung gemeint
2
http://www.luchsinger-mathematics.ch/cvluchs.html
76
se für Mathematiker-/innen.3 Die seit 1999 bestehende Webpage vermittelt weltweit
Stellen in folgenden Bereichen:
• Banking, Insurance, Finance
• Statistics, Bio & Med, Bioinfo, Data Mining, Social Studies
• Computing, Technology
• General Management
• Teach & Academic
Für ein Inserat fällt einer inserierenden Unternehmung z.B. aus der Schweiz eine
Gebühr von 900 Franken an. Direkt von einer Unternehmung angebotene Jobs im
Ausland können zum Zeitpunkt dieser Arbeit kostenlos4 ausgeschrieben werden,
ausländische Arbeitsvermittler müssen jedoch für ein Inserat ebenfalls eine Gebühr
bezahlen.
Die Webpage selbst ist schlicht und übersichtlich gestaltet, wie in Abbildung 5.1
zu sehen ist.
5.1.1.2
Ziel
Ziel dieser Arbeit ist es, herauszufinden, ob möglicherweise ein Zusammenhang zwischen einer Stellenausschreibung auf math-jobs.com und der künftigen wirtschaftlichen Entwicklung einer Unternehmung besteht und somit eine Online-Jobbörse
unter Umständen ein geeigneter Webindikator für das Portfolio Management ist.
5.1.1.3
Idee
Der Bedarf nach einem hochqualifizierten Mathematiker deutet möglicherweise darauf hin, dass eine Unternehmung positive Erwartungen bezüglich ihrer künftigen
3
Aus Gründen der Lesbarkeit wird künftig die männliche Form benutzt. Selbstverständlich
bezieht diese Formulierung beide Geschlechter ein.
4
Seit Oktober 2004 kostet ein Inserat aus Grossbritannien 30 Pfund
77
Abbildung 5.1: math-jobs.ch [math-jobs.ch], 26.7.2004
Entwicklung hat, falls die Einstellung des Mathematikers als längerfristige Investition betrachtet wird.
Eine andere Idee wäre, dass Mathematiker einer Berufsgruppe angehören, deren
Dienste für Firmen immer wichtiger werden. Erfolgreiche Unternehmen erkennen
dies und stellen vermehrt Mathematiker ein.
Mit einem Inserat auf math-jobs.com zeigt eine Unternehmung, dass sie einerseits
zeitgemäss das Internet zur Stellenausschreibung einsetzt und andererseits über sehr
differenzierte Kenntnisse bezüglich des Online-Stellenmarktes verfügt. Ein Stelleninserat auf einer spezialisierten Jobbörse wie es math-jobs ist, deutet auf ein systematisches Vorgehen bei der Personalaquirierung der Human Resource Abteilung
einer Unternehmung hin. Zudem ist die Inserierung auf dieser Jobbörse eine kostengünstige Möglichkeit, an Spezialisten zu gelangen.
Die Nutzung von math-jobs könnte deshalb ein Hinweis für die Qualität des Mana78
gements oder der HR-Abteilung einer inserierenden Unternehmung sein, die damit
zusätzlich eine gewisse Affinität zu dem neuen Medium Internet beweisen.
Es wird versucht, die Stellenausschreibungen auf math-jobs.com als Indikator für
zukünftiges wirtschaftliches Wachstum einer Unternehmung, gemessen an der Entwicklung ihres Börsenkurses, zu verwenden.
5.1.2
Evaluationsdesign
5.1.2.1
Fragestellung
Konkret wird in der vorliegenden Arbeit folgende Frage untersucht:
Ist eine Stellenausschreibung auf math-jobs.com ein geeigneter Indikator für die
zukünftige wirtschaftliche Entwicklung einer Unternehmung?
5.1.2.2
Methodologischer Ansatz
Grundlegend zur Beantwortung dieser Frage ist die Bildung von Aktien-Portfolios,
bestehend aus den Aktien der auf math-jobs.com inserierenden Firmen.
Diese Portfolios können auf unterschiedliche Weise und nach unzähligen verschiedenen Regeln gebildet werden.
Auf mögliche Strategien wird in Kapitel 7.1 ab Seite 104 genauer eingegangen.
Die Performance der gebildeten Portfolios wird anhand der in Kapitel 2.5.1 ab Seite
27 vorgestellten Methoden zur Performance-Messung berechnet.
Zum Vergleich der Portfolio-Performance müssen verschiedene Benchmarks bestimmt
werden. Diese Benchmarks können beispielsweise Fonds, Indizes oder sonstige Anlagen sein.
5.1.2.3
Datenerhebung
Einerseits wurden die Daten von math-jobs.com bezüglich der aufgeschalteten Inserate benötigt. Diese wurden mir von Dr. Christof Luchsinger zur Verfügung gestellt.
79
Die Aktienkurse wurden über den Finance Dienst von Yahoo5 bezogen. Bei Unklarheiten oder fehlenden Daten wurden weitere Quellen wie die Webpage der Swiss
Exchange SWX6 oder die auf den Homepages der betroffenen Firmen publizierten
Aktienkurse verwendet.
Wichtig ist, dass die Aktienkurse jeweils in der lokalen Währung des Hauptsitzes
der Unternehmung verwendet und auf eine Umrechnung in eine einzige Währung
absichtlich verzichtet wurde. Das Geld wurde direkt in Schweizer Franken investiert und nicht zuerst in die lokale Währung gewechselt. Die Idee dahinter ist, den
Einfluss von Devisenkursen auf den Wert des Portfolios zu eliminieren, indem die
Kursänderungen relativ zum Kaufkurs berechnet werden.
Ein Beispiel soll dies verdeutlichen:
Am 1. Mai 2001 soll ein Betrag von 100 Fr. in eine Ebay Aktie investiert werden.
Der Aktienkurs beträgt zu diesem Zeitpunkt 50.62 Dollar. Nach drei Jahren wird
die Ebay Aktie verkauft. Der Kurs am 1. Mai 2004 beträgt 79.50 Dollar. Der Kurs
ist innerhalb der drei Jahre um 57.05% gestiegen. Die 100 investierten Franken sind
dank des Kursgewinnes beim Verkauf 157.05 Franken wert.
Alternativ hätten die 100 Franken im Mai 2001 zu einem Kurs von 1.55 in Dollar
gewechselt werden können und drei Jahre später zu einem Kurs von 1.30 zurück
gewechselt. Das Investment hätte zum Schluss aufgrund der Schwankung des Devisenkurses nur einen Wert von 116 Franken.
Da das Management einer Unternehmung keinen Einfluss auf den Devisenkurs hat,
ist es für diese Untersuchung von Vorteil, die Devisenkurse aus der Betrachtung auszuklammern. Wichtig dabei ist, dass dies gleichzeitig auch in den später verwendeten
Benchmarks geschieht.
5.1.2.4
Berücksichtigte Stellen
Für die Analysen und Auswertungen wurden nicht alle auf math-jobs.com ausgeschriebenen Stellen berücksichtigt. Akademische Stellen, Stellen bei Spitälern und
sämtliche über Personalvermittler ausgeschriebene Stellen wurden gestrichen.
5
http://finance.yahoo.com
6
http://www.swx.ch
80
Für die Umsetzung einer Investitionsstrategie7 sind von den restlichen Inseraten nur
die von börsenkotierten Firmen stammenden Ausschreibungen von Nutzen. Dies ist
schade, denn möglicherweise könnten gerade die Inserate von so genannten Start-Ups
interessante Informationen verknüpft mit hohen Renditen liefern.
5.1.2.5
Haltedauer einer Aktie
Angenommen, ein Inserat auf math-jobs.com ist ein Indikator für eine gut geführte
Firma und führt indirekt zu einer erhöhten Performance dieser Unternehmung an
der Börse, so bleibt dieser positive Effekt nicht ewig bestehen. Die Zusammensetzung
des Managements und die damit verknüpfte Unternehmungskultur kann sich über
die Jahre ändern.
Deshalb muss festgelegt werden, wie lange ein Inserat einer Firma Einfluss auf die
Zusammensetzung des zu bildenden Portfolios haben soll. Anders ausgedrückt muss
bestimmt werden, wie lange die Haltedauer einer Aktie ist, respektive wann sie
wieder verkauft werden soll.
Diese Haltedauer wurde auf 3 Jahre festgelegt und wird folgend in der gesamten
Arbeit konsequent verwendet.
5.1.3
Statistische Tests
Die folgenden beiden statistischen Signifikanz-Tests werden im Kapitel 8.6 ab Seite
144 für die zu untersuchenden Portfolios und Benchmarks durchgeführt.
5.1.3.1
Sharpe Ratio nach Jobson und Korkie
Der von Jobson und Korkie entwickelte statistische Test ermöglicht es zu überprüfen,
ob zwei Sharpe Ratios signifikant voneinander verschieden sind.
Christoph Memmel hat im Jahre 2003 einen Fehler in dem Test entdeckt und die
Formeln entsprechend korrigiert.8 Dieser Test setzt voraus, dass die Renditen normalverteilt, voneinander unabhängig und stationär sind.
7
Siehe Kapitel 7, S. 104
8
Quelle: [Memmel03]
81
5.1.3.2
T-Test
Mit einem T-Test kann beispielsweise überprüft werden, ob sich die Parameter α
und β einer Regressionsgeraden signifikant von 0 unterscheiden.
Im konkreten Fall vergleichen wir die Renditen der math-jobs Portfolios mit den
Renditen einer Benchmark und möchten die Parameter der resultierenden Regressionsgeraden genauer untersuchen. Die Ergebnisse des Tests sind im Kapitel 8.6.2
auf Seite 144 zu finden.
5.2
Möglichkeiten mit math-jobs.com Daten
5.2.1
Verfügbare Daten
5.2.1.1
Daten aus Logfiles
Die Software eines Web-Servers, beispielsweise einem Apache,9 protokolliert die ihn
betreffenden Ereignisse in so genannten Logfiles. Er speichert vor allem die Anfragen
und Spezifikationen der kontaktierenden Clients. Im Normalfall sind die Browser der
Internetnutzer die Clients, jedoch werden auch die von Suchmaschinen eingesetzten
Spider dazu gezählt.10
Die HTTP-Logfiles werden von den Servern als reine Text Dateien abgelegt. Jeder einzelne Zugriff auf eine auf dem Server liegende Datei erhält eine eigene Zeile
im Logfile.
Gewöhnlich werden bei einem Aufruf einer Internetseite folgende Daten registriert
und protokolliert:
• Die IP-Adresse des Besuchers
• Benutzername und Passwort bei geschützten Seiten
• Zeitpunkt des Seitenaufrufs
9
10
Apache HTTP Server: http://www.apache.org/
Quelle: http://www.idealobserver.de/htdocs/logfilegrundlagen.html, besucht am 11.6.2004
82
• Bestandteile der aufgerufenen Seite
• Die Herkunft des Aufrufs, als Referrer bezeichnet
• Die Identität des Clients
Ein typischer Eintrag eines Logfiles sieht so aus:
156.17.32.24 - - [11/Jun/2004:04:18:13 +0200]
"GET /index.htm HTTP/1.1" 200 1021
"http://www.google.ch/search?q=mathjobs" "Mozilla/4.0"
Der erste Eintrag ist immer die IP-Adresse des Users. Dahinter folgt das Datum und
die Uhrzeit des Zugriffs. +0200 steht für die Sommerzeit der Mitteleuropäischen Zeitzone.
Hinter diesen allgemeinen Daten kommen die Zugriffsdaten. GET bedeutet, dass
die Datei /index.html vom Server abgerufen wurde. Bei einem Formular könnte der
Eintrag beispielsweise “POST /cgi-bin/FormMail.pl” lauten, denn in diesem speziellen Fall werden Daten an den Server übermittelt.
Der folgende dreistellige Code ist der Übertragungscode. 200 im Beispiel bedeutet
OK, 404 hingegen würde Aufgerufene Seite nicht vorhanden“ bedeuten.
”
Die Zahl hinter dem Übertragungscode zeigt genau an, wie viele Bytes beim Zugriff
übertragen wurden.
Der nächste Eintrag ist der Referrer. Er ist von grosser Bedeutung und zeigt, woher
der Internetnutzer gekommen ist. Im Beispiel ist er durch die Eingabe des Suchwortes mathjobs“ in der Suchmaschine google.ch auf die Seite gestossen.
”
Zum Schluss folgt der User Agent, wo beispielsweise Informationen zum Browser
gespeichert werden. Die Spider von Suchmaschinen übermitteln hier ihre Botbezeichnung.11
Die Logfiles von math-jobs.com können zur Gewinnung verschiedener Informationen
verwendet werden:
• Klickzahlen pro Tag, Woche und Monat
11
Quelle: http://www.netz-id.de/article388.html, besucht am 11.6.2004
83
• Klickzahlen-Entwicklung
• Herkunftsland des Users (nur eingeschränkt möglich)
• Pfad des Users durch die Website
• Wie und wann der User auf math-jobs.com gelangt ist
5.2.1.2
Stellenangebote
Auf math-jobs.com werden Stellen für Mathematiker in verschiedenen Branchen
angeboten. Diese werden in vier Kategorien eingeteilt:
• Banking, Insurance, Finance
• Statistics, Bio + Med, Bioinfo, Data Mining, Social Studies
• Computing, Technology
• General Management
Auch werden Stellen in den Bereichen Teach und Academic angeboten, diese sind
aber für die vorliegende Arbeit nicht relevant.
In folgenden Ländern ist math-jobs mit einer ländereigenen Domain vertreten:
Schweiz, Deutschland, Österreich, UK, Australien, Neuseeland, Kanada und USA.
Im Sommer 2004 kamen zusätzlich China und Japan dazu. Zudem gibt es eine
Kategorie Other Countries“, womit auch die Möglichkeit für Stellen aus anderen
”
Ländern besteht, auf math-jobs ausgeschrieben zu werden.
Aus den Stellenausschreibungen können verschiedene Daten gewonnen werden:
• Totale Anzahl ausgeschriebene Stellen
• Anzahl ausgeschriebene Stellen pro Kategorie
• Datum der Ausschreibung
• Kategorie der Stelle
• Hauptsitz der Firma
• Anzahl Klicks auf ein Stellenangebot
84
5.2.1.3
Werbebanner
Im obersten Teil der Webpage bietet math-jobs die Möglichkeit, einen Werbebanner12 zu platzieren. Aus diesem Werbebanner lassen sich folgende Daten gewinnen:
• Werbende Unternehmung
• Platzierung der Werbung13
• Klickzahlen auf Werbebanner
5.3
Fazit
Anhand der Analyse der von math-jobs.com zur Verfügung gestellten Daten bieten sich verschiedene Möglichkeiten, eine Antwort auf die Frage zu finden, ob eine
Stellenausschreibung auf math-jobs.com ein geeigneter Indikator für die zukünftige
wirtschaftliche Entwicklung einer Unternehmung ist.
Wir wählen in den folgenden Kapiteln die beiden Informationen Inserierende Firma
und Zeitpunkt des Inserats um Aktienportfolios zu bilden, die zur Überprüfung der
These mit verschiedenen Benchmarks verglichen werden.
Auf eine Analyse der Logfiles wurde aus Zeitgründen verzichtet, obwohl die Klickzahlen eines Inserates möglicherweise Informationen über die Attraktivität eines
Arbeitsgebers geben könnten.
12
Nach den internationalen Standardgrössen des IAB/CASIE ein so genannter Button 2 mit
dem Format [Breite: 120px Höhe: 60px]
13
Die Werbebanner können auf den länderspezifischen Unterseiten von math-jobs oder auf der
Hauptseite math-jobs.com platziert werden. Die jeweiligen Kosten sind unterschiedlich hoch
und auf http://www.math-jobs.com/icons.html ersichtlich.
85
Kapitel 6
Bildung eines
Konjunkturindikators
Dr. Christof Luchsinger hat die These aufgestellt, dass die Summe der in einem Land
über math-jobs.com ausgeschriebenen Stellen als vorauseilender Konjunkturindikator verwendet werden kann, da Mathematiker, die über math-jobs.com vermittelt
werden, aufgrund ihrer spezialisierten Jobs eher in langfristigen Projekten eingesetzt
werden.
Diese These wird auf den folgenden Seiten überprüft.
6.1
Verschiedene Konjunkturindikatoren
Es gibt mehrere Massstäbe, um die Wirtschaftslage eines Landes oder eines Wirtschaftsraums zu beschreiben. Diese Massstäbe nennt man Konjunkturindikatoren.
Ein Konjunkturindikator dient als Anzeiger für den Gesundheitszustand einer Volkswirtschaft. Das reale Brutto-Inland-Produkt (BIP)1 , respektive seine Veränderungsraten, ist der Hauptindikator.
Das BIP ist der Wert aller im Laufe eines Jahres im Inland erbrachten Wertschöpfun”
gen, bewertet zu Marktpreisen.“ 2
1
Daten zum BIP aus folgender Quelle: http://www.seco-admin.ch/themen/zahlen/
bip/unterseite00218/index.html?lang=de, besucht am 2.6.2004
2
Quelle: [Eisen00] S. 311
86
Die Indikatoren werden zwischen vorauseilend, gleichlaufend und nachhinkend unterschieden.
• Vorauseilende Indikatoren: Auftragseingänge, offene Bankkredite, Geldmenge
• Gleichlaufende Indikatoren: Konsum, Investitionen, Exporte, Umsätze
• Nachhinkende Indikatoren: Zinsen, Löhne, Preise, Arbeitslose
Besonders interessant sind die vorauseilenden Konjunkturindikatoren, weil diese eine
Prognose der Konjunkturentwicklung ermöglichen. Je grösser der so genannte Lead
ist, umso mehr Quartale eilt der Indikator der Konjunktur voraus. Bei nachhinkenden Indikatoren wird von einem Lag gesprochen.
Der Konjunkturbarometer der KOF/ETH3 ist die in der Schweiz bekannteste Darstellung vorauseilender Indikatoren.4
Bevor geprüft wird, ob die Daten von math-jobs.com geeignet sind, einen vorauseilenden Konjunkturindikator zu bilden, möchten wir zuerst auf die Messung der Prognosegüte eines Indikators und auf bewährte Indikatoren im Bereich des Arbeitsmarktes und der Beschäftigung eingehen.
6.2
Messung der Prognosegüte
6.2.1
Prognosegütemass
Die Treffgenauigkeit einer Prognose in einem Zeitraum kann anhand des Root Mean
Square Error (RMSE) und des Theilschen Ungleichheitskoeffizienten (TUK) gemessen werden. Es werden die prognostizierten und realisierten Veränderungsraten der
Werte P und R für jeden Zeitpunkt miteinander verglichen.
Der RMSE ist die Wurzel des mittleren quadratischen Prognosefehlers und ist definiert als:
v
u n
uX (Pt − Rt )2
RM SE = t
t=1
n
3
Konjunkturforschungsstelle der ETH Zürich, http://www.kof.ethz.ch/
4
Quelle: [Eisen00], S. 99
87
(Pt = Wert der Prognose zum Zeitpunkt t, Rt = Wert der Realität zum Zeitpunkt t)
Wenn alle Prognosen genau eintreffen, ist der RMSE Null. Je grösser der Mittelwert
der Prognosefehler ist, desto grösser wird der RMSE. Zudem ist darauf zu achten,
dass die Gewichtung von grösseren Prognosefehlern stärker ist, als die von kleineren.
Dieses Mass kann mit dem entsprechenden Mass für eine naive Prognose verglichen
werden, denn ein Indikator sollte in seiner Prognose zumindest simple Prognosemodelle übertreffen.
Der Theilsche Ungleichheitskoeffizient vergleicht den berechneten Prognosefehler mit
dem einer naiven Prognose.
v
u 1 Pn
u
(Pt − Rt )2
T U K = t n 1t=1
Pn
2
n
t=1 (Rt )
(Pt = Wert der Prognose zum Zeitpunkt t, Rt = Wert der Realität zum Zeitpunkt t)
Der Koeffizient ist gleich Null, wenn alle Prognosen zutreffen. Je grösser der Wert
des TUK ist, desto schlechter ist die Prognosequalität.
Wenn alle prognostizierten Veränderungsraten gleich null sind, das heisst die Werte
der prognostizierten Grösse konstant sind, nimmt der TUK den Wert eins an. Diese
Konstanz der Werte wird als naive Prognose bezeichnet.
Ist der TUK kleiner als eins, so weisen die evaluierten Prognosen kleinere Fehler auf
als die Fehler der naiven Prognose.5
6.2.2
Wendepunktanalyse
Ein Nutzer einer Prognose interessiert sich nicht nur für die Genauigkeit der Prognose, sondern vor allem für die Richtung, in die sich die Volkswirtschaft entwickelt. Vor
allem interessieren die Richtungswechsel an den Wendepunkten, welche konjunkturelle Umschwünge von einer Rezession in den Aufschwung oder von einem Boom
in den Abschwung voraussagen. Die Qualität der prognostizierten Richtungswechsel
kann anhand folgender vier möglichen Fälle berechnet werden:
5
Quelle: http://www.ruhr-uni-bochum.de/agvwp1/Einfuehrung/Prognoseguete.pdf, besucht
am 19.5.2004
88
• Fall A: Wendepunkt angekündigt und eingetreten (a).
• Fall B: Wendepunkt angekündigt und nicht eingetreten (b).
• Fall C: kein Wendepunkt angekündigt obwohl Wendepunkt eingetreten (c).
• Fall D: kein Wendepunkt angekündigt und keiner eingetreten (d).
Die relative Gesamtfehlerhäufigkeit kann anhand der Formel
b+c
a+b+c+d
berechnet wer-
den. Die Variablen a, b, c und d bilden die absoluten Häufigkeiten ab.
Der Wertebereich der relativen Gesamtfehlerhäufigkeit liegt zwischen Null und Eins,
wobei Null bedeutet, dass alle Wendepunkte korrekt prognostiziert worden sind.
6.3
6.3.1
Bewährte Indikatoren
Manpower-Index
Unter Prognostikern gilt der vom Temporärarbeitsvermittler Manpower ermittelte
Stellenindex als zuverlässiges Arbeitsinstrument. Der Manpower-Stellenindex basiert auf den Stelleninseraten, die in den grossen Schweizer Zeitungen veröffentlicht
werden.6 Die zugrunde liegende Annahme lautet, je umfangreicher die Anzahl an
Stellenanzeigen, desto grösser die Nachfrage nach Arbeitskräften.
Der Manpower Stellenindex spiegelt den Willen der Unternehmen wider, für die
Rekrutierung von Angestellten zu investieren. Zudem zeigt er das Volumen der Rekrutierungsabsichten und die Tendenz des Arbeitsmarktes, die sich durch Analyse
der temporären und festen Stellenangebote ergibt, ist zu erkennen.7
Die Relevanz des Manpower-Index nimmt aber in letzter Zeit ab. Dies liegt an den
neuen Möglichkeiten zur Stellensuche mit Hilfe des Internets. Deshalb gelangen viele
Inserate nicht mehr in die Presse, sondern werden nur noch elektronisch publiziert.
Diese Entwicklung führte zur Etablierung des Jobpilot-Index.8
6
Berücksichtigte Zeitungen insgesamt 29. In Zürich beispielsweise die NZZ, der Tagesanzeiger
und der Winterthurer Landbote
7
Quelle: http://www.manpower.ch, besucht am 17.5.2004
8
Quelle: http://www.nzz.ch/2004/04/14/ma/page-article9IZT7.html, besucht am 17.5.2004
89
Abbildung 6.1: Manpower- und Jobpilot-Index im Vergleich
In Abbildung 6.1 ist eindeutig zu erkennen, dass der Manpower-Index in den letzten
Betrachtungsperioden stagniert, sich aber der Jobpilot-Index im gleichen Zeitraum
deutlich verbessert.
6.3.2
Jobpilot-Index
Der Jobpilot-Index verfolgt den Online-Stellenmarkt in der Schweiz seit 2001 und
wird vierteljährlich von der Fachhochschule Solothurn Nordwestschweiz erhoben und
von Jobpilot.ch publiziert. Er berücksichtigt die Daten der grössten schweizerischen
Online Jobbörsen,9 bezieht aber auch die Stellenangebote auf den Recruiting-Sites
von Schweizer Grossunternehmungen10 in die Betrachtung mit ein.
Aus dem Jobbörsen-Index und dem Unternehmen-Index berechnet sich dann der
Gesamtindex.11
Die Stellenausschreibungen werden in zehn Berufskategorien eingeteilt:
9
jobpilot.ch, jobs.ch, jobscout24.ch, jobup.ch, jobwinner.ch, monster.ch, stellen.ch, jobclick.ch,
telejob.ch, topjobs.ch
10
ABB, Manor, Migros, Nestlé, Novartis, SBB, Swisscom, UBS, Unispital Zürich, Zürich Gruppe
11
Quelle:
http://www.jobpilot.ch/content/presse/jobpilotindex/index.html,
17.05.2004
90
besucht
am
1. Büro und Verwaltung
2. Finanzen und Rechnungswesen
3. Informatik und Telekommunikation
4. Verkauf und Kundenberatung
5. Marketing, Werbung und PR
6. Human Resource Management / Aus- & Weiterbildung
7. Technische & naturwissenschaftliche Berufe
8. Medizin, Pflege und soziale Berufe
9. Gewerbliche und industrielle Berufe, Produktion und Logistik
10. Diverse Berufe
Für jede dieser Kategorien wird ein Index berechnet, aus denen schlussendlich der
Gesamtindex abgeleitet wird. Die Entwicklung in den verschiedenen Berufsgruppen
ist keinesfalls homogen, wie z.B. in Abbildung 6.2 zu erkennen ist.
Die Kategorie Informatik und Telekommunikation korreliert am stärksten mit dem
Gesamtindex. Die Entwicklung der BerufsgruppeVerkauf und Kundenberatung nimmt
aber einen markant anderen Verlauf. Der Gesamtindex sinkt ab dem zweiten Quartal 2001, während der angesprochene Teilindex bis zu seinem Maximum im zweiten
Quartal 2003 eine kontinuierliche Aufwärtstendenz aufweist. Ab diesem Zeitpunkt
beginnt der Teilindex zu fallen, im Gegensatz zum Gesamtindex, der sich erhöht und
eine deutliche Aufwärtstendenz zeigt.
Dass die Entwicklung in den verschiedenen Kategorien heterogen verläuft, kann auch
mathematisch anhand des Korrelationskoeffizienten12 gezeigt werden.
Korrelationskoeffizienten zwischen Kategorie und Gesamtindex:
(Sortiert nach Strammheit des Zusammenhangs der beiden Zeitreihen)
Informatik und Telekommunikation
12
+0.95
siehe Kapitel 2.3.4, Seite 16
91
Abbildung 6.2: Kategorien des Jobpilot-Index
Finanzen und Rechnungswesen
+0.71
Büro und Verwaltung
+0.57
Marketing, Werbung, PR
+0.34
Diverse Berufe
-0.33
HRM, Aus- und Weiterbildung
-0.36
Medizin, Pflege, Soziale Berufe
-0.53
Technik und Naturwissenschaft
-0.62
Gewerbe, Industrie, Produktion, Logistik
-0.71
Verkauf und Kundenberatung
-0.83
6.4
math-jobs-Index
Es stellt sich die Frage, ob die durch die Website math-jobs.com zur Verfügung
gestellten Daten als Konjunkturindikator, im besten Fall sogar als vorauseilender
Konjunkturindikator, verwendbar sind.
Mit der Vermittlung von so genannten Quants 13 deckt math-jobs.com nur einen sehr
13
Sammelbegriff für Mathematiker, Statistiker, Physiker und zum Teil auch Ingenieure. Personen
mit einer quantitativen Ausbildung
92
kleinen, spezialisierten Bereich des Jobmarktes ab und greift nicht wie der JobpilotIndex auf ein gut diversifiziertes Portfolio von Online-Stellenbörsen mit vielen verschiedenen Berufskategorien zurück.
Gleichzeitig werden aber die über math-jobs.com vermittelten Quants in zahlreichen
Berufskategorien und unterschiedlichen Branchen benötigt.
Im Folgenden wird untersucht, ob der aus den Daten von math-jobs.com konstruierte Index mit dem Jobpilot-Index korreliert oder gar einen präzisereren Indikator
als der bewährte Stellen-Index darstellt.
6.4.1
Probleme bei der Konstruktion
Bei der Konstruktion des Index muss beachtet werden, dass nicht allein die Anzahl
ausgeschriebenen Stellen auf math-jobs.com berücksichtigt werden kann.
Die Nutzung des Internets hat sich in der Schweiz zwischen der Eröffnung der OnlineJobbörse math-jobs im Jahre 1999 und heute massiv erhöht. Waren Anfang 1999
erst 18% der Schweizer regelmässig online,14 zählten im ersten Quartal 2004 bereits
49.5% der Schweizer zu der Kategorie der so genannten heavy and medium User.15
Für die Indexkonstruktion muss aber nicht die steigende Anzahl Internet-Nutzer,
sondern die allgemeine Entwicklung bei Online-Job-Ausschreibungen berücksichtigt
werden. Genau diese Entwicklung zeigt der Jobpilot-Index, dieser wird jedoch bekanntlich erst ab Anfang 2001 berechnet.
Ein weiterer Punkt ist, dass sich math-jobs.com zuerst auf dem JobvermittlungsMarkt etablieren und Bekanntheit schaffen musste. Dieses unbestrittene Wachstum
zeigt sich deutlich in der Anzahl der auf math-jobs.com ausgeschriebenen Stellen.
Die Expansion auf die Jobmärkte weiterer Länder im Laufe des Jahres 2000 ist für
diese Ausführung nicht relevant, da für die Konstruktion des Indikators nur die in
der Schweiz ausgeschriebenen Stellen berücksichtigt werden.
14
Quelle: http://www.statistik.admin.ch/stat ch/ber20/indic-soc-info/ind30106d 1 synth.htm,
besucht am 19.5.2004
15
Quelle:
http://www.wemf.ch/pdf/d/Engerer%20Nutzerkreis%20(ENK).pdf,
19.5.2004
93
besucht
am
6.4.2
Konstruktion des math-jobs-Index
Der Inhaber von math-jobs.com, Dr. Christof Luchsinger, hat in der Startphase
seiner Jobbörse math-jobs.com mit verschiedenen Mitteln versucht, Bekanntheit zu
schaffen und math-jobs auf dem Online-Job-Markt zu etablieren. Er hat beispielsweise den bei der Konkurrenz ausschreibenden Firmen angeboten, Stellen auch auf
math-jobs.com auszuschreiben. Mit diesen Werbeaktionen sind die stark schwankenden Ausschreibungszahlen in der ersten Phase von math-jobs.com zu einem grossen
Teil zu erklären.
Laut Luchsinger hat sich die Jobbörse im Laufe des Jahres 2000 auf dem OnlineJob-Markt etabliert und die Bekanntheit ist seither in der Schweiz nicht mehr stark
gestiegen.
Die theoretisch vermutete allgemeine Steigerung bei der Anzahl Ausschreibungen auf
Online-Jobbörsen wird vernachlässigt, da sie, wie die folgenden Zahlen von mathjobs.com zeigen, nicht eindeutig festgestellt werden kann. Die Ausschreibungszahlen
sind zu stark von den Konjunkturschwankungen beeinflusst, wie später in dieser
Arbeit noch gezeigt wird.16
Es macht nur beschränkt Sinn, für die Indexkonstruktion die starken Unregelmässigkeiten in der Start- und Etablierungsphase bei den Inseratzahlen zu berücksichtigen.
Deshalb startet der Index erst Mitte des Jahres 2000, zu dem Zeitpunkt, in dem sich
math-jobs.com laut Dr. Christof Luchsinger definitiv auf dem Markt etabliert hat.
Falls sich herausstellen sollte, dass sich der Index nicht als vorauseilender Konjunkturindikator eignet, ist die durch den Index dargestellte Entwicklung bei den
offenen Stellen mit grösster Wahrscheinlichkeit aber immerhin ein vorauseilender
Indikator für die Arbeitslosigkeit.
Weil die Arbeitslosigkeit saisonalen Schwankungen ausgesetzt ist und der Index auch
diese vorauseilend darstellen soll, wird auf eine Saisonbereinigung verzichtet.
Der Index besteht aus den in einem Quartal absolut bei math-jobs.com in der
Schweiz ausgeschriebenen Stellen. Der Index beginnt im dritten Quartal des Jahres 2000 und ist zu diesem Zeitpunkt auf den Wert 100 normiert. Der konstruierte
math-jobs-Index ist in Abbildung 6.3 dargestellt.
Bei der ganzen Untersuchung wurden nur die direkt von Unternehmen ausgeschriebene Stellen berücksichtigt. Beim Konjunkturindikator hätte es möglicherweise Sinn
16
Siehe Kapitel 6.4.4, S. 99
94
Abbildung 6.3: Entwicklung des math-jobs-Index
gemacht, auch die von Jobvermittlungs-Büros in der Schweiz ausgeschriebenen Stellen zu berücksichtigen.
Im nächsten Abschnitt wird der math-jobs-Index mit dem bewährten Jobpilot-Index
verglichen. Wenn sich die These von Dr. Christof Luchsinger bestätigen sollte, eilt
der math-jobs-Index dem Jobpilot-Index voraus. Falls die Indizes aber gleich verlaufen, deutet einiges darauf hin, dass der math-jobs-Index gleich dem Jobpilot-Index
der Konjunktur hinterher hinkt und sich deshalb nicht als vorauseilender Konjunkturindikator eignet.
6.4.3
Vergleich mit Jobpilot-Index
Der Jobpilot-Index ist gleichermassen von der steigenden Anzahl Internet-Nutzer
und der theoretisch vermuteten Steigerung beim Angebot von online angebotenen
Jobs betroffen wie der math-jobs-Index. Deshalb wird diese Korrektur des Index bei
diesem Vergleich erneut vernachlässigt.
Der Jobpilot-Index ist nicht saisonbereinigt,17 und unterliegt theoretisch den gleichen saisonalen Einflüssen wie der math-jobs-Index. Aufgrund dessen wird die Saisonbereinigung nicht durchgeführt und zum Vergleich der beiden Indizes direkt die
17
bestätigt von Anette Jochem, für den Index verantwortliche Fachperson von der Fachhochschule Solothurn Nordwestschweiz
95
math-jobs
jobpilot
Quartal 4 2000
14
100
Quartal 1 2001
35
105
Quartal 2 2001
34
113
Quartal 3 2001
29
92
Quartal 4 2001
26
80
Quartal 1 2002
16
77
Quartal 2 2002
15
65
Quartal 3 2002
11
56
Quartal 4 2002
15
45
Quartal 1 2003
11
38
Quartal 2 2003
12
37
Quartal 3 2003
9
38
Quartal 4 2003
7
48
Quartal 1 2004
17
54
Tabelle 6.1: Absolute Ausschreibungen bei math-jobs verglichen mit jobpilot-Daten
Anzahl ausgeschriebener Jobs ohne Korrekturen verwendet.
Die Zahlen in Tabelle 6.1 in der Spalte math-jobs sind die Summe aller im entsprechenden Quartal auf der Website math-jobs.ch inserierten Stellen.
Erfolgreichstes Quartal war das erste im Jahre 2001, wo von Anfang Januar bis Ende
März insgesamt 35 Stellen auf dem Schweizer Jobmarkt angeboten wurden.
Deutlich schwächer war das letzte Quartal 2003, wo mit 7 ausgeschriebenen Stellen
nur gerade
1
5
des erwähnten besten Quartalsergebnisses aus dem Jahre 2001 erreicht
wurde.
Wie sich die Zahlen des jobpilot-Index zusammensetzen, wurde bereits im Kapitel
6.3.2 auf Seite 90 gezeigt.
In Abbildung 6.4 ist zu erkennen ist, dass die beiden Indizes sehr ähnlich verlaufen.
Auf der linken primären Achse sind die Werte des jobpilot-Index von 0 bis 120 abgebildet, auf der Sekundärachse die absoluten Jobausschreibungen bei math-jobs.ch
pro Quartal. Die Kurve des Jobpilot-Index ist glatter als die des math-jobs-Index.
Dies erklärt sich dadurch, dass der Jobpilot-Index auf eine massiv grössere Anzahl
96
Abbildung 6.4: Korrelation zwischen Jobpilot- und math-jobs-Index
ausgeschriebener Jobs zurückgreift. Bei dem math-jobs-Index haben bereits wenige
zusätzlich ausgeschriebene Jobs einen grossen Einfluss auf den Index, die Schwankungen sind deshalb höher.
Dieses Problem könnte durch die Anwendung eines gleitenden Durchschnitts behoben werden. Der gleitende Durchschnitt wird aus einer gleich bleibenden Anzahl
zeitlich jeweils benachbarter Beobachtungswerte berechnet und dem in der Mitte liegenden Zeitpunkt zugeordnet.18 Die Bildung des gleitenden Durchschnitts hat den
Effekt, erratische Ausschläge der Datenreihe zu glätten, aber andererseits schleift
er auch Extrema ab. Dies hätte zur Folge, dass wichtige Wendepunkte verschwinden.19 Ein weiterer Nachteil ist, dass der Wert des gleitenden Durchschnitts erst mit
Verzögerung berechnet werden kann. Wenn für die Berechnung 5 Glieder betrachtet werden (die zwei vorangehenden Quartale, das aktuelle und die zwei folgenden),
kann beispielsweise der Wert des 2. Quartals 2004 erst bei bekannt werden der Daten
des 4. Quartals 2004 bestimmt werden.
Wenn zur Berechnung hingegen nur bereits vorhandene Werte der Zeitreihe berücksichtigt werden (beispielsweise die letzten 4 Quartale), verliert der Index durch den
Einbezug des gesamten letzten Jahres an Aktualität.
18
Quelle: [Bohl00], S. 260
19
Quelle: [Bohl00], S. 268
97
Deshalb wird beim math-jobs-Index auf die Glättung durch den gleitenden Durchschnitt verzichtet.
Mathematischer Zusammenhang
Der Zusammenhang der beiden Indizes lässt sich mathematisch anhand des Korrelationskoeffizienten20 der Indizes Jobpilot und math-jobs im Zeitraum Quartal 4 2000
bis Quartal 1 2004 zeigen:
Dieser beträgt 0.82, was gleichbedeutend mit einem strammen Zusammenhang der
beiden Indizes ist.
Beim Vergleich mit dem dreigliedrigen21 gleitenden Durchschnitt des math-jobsIndex erhöht sich der Korrelationskoeffizient aufgrund der Glättung des Index sogar
auf 0.93.
Im Wissen, dass der jobpilot-Index aus zehn Teilindizes zusammengesetzt ist, die
teilweise ausgesprochen heterogen verlaufen,22 ist der stramme Zusammenhang zwischen dem jobpilot- und dem math-jobs-Index umso bemerkenswerter.
Zudem ist erwähnenswert, dass die auf math-jobs.ch ausgeschriebenen Stellen nicht
im jobpilot-Index berücksichtigt werden und dieses Ergebnis deshalb nicht durch
eine theoretisch mögliche Integration der math-jobs.ch Jobbörse im jobpilot-Index
verfälscht wird.
Aufgrund der mit der Berechnung des jobpilot-Index verbundenen Komplexität dauert es nach Abschluss eines Quartals bis zur Veröffentlichung des berechneten Index
jeweils einen Monat.
Der math-jobs Index hingegen kann aufgrund seiner einfachen Konstruktion um ein
Vielfaches schneller berechnet und publiziert werden. Grundsätzlich wäre auch eine
monatliche Indexberechnung möglich, die jeweils beispielsweise die letzten drei vergangenen Monate miteinbezieht.
Durch eine schnellere und häufigere Index-Publikation könnte ein entscheidender
Vorteil gegenüber dem Jobpilot-Index erzielt werden.
20
siehe Kapitel 2.3.4, Seite 16
21
bestehend aus vorhergehendem Quartal, aktuellem Quartal und folgendem Quartal
22
siehe Kapitel 6.3.2, S. 91
98
6.4.4
Vergleich mit der BIP-Entwicklung
Zu Beginn des Kapitels steht die These, anhand des math-jobs Index die künftige
Entwicklung des BIP voraussagen zu können.
Die offenen Stellen gelten aber in der Theorie nicht als vorauseilender Konjunkturindikator. Im Gegenteil: Sie hinken der Konjunktur hinterher.
Wenn die Nachfrage infolge eines konjunkturellen Aufschwungs steigt, dann lasten
die Unternehmen zunächst ihre vorhandenen Kapazitäten voll aus, bevor sie neue
Stellen ausschreiben. Dies tun sie meist auch erst, wenn der Aufschwung eine gewisse
Tragweite gefunden hat.
Die offenen Stellen werden in der Schweiz wie bereits erläutert anhand des Manpower
und mehr und mehr anhand des Jobpilot-Index gemessen. Da der math-jobs-Index
und der Jobpilot-Index gleich verlaufen,23 hinkt auch die Entwicklung des mathjobs-Index der Konjunktur mit einem bestimmten Lag hinterher.
Für diesen Vergleich wird das saisonbereinigte reale BIP verwendet, das die Veränderung im Vergleich zum Vorjahresquartal angibt. Die Zahlen stammen vom Staatssekretariat für Wirtschaft.24 Die BIP Zahlen werden laufend revidiert und liegen erst
nach ca. 3 Jahren definitiv vor. Die von mir verwendeten BIP-Zahlen der letzten drei
Jahre sind deshalb Schätzungen und können sich im Laufe der Zeit noch ändern.
Da der math-jobs-Index mit grosser Wahrscheinlichkeit anderen saisonalen Einflüssen ausgesetzt ist als die BIP-Entwicklung, muss zur Gegenüberstellung auch
der math-jobs-Index saisonbereinigt werden. Dazu wurde die multiplikative Methode verwendet, bei der für jedes Quartal ein Saisonkoeffizient berechnet und mit dem
der absolute Quartalswert schliesslich multipliziert wird.
Die Saisonkoeffizienten sind in Tabelle 6.2 dargestellt. Die berechneten Saisonkoeffizienten mussten noch leicht korrigiert werden,25 so dass ihr geometrischer Durchschnitt genau 1 ergibt, was eine wichtige Voraussetzung bei der Anwendung des
multiplikativen Modells ist.
23
siehe 6.4.3, S. 95
24
http://www.seco-admin.ch/themen/zahlen/bip/unterseite00218/index.html?lang=de,
be-
sucht am 9.6.2004
25
Vor der Korrektur war der berechnete Durchschnitt der vier Saisonfaktoren 0.989. Jeder Faktor
wurde dann um 0.01093 erhöht, sodass der neue Durchschnitt 1.00001 beträgt.
99
Saisonkoef f izient
Quartal 1
1.02968
Quartal 2
1.08720
Quartal 3
0.90346
Quartal 4
0.97971
Tabelle 6.2: Saisonkoeffizienten der math-jobs-Zeitreihe
Abbildung 6.5: Vergleich reales BIP mit um zwei Quartale verschobenen, saisonbereinigten math-jobs-Index
Dass alle vier Saisonfaktoren insgesamt nur unwesentlich von 1 abweichen bedeutet, dass die Ausschreibungen auf math-jobs.com nur geringfügig saisonal beeinflusst
werden. Das erfolgreichste Quartal ist jeweils das Dritte mit dem tiefsten Saisonkoeffizienten.
Wie die Abbildung 6.5 zeigt, ist ein möglicher Zusammenhang zwischen der Entwicklung des realen saisonbereinigten BIP und dem saisonbereinigten math-jobs-Index
zu erkennen. Der math-jobs-Index wird mit einem Lag von zwei Quartalen dargestellt.
Der math-jobs-Index kann nicht als vorauseilender Konjunkturindikator verwendet
werden. Der Index hinkt dem BIP mit einem Lag von 2 Quartalen hinterher.
100
Fall
WP angekündigt
WP eingetreten
math-jobs
jobpilot
a
x
x
3
0
b
x
3
2
0
3
6
8
0.25
0.38
c
x
d
relative Fehlerhäufigkeit
Tabelle 6.3: Wendepunktanalyse des math-jobs- und des Jobpilot-Index
6.4.5
Messung der Prognosegüte des math-jobs-Index
Aufgrund des Lags von 2 Quartalen kann nicht davon gesprochen werden, dass der
math-jobs Index die Entwicklung des BIP prognostizieren kann. Dennoch kann der
mathematische Zusammenhang der beiden Zeitreihen bestimmt werden.
Der berechnete RMSE von 0.61 bedeutet, dass die Prognose der Veränderungsrate
des BIP anhand der Veränderungsrate des math-jobs-Index durchschnittlich um 61%
daneben lag. Auch der TUK ist mit 1.347 grösser als 1, was bedeutet, dass eine naive
Prognose der BIP Entwicklung nicht übertroffen werden konnte.
6.4.6
Wendepunktanalyse des math-jobs-Index
Weil der Jobpilotindex erst seit dem vierten Quartal 2000 berechnet wird, kann
die Wendepunktanalyse mit einem Lag von zwei Quartalen erst ab dem zweiten
Quartal 2000 gestartet werden. Die drei Wendepunkte des BIP in Abbildung 6.5
im Q1-02, Q4-02 und Q2-03 sind auch beim math-jobs-Index Wendepunkte. Der
Index verfügt aber über zusätzliche Wendepunkte (Q4-00, Q2-02, Q3-02), die das
BIP nicht widerspiegelt.
Die Tabelle 6.3 listet in den ersten drei Spalten die vier möglichen Ereignisse auf.
Diese sind in Kapitel 6.2.2 auf Seite 88 in Worten beschrieben.
Wie schon erwähnt, hat der math-jobs-Index die drei Wendepunkte des BIP aufgezeigt. Der Jobpilot-Index hingegen, der zum Vergleich herangezogen wird, hat keinen
einzigen mit dem BIP übereinstimmenden Wendepunkt in seiner Kurve. Zwar sagt
er im vierten Quartal 2002 einen Wendepunkt des BIP voraus, der prognostizierte
Aufschwung ist aber in Wirklichkeit ein Abschwung. Dieser Wendepunkt wird deshalb in Tabelle 6.3 sowohl zu Fall b als auch zu Fall c gezählt, was erklärt, warum
101
Abbildung 6.6: Aktualisierte Diagramme mit neuen Daten
die Punktsumme der beiden betrachteten Zeitreihen nicht übereinstimmt.
Bei der berechneten relativen Fehlerhäufigkeit schneidet der math-jobs-Index mit
0.25 eindeutig besser ab, als der durch den Jobpilot-Index dargestellte Konkurrenzindex, mit einer Fehlerhäufigkeit von 38%.
6.5
Kontrolle anhand neuer Daten
Während der Bearbeitungsdauer dieser Arbeit sind auf math-jobs.com weitere Inserate aufgeschaltet worden, die in der obenstehenden Betrachtung bis Ende März
2004 keinen Einfluss mehr gehabt haben.
So sind inzwischen auch die Ausschreibungszahlen vom zweiten und dritten Quartal
2004 von math-jobs.com bekannt. Zudem liegt vom Jobpilot-Index und auch vom
BIP jeweils das Ergebnis des zweiten Quartals 2004 vor.
Diese letzten aktuellen Zahlen dienen einerseits der Vollständigkeit, andererseits
kann an ihnen in gewissem Masse überprüft werden, ob sich der festgestellte Trend
der Korrelation der Zeitreihen weiterhin fortsetzt. In Abbildung 6.6 sind die beiden
Diagramme mit den zusätzlichen Daten ergänzt.
Im zweiten Quartal 2004, welches in der linken Abbildung aufgrund des Lags von
2 Quartalen dem vierten Quartal 2003 entspricht, stimmt der math-jobs-Index mit
der BIP Entwicklung noch überein. Im nächsten Quartal zeigt der math-jobs-Index
102
im Gegensatz zum BIP, das weiterhin aufwärts tendiert, nach unten.
Auch beim Vergleich mit dem jobpilot-Index im rechten Diagramm folgen die beiden
Kurven im zweiten Quartal 2004 dem gleichen Aufwärtstrend.
Die neuen Daten tragen weder dazu bei, dass sich die These der Korrelation erhärtet,
noch dass sie verworfen werden kann. Eine weitere Verfolgung der Entwicklung dieser
Indizes macht sicherlich Sinn.
6.6
Fazit
Die These von Dr. Christof Luchsinger war, dass aufgrund des speziellen Charakters
der über math-jobs.com ausgeschriebenen Stellen die Ausschreibungsentwicklung
anderen Gesetzen folgt, als diejenige von allgemeinen Jobbörsen.
Da der math-jobs-Index aber stark mit dem Jobpilot-Index korreliert, kann die These verworfen werden.
Der Index hinkt dem BIP mit einem Lag von zwei Quartalen hinterher. So kann
nicht, wie ursprünglich erhofft, aus dem math-jobs-Index die BIP-Entwicklung vorausgesagt werden, sondern viel eher aus der BIP-Entwicklung die zukünftigen Ausschreibungen auf math-jobs.com.
Diese Erkenntnis ist für den math-jobs Inhaber Dr. Christof Luchsinger von grossem
Nutzen, kann er sich doch von nun an auf sich abzeichnende Hochs und Tiefs seiner
Stellenbörse ein halbes Jahr lang vorbereiten.
103
Kapitel 7
Entwicklung einer Strategie
Es gibt unzählige Möglichkeiten, aus den beiden Informationen Inserierende Firma
und Zeitpunkt des Inserats eine Investmentstrategie abzuleiten. In diesem Kapitel werden verschiedene erfolgsversprechende Strategien vorgestellt und analysiert.
Neben einfachen Strategien wird in Kapitel 7.1.3 eine auf der Asset Allocation“ ba”
sierende Strategie mit variablem Investitionsbetrag pro Inserat entwickelt.
7.1
Identifikation erfolgsversprechender Strategien
Der zugrunde liegende Gedanke aller hier vorgestellten Strategien ist es, dass eine
Firma, die einerseits hochqualifizierte Spezialisten anstellt und andererseits dazu
den gebührenpflichtigen Dienst von math-jobs.com in Anspruch nimmt, positive
Signale bezüglich künftiger Entwicklung aussendet. Die Anstellung eines hochqualifizierten Mathematikers wird als langfristige Investition in die Zukunft interpretiert.
Ein aus Aktien dieser Firmen nach unterschiedlichen Strategien zusammengestelltes
Portfolio, wird laut Hypothese von Dr. Christof Luchsinger verschiedene Vergleichsportfolios und andere Benchmarks bezüglich Performance übertreffen.
In den folgenden Abschnitten sind mögliche Strategien aufgezeigt, ein solches Portfolio zu erstellen.
Die ersten drei Strategien
104
• Aktienkauf bei Inserat
• Aktienkauf bei Inserat und Leerverkauf eines Index und
• Variable Investition
haben gemeinsam, dass ein Bankkonto mit fixem Anfangsbestand existiert, über das
die Transaktionen abgewickelt werden. Bei jedem Aktienkauf wird Geld vom Bankkonto in Aktien investiert und damit sinkt der Cash Anteil des Gesamtportfolios.
Bei einem Aktienverkauf wird der Erlös dem Bankkonto wieder gutgeschrieben. Der
jeweilige Kontobestand wird mit einem Jahreszins verzinst.
Bei den Strategien
• Umschichtung und
• Index als Ausgangslage
wird im Gegensatz zu den ersten drei Strategien der fixe Startbetrag von Anfang
an zu 100% in Aktien investiert. Dies hat den Vorteil, dass kein Bankkonto existiert
und deshalb kein risikoloser Zins bestimmt werden muss. Zudem können aufgrund
der gesamthaften Investition in Aktien bei höherem Risiko auch höhere Renditen
erzielt werden und die Bestimmung geeigneter Benchmarks fällt leichter, als bei den
ersten drei Strategien.
Die beim Aktienkauf anfallenden Transaktionskosten werden für die vorliegende Arbeit nicht berücksichtigt.
7.1.1
Aktienkauf bei Inserat
7.1.1.1
Unmittelbarer Kauf
Die einfachste Möglichkeit, die sich anhand der Daten von math-jobs.com bietet, ist
es, bei der Ausschreibung eines Jobs einer börsenkotierten Firma unmittelbar die
entsprechende Aktie zu kaufen.
Bei jedem neuen Inserat werden für einen fixen Betrag Aktien der inserierenden
105
Firma gekauft. Bei einem im Voraus bestimmten Investitionsbetrag von 1000 pro
Inserat und einem Aktienkurs der Firma X von 800 werden beispielsweise 1.25 Aktien dieser Unternehmung X gekauft.
Dies ist nur in der Theorie möglich, denn in der Praxis kann im Normalfall bei einem Aktienkauf die Aktienanzahl nicht in Teile zerlegt werden. Mit extrem hohen
Geldbeträgen kann die Verteilung aber angenähert werden.
Eine wichtige Frage stellt sich in der Haltedauer der Aktien. Einerseits darf diese
nicht zu kurz ausfallen, damit der Börse genügend Zeit gegeben wird, die Unternehmung anhand einer positiven Kursentwicklung höher zu bewerten. Andererseits
kann davon ausgegangen werden, dass sich die Zusammensetzung des Managements
im Laufe der Zeit verändert und ein das Management positiv bewertender Indikator
einer Stellenausschreibung bei math-jobs.com deshalb nicht ewige Gültigkeit hat.
Die Haltedauer wurde in Kapitel 5.1.2.5 auf Seite 81 auf 3 Jahre festgesetzt.
7.1.1.2
Kauf vor Inserierung
Diese Strategie basiert auf der Strategie Unmittelbarer Kauf. Es ändert sich allein
der Zeitpunkt, zu dem die Aktien gekauft werden.
Die zugrunde liegende Idee ist, dass ein Aktienindex der Konjunktur vorauseilt.1
Der Lead beträgt laut mehreren Untersuchungen 3 bis 9 Monate.2 Zudem hat sich
im Kapitel 6.4.4 auf Seite 99 herausgestellt, dass die Inseratezahl auf math-jobs.com
der Konjunktur wahrscheinlich um 2 Quartale hinterherhinkt.
Aus diesen Erkenntnissen könnte geschlossen werden, dass die Rendite möglicherweise erhöht werden kann, wenn die Aktie 4 Quartale respektive 1 Jahr vor der
Inserierung auf math-jobs.com gekauft werden würde.
Die Ausführung dieses Ansatzes ist in der Praxis unmöglich, kann jedoch im Nachhinein problemlos durchgespielt werden und für theoretische Erkenntnisgewinnung
durchaus von Interesse sein.
1
Quelle: http://www.soi.unizh.ch/studies/ws0102/hotz/switzerland/konjunktur.pdf, S. 2, besucht am 23.6.2004
2
Quelle: http://www.peh.de/downloads/HJB PH-Fonds.PDF, S. 3, besucht am 25.6.2004
106
Aktie
Index
Gewinn
Kauf
Verkauf
Verkauf
Kauf
Szenario A
100
120
100
80
40
Szenario B
100
120
100
140
-20
Tabelle 7.1: Effekt eines Leerverkauf des Index
7.1.2
Aktienkauf bei Inserat und Leerverkauf eines Index
Grundlage dieser Strategie ist, dass bei jedem Aktienkauf, der durch ein Inserat auf
math-jobs.com ausgelöst wird, gleichzeitig ein Leerverkauf eines noch zu bestimmenden Aktienindex getätigt wird.
Leerverkauf Ein Leerverkauf ist ein Verkauf von beispielsweise Wertpapieren oder
Devisen, die sich zum Zeitpunkt des Verkaufs gar nicht im Besitz des Verkäufers
befinden. Die Absicht dahinter ist, das Wertpapier später billiger zu erwerben und
so von sinkenden Kursen profitieren zu können. Aus einem Leerverkauf entsteht eine
so genannte Short-Position im Portfolio.
Beim Verkauf der Aktie nach Ablauf der Haltedauer wird gleichzeitig die ShortPosition aufgelöst. Der Vorteil dieser Strategie ist es, dass allgemeine Börsenschwankungen von der Betrachtung ausgeschlossen werden können. Mit dieser Strategie
wird dem Anleger deshalb ein gewisser Kapitalschutz bei fallenden Märkten geboten.
Ein Beispiel ist in Tabelle 7.1 dargestellt. Eine Aktie ist sowohl in Szenario A, als
auch in Szenario B von 100 auf 120 gestiegen. Die beiden Fälle unterscheiden sich
in der Entwicklung des Index, in den ein Leerverkauf getätigt wurde.
Szenario A: Die Aktie ist entgegen dem allgemeinen Trend (anhand der negativen
Indexentwicklung dargestellt) im Kurs gestiegen.
Szenario B: Die Aktie ist zwar im Kurs gestiegen, hat jedoch nicht die ganze Steigerung des durch den Index repräsentierten Aktienmarktes mitgemacht.
Durch den getätigten Leerverkauf wird Fall A weit positiver bewertet als Fall B.
Der Gewinn beträgt im Fall A 40 (-100+120+100-80), der Verlust im zweiten Fall
107
B 20 (-100+120+100-140).
Auf diese Weise könnte die Entwicklung der auf math-jobs.com inserierenden Firmen
relativ unabhängig von der allgemeinen Entwicklung der Börse untersucht werden.
Dass die allgemeine Börsenentwicklung ausgeschlossen wird, kann aber unter Umständen auch zu einer Einbusse der Portfolio-Performance führen:
In Phasen der Hochkonjunktur nimmt die Anzahl Ausschreibungen auf der Stellenbörse zu. Dies bedeutet, dass in diesen Konjunkturphasen strategiebedingt mehr
Aktien gekauft werden, als in Phasen wirtschaftlicher Krisen, wo nur spärlich Inserate auf math-jobs.com aufgeschaltet werden. Die Strategie Unmittelbarer Kauf
impliziert somit eine konjunktursensitive Komponente, die es ermöglicht, von allgemein steigenden Aktienkursen zu profitieren.
Dieser Zusammenhang ist aber nicht ganz so eindeutig, denn die Ausschreibungen
hinken der Entwicklung am Aktienmarkt hinterher, wie im Kapitel 7.1.1.2 auf Seite
106 angedeutet wurde.
7.1.2.1
Short in Weltindex
Da math-jobs.com Stellen in verschiedenen Ländern auf unterschiedlichen Kontinenten vermittelt, sollte auch der Vergleichsindex globaler Natur sein.
Der vom weltgrössten Indexanbieter Morgan Stanley Capital International3 berechnete World Index berücksichtigt über 1’500 Aktien in 23 Ländern und deckt damit
85% der Marktkapitalisierung in den jeweiligen Ländern ab.
Durch eine Short-Investition in den Weltindex kann die weltweite Aktienentwicklung
aus der Betrachtung des aus den Aktienkäufen der inserierenden Firmen zusammengestellten Portfolios relativ gut ausgeschlossen werden.
7.1.2.2
Short in Branchenindizes
Statt in den Weltindex kann auch eine Short-Investition in den Branchenindex des
betroffenen Landes getätigt werden. So können allgemeine Branchentendenzen von
3
http://www.msci.com
108
der Betrachtung ausgeschlossen werden. Zudem wird auch die unterschiedliche Entwicklung der Länder berücksichtigt, was durch Investition in den Weltindex definitionsgemäss ausgeschlossen ist.
Das Ziel dieser Strategie ist es, in den am besten auf die inserierende Unternehmung
zutreffenden Branchenindex zu investieren. Auf diese Weise kann eruiert werden, ob
Unternehmen, die bei math-jobs.com inserieren, eine bessere Performance haben,
als ihre Konkurrenz aus der gleichen Branche.
Jedoch muss dabei beachtet werden, dass einige Branchenindizes schlecht diversifiziert sind. Die Gewichtung von Nestlé beispielsweise innerhalb der Nahrungsmittelwerte des SPI beträgt aufgrund des hohen Marktwertes über 90%. Nestlé könnte
somit nur eine sehr geringe Über- oder Unterrendite relativ zur Branche erzielen.
Die Verwendung von internationalen Branchenindizes würde dieses Problem entschärfen.
7.1.3
Variable Investition
Auf der Portfolio-Strategie der Asset Allocation4 basierend, kann für das mathjobs-Portfolio eine Strategie mit variablem Investitionsbetrag pro Inserat entwickelt
werden.
Die zugrunde liegende Idee ist, den Investitionsbetrag in eine Aktie einer inserierenden Firma jeweils so anzupassen, dass das Portfolio eine im Voraus festgelegte
Branchen-Struktur annimmt.
Die Bestimmung der optimalen Portfoliogestaltung erfordert Entscheidungen bezüglich Auswahl der Branchen sowie deren individuelle Gewichtung im Portfolio. Das
Ziel dieser Portfoliogestaltung ist eine optimale Diversifikation und somit eine Minimierung des unsystematischen Portfoliorisikos.
Zudem können potentielle Boom-Branchen stärker gewichtet werden. Dies wirkt sich
bei tatsächlich eintretendem Boom positiv auf die Rendite aus. Die Aufteilung auf
die Branchen könnte beispielsweise wie in Tabelle 7.2 dargestellt erfolgen.
Wie bei den bereits vorgestellten Strategien, werden auch bei diesem Ansatz die
Aktien für drei Jahre im Portfolio gehalten.
Bei jedem neuen Inserat wird für die dahinter stehende Unternehmung die Branche
4
Siehe Kapitel 2.4.6, S. 26
109
Versicherung
Pharma
Computer / Internet
Sonstige
30%
20%
10%
40%
Tabelle 7.2: Aufteilung auf Branchen
bestimmt. Für dieses Kriterium werden dann anhand einer noch zu bestimmenden
Formel die aktuellen relativen Portfolioanteile berechnet. Durch einen Vergleich mit
dem im Voraus bestimmten optimalen relativen Anteil der Branche wird dann berechnet, welcher Betrag in die Aktie investiert werden soll.
Berechnung Branchenbestand Bei der Berechnung des aktuellen Branchenbestands im Portfolio soll die Restlaufzeit der Aktien von maximal 3 Jahren miteinbezogen werden. Die bereits getätigten Investitionen werden deshalb aufgrund ihrer
Restlaufzeit gewichtet. Dies kann anhand der folgenden Formel geschehen:
IST (abs)i =
n
X
[Investitiona ∗
a=1
Restlauf zeita
]
18
(IST (abs)i = aktueller Investitionsbetrag in Branche i, n= Anzahl Aktien in Branche i, Investitiona = Investitionsbetrag in Aktie a der Branche i, Restlauf zeita =
Restlaufzeit der Aktie a in Monaten)
Mit dieser Gewichtung wird verhindert, dass grosse Investitionsbeträge nach drei
Jahren von einem Tag auf den anderen aus der Betrachtung verschwinden und sich
so der relative Anteil der betroffenen Branche an der totalen Investitionssumme
stark verändert. Stattdessen wird die Investition mit laufender Zeit immer weniger
gewichtet und so vom System durch erhöhte Investitionsbeträge in diese Branche
ausgeglichen.
Berechnung Korrekturfaktor Der Investitionsbetrag ist im Normalfall 100,
kann aber theoretisch zwischen 0 und einem Maximum von 1’000 variieren und
wird anhand des Korrekturfaktors berechnet.
Falls im Portfolio noch keine Aktien vorhanden sind, beträgt die erste Investition
100.
110
Der Korrekturfaktor wurde folgendermassen gewählt:
Korrekturf aktor = 10 ∗
e−2.19+10∗(SOLL(rel)i −IST (rel)i )
1 + e−2.19+10∗(SOLL(rel)i −IST (rel)i )
(SOLL(rel)i = im Voraus bestimmter relativer Anteil der Branche i am Portfolio,
IST (rel)i = aktueller relativer Anteil der Branche i am Portfolio)
IST (rel)i =
IST (abs)i
T otalInvestition
T otalInvestition =
m
X
IST (abs)i
i=1
(T otalInvestition= Summe der absoluten Investitions-Bestände der verschiedenen
Branchen i, m= Anzahl der verschiedenen Branchen)
Berechnung Investitionsbetrag Grundsätzlich berechnet sich der Investitionsbetrag bei einem Inserat folgendermassen:
Investition = 100 ∗ Korrekturf aktor;
Es gilt jedoch folgende Nebenbedingung:
wenn Korrekturf aktor >1:
Investition = min(100 ∗ Korrekturf aktur, 100 + SOLL(abs)i − IST (abs)i )
Diese Nebenbedingung führt dazu, dass eine Investition, im Fall dass bisher keine
bis wenige Aktien gekauft wurden, die absolute Differenz zum Zielbestand nicht um
mehr als 100 überschreiten kann.
Ein Beispiel soll dies verdeutlichen:
Fall A: SOLL(abs)=100, IST(abs)=0, SOLL(rel)=0.35, IST(rel)=0.0
Fall B: SOLL(abs)=1000, IST(abs)=0, SOLL(rel)=0.35, IST(rel)=0.0
Der anhand dieser Daten berechnete Korrekturfaktor beträgt in beiden Fällen 7.88,
111
da die absolute Differenz der Bestände nicht in dessen Berechnung miteinfliesst. Ohne die Nebenbedingung würde in beiden Fällen ein Betrag von 788 (Investition= 100
* Korrekturfaktor) in die neue Aktie investiert, was im Fall A aufgrund des tiefen
Zielbestandes SOLL(abs) von 100 massiv zu viel wäre. Zudem würde im Fall A in
eine zweite Aktie aus dieser Branche aufgrund der vorangegangenen übermässigen
Investition nur ein Minimalbetrag von 1 angelegt werden können. Dies lässt sich aber
nicht mit dem dieser Strategie zugrunde liegenden Ziel einer hohen Diversifikation
vereinbaren. Die Beschränkung des Investitionsbetrags anhand der Nebenbedingung
führt dazu, dass in Fall A nur 200 investiert wird, der Investitionsbetrag in Fall B
aber bei 788 bleibt.
7.1.3.1
Überprüfung des Modells
Um das Modell zu testen, haben wir in Excel ein Szenario mit 4 Branchen durchgespielt. Die Branchen sind bezüglich ihrer Portfolioanteile unterschiedlich gewichtet.
Ziel des Tests ist es, zu überprüfen, wie genau die Portfolioanteile nach 50 Aktienkäufen mit den im Voraus bestimmten Gewichten übereinstimmen:
• Branche 1: SOLL(rel)= 0.3
• Branche 2: SOLL(rel)= 0.2
• Branche 3: SOLL(rel)= 0.4
• Branche 4: SOLL(rel)= 0.1
Für den Test wurden die Wahrscheinlichkeiten, dass ein Inserat in einer bestimmten
Branche eintrifft, variiert. Zudem wurden auch die durchschnittliche Anzahl Inserate
pro Monat verändert.
• Test 1: Wahrscheinlichkeit eines neuen Inserats ist pro Branche gleich. Pro
Monat gibt es durchschnittlich 2 Inserate.
• Test 2: Wahrscheinlichkeit eines neuen Inserats ist in Branche 3 und 4 doppelt
so gross, wie in Branche 1 und 2. Pro Monat gibt es durchschnittlich 2 Inserate.
• Test 3: Wahrscheinlichkeit eines neuen Inserats in Branche 1 dreimal so gross,
wie in den anderen Branchen. Pro Monat gibt es durchschnittlich 1 Inserat.
112
SOLL
Average
Test 1
Test 2
Test 3
Branche 1
0.3
0.30
0.30
0.29
0.32
Branche 2
0.2
0.21
0.22
0.20
0.21
Branche 3
0.4
0.39
0.38
0.40
0.39
Branche 4
0.1
0.11
0.12
0.13
0.12
Tabelle 7.3: Testresultate des Modells nach 50 Aktienkäufen
Jeder Test wurde 5-mal durchgeführt. In Tabelle 7.3 sind die Resultate aufgeführt.
Average ist der Durchschnitt der Testresultate 1 bis 3, die wiederum den Mittelwert
der fünf Durchläufe pro Test darstellen.
7.1.3.2
Auswertung der Testresultate
Die Resultate zeigen, dass tendenziell die relativen Anteile stark gewichteter Branchen eher unterschritten werden, dafür aber tiefe SOLL-Werte eher übertroffen.
Wenn aber bedenkt wird, dass aufgrund einer möglichst hohen Diversifikation in
jedem Fall bei jedem Inserat eine Aktie gekauft werden soll, auch wenn in die betroffene Branche schon weit mehr investiert wurde als vorgesehen, liefert das Modell
gute Resultate.
7.1.3.3
Weiterentwicklung des Modells
Statt auf Branchen kann das Modell auch auf eine im Voraus bestimmte geografische Länder-Verteilung angewendet werden. Auch wäre eine gleichzeitige Berücksichtigung von Branchen und Ländern möglich, jedoch müsste das Modell dann
dementsprechend weiterentwickelt werden, weil pro Inserat zwei Kriterien synchron
berücksichtigt werden müssten.
7.1.4
Laufende Umschichtung
Anders als bei den bisher vorgestellten Strategien, wo Geld uninvestiert auf dem
Bankkonto liegen kann, wird bei dieser Strategie von Anfang an der gesamte Geldbetrag in Aktien investiert.
113
t
Aktie A
Aktie B
Aktie C
Total
0
3
1
0
4
1
3
1
1
5
0
75%
25%
0%
100%
1
60%
20%
20%
100%
Tabelle 7.4: Absolute und relative Anteile der Aktien
t
Aktie A
Aktie B
Aktie C
Portfolio
0
75’000
25’000
0
100’000
10
82’500
22’500
0
105’000
11
63’000
21’000
21’000
105’000
Tabelle 7.5: Umschichtung durch Reduktion der Anteile A und B
Die Idee dabei ist, dass eine Firma mit einem hohen Inserateanteil an der Gesamtzahl der Inserate auch im Aktienportfolio prozentual einen hohen Anteil haben soll.
Weil laufend neue Inserate aufgeschaltet werden, muss das Portfolio stets angepasst
werden.
Konkret müssen bei jedem Eintreffen eines Inserates die neuen Portfolioanteile aller im Portfolio gehaltenen Aktien berechnet und der Kauf der neuen Aktie durch
Teil-Verkäufe der im Portfolio vorhandenen Aktien finanziert werden.
Folgendes Beispiel mit den drei Aktien A, B und C soll die Strategie aufzeigen:
Wie in Tabelle 7.4 dargestellt, besteht das Portfolio zum Zeitpunkt t=0 aus vier Aktien, was bedeutet, dass bis zu diesem Zeitpunkt 4 relevante Inserate aufgeschaltet
wurden.
Die Firma C inseriert im Zeitpunkt t=1 auf math-jobs.com, und die Aktie C muss
deshalb ins Portfolio aufgenommen werden. Um den Aktienkauf zu finanzieren,
müssen die Anteile der anderen Aktien im Portfolio reduziert werden.
In Tabelle 7.5 ist eine Umverteilung der Investitionen gezeigt. Im Zeitpunkt t=0 ist
der Gesamtbetrag von 100’000 nach relativen Inserateanteilen (siehe Tabelle 7.4)
auf die beiden Aktien A und B verteilt.
114
Bei Eintreffen des Inserates der Firma C muss das Portfolio bewertet werden. Dazu
werden die Aktien zum Kurs in t=1 bewertet. Im Beispiel ist Aktie A von 100 auf
110 gestiegen und Aktie B von 100 auf 90 gesunken. Der Wert des Portfolios ist
insgesamt von 100’000 auf 105’000 gestiegen. In der Tabelle 7.5 ist unter t=1 0 der
Zeitpunkt unmittelbar vor der Umschichtung zu verstehen.
Die 105’000 werden nun basierend auf den neuen relativen Aktienanteilen (siehe
Tabelle 7.4) verteilt. Das Resultat nach der Umschichtung ist in der Tabelle 7.5
zum Zeitpunkt t=1 1 dargestellt.
7.1.5
Index als Ausgangspunkt
Die Ausgangslage dieser Strategie ist, dass das Startkapital zu Beginn komplett in
die Aktien eines bestimmten Performance-Index investiert wird. Das Kapital wird
gemäss der Gewichtung der Aktien im Index auf die einzelnen Titel verteilt.
Bei jedem Inserat werden die einzelnen Gewichte der Aktien angepasst. Inseriert
Firma A, so wird das Gewicht der Aktie A im Portfolio auf Kosten der übrigen im
Index enthaltenen Firmen erhöht.
So unterscheidet sich die Gewichtung der Aktien im Portfolio mit der Zeit eventuell
mehr und mehr von der ursprünglichen Gewichtung im Index.
Für diese Strategie können nur die Inserate von Firmen, deren Aktien im gewählten
Index enthalten sind, berücksichtigt werden.
7.2
Selektion einer Strategie
Im folgenden Kapitel werden die Strategien Unmittelbarer Kauf“, Monatliche Um”
”
schichtung Schweiz“ und Quartalsweise Umschichtung Weltweit“ anhand der Daten
”
von math-jobs.com durchgeführt und analysiert.
Auf die Durchführung der Strategien mit paralleler Investition in Indizes (Branchenindex, Weltindex), wie sie in Kapitel 7.1.2.1 und 7.1.2.2 vorgestellt wurden,
115
wird aus Zeitgründen verzichtet.
Zudem wird bei der Strategie Short in Weltindex“ definitionsgemäss nur die Über”
oder Unterrendite des Portfolios bezüglich des Gesamtmarktes betrachtet. Mit der
Strategie Unmittelbarer Kauf“ wird aber versucht, aufgrund eines geschickten Ti”
mings auch von der Entwicklung des Gesamtaktienmarktes zu profitieren, indem
während eines Aufschwungs aufgrund erhöhter Inseratezahlen automatisch vermehrt
Aktien gekauft und bei mit einem konjunkturellen Abschwung zusammenhängenden
zurückgehenden Inseratezahlen die Investments reduziert werden.
Auf die Durchführung der Strategie Index als Ausgangspunkt“ wird ebenfalls ver”
zichtet, denn aufgrund heuristischer Überlegungen ist zu erwarten, dass das Ergebnis
dieser Strategie zwischen dem Resultat der Umschichtungsstrategie und der Entwicklung des Index liegt, obwohl es theoretisch sicherlich Möglichkeiten gäbe, diese
Annahme zu widerlegen.
7.3
Fazit
Die ersten drei vorgestellten Strategien Aktienkauf bei Inserat, Aktienkauf bei Inserat und Leerverkauf eines Index und Variable Investition unterscheiden sich von
den anderen zwei Strategien Umschichtung und Index als Ausgangslage in einem
zentralen Punkt:
Es existiert ein Bankkonto mit fixem Anfangsbestand, über das die einzelnen Transaktionen abgewickelt werden. Bei jedem Aktienkauf sinkt der Cash Anteil des Gesamtportfolios.
Bei den letzten beiden Strategien hingegen wird der Startbetrag von Anfang an
vollständig in Aktien investiert. Dies hat den Vorteil, dass kein risikoloser Zinssatz
bestimmt werden muss und die Portfolio-Performance zudem unabhängig vom Investitionsbetrag pro Aktie ist. Auch erleichtert sich die Bestimmung fairer Benchmarks.
Die Strategie Unmittelbarer Kauf wird zwar im folgenden Kapitel auch ausgewertet,
den Schwerpunkt bei der Evaluation und Analyse legen wir aufgrund der aufgezeigten Vorteile jedoch auf die Umschichtungs-Strategie.
116
Kapitel 8
Evaluation der Strategie
Die beiden selektierten Strategien Unmittelbarer Kauf und Umschichtung werden
in diesem Kapitel anhand der Daten von math-jobs.com evaluiert. Als Benchmarks
dienen die beiden Indizes SPI und MSCI World sowie je zwei Fonds der UBS und
der Julius Bär Privatbank. Zudem werden die verschiedenen Portfolios anhand zahlreicher Performance Kennzahlen wie Sharpe Ratio oder Treynor Ratio bewertet und
verglichen.
8.1
8.1.1
Hintergrund
Inserate
Aus mehreren tausend zwischen 1999 und dem 2. Quartal 2004 auf math-jobs.com
ausgeschriebenen Stellen erwiesen sich 1’188 für die Untersuchung als relevant.1 Davon stammen 469 Inserate von börsenkotierten Firmen.
Die in die Untersuchung einfliessenden Inserate stammen von insgesamt 90 verschiedenen Firmen, verteilt auf die in Tabelle 8.1 dargestellten zehn Länder.
Die anteilsmässig wichtigsten Firmen sind in Tabelle 8.2 dargestellt. Neben den aufgelisteten Firmen, die vor allem in der Pharma-, Banken- und Versicherungsbranche anzusiedeln sind, hat math-jobs noch zahlreiche weitere Kunden. Beispielsweise
1
Kriterien erläutert im Kapitel 5.1.2.4, S. 80
117
Schweiz
227
48.30%
Deutschland
93
19.79%
USA
87
18.51%
UK
45
9.57%
Österreich
9
1.91%
Irland
3
0.64%
Belgien
2
0.43%
Frankreich
2
0.43%
Holland
1
0.21%
Schweden
1
0.21%
Tabelle 8.1: Länderanteil der relevanten Inserate
haben bereits auch Kentucky Fried Chicken, Amazon.com oder Google über mathjobs.com Stellen ausgeschrieben.
8.1.2
Kursdaten mit StockQuote
Da für jede einzelne Ausschreibung auf math-jobs.com zwecks unterschiedlicher potenzieller Strategien mehrere Aktienkurse benötigt werden, erreicht die Anzahl der
zu erhebenden Daten einen Wert von einigen tausend Aktienkursen. Falls das Portfolio zwecks Überprüfung der Entwicklung zusätzlich Quartalsweise ausgewertet werden soll, verzehnfachen sich die benötigten Daten nochmals.
Die Abfrage über das von finance.yahoo.com zur Verfügung gestellte Research Tool
Historical Quotes stellte sich schnell als relativ mühsam heraus. So muss für jedes
benötigte Datum eine Data Range“ eingegeben werden, mit Start- und Enddatum,
”
obwohl der Kurs nur jeweils eines Datums von Interesse ist.
Aus diesem Grund entstand die Idee, die Abfrage zu automatisieren. So wurde StockQuote2 entwickelt.
StockQuote benötigt ein .txt-Inputfile mit folgendem Format:
NOVN.VX;30.09.2000;30.03.2001;10.06.2004
UBSN.VX;21.12.1999;21.06.2000;10.06.2004
2
geschrieben in JAVA. Sourcecode im Anhang D, S. 189
118
Novartis
45
9.59%
Münchener Rück
40
8.53%
Helvetia Patria
20
4.26%
UBS
18
3.84%
Zürich Financial
18
3.84%
Hannover Rück
16
3.41%
Swiss Life Holding
16
3.41%
Swiss Re
15
3.20%
GlaxoSmithKline
13
2.77%
Bank One
13
2.77%
Wachovia
13
2.77%
Fair Isaac
12
2.56%
Hewitt Associates
12
2.56%
Skandia
10
2.13%
76 weitere...
208
44.35%
Tabelle 8.2: Firmenanteil der relevanten Inserate
NOVN.VX ist die eindeutige Bezeichnung für die an der VTX3 gehandelte Novartis
Namenaktie. Dahinter folgen die Daten der benötigten Kurse, getrennt durch ein
Semikolon.
Die Inputdatei kann einfach aus Excel heraus erstellt werden, indem das Dokument
als .csv abgespeichert wird.
StockQuote fragt die Kurse über den Dienst http://ichart.yahoo.com/table.csv ab
und gibt in der Datei output.csv folgende Zeilen aus:
NOVN.VX;61.17;64.20;57.30
UBSN.VX;60.39;71.89;91.70
3
Steht für Virt-x. Virt-x wurde von der Londoner Börse Tradepoint und der Schweizer Börse
SWX ins Leben gerufen. Virt-x ist die erste pan-europäische Blue-Chip-Plattform, auf der
elektronisch sämtliche europäischen Blue Chips gehandelt werden können und die ein integriertes Clearing und Settlement mit einer zentralen Gegenpartei anbietet. Virt-x zeichnet sich
durch einen sehr hohen Automatisierungsgrad aus. Das bedeutet, dass mit einem Mausklick
der Auftrag gehandelt, abgerechnet und abgewickelt wird.
119
Die Datumsangaben wurden durch den entsprechenden Aktienkurs ersetzt. Diese
.csv-Datei kann nun einfach wieder in Excel importiert werden.
Dank StockQuote wurde es möglich, zehntausende von Aktienkursen zu berücksichtigen und damit interessante Entwicklungen des Gesamtwertes der Portfolios
darstellen zu können.
8.2
Portfolio: Unmittelbarer Kauf
Bei jedem Inserat wird, wie in Kapitel 7.1.1.1 beschrieben, ein fixer Investitionsbetrag in die Aktie der inserierenden Firma investiert.
Der Investitionsbetrag wurde auf 100.- pro Inserat festgelegt, das Startkapital auf
dem Bankkonto beträgt 100’000.-.
Der Jahreszins auf dem Bankkonto wurde über alle Jahre hinweg auf 1% festgelegt.
8.2.1
Resultat
Das aus Aktien und dem Bankkonto bestehende Portfolio wurde jeweils quartalsweise ausgewertet. Dazu wurden die Aktien mit dem Schlusskurs des jeweiligen Quartals
bewertet und das Guthaben auf dem Bankkonto quartalsweise verzinst. Der Quartalszins beträgt bei einem festgelegten Jahreszins von einem Prozent 0.249%.4
Das Portfolio weist Ende des Betrachtungszeitraums am 30.6.2004 einen Wert von
107’635 auf. Davon sind 41’202 in Aktien investiert und 66’433 liegen auf dem Bankkonto.
Dieser Schlussstand stellt gleichzeitig auch den maximalen Portfoliowert dar, das
Minimum wurde im März 2003 mit 98’408 erzielt. Die Entwicklung des Portfolios
ist in Abbildung 8.1 dargestellt.
4
Berechnung:
√
4
1.01 − 1
120
Abbildung 8.1: Entwicklung des Portfolios Unmittelbarer Kauf“
”
8.2.2
Bewertung
Wie bereits dargestellt, liefert das Portfolio nach fünfeinhalb Jahren eine positive
Rendite von insgesamt 7.64%.
Die durchschnittliche Jahresrendite, berechnet anhand des geometrischen Mittels,
beträgt 1.35%.
Da in dieser Strategie in Aktien aus aller Welt investiert wird, muss auch die Benchmark aus internationalen Aktien bestehen. Hierzu bietet sich der Weltindex von
Morgan Stanley International Inc. MSCI World“ an. Der MSCI wird in verschiede”
nen Versionen publiziert. Für diese gesamte Arbeit gilt, dass wenn vom MSCI World
gesprochen wird, der MSCI World Local gemeint ist:
MSCI Local: A single currency or basket of currencies representing the theore”
tical performance of an index without any impact from FX fluctuations.“ 5
Der MSCI Local ist deshalb hervorragend als Benchmark geeignet, da auch in den
math-jobs Portfolios die Schwankungen der Devisenkurse keinen Einfluss haben sollen, wie bereits auf Seite 80 beschrieben wurde.
5
Quelle: http://www.msci.com/equity/msci product brochure.pdf, besucht am 1.11.04
121
Die Bildung eines fairen Vergleichsportfolios ist schwierig. Beim nach der Strategie Unmittelbarer Kauf“ zusammengestellten Portfolio ändert bei jedem Kauf und
”
Verkauf die Zusammensetzung des Gesamtportfolios bezüglich in Aktien investiertem Kapital und auf dem Bankkonto liegenden Kapital. Im konkreten Fall nimmt
der Anteil des investierten Kapitals im Laufe der Zeit mit Ausnahme des zweiten
Quartals 2002 kontinuierlich zu.
Da das Kapital auf dem Bankkonto mit 1% verzinst wird und keinen Risiken ausgesetzt ist, steigt die Volatilität des Gesamtportfolios mit zunehmendem Investitionsgrad in Aktien.
8.2.2.1
Benchmark MSCI
Die erste Möglichkeit zur Bildung einer Benchmark ist es, das Kapital zu Beginn
der Betrachtung Anfang 1999 zu 100% in den MSCI World Index zu investieren:
Da der MSCI World aber erst seit 30.6.1999 berechnet wird, ist dies nicht möglich.
Um trotzdem einen Vergleich zu ermöglichen, wurde der Wert des math-jobs-Portfolios vom 30.6.1999 (100’416) als Startkapital für das MSCI-Portfolio verwendet.
Das MSCI Portfolio erreicht seinen maximalen Wert im März 2000, wo es mit 115’312
12.83% über dem math-jobs-Portfolio liegt. Beim Tiefststand drei Jahre später liegt
es mit 59’940 39.1% unter dem Vergleichsportfolio. Der Wert am Schluss der Betrachtungsperiode Ende Juni 2004 beträgt 81’176 und ist 24.6% tiefer als der des
math-jobs-Portfolios.
Die Renditen, Volatilität und die Sharpe Ratio der beiden Portfolios sind in Tabelle 8.3 dargestellt. Das math-jobs Portfolio übertrifft das MSCI Portfolio bezüglich
höherer Rendite und auch tieferem Risiko.
Das Startkapital wird beim MSCI-Portfolio von Anfang an zu 100% in Aktien investiert, während das in Aktien investierte Kapital beim math-jobs-Portfolio in der
Betrachtungsperiode durchschnittlich nur gerade 13.7% beträgt. Der Grossteil des
Kapitals wird auf dem Bankkonto mit jährlich einem Prozent verzinst. Da die Aktienmärkte weltweit von Mitte 1999 bis Mitte 2004 um beinahe 20% eingebrochen
sind,6 war es für das math-jobs-Portfolio ein Vorteil, nur einen Bruchteil des Ka6
Stand MSCI World Juni 1999: 997; Juni 2004: 806
122
math-jobs
MSCI
Rendite total
7.62%
-19.16%
Jahresrendite (GM)
1.35%
-4.16%
Quartalsrendite (GM)
0.33%
-1.06%
Volatilität p.q.
1.42%
9.82%
Sharpe Ratio p.q.
0.061
-0.133
Tabelle 8.3: Vergleich des math-jobs Portfolio mit dem MSCI Portfolio
pitals in Aktien zu investieren und den Grossteil des Kapitals unberührt auf dem
Bankkonto ruhen zu lassen.
Dennoch liegt die Jahresrendite mit 1.35% leicht über dem fixen Zins des Bankkontos, was bedeutet, dass trotz allgemein sinkenden Aktienmärkten in der Betrachtungsperiode mit den gezielten Aktieninvestitionen eine positive Rendite erzielt
werden konnte.
Dieses Ergebnis könnte einerseits bereits als erste Bestätigung der These von Dr.
Christof Luchsinger betrachtet werden: Firmen, die auf math-jobs.com inserieren,
weisen eine bessere Performance auf den Aktienmärkten auf, als die übrigen Unternehmungen.
Möglicherweise gibt es aber neben der bereits erwähnten Tatsache, dass der Grossteil
des Kapitals gar nicht in Aktien investiert wurde, eine weitere einfache Erklärung,
welche die Gründe für das gute Abschneiden des math-jobs-Portfolios aufzuzeigen
vermag:
Steigerung der Bekanntheit
Der Bekanntheitsgrad der Stellenbörse math-jobs.com hat sich im Laufe der Betrachtungsperiode kontinuierlich gesteigert. So hängt die Anzahl der Inserate auf
math-jobs.com neben dem unternehmerischen Bedarf an Mathematiker auch von
der Etabliertheit des Jobportals auf dem Stellenmarkt ab.
Zufälligerweise werden deshalb im Jahre 1999 bei hohem Stand des MSCI aufgrund
mit tiefer Bekanntheit begründbarer weniger Inserate nur sporadisch Aktien gekauft, während später bei sinkendem MSCI die Aktienkäufe erhöht werden. Dieser
Vergleich ist in Abbildung 8.2 dargestellt.
123
Abbildung 8.2: Entwicklung des MSCI (rechte Skala) verglichen mit der Anzahl
Inserate auf math-jobs.com (linke Skala)
Diese Tatsache trägt wahrscheinlich einen grossen Teil dazu bei, dass das MSCIPortfolio vom math-jobs-Portfolio bezüglich Performance dermassen klar übertroffen wird.
Anzufügen ist, dass der auffällige Modus im dritten Quartal 2002 durch eine erhöhte
Aktivität von Dr. Christof Luchsinger bezüglich Werbung für seine Stellenbörse zustande gekommen ist.
Das math-jobs-Portfolio kann anhand der vorgestellten MSCI Benchmark nicht zufrieden stellend bewertet werden. Im nächsten Kapitel wird deshalb die Bildung der
Benchmark angepasst.
8.2.2.2
Benchmark MSCI Timed
Aufgrund der Kritikpunkte am Vergleich mit der verwendeten MSCI Benchmark,
wird eine zweite Benchmark anhand des MSCI konstruiert, die folgend MSCI Timed
genannt wird.
Analog der Bildung des Portfolios Unmittelbarer Kauf wird beim MSCI TimedPortfolio bei jedem Inserat ein Betrag von 100 direkt in den MSCI investiert. Das
Bankkonto enthält zu Beginn ebenfalls einen Betrag von 100’000 und der Kontobestand wird mit einem Jahreszins von 1% verzinst.
124
Abbildung 8.3: Vergleich des math-jobs-Portfolios und der Benchmark MSCI Timed
Diese Benchmark hat den Vorteil, dass der Kritikpunkt der zufällig erhöhten Investition in Aktien aufgrund der steigenden Bekanntheit von math-jobs.com keine
Berechtigung mehr hat, denn beim MSCI Timed-Portfolio nehmen die Investitionen
analog dem zu bewertenden Portfolio zu. Auch dass der Grossteil des Kapitals uninvestiert auf dem Bankkonto liegt, spielt keine Rolle mehr, denn dies ist bei beiden
Portfolios der Fall.
Doch auch diese Benchmark ist nicht optimal. Laut These von Dr. Christof Luchsinger soll das math-jobs-Portfolio einerseits aufgrund der geschickten Auswahl der
Titel eine erhöhte Performance erreichen, andererseits aber auch vom geschickten
Timing der Investition profitieren.
Da bei der Benchmark MSCI Timed der Investitionszeitpunkt definitionsgemäss
gleich dem des math-jobs-Portfolio ist, verliert dieses Portfolio möglicherweise einen
entscheidenden Vorteil gegenüber der Benchmark, was zur Folge hat, dass eine mögliche Überrendite nur noch aufgrund der geschickten Titelauswahl entstehen kann.
Der Vergleich zwischen dem math-jobs Portfolio und der Benchmark MSCI Timed
ist in Abbildung 8.3 dargestellt. Da die Daten des MSCI erst seit Juni 1999 zur
Verfügung stehen, wurden die ersten 14 Aktien, die zwischen Januar und Juni 1999
gekauft wurden, zum Eröffnungskurs vom 30.6.1999 (996.92) gekauft.
125
math-jobs
MSCI Timed
Rendite total
7.62%
6.88%
Jahresrendite (GM)
1.35%
1.22%
Quartalsrendite (GM)
0.33%
0.30%
Volatilität p.q.
1.42%
1.24%
Sharpe Ratio p.q.
0.061
0.045
Tabelle 8.4: Vergleich des math-jobs Portfolio mit dem MSCI Timed Portfolio
Die beiden Portfolios verlaufen sehr ähnlich. Das math-jobs-Portfolio liegt im Juni
2001 maximal 2.27% über der Benchmark, zum Schluss immerhin 0.67%. In Tabelle
8.4 sind Renditen, Risiko und die Sharpe Ratio der beiden Portfolios aufgelistet.
Das math-jobs-Portfolio weist mit 1.35% eine höhere Jahresrendite als die Benchmark (1.22%) auf, das eingegangene Risiko liegt jedoch aufgrund der schlechteren Diversifikation mit 1.42% erwartungsgemäss über dem des Vergleichsportfolios (1.24%).
Dennoch bewertet die aus Rendite und Risiko berechnete Sharpe Ratio das mathjobs-Portfolio mit einem Wert von 0.061 besser als die Benchmark mit 0.045.
8.2.3
Kritik an der Strategie
Wie bereits vorangehend erläutert, fällt die Bewertung des Portfolios relativ schwer.
Es wurde keine Lösung gefunden, zum Portfolio Unmittelbarer Kauf“ eine faire
”
Benchmark zu konstruieren. Weder die als erstes verwendete MSCI Benchmark,
noch die MSCI Timed Benchmark, sind zum fairen Vergleich vollends geeignet.
Ein weiterer Schwachpunkt dieser Strategie ist, dass die erreichte Performance sowohl vom Startkapital als auch vom Investitionsbetrag pro Aktie abhängig ist. Auch
der Zins, mit dem der Kontobestand verzinst wird, spielt dabei eine wichtige Rolle.
Je höher dieser Zins ist, umso mehr zahlt es sich tendenziell aus, das Geld nicht in
Aktien zu investieren.
Aufgrund dieser Kritik wurden die Auswirkungen von verändertem Investitionsbetrag und unterschiedlichem Zinssatz untersucht. Das Resultat ist in Abbildung 8.4
dargestellt. Je höher der Investitionsbetrag wird, desto höher ist die Totalrendite
126
Abbildung 8.4: Entwicklung der Gesamt-Rendite mit zunehmendem Investitionsbetrag bei unterschiedlichen Zinssätzen des Bankkontos
über die fünfeinhalb Jahre Betrachtungsperiode. Anzumerken ist, dass bei 100’000.Startkapital der investierbare Maximalbetrag pro Aktie 270.- beträgt, um das Konto
zu keinem Zeitpunkt zu überziehen. Die erreichte Totalrendite wäre dabei 10.26%,
was einer Jahresrendite von 1.79% entspricht.
Bei den höheren Investitionsbeträgen von 500 und 1000 pro Aktie wurde das entstehende Kontodefizit mit einem negativen Zins von 1% Prozent verrechnet, was in
der Praxis einen zu tiefen Ansatz darstellen würde, im vorliegenden Vergleich aber
nur eine untergeordnete Rolle spielt.
Auffallend ist der Schnittpunkt der vier Kurven bei einem Betrag von ungefähr 750
und einer Rendite von 19%. In diesem Punkt hat die Höhe des Zinssatzes anscheinend keinen Einfluss auf die Gesamtrendite des Portfolios. Dies ist so zu interpretieren, dass ein Investitionsbetrag pro Aktie existiert, bei dem nach fünf Jahren die
kumulierten positiven Zinserträge des Kontobestandes und die kumulierten Kreditkosten bei negativem Saldo exakt übereinstimmen. Weil sie sich deshalb gegenseitig
aufheben, spielt die Höhe des Zinssatzes, bei diesem einen Investitionsbetrag pro
Aktie keine Rolle.
Mit den folgenden Ausführungen der Strategie Umschichtung“ wird das Problem
”
der Abhängigkeit der Performance von Startkapital und Investitionsbetrag beseitigt.
Zusätzlich muss kein Zinssatz mehr bestimmt werden, weil das gesamte Kapital zu
127
jeder Zeit vollständig in Aktien investiert ist. Diese Tatsache erleichtert später die
Definition einer geeigneten Benchmark.
8.3
Portfolio: Monatliche Umschichtung Schweiz
8.3.1
Daten
Um die Durchführung dieser Strategie zu vereinfachen, wurden nur Firmen, deren
Aktien in die Berechnung des SPI einfliessen, berücksichtigt.
Zudem wurde darauf verzichtet, bei jedem eintreffenden Inserat eine Umschichtung des Kapitals vorzunehmen. Stattdessen wurden die mit den Inseraten zusammenhängenden Aktienbestände monatlich ermittelt und folglich die Umschichtung
auch monatlich durchgeführt.
Diese Vereinfachungen mussten getroffen werden, um den Aufwand für die Durchführung dieser Strategie zu mindern. In unserem Fall hätten bei insgesamt 938 Transaktionen7 jeweils die Kurse von 90 Aktien8 abgefragt werden müssen. Insgesamt wären
dies knapp 100’000 Kursdaten gewesen, was den Rahmen dieser Arbeit gesprengt
hätte.
Die Aktien folgender bei math-jobs.com inserierenden 19 Firmen wurden aufgrund
ihrer Berücksichtigung bei der Berechnung des SPI ins Portfolio aufgenommen:
Novartis
41 Inserate
Credit Suisse Group
8 Inserate
Helvetia Patria
20 Inserate
Nestle
8 Inserate
UBS
17 Inserate
Atel
6 Inserate
Zürich
15 Inserate
Serono
5 Inserate
Swiss Re
14 Inserate
Julius Bär
4 Inserate
Swiss Life
14 Inserate
Generali
4 Inserate
Basler Kantonalbank
8 Inserate
Baloise
3 Inserate
Converium
8 Inserate
National Versicherung
2 Inserate
7
insgesamt 469 Käufe und Verkäufe, siehe Kapitel 8.1.1, Seite 117
8
siehe Kapitel 8.1.1, Seite 117
128
Inserate
Anteil
Investition
Inserate
Anteil
Investition
CS
Generali
Novartis
Swiss Re
2
1
1
1
14.29%
7.14%
7.14%
7.14%
14’285.71
7’142.86
7’142.86
7’142.86
Serono
UBS
Vontobel
Zürich
total
3
4
1
1
14
21.43%
28.57%
7.14%
7.14%
100%
21’428.57
28’571.43
7’142.86
7’142.86
100’000
Tabelle 8.5: Verteilung auf die Aktien am 30.6.1999
Roche
1 Inserat
Sulzer
1 Inserat
Vontobel
1 Inserat
Diese Firmen haben im Beobachtungszeitraum von Anfang 1999 bis Ende Juni 2004
insgesamt 179 Inserate auf math-jobs.com platziert.
Um mit den ersten Inseraten durch die Investition in nur wenige Firmen kein allzu
hohes titelspezifisches Risiko eingehen zu müssen, wird festgelegt, dass die ersten
Aktien erst nach 2 Quartalen (Ende Juni 1999) gekauft werden. Bis zu diesem Zeitpunkt sind 14 Inserate von 8 verschiedenen Schweizer Firmen aus dem SPI auf
math-jobs.com erschienen auf die das Startkapital von 100’000 proportional zu der
Anzahl Inserate verteilt wurde.
Die genaue Verteilung zu Beginn der Betrachtungsperiode vom 30.6.1999 ist in Tabelle 8.5 dargestellt.
Am Ende der Beobachtungsperiode 30.6.2004 hatten insgesamt 116 Inserate Einfluss
auf die Verteilung des Kapitals. Das Maximum wurde mit 126 im September 2003
erreicht. Wie schon bei den anderen vorgestellten Strategien wird ein Inserat nur 3
Jahre lang für die Portfoliogestaltung berücksichtigt.
Die Anzahl der effektiv in die Berechnung einfliessenden Inserate ist in Abbildung
8.5 zu sehen.
129
Abbildung 8.5: Anzahl der berücksichtigten Inserate zur Umschichtung Schweiz
8.3.2
Durchführung und Analyse
Ab Juni 99 wurde das Portfolio monatlich anhand der in Kapitel 7.4 auf Seite 114
gezeigten Regeln neu gestaltet.
Den maximalen Wert hatte das Portfolio Ende Januar 2001. Mit einem Portfoliowert
von 145’217 konnte das Kapital innerhalb von 20 Monaten um über 45% vermehrt
werden.
Ende März 2003 erreichte das Portfolio mit 64’234 seinen tiefsten Punkt.
Beim Abschluss der Betrachtung Ende Juni 2004 weist das Portfolio einen Wert von
98’552 auf.
Die Entwicklung des Portfolios über die Zeit ist in Abbildung 8.6 dargestellt.
8.3.3
Benchmarks
Als ideales Benchmark für diese Strategie erweist sich der SPI. Durch ein so genanntes Stock-Picking, bei dem es darum geht, nur diejenigen Werte zu erwerben,
die sich besser entwickeln als der Gesamtmarkt, verknüpft mit dem durch die Inserierung gegebenen Investitionszeitpunkt, wurde versucht, die Performance des SPI
130
Abbildung 8.6: Vergleich SPI und math-jobs-Portfolio
durch Zeitpunkt abhängige Investition in 16 ausgewählte, im SPI berücksichtigte
Unternehmen zu schlagen. Dies würde bedeuten, dass die auf math-jobs.com inserierenden Firmen an der Börse besser abgeschnitten haben, als die Gesamtheit der
im SPI berücksichtigten Firmen, oder dass durch geschicktes Timing die Performance des Gesamtmarktes übertroffen werden konnte.
Abbildung 8.6 zeigt die Entwicklung des math-jobs-Portfolios. Gleichzeitig ist die
Entwicklung des SPI dargestellt. Das math-jobs-Portfolio schneidet bis auf die Monate August, November und Dezember 1999 Ende Monat immer besser ab als der
SPI.
Im Juni 2001 liegt der Wert des math-jobs-Portfolio 19.8% über dem SPI.
Am Ende des Betrachtungszeitraums haben die zu Beginn in den SPI investierten
100’000 Franken einen Wert von 91’958. Das math-jobs-Portfolio schliesst mit 98’552
um 7.17% höher.
Als weitere Benchmarks werden zwei bekannte Aktienfonds verwendet, die ebenfalls in Schweizer Aktien investieren:
131
Abbildung 8.7: Vergleich des math-jobs Portfolio mit SPI, UBS Equity CH und
Julius Bär Swiss Stock Fund B
• UBS Equity CH: Investiert hauptsächlich in Aktien führender schweizerischer
Unternehmen. Bei der Auswahl wird auf Qualität des Managements, eine solide
Ertragslage, Wachstumspotential, eine starke Marktposition und Preisführerschaft grosser Wert gelegt.9
• Julius Bär Swiss Stock Fund B: Investiert in Aktien grosser, solider Schweizer Unternehmen, deren Absatzmärkte sich vielfach ausserhalb der Schweiz
befinden.10
Die Kursentwicklung ist in Abbildung 8.7 dargestellt. Die Kursdaten stammen im
Fall des UBS Fonds von http://fundgate.ubs.com und beim Fonds der Julius Bär
Privatbank von http://jbgroup.jbfundnet.com.
8.3.4
Kennzahlen
In der Tabelle 8.6 sind verschiedene Performance Kennzahlen für den SPI, das mathjobs-Portfolio und die zwei Aktien-Fonds aufgeführt. Der SPI dient dabei als Bench9
Quelle: http://www.fondsweb.de/fonds/profil.php?ID=2231, besucht am 23.8.2004
10
Quelle: http://www.fondsweb.de/fonds/profil.php?ID=2476, besucht am 23.8.2004
132
mark, an der die drei Portfolios gemessen werden. Die Berechnung und Bedeutung
der einzelnen Kennzahlen zur Beurteilung der Portfolioperformance kann im Kapitel
2.5.2 ab Seite 30 nachgelesen werden. Der risikolose Zinssatz wurde auf 1.5% pro
Jahr festgelegt.
Die Gesamtrendite ist zwar bei allen vier Portfolios negativ, das math-jobs Portfolio schneidet aber mit einer negativen Jahresrendite von knapp -0.3% eindeutig
am Besten ab.
Weil das math-jobs Portfolio in höchstens 19 verschiedene Firmen investiert und
somit im Vergleich am schlechtesten diversifiziert ist, ist die höchste Volatilität eine
logische Folge. Auch die relative Risikokennzahl Beta ist beim math-jobs-Portfolio
mit 1.11 am höchsten.
Bei den Risiko und Rendite kombinierenden Kennzahlen schneidet das math-jobs
Portfolio ausnahmslos besser ab, als die beiden Fonds. Auch der SPI wird bezüglich
Sharpe- und Treynor-Ratio geschlagen.
SPI
math-jobs
Bär Swiss
UBS
Stock Fund
Equity CH
Rendite total
-8.04%
-1.45%
-15.72%
-16.93%
Rendite p.a. (GM)
-1.66%
-0.29%
-3.36%
-3.64%
Rendite p.m. (AM)
-0.030%
0.133%
-0.159%
-0.201%
4.63%
5.60%
4.97%
4.59%
Beta
1.00
1.128
0.98
0.98
Korrelation
1.00
0.97
0.98
0.99
Sharpe Ratio p.m.
-0.033
0.002
-0.057
-0.071
Treynor Ratio p.m.
-0.15%
0.008%
-0.288%
-0.331%
Jensens Alpha p.m.
0.18%
-0.13%
-0.17%
Modigliani Miller p.m.
0.16%
-0.11%
-0.17%
Tracking Error p.m.
2.09%
1.97%
0.62%
Information Ratio p.m.
0.078
-0.066
-0.278
Volatilität p.m.
risikolose Rendite p.m.
0.1241%
Tabelle 8.6: Kennzahlen zur Messung der Portfolio-Performance
133
8.3.5
Kritik
Die Schweiz ist nur ein Aktienmarkt unter vielen und die Anzahl an in die Untersuchung einfliessenden Inserate war mit insgesamt 116 Inseraten relativ klein.
Deshalb werden im nächsten Kapitel alle Inserate berücksichtigt und der die Entwicklung des weltweiten Aktienmarktes repräsentierende MSCI als Benchmark hinzugezogen.
Weitere allgemeine Kritikpunkte zu der Umschichtungsstrategie werden auf Seite
142 diskutiert.
8.4
Portfolio: Quartalsweise Umschichtung Weltweit
8.4.1
Anmerkung
Aufgrund des viel versprechenden Resultats der Strategie Monatliche Umschichtung
Schweiz, wird dieselbe Strategie der Umschichtung nun mit allen zur Verfügung
stehenden Aktien durchgeführt. Jedoch wird aufgrund der Datenmenge auf eine
monatliche Umschichtung verzichtet und die Neuverteilung der Aktien jeweils quartalsweise durchgeführt. Auf diese Weise könnten in der Praxis im Vergleich zur
monatlichen Umschichtung 75% der Transaktionskosten eingespart werden.
Als Benchmark werden der MSCI World Index und weltweit investierende Fonds
herangezogen. Zusätzlich wird das Resultat später mit einer quartalsweisen Umschichtung der Aktien im SPI verglichen.
8.4.2
Resultat
Das math-jobs World Portfolio erreicht im vierten Quartal 2000 mit 156’518 sein absolutes Maximum und liegt in diesem Punkt 56% über der Benchmark MSCI World.
Der Tiefstpunkt wird im ersten Quartal 2003 mit 76’950 erreicht, wo aber der Wert
des MSCI Portfolios von 59’692 erneut übertroffen wird.
134
Abbildung 8.8: Vergleich des math-jobs World Portfolio mit MSCI, UBS Equity
Global und Julius Bär Global Value Stock
Am Ende der Betrachtungsperiode schliesst das math-jobs World Portfolio mit
119’134 über 47% höher als die Benchmark MSCI World ab, die zum Schluss einen
Wert von 80’840 aufweist.
Die Entwicklung des Portfoliowertes ist der Abbildung 8.8 zu entnehmen.
8.4.3
Benchmarks
Als Benchmark wird der MSCI World Index verwendet. Zusätzlich werden folgende
zwei Fonds zu Vergleichszwecken betrachtet:
• UBS Equity Global: Investiert weltweit in Aktien von Grossunternehmen auf
etablierten Märkten.
• Julius Bär Global Value Stock Fund B: Investiert weltweit in Aktien von soliden Unternehmen, deren Börsenwert im Vergleich zum Buchwert als tief erachtet wird.
135
Wichtig ist, dass die Performance dieser beiden Fonds aufgrund ihrer Investments
im Ausland von Veränderungen der Devisenkurse beeinflusst wird. Das math-jobs
World Portfolio und auch das anhand des MSCI World local gebildete Portfolio
werden aufgrund ihrer Konstruktion in dieser Arbeit von Währungsschwankungen
nicht beeinflusst.
8.4.4
Kennzahlen
In der Tabelle 8.7 sind verschiedene Performance Kennzahlen für den MSCI World,
das math-jobs-World Portfolio und die zwei Fonds aufgeführt. Der MSCI World
dient dabei als Benchmark, an der die drei Portfolios gemessen werden. Zusätzlich
ist zu Vergleichszwecken das math-jobs CH Portfolio mit quartalsweiser Umschichtung angegeben. Auf eine Änderung der Umschichtungshäufigkeit und -zeitpunkt
wird in Kapitel 8.5 auf Seite 142 genauer eingegangen.
Die Berechnung und Bedeutung der einzelnen Kennzahlen zur Beurteilung der Portfolioperformance kann in Kapitel 2.5.2 ab Seite 30 nachgelesen werden.
Das math-jobs World Portfolio weist im Gegensatz zur Benchmark und den beiden Fonds eine positive Rendite von durchschnittlich 3.56% pro Jahr auf. Wie schon
beim Vergleich im vorangehenden Kapitel, ist das math-jobs Portfolio mit der höchsten Volatilität das riskanteste Investment. Auch das Beta von 1.14 deutet auf ein
höheres Risiko hin.
Bei den berechneten Performance Kennzahlen schneidet das math-jobs World Portfolio, wie der Tabelle 8.7 zu entnehmen ist, wiederum ausnahmslos am Besten ab.
8.4.5
Analyse
Aufgrund des guten Resultats des math-jobs World Portfolio, das im Betrachtungszeitraum bei allgemein sinkenden Aktienkursen eine positive Rendite von kumuliert
über 19% erzielt, wird das Zustandekommen dieses Resultats im Folgenden genauer
analisiert.
136
MSCI
math-
Bär
UBS
math-
WORLD
jobs
Global
Equity
jobs CH
World
Value
Global
q.
Stock
Rendite total
-19.16%
19.13%
-14.50%
-34.20%
6.62%
Rendite p.a. (GM)
-4.16%
3.56%
-3.08%
-8.03%
1.29%
Rendite p.q. (AM)
-0.592%
1.731%
-0.116%
-1.313%
1.026%
9.57%
12.91%
11.27%
12.17%
11.76%
Beta
1.00
1.14
1.11
1.24
0.99
Korrelation
1.00
0.67
0.93
0.98
0.77
Sharpe Ratio p.q.
-0.101
0.105
-0.043
-0.138
0.056
Treynor Ratio p.q.
-0.96%
1.195%
-0.439%
-1.359%
0.659%
Jensens Alpha p.q.
2.45%
0.59%
-0.49%
1.61%
Modigliani Miller p.q.
1.97%
0.55%
-0.36%
1.5%
Tracking Error p.q.
7.07%
3.82%
3.52%
6.93%
Information Ratio p.q.
0.328
0.125
-0.205
0.233
Volatilität p.q.
risikolose Rendite p.q.
0.3729%
Tabelle 8.7: Kennzahlen zur Messung der Portfolio-Performance
137
8.4.5.1
Resultat der einzelnen Aktien
Von insgesamt 8411 im Portfolio vertretenen Aktientiteln, resultiert bei 60 Aktientitel ein positiver Saldo. Das bedeutet, dass mit den Käufen und Verkäufen während
des Umschichtungsprozesses in der Endabrechnung ein positives Resultat bei diesen
Titeln erreicht werden konnte.12 In Tabelle 8.8 sind die Aktien, die am meisten zum
Gewinn beigetragen haben, dargestellt. Zudem sind auch die Aktien aufgelistet, die
am schwächsten abgeschnitten haben und aus deren Transaktionen ein Verlust resultiert hat.
Auffallend ist, dass die Firmen mit den höchsten Saldi mit insgesamt 31 Inseraten
deutlich weniger inseriert haben, als die fünf schlechtesten Firmen mit einem Total
von 109 Inseraten. Diese Tatsache widerspricht einem Teil der These von Dr. Christof Luchsinger, dass Firmen die oft inserieren auch besser an der Börse performen.
Möglicherweise war aber eine hohe Fluktuationsrate die Ursache der zahlreichen Inserate einiger Firmen. Dies würde in gewissem Masse auch das schlechte Abschneiden
dieser Firmen an der Börse erklären.
Weiter fällt auf, dass die vier am schlechtesten abschneidenden Firmen allesamt
Schweizer Unternehmen sind. Trotzdem übertrifft aber das math-jobs CH Portfolio
mit monatlicher und auch quartalsweiser Umschichtung die Performance des SPI.
Folgend wird untersucht, wie der Saldo vom Spitzenreiter Serono zustande gekommen ist.
8.4.5.2
Betrachtung von Serono
Serono hat im Verlaufe der Betrachtungsperiode insgesamt 5 Inserate auf mathjobs.com geschaltet. Die ersten drei im zweiten Quartal 1999, das nächste im dritten
Quartal 2000 und das letzte im vierten Quartal 2003.
Da bei der Bildung des Portfolios am Ende des zweiten Quartals 1999 nur insgesamt
16 Inserate vorhanden waren, wurde aufgrund der drei Serono Inserate insgesamt
18.75% des Startkapitals in Serono Aktien investiert. Nur die UBS hat aufgrund von
11
Unternehmen, die in der letzten Betrachtungsperiode zwischen dem 1.4.2004 und dem 30.6.2004
zum ersten Mal inseriert haben, sind nicht berücksichtigt, weil deren Aktien erst bei der Umschichtung vom 30.6.2004 gekauft werden
12
Ein Beispiel zur Berechnung des Saldos ist in Tabelle 8.9 auf Seite 141 anhand der Serono
Aktien gezeigt.
138
Position
Firma
Inserate
Saldo
1
Serono
5
20’354
2
Fair Isaac
12
11’235
3
Netlife AG
1
3’623
4
Transatlantic Holdings Inc
5
2’834
5
Basler Kantonalbank
8
2’440
8
UBS
18
2’119
9
Nestle
8
1’833
18
Bank One
13
603
20
Ebay
2
428
73
Novartis
42
-778
80
Münchener Rück
40
-3’173
81
Swiss Re
15
-3’234
82
Helvetia Patria
20
-6’041
83
Swiss Life Holding
16
-10’263
84
Zürich Financial Services
18
-10’905
...
...
Tabelle 8.8: Rangliste der berücksichtigten Aktien bezüglich Saldo
vier Inseraten zu diesem Zeitpunkt einen grösseren Anteil am Portfolio als Serono.
Im Laufe der Zeit nimmt der Anteil der Serono Aktien im Portfolio kontinuierlich ab.
Der Aktienkurs von Serono ist bei der Bildung des Portfolios und gleichzeitiger
Investition von 18.75% des Startkapitals Ende Juni 1999 mit 484 so tief, wie im
Laufe der nächsten fünf Jahre nie mehr.
Zusätzlich erlebte der Aktienkurs von Juni 1999 bis zum Ende des dritten Quartals
2000 einen steilen Anstieg. Der Schlusskurs des dritten Quartals 2000 liegt mit 2’002
mehr als 300% über dem Kurs von Ende Juni 1999.
Wie in Abbildung 8.9 zu erkennen ist, nimmt der Portfolioanteil kontinuierlich ab,
während der Aktienkurs anfangs entgegengesetzte Tendenz aufweist. Dies hat zur
Folge, dass ein Grossteil der zahlreichen günstig gekauften Aktien aufgrund sinkender Anteile bei hohem Kurs im Verlaufe der Umschichtung mit grossen Gewinnen
139
Abbildung 8.9: Entwicklung Portfolioanteil der Serono Aktie (linke Skala) verglichen
mit dem Kursverlauf (rechte Skala)
verkauft werden.
Wie der positive Saldo bei Serono von insgesamt über 20’000.- zustande kommt, ist
in Tabelle 8.9 dargestellt. Zu jedem Quartal gehören jeweils zwei Zeilen. Die erste
zeigt die Investition aus dem Vorquartal in die Serono Aktien, bewertet zum aktuellen Börsenkurs. Der Kursgewinn berechnet sich aus der Differenz dieser beiden
Zahlen.
Die zweite Zeile zeigt den Zustand nach erfolgter Umschichtung. Die Investition berechnet sich aus dem Portfoliowert und dem aktuellen Anteil von Serono am Gesamtportfolio, berechnet anhand der Anzahl Inserate auf math-jobs.com. Die Differenz
zwischen dem Wert vor der Umschichtung und dem anhand des Anteils berechneten
Investitionsbetrag ist in der Spalte Umschichtung dargestellt.
Weil der Anteil der Serono Aktien ab dem zweiten Quartal 2002 unter ein Prozent
fällt, wurde auf die Darstellung der weiteren Quartale in Tabelle 8.9 verzichtet.
140
Wert
Anteil
Portfolio
Serono
100’000
18.75%
Investition
Wert
Um-
Kurs-
schichtung
gewinn
22’252
-7’693
3’502
21’502
-8’155
6’942
23’872
-11’331
10’525
10’914
1’447
-1’627
18’740
-3’779
6’378
10’865
1’435
-4’096
11’305
-2’869
-995
11’113
-3’634
2’678
5’129
-562
-2’349
5’346
-1’356
778
4’075
-360
85
2’407
-1’642
-1’308
565
-104
-200
485
-40
24
Q2 99
18’750
Q3 99
101’918
14.29%
14’560
Q4 99
115’675
11.54%
13’347
Q1 00
137’954
9.09%
12’541
Q2 00
144’218
8.57%
12’362
Q3 00
153’347
9.76%
14’961
Q4 00
156’818
7.84%
12’299
Q1 01
141’291
5.97%
8’435
Q2 01
155’184
4.82%
7’479
Q3 01
127’883
3.57%
4’567
Q4 01
135’636
2.94%
3’989
Q1 02
131’886
2.82%
3’715
Q2 02
116’986
0.65%
765
Q3 02
84’872
0.54%
461
Q4 02
90’316
0.49%
445
Tabelle 8.9: Quartalsweise Umschichtung bei Serono
141
Fazit
Die drei Serono Inserate aus dem zweiten Quartal 1999 hatten einen enormen Einfluss auf die Gesamtperformance des Portfolios. Der anfänglich hohe, darauf aber
konsequent sinkende Anteil, verknüpft mit dem gleichzeitig stattfindenden steilen
Kursanstieg, führen zu sehr hohen Gewinnen, die einen Grossteil des Erfolgs der
beiden Portfolios math-jobs World und math-jobs CH erklären können.
8.4.6
Kritik
Die grösste Schwäche dieses Ansatzes ist, dass er in der Praxis von einem privaten
Investor nicht gewinnbringend umgesetzt werden kann. Aufgrund der quartalsweisen
Umschichtung konnten die Transaktionskosten im Vergleich zur monatlichen Umschichtungen zwar um 75% reduziert werden, bei insgesamt zwanzig Umschichtungen
in der fünfjährigen Betrachtungsperiode und maximal 84 verschiedenen Aktientitel
werden über Tausend Transaktionen durchgeführt. Die Berücksichtigung der Transaktionskosten von beispielsweise 1% pro Transaktion würde das Ergebnis massiv
verändern.
Auch der Zeitpunkt der Investition hat Einfluss auf das Ergebnis. Das math-jobs
Portfolio schneidet nicht bei jedem Investitionszeitpunkt besser ab als der MSCI
World. Ein Investor, der beispielsweise Ende Juni 2001 einen Betrag von 100’000 in
das math-jobs World Portfolio investiert, bekommt am Ende der Betrachtungsperiode nur 76’770 zurück. Mit einem zeitgleichen Investment in den MSCI World wäre
der Portfoliowert mit 86’307 Ende Juni 2004 um über 12% höher.
8.5
Variationen bei der Umschichtung
Bei der Umschichtungsstrategie gibt es zwei Werte, die von Anfang an bestimmt
werden müssen und einen grossen Einfluss auf das Resultat des Portfolios ausüben.
Als erstes ist dies der zeitliche Startpunkt des Portfolios. Bei den beiden bisher
vorgestellten Umschichtungen wurde das Portfolio jeweils am 30.6.1999 gebildet.
Wie die Analyse von Serono gezeigt hat, kann die Portfolioperformance aufgrund
142
Start
Umschichtung
Endwert
MSCI
Vergleich
Q2 99
quartalsweise
119’134
80’840
47.4%
Q2 99
jährlich
124’867
80’840
54.5%
Q2 99
nie
103’666
80’840
28.2%
Q4 99
quartalsweise
102’990
71’873
43.3%
Q4 99
jährlich
98’922
71’873
37.6%
Q4 99
nie
92’726
71’873
29.0%
Q2 00
quartalsweise
112’394
72’525
55.0%
Q2 00
jährlich
104’429
72’525
44.0%
Q2 00
nie
106’823
72’525
47.3%
Q4 00
quartalsweise
103’038
80’553
27.9%
Q4 00
jährlich
79’328
80’553
-1.5%
Q4 00
nie
83’000
80’553
3.0%
Tabelle 8.10: Ergebnis der Variation des Zeitpunkts der Portfoliobildung und der
Umschichtungshäufigkeit beim math-jobs World Portfolio
anfänglich nur wenig berücksichtigter Titel im Portfolio stark von einzelnen Kursentwicklungen abhängig sein. Mit einer späteren Portfoliobildung würden gleich von
Anfang an mehr Titel berücksichtigt, was eine bessere Diversifikation des Portfolios
zur Folge hat.
Als zweites kann die Häufigkeit der Umschichtung variiert werden. Wie das Beispiel
des math-jobs CH Portfolios in Tabelle 8.7 zeigt, können dadurch grosse Unterschiede bei dem Endresultat entstehen. Bei monatlicher Umschichtung erreichte dieses
Portfolio einen Wert von 99’088, bei quartalsweiser Umschichtung 106’623. Der Vorteil einer Reduzierung der Umschichtungshäufigkeit wäre, dass Transaktionskosten,
die in dieser Arbeit nicht berücksichtigt sind, in der Praxis aber bei jeder Umschichtung anfallen würden, reduziert werden können.
In Tabelle 8.10 sind die Auswirkungen der Variation der beiden Variablen ersichtlich. Auch aufgeführt ist die Strategie, beim gebildeten Portfolio keine Umschichtung
vorzunehmen und die zu Beginn gekauften Aktien bis zum Schluss der Betrachtungsperiode zu halten.
Bemerkenswert ist, dass in 11 von den 12 betrachteten Fällen das math-jobs World
Portfolio besser abschneidet als der MSCI World. Nur bei jährlicher Umschichtung
143
mit Startpunkt am 31. Dezember 2000 schneidet der MSCI mit 1.5% minimal besser
ab.
Die Aktien, in die bei der Portfoliobildung investiert wurde, wurden auf jeden Fall
für 3 Jahre gehalten, unabhängig davon, wie lange das berücksichtigte Inserat dem
Zeitpunkt der Portfoliobildung vorausgegangen ist. Dies ist auch der Grund für
die von der ursprünglichen Entwicklung des math-jobs World Portfolios abweichende Wertentwicklung bei quartalsweiser Umschichtung, denn die Zusammensetzung
des Portfolios bezüglich Aktien stimmt aufgrund des geänderten PortfoliobildungsZeitpunkts nicht mehr in jedem Quartal exakt überein.
8.6
8.6.1
Statistische Tests
Jobson Korkie Memmel: Sharpe Ratio
Dieser Test zur Überprüfung, ob sich zwei Sharpe-Ratios signifikant voneinander
unterscheiden, arbeitet mit asymptotischen Varianzen. Die folgenden Resultate sind
deshalb mit Vorsicht zu geniessen. Tabelle 8.11 zeigt die Testresultate.
Die aus dem z-Wert einer Standard-Normalverteilung abgeleitete Wahrscheinlichkeit gibt an, mit welcher Wahrscheinlichkeit die Differenz zweier Sharpe Ratios nur
durch Zufall zustande gekommen ist.
Der Tabelle 8.11 ist zu entnehmen, dass der Unterschied zwischen der Sharpe Ratio
des math-jobs World Portfolios und dem MSCI mit 5.5% knapp nicht signifikant ist.
Nur die Sharpe Ratio des math-jobs World Portfolios und des UBS Equity Global
Fonds unterscheiden sich signifikant (Wahrscheinlichkeit < 5%).
Dies war zu erwarten, denn beim Schweizer Portfolio sind die Differenzen der Sharpe
Ratios relativ gering und die Zahlen des weltweiten Portfolios beruhen auf insgesamt
nur 20 Datensätzen, was sich auf das Resultat dieses Signifikanztest auswirkt.
8.6.2
Alpha und Beta im T-Test
Die beiden Kennzahlen Alpha und Beta sind zwei Kennzahlen, die auf einen Vergleich mit einer Benchmark abzielen. Es wird unterstellt, dass ein linearer Zusam144
math-jobs
SPI
Bär Swiss
UBS Equity
Stock
CH
-0.0332
-0.0571
-0.0709
z-Wert
0.7393
1.0917
1.3725
Wahrscheinlichkeit
22.99%
13.75%
8.50%
MSCI World
Bär Global
UBS Equity
Value Stock
Global
-0.1008
-0.0434
-0.1385
z-Wert
1.5957
1.1455
1.8479
Wahrscheinlichkeit
5.53%
12.60%
3.23%
CH
Sharpe Ratio
0.0016
math-jobs
World
Sharpe Ratio
0.1052
Tabelle 8.11: Resultate des Jobson Korkie Memmel Tests
menhang zwischen der Veränderung der Benchmark und der Veränderung des Portfolios besteht.
Um den Zusammenhang festzustellen, wird die Performance des Portfolios gegenüber
der Performance der Benchmark in einem x/y-Diagramm eingetragen. In Abbildung
8.10 sind die Diagramme mit den Vergleichen math-jobs CH vs. SPI und math-jobs
World vs. MSCI dargestellt.
Anhand der dargestellten Regressionsgeraden kann einerseits die Steigung Beta und
der Schnittpunkt mit der y-Achse Alpha abgelesen werden. Die Bedeutung von Beta
wurde bereits im Kapitel 2.3.5 auf Seite 17 genauer beschrieben.
Ein positiver Y-Achsenabschnitt Alpha sagt aus, dass bei einer Benchmarkrendite
von Null ein positives Ergebnis im Portfolio erzielt wurde. Alpha bezeichnet somit
die absolute Mehrrendite gegenüber der Benchmark, die sich unabhängig von der
Marktbewegung ergeben hat und künftig wieder ergeben soll.
Regressionsgerade math-jobs CH vs. SPI:
Y = 1.1278x + 0.0017, R2 =0.87213 (monatliche Renditen)
13
Das Bestimmtheitsmass R2 quantifiziert die Güte der Regression und nimmt Werte zwischen
0 und 1 an. Je höher R2 , desto mehr ist die Rendite des Portfolios mit der Bewegung des
Gesamtmarktes erklärbar.
145
Regressionsgerade math-jobs World vs. MSCI:
Y = 1.1358x + 0.024, R2 =0.710 (quartalsweise Renditen)
Die annualisierten Überrenditen Alpha betragen beim math-jobs CH Portfolio 2.06%
und beim math-jobs World Portfolio 9.96%.
Nun wird anhand eines T-Test überprüft, ob der Wert von Alpha statistisch signifikant von Null verschieden ist.
Der T-Test ergibt, dass der Y-Achsenabschnitt beim Schweizer Portfolio mit einem
Wert von 0.17% nicht signifikant von Null verschieden ist (P-Wert14 = 0.53). Die
geschätzte Steigung β von 1.13, ist aber signifikant von Eins verschieden (P-Wert=
0.028).
Beim math-jobs World Portfolio ist der Y-Achsenabschnitt mit einem Wert von
2.4% ebenfalls nicht signifikant von Null verschieden (P-Wert= 0.16) und auch die
Steigung von 1.14 ist nicht signifikant von Eins verschieden (P-Wert= 0.438).
Hier muss erwähnt werden, dass vor allem im Fall des math-jobs World Portfolios aufgrund der quartalsweisen Auswertung die Regressionsgerade nur aus wenigen
Datensätzen berechnet werden konnte. Weil die Signifikanz vom Umfang des Datensatzes abhängig ist, wäre es durchaus möglich, dass, falls aufgrund eines längeren
Untersuchungszeitraums der Umfang des Datensatzes grösser wäre, sich die beiden
Y-Achsenabschnitte α und das Beta des MSCI signifikant von Null respektive Eins
unterscheiden würden.
8.7
8.7.1
Allgemeine Probleme bei der Evaluation
Fehlende Daten um 11. September 2001
Die historischen Daten, welche mittels StockQuote über den Finance-Dienst von
Yahoo abgefragt wurden, enthalten um den 11. September 200115 grosse Lücken. So
fehlen bei den meisten in dieser Arbeit berücksichtigten Aktientitel die Daten von
14
Der P-Wert ist ein statistisches Mass für die Signifikanz und sagt allgemein aus, wie gross die
Wahrscheinlichkeit ist, dass ein gemessener Unterschied dem Zufall entspringt.
15
Terroranschläge auf das World Trade Center in den USA
146
Abbildung 8.10: Regression math-jobs CH vs. SPI und math-jobs World vs. MSCI
August, September und Oktober 2001.
Yahoo bezieht die historischen Daten von Commodity Systems.16 Dort fehlen die
Daten in der Datenbank; auf der Website tickertech.com beispielsweise, welche die
Daten ebenfalls von Commodity Systems bezieht, fehlen die Daten der angesprochenen Zeitperiode ebenfalls.
Commodity Systems hat auf meine Anfrage vom 12.7.2004 bezüglich der Ursache
der fehlenden Daten bis zum Abgabedatum dieser Arbeit nicht geantwortet.
Von den fehlenden Daten sind bei der Strategie Unmittelbarer Kauf 17 Aktienkäufe
betroffen. Davon sind 11 Käufe vor dem 11. September und 6 nach dem 11. September einzuordnen.
Für die Auswertung wurde der Kaufkurs des jeweils erstmöglichen Datums genommen, dies war bis auf einen Fall der 31. Oktober 2001. Bei der Aare-Tessin AG sind
die Kurse erst ab 6. November 2001 wieder verfügbar.
Diese Vorgehensweise kann problematisch sein, denn die Aktienmärkte verzeichneten unmittelbar nach dem 11. September weltweite Kurseinbrüche. Deshalb wurden
die 11 Aktien, die eigentlich vor dem 11. September hätten erworben werden sollen,
möglicherweise im Oktober zu einem zu günstigen Preis gekauft.
Eine Betrachtung von Novartis aber zeigt, dass dies nicht generell zutrifft. Novartis hat am 6.9.01 4 Inserate auf math-jobs.com aufgeschaltet. Der Aktienkurs war
damals gemäss novartis.com 60.50. Am 31.10 notierte die Aktie bei 61.15, was ein
16
http://www.csidata.com
147
Plus von 1.07% bedeutet. In diesem Fall wurden die Aktien Ende Oktober sogar zu
teuer gekauft.
Die Auswertung der Portfolios erfolgte jeweils quartalsweise. Aufgrund der fehlenden Daten vom 31.9.2001 (Ende Quartal 3) wurde das dritte Quartal im Jahr 2001
bis zum 31. Oktober verlängert.
8.7.2
Verspäteter Börsengang
Die folgenden inzwischen börsenkotierten Firmen wurden zum Zeitpunkt ihrer ersten
Stellenausschreibungen auf math-jobs.com noch nicht an der Börse gehandelt:
• Hewitt Associates Inc (HEW), kotiert seit 27.6.2002
• Watson Wyatt & Company Holdings (WW), kotiert seit 10.11.2000
Am Beispiel des Personaldienstleisters Hewitt Associates Inc wird im Folgenden aufgezeigt, nach welchen Regeln die Aktien dieser Firmen ins Portfolio einfliessen.
Das erste Stelleninserat von Hewitt wurde am 18.10.2000 aufgeschaltet. Der Börsengang erfolgte aber erst am 27.6.2002, wo dann die Aktie aus der Inserierung vom
Oktober 2000 gekauft wurde. Der Verkaufszeitpunkt bleibt drei Jahre nach dem Inserat, in diesem Fall also der 18.10.2003.
Die Aktie muss mindestens ein Jahr im Portfolio gehalten werden, das heisst, sie
wird nur gekauft, wenn der Börsengang innerhalb von zwei Jahren nach einem Stelleninserat erfolgte.
8.7.3
Fehlerhafte Daten
Zur Berechnung der Aktienentwicklung wurde jeweils der Adjusted Close Price verwendet. Dies ist der Schlusskurs korrigiert um die Dividendenzahlungen und Aktiensplits.
Bei diesen Daten ist bei den historischen Aktienkursen von yahoo.com bei der Swiss
Re ein Fehler aufgefallen.
148
Abbildung 8.11: Fehlerhafte Daten bei finance.yahoo.com [yahoo.com], 29.7.2004
Wie in Abbildung 8.11 zu erkennen ist, hat die Swiss Re am 17. August 2001 einen
20:1 Aktiensplit durchgeführt und eine Dividende von $1.60 ausgeschüttet.
Bei einem 20:1 Aktiensplit werden für eine alte Aktie zwanzig neue Aktien ausgegeben. Die Folge ist, dass eine neue Aktie nur noch ein zwanzigstel des Wertes einer
alten Aktie hat und somit der Aktienkurs theoretisch genau durch zwanzig geteilt
werden kann.
Bei den von Yahoo präsentierten Daten, bleibt der unkorrigierte Kurs vor und nach
dem Split auf dem gleichen Niveau, der Adjusted Close Preis hingegen verzwanzigfacht sich aufgrund des Splits.
Meine Anfrage bei der Investor Relations-Abteilung der Swiss Re hat ergeben, dass
der offizielle Schlusskurs vom 16. August 3625 war, und nicht wie bei Yahoo Börsenkurs vor dem Split 180.75. Der Fehler liegt demzufolge darin, dass der unkorrigierte
Kurs bei Yahoo bereits der dem Split angepasste Kurs ist und somit der AdjClose
fälschlicherweise doppelt korrigiert wurde.
149
8.8
Fazit
Das aus Aktien und dem Bankkonto bestehende Portfolio Unmittelbarer Kauf“ hat
”
am Ende der Betrachtungsperiode bei einem Jahreszins von 1% einen Gesamtwert
von 107’635. Davon sind 41’202 in Aktien investiert und 66’433 liegen auf dem Bankkonto.
Es konnte jedoch keine zufrieden stellende Benchmark gefunden werden; sowohl die
Benchmark MSCI als auch MSCI Timed sind nicht vollends zu einem fairen Vergleich geeignet.
Die Umschichtungsstrategie wurde einerseits mit Schweizer Aktien bei einer monatlichen Umschichtung und andererseits mit allen zur Verfügung stehenden Aktien
bei einer quartalsweisen Umschichtung durchgeführt. Das math-jobs World Portfolio schneidet nach fünf Jahren vor dem math-jobs CH Portfolio am Besten ab. Die
Benchmarks SPI, MSCI und die vier Fonds konnten allesamt bezüglich Rendite und
Sharpe Ratio geschlagen werden. Die das eingegangene Risiko ausgedrückte Volatilität ist bei den math-jobs Portfolio hingegen leicht höher, was eine logische Folge
der vergleichsweise geringeren Diversifikation der beiden Portfolios ist.
Kritisiert wird, dass die Strategien in der Praxis von einem privaten Investor nicht
gewinnbringend umgesetzt werden können, da die Transaktionskosten in der Untersuchung komplett vernachlässigt wurden.
150
Kapitel 9
Fazit
In diesem Kapitel werden die wichtigsten Erkenntnisse und Resultate dieser Diplomarbeit rekapituliert. Als erstes wird auf die Schlüsselresultate der Untersuchung eingegangen. In einem zweiten Schritt werden Bereiche gezeigt, in denen künftig weiter
geforscht werden könnte.
9.1
Resultate
• Überperformance dank Webindikator math-jobs.com
In der fünf jährigen Beobachtungsperiode von Anfang 1999 bis Mitte 2004
hätte dank den beiden Informationen Inserierende Firma und Zeitpunkt des
Inserats mit dem Schweizer Portfolio eine durchschnittliche jährliche Überperformance von 1.37% im Vergleich zum SPI erzielt werden können. Das
internationale Portfolio übertrifft den MSCI um jährlich 7.7% und erreicht in
einer Phase allgemein sinkender Märkte eine positive Jahresrendite von 3.56%.
• Weitere Webindikatoren mit Erfolgspotential
Neben der online Jobbörse gibt es weitere öffentlich zugängliche Informationsquellen im Internet, die bisher nicht als solche wahrgenommen oder unterschätzt wurden und deren Berücksichtigung im Portfolio Management zu
erhöhten Renditen führen kann. Erfolgsversprechende Indikatoren sind neben
den Jobbörsen Produkt bewertende Communities, Beobachtung von Werbeaktivitäten und Rankings bei Suchmaschinen.
151
• Starke Korrelation zwischen math-jobs-Index und Jobpilot-Index
Der anhand der Inseratezahlen auf math-jobs.com gebildete Index ist ein guter Indikator für die Entwicklung des etablierten Jobpilot-Index. Der Korrelationskoeffizient zwischen den beiden Indizes beträgt 0.82, nach Bildung
eines dreigliedrigen gleitenden Durchschnitts sogar 0.93. Der aktuelle Stand
des math-jobs-Index ist jeweils rund zwei Monate vor den neusten Zahlen des
Jobpilot-Index verfügbar.
Als vorauseilender Konjunkturindikator ist der math-jobs-Index hingegen nicht
geeignet.
Ein möglicher Widerspruch
In Kapitel 6 haben wir gezeigt, dass der die Summe der Ausschreibungen in einem
Quartal darstellende math-jobs-Index einen Lag von 2 Quartalen gegenüber dem
BIP aufweist. Das BIP seinerseits hinkt der Börse um bis zu 3 Quartale hinterher,
woraus folgt, dass der math-jobs-Index einen Lag von bis zu 5 Quartalen gegenüber
der Börse aufweist. Diese Tatsache scheint unser Ziel zu verunmöglichen, anhand
der Beobachtung einer Jobbörse Informationen über die künftige Entwicklung an
der Börse zu gewinnen. Unsere Strategie funktioniert aber trotz dieses angeblichen
Widerspruchs. Dies ist folgendermassen zu erklären:
Die von uns selektionierten Strategien (vor allem die Umschichtungsstrategie) basieren nicht darauf, aufgrund hoher Inseratezahlen grosse Beträge an der Börse zu
investieren um dann in der Folge von allgemein steigenden Aktienkursen zu profitieren, denn bei der Strategie Umschichtung ist das Kapital zu jedem Zeitpunkt zu
100% in Aktien investiert. Im Laufe der Zeit ändert sich allein die Zusammensetzung
des Portfolios. Wir behaupten nicht, die allgemeine Börsenentwicklung voraussagen
zu können sondern versuchen, aufgrund der Berücksichtigung der gewonnenen impliziten Informationen über das Intellektuelle Kapital einzelner Unternehmungen
kombiniert mit geschicktem Stock Picking, Vorteile an der Börse zu erzielen und die
Benchmarks zu übertreffen.
Die Zusammenfassung im Anhang (Deutsch: S. 169, Englisch: S. 177) fasst die
Grundidee, das Vorgehen bei der Evaluation und die wichtigsten Resultate der Untersuchung nochmals auf acht Seiten kompakt zusammen.
152
9.2
Ausblick
Aufgrund der gewonnenen Erkenntnisse können verschiedene Bereiche ausgemacht
werden, in welchen künftig intensiviert Forschung betrieben werden sollte.
Vor allem sollte die Gültigkeit der abgeleiteten Aussagen überprüft werden. Das Risiko, dass Fehlschlüsse aus den Webdaten gezogen wurden oder dass die Resultate in
Zukunft nicht reproduzierbar sind und nur für den Beobachtungszeitraum Gültigkeit
haben, sollte anhand weiterer Untersuchungen möglichst eliminiert werden.
9.2.1
Begründung der Resultate der Evaluation
In einem ersten Schritt sollen die Ursachen für das positive Abschneiden der mathjobs Portfolios genauer untersucht werden. Im Folgenden sind Fragen aus verschiedenen Forschungsgebieten aufgelistet, deren Beantwortung zum besseren Verständnis
der Resultate der Evaluation beitragen könnten.
BWL
• Kundenzufriedenheit und Image:
Eine mögliche Untersuchung könnte sich mit der Frage beschäftigen, ob die
inserierenden Firmen über ein signifikant besseres Image verfügen, oder ob sie
eine höhere Kundenzufriedenheit erreichen als die nicht inserierenden Firmen.
• Unterschiedliche Organisationsformen?
Eine interessante Frage wäre, ob die Firmen, die über math-jobs.com inserieren, anders organisiert sind, als Firmen, die dies nicht tun. Dies betrifft einerseits die Organisation des Personalwesens selbst, andererseits aber auch die
Interaktionsmöglichkeiten zwischen betrieblichen Abteilungen und dem Human Resource Management.
Um zu testen, wie eine Unternehmung mit Bewerbungen umgeht, könnten fiktive Bewerbungen an die Firmen gesendet werden. Dies könnten sowohl Bewerbungen auf Inserate als auch Blindbewerbungen sein. Aufgrund der Reaktion
der Unternehmungen auf die Bewerbungen, die von fiktiven Spitzenkandidaten
oder durchschnittlich qualifizierten Arbeitsuchenden stammen, kann die Funktionsweise der Personalaquirierung in gewissem Masse getestet und bewertet
153
werden. Möglicherweise funktionieren die Personalabteilungen bei Firmen, die
Jobbörsen wie math-jobs verwenden, besser als bei den anderen.
Finance
• Effekt aufgrund spezieller Branchen?
Unter Umständen schneiden die math-jobs Portfolios aufgrund der darin berücksichtigten Branchen besonders gut ab. Es wäre zu untersuchen, ob die am
häufigsten inserierenden Branchen wie Banken, Versicherungen oder Pharma
in der Betrachtungsperiode allgemein besser an der Börse abgeschnitten haben
als der Gesamtmarkt.
• Effekt aufgrund Länderstruktur?
Zu Beginn wurde vor allem in Schweizer Aktien investiert, weil sich math-jobs
zuerst auf die Schweiz konzentriert und erst später auch im Ausland Fuss gefasst hat. Das gute Abschneiden der Portfolios könnte möglicherweise damit
zusammenhängen, dass der Schweizer Markt am Anfang des Untersuchungszeitraums im Jahre 1999 eine höhere Performance erreicht hat, als die Börsen
aus dem Rest der Welt. Später war es dann eventuell ein Vorteil, dass mehr
und mehr im Ausland investiert wurde.
Zudem könnte untersucht werden, ob das math-jobs World Portfolio ohne
Berücksichtigung der Schweizer Aktien eine noch bessere Performance erreicht
hätte. Die Idee dabei ist, die Bereitschaft von Firmen, ihre Stellen in einem
anderen Land auszuschreiben, als zusätzliches positives Kriterium zu bewerten.
9.2.2
Weiterführende Forschung
In einem zweiten Schritt könnten folgende Bereiche untersucht werden:
• Austausch der Stellenbörse:
Die Frage stellt sich, ob der bei der Verwendung von math-jobs.com auftretende Effekt auch mit anderen Stellenbörsen reproduziert werden kann. Dies könnten allgemeine Stellenbörsen, auf andere Branchen spezialisierte Stellenbörsen
oder eine spezielle Stellenbörse für Kader sein.
154
• Evaluation weiterer Webindikatoren:
Neben der Jobbörsen wurden in dieser Arbeit weitere potentielle Webindikatoren lokalisiert. Diese sollten intensiver auf ihre Eignung für das Portfolio
Management untersucht werden. Für jeden Indikator ist eine Strategie auszuarbeiten, die festlegt, wie die Informationen im Portfolio Management aktiv
umgesetzt werden können.
Vor allem bei den beiden Webindikatoren Bewertungen von Communities und
Werbung im Internet wird ein grosses Potential vermutet.
• Optimierung und Automatisierung der Strategiebildung:
Mit Hilfe von Data Mining Verfahren wie Entscheidungsbäumen oder Neuronalen Netzen können auch unkonventionelle Strategien mit hohem Erfolgspotential gefunden werden, die vorgeben, wie die Informationen des Webindikators in Kaufs- und Verkaufsentscheide übersetzt werden sollen. In einem
ersten Schritt könnte die Strategie für den Jobbörsen Webindikator optimiert
werden. Das Ziel aber ist es, aus den Informationen neuer Webindikatoren automatisiert erfolgsversprechende Strategien vorgeschlagen zu bekommen, um
so auch fortschrittliche und normabweichende Lösungen in Betracht ziehen zu
können.
Ein weiterer Punkt wäre, nach Strategien zu suchen, die mit möglichst tiefen Transaktionskosten verbunden sind, damit sich die Portfoliobildung auch
in der Praxis für einen privaten Investor auszahlt.
Das finale Ziel wäre die Entwicklung einer auf Webindikatoren beruhenden Portfolio
Management Software:
• Automatisiertes Portfolio-Management-System:
Weil die Entwicklung des Internets kaum abzuschätzen ist, spielt die Flexibilität bei der Implementierung eines auf Webindikatoren basierenden automatisierten Portfolio-Management-Systems eine entscheidende Rolle. Das vorgestellte Modell müsste so umgesetzt werden, dass das Programm flexibel an
Innovationen im Internet, die für das Portfolio Management brauchbar scheinen, angepasst werden könnte. Es müsste eine Lösung gefunden werden, wie
neu auftretende Webindikatoren auf möglichst einfache Weise in das PortfolioManagement-System integriert werden können. Zudem sollten aus neuen We155
bindikatoren anhand der Analyse historischer Daten erfolgsversprechende Strategien automatisiert entwickelt und evaluiert werden können.
9.3
Schlussbetrachtung
Wir konnten am Beispiel math-jobs.com zeigen, dass die verfügbaren Informationen
dieser online Jobbörse für das Portfolio Management nutzbar sind.
Das grundsätzliche Ziel wäre nun, ein flexibles Software Werkzeug für die Informationsgewinnung, Strategiefindung und vor allem für das Testen der Informationsquellen und der Strategie anhand historischer Daten zu entwickeln.
Mit diesem Instrument wäre es möglich, durch zahlreiche Simulationen der Frage
nachzugehen, welche Arten von Webinformationen ein erfolgreiches Portfoliomanagement ermöglichen und damit Auskunft über das Intellektuelle Kapital einer
Unternehmung geben können.
156
Literaturverzeichnis
[Ammann03] Manuel Ammann, Daniel Matti, Rico Wyss:
Performance Schweizerischer Verwaltungsräte anhand der Aktienkursentwicklung.
Swiss Society for Financial Marketing Research (S. 4375), Volume 17, 2003, Number 1. Elektronisch verfügbar unter
http://www.fmpm.ch/files/03-1%20Amm%20Mat%20Wys%20fmpm.pdf
[Auck94] Christoph Auckenthaler: Theorie und Praxis des modernen PortfolioManagements. Haupt, Bern, Stuttgart, Wien, 1994.
[Auck01] Christoph Auckenthaler:
Mathematische Grundlagen des modernen
Portfolio-Managements. Haupt, München, Stuttgart, Wien, 2001.
[Back96] Backhaus K., Erichson B., Plinke W., Weiber R.: Multivariate Analysemethoden. Berlin, 1996.
[Bohw04] Sourav S. Bhowmick, Sanjay K. Madria, Wee Keong Ng: Web Data Management. Springer, New York, 2004.
[Bohl00] Peter Bohley: Statistik - Einführendes Lehrbuch für Wirtschafts- und Sozialwissenschaftler. Oldenbourg, München, Wien, 2000.
[Choo00] Choo C., Detlor B., Turnbull D.: Web Work: Information Seeking and
Knowledge Work on the World Wide Web. Kluwer Academic Publishers,
Dordrecht, 2000.
[Eisen00] Peter Eisenhut: Aktuelle Volkswirtschaftslehre. Verlag Rüegger, Chur,
Zürich, 2000.
[Gertz01] Oliver Gertz, Yvonne Marren, Jörg Junige, Sandra Mehlig: Werbewirkung
von Bannern im Internet Plan.Net media GmbH, 2001. Elektronisch verfügbar
unter http://www.onww.de/data/downloads/onww1 full.pdf
[Hipp02] Hajo Hippner, Melanie Merzenich, Klaus D. Wilde: Web Mining im Marketing - Konzepte, Systeme, Fallstudien. vieweg, Braunschweig, 2002.
[Kosala00] Kosala R.; Blockeel H.:
Web Mining Research: A Survey.
SIGKDD Explorations, 2000. Elektronisch verfügbar unter
http://arxiv.org/PS cache/cs/pdf/0011/0011033.pdf
157
[Laempe00] Gerardo Laempe:
E-Procurement - Innovative OnlineBeschaffungslösungen für Einkäufer. 2000. Elektronisch verfügbar unter
http://www.laempe.de/service/e-procurement laempe.doc
[Lev98] Franz-Josef Leven: Erfolgreiches Depotmanamenent. Gabler, Wiesbaden,
1998.
[Linden03] Greg Linden, Brent Smith, Jeremy York: Amazon.com Recommendations: Item-to-Item Collaborative Filtering. 2003. Elektronisch verfügbar unter
http://dsonline.computer.org/0301/d/wp1lind.htm
[Luchs04] Christof Luchsinger: Angewandte Stochastik. Elektronisch verfügbar unter
http://www.luchsinger-mathematics.ch/as15.pdf
[Madria99] Sanjay K. Madria; Sourav S. Bhowmick, Wee Keong Ng: Research Issues in Web Data Mining.
1999. Elektronisch verfügbar unter
http://citeseer.ist.psu.edu/madria99research.html
[Memmel03] Christoph Memmel: Performance Hypothesis Testing with the Sharpe Ratio. Finance Letters, 2003, 1, S. 21-23. Elektronisch verfügbar unter
http://www.managementschool.ed.ac.uk/research/journals/
finance letters/pdfs/paper1 5.pdf
[Oert98] Peter Oertmann, Heinz Zimmermann: Risk and Return: Vom CAPM
zur modernen Asset Pricing Theory. 1998. Elektronisch verfügbar unter
http://www.wwz.unibas.ch/finance/teaching/generallecturenotes/
1%20CAPM%20&%20APT.pdf
[Sriva03] Jaideep Srivastava, Robert Cooley: Web Business Intelligence: Mining the
Web for Actionable Knowledge. Informs Journal on Computing, Vol. 15, No. 2,
2003.
[Sveiby00] Karl-Erik Sveiby Measuring Intangibles and Intellectual Capital. erschienen in Knowledge Management: Classic and Contemporary Works. Massachusetts Institute of Technology, 2000.
[Piramu03] Selwyn Piramuthu: On learning to predict Web traffic. Decision Support
Systems, Vol. 35, 2003.
[Rijsberg99] C.J.
van
Rijsbergen:
Information
Retrieval
Second
Edition.
1999.
Elektronisch
verfügbar
unter
http://www.dcs.gla.ac.uk/~iain/keith/index.htm
[Tan03] Ah-Hwee
Tan:
Personalized
Information
Management
for Web Intelligence.
2003.
Elektronisch
verfügbar
unter
http://suez.cs.gsu.edu/~cscyqz/research/wcci2002-cwi/Tan.pdf
[Volk03] Rudolf Volkart: Corporate Finance - Grundlagen von Finanzierung und
Investition. Versus Verlag, Zürich, 2003.
158
[Zaiane98] Osmar R. Zaiane, Jiawei Han: WebML: Querying the World-Wide
Web for Resources and Knowledge. 1998. Elektronisch verfügbar unter
ftp://ftp.fas.sfu.ca/pub/cs/han/pdf/webql98.pdf
[Zimmer89] Heinz Zimmermann, Markus Bill, René Dubacher: Finanzmarkt
Schweiz: Strukturen im Wandel. Zürcher Kantonalbank, Zürich, 1989.
159
Glossar
Asset Allocation
Auswahl der verschiedene Investmentarten (Assetklassen,
Währungen, Regionen) sowie deren Gewichtung im Portfolio. Der Ertrag und das Risiko eines Portfolios können
durch die Asset Allocation bestimmt und optimiert werden.
Benchmark
Ein Benchmark ist ein Vergleichsmassstab für die Messung
des Anlageerfolges eines Portfolios. Üblicherweise dienen
marktrelevante Indizes wie der SPI oder der MSCI World
als Benchmark.
Betafaktor
Das Beta dient als Mass für das mit einem Investment eingegangene systematische Risiko. Es verdeutlicht die Sensitivität der Performance eines Portfolios oder einer Aktie
in Bezug auf die Renditeveränderung des Gesamtmarktes.
Ein Beta grösser 1 bedeutet ein höheres Risiko als jenes
des Gesamtmarkts.
BIP
Das Bruttoinlandprodukt (BIP) stellt den Wert aller im
Laufe eines Jahres im Inland erbrachter Wertschöpfungen,
bewertet zu Marktpreisen dar.
Diversifikation
Unter Diversifikation versteht man die Geldanlage in mehreren Ländern und in unterschiedlichen Branchen zur
Streuung des Risikos. Aufgrund des Diversifikationseffekts
wird der Investor bei einem korrekt zusammengestellten
Portfolio mit mehreren verschiedenen Anlagen einem geringeren Risiko als bei einer Investition in nur einzelne Anlagen ausgesetzt.
160
Efficient Frontier
Die Efficient Frontier gibt den auf Vergangenheitswerten
beruhenden maximal erzielbaren Ertrag mit dem jeweils
eingegangenen Risiko an.
Gossip
Beim Gossip handelt es sich um Gerüchte und Klatsch über
Unternehmen und Börse.
Intellektuelles
Gehört zu den immateriellen Vermögenswerten einer Un-
Kapital
ternehmung. Das Intellektuelle Kapital beinhaltet das Wissen von Mitarbeitern, Daten und Informationen über Prozesse, Organisation, Produkte, Kundenzufriedenheit, Innovationen und Konkurrenzsituation sowie Patente, Lizenzen
und Rezepte.
Jensens Alpha
Durch Jensens Alpha wird die marktunabhängige Komponente der Entwicklung eines Portfolios angegeben. Das
Alpha beschreibt die Differenz zwischen den tatsächlichen Erträgen eines Portfolios und den Erträgen, die ein
Benchmark-Portfolio bei gleichem Marktrisiko (Beta) erzielt hätte. Das Alpha gibt demnach an, wie gut es einem
Portfolio Manager gelungen ist, eine Überschussrendite zu
erzielen, ohne dabei das systematische Risiko zu erhöhen.
Jobpilot-Index Der Jobpilot-Index verfolgt den Online-Stellenmarkt in
der Schweiz und wird vierteljährlich von der Fachhochschule Solothurn Nordwestschweiz erhoben und von Jobpilot.ch publiziert. Er berücksichtigt die Daten der grössten
schweizerischen Online Jobbörsen und Recruiting Sites von
Schweizer Grossunternehmen.
Konjunktur-
Ein Konjunkturindikator beschreibt die Wirtschaftslage ei-
Indikator nes Landes oder eines Wirtschaftsraums. Ein Konjunkturindikator dient als Anzeiger für den Gesundheitszustand
einer Volkswirtschaft. Die Veränderungsraten des BIP sind
der Hauptindikator. Als der Konjunktur vorauseilende Indikatoren gelten die Auftragseingänge oder die Geldmenge.
Korrelation
Die Korrelation ist die normierte Kovarianz und drückt das
Verhältnis der Verteilung der Erträge zweier Investments
aus.. Wenn sich beide Investments exakt in der selben Art
und Weise entwickeln, liegt eine perfekte Korrelation vor.
161
Kovarianz
Ein positiver Wert der Kovarianz bedeutet, dass die Erträge der Investments zu gemeinsamen Schwankungen tendieren. Eine negative Kovarianz zeigt die Tendenz zweier
Ertragswerte, sich gegenseitig aufzuheben.
Logfiles
Alle Ereignisse auf einem Web-Server werden in den Logfiles protokolliert. Beispielsweise werden die IP-Adresse und
der Zeitpunkt des Aufrufs einer einzelnen HTML-Seite in
dieser kleinen Text Datei gespeichert.
math-jobs.com
Die
von
Luchsinger-Mathematics
betriebene
online
Jobbörse vermittelt seit 1999 weltweit Stellen für Mathematiker und ist Marktführer in diesem Bereich.
math-jobs-Index Der math-jobs-Index wird aus den absoluten Ausschreibungszahlen auf math-jobs.ch quartalsweise berechnet.
MSCI World
Dieser Index wird vom Finanzdienstleister Morgan Stanley Capital International (MSCI) berechnet. Er basiert auf
über 1’400 Aktienkursen aus 20 Ländern und dient zahlreichen Fonds Managern als Benchmark für ihre Portfolios.
Portfolio Das Portfolio ist die Zusammensetzung des Depots und da(Aktien-) mit die Summe aller Wertpapiere, die sich in einem Besitz
befinden.
Sharpe Ratio
Die Sharpe Ratio misst die Überschussrendite eines Portfolios pro Risikoeinheit. Unter der Überschussrendite versteht man dabei die über die sichere Anlage hinausgehende Rendite des betreffenden Portfolios. Eine positive Sharpe Ratio zeigt an, dass gegenüber der risikolosen Anlage eine Mehrrendite erwirtschaftet wurde, und in welchem
Verhältnis diese Mehrrendite zum eingegangenen Risiko
steht. Umgekehrt verdeutlicht eine negative Sharpe Ratio,
dass der risikolose Zinssatz nicht übertroffen wurde.
162
SPI
Der Swiss Performance Index (SPI) ist der am meisten beachtete Performance-Index der Schweiz. Er ist ein dividendenkorrigierter Index, welcher alle an der SWX Swiss Exchange gehandelten Beteiligungspapiere von Gesellschaften
mit Sitz in der Schweiz oder im Fürstentum Liechtenstein
enthält.
StockQuote
StockQuote ist ein JAVA Programm zur automatisierten
Auswertung der Aktiendaten von der Yahoo Finance Website.
Treynor Ratio
Bei der Treynor Ratio wird die über die Verzinsung der risikolosen Anlage hinausgehende Portfoliorendite in Relation
zum Beta (systematisches Risiko) betrachtet. Die Treynor
Ratio ist eine Kennzahl für den durchschnittlichen, absoluten Mehrertrag im Verhältnis zum Beta.
Umschichtung Bei der Umschichtungs-Strategie wird das gesamte Kapital von Anfang an zu hundert Prozent in Aktien investiert.
In einem fixen Intervall werden die relativen Anteile der
einzelnen Firmen im Portfolio aufgrund der aktuellen Inseratezahlen auf math-jobs.com angepasst.
Unmittelbarer
Bei jedem Inserat auf math-jobs.com wird unmittelbar ein
Kauf
fixer Betrag in die entsprechende Aktie investiert. Dazu
existiert ein Bankkonto über das die Transaktionen abgewickelt werden und dessen Kontobestand mit einem fixen
Zinssatz verzinst wird.
Volatilität Die Volatilität beschreibt die Schwankungen von Aktienkursen. Durch Berechnung der Standardabweichung relativer Kursdifferenzen kann die Volatilität eines Wertpapiers
oder eines ganzen Portfolios gemessen werden.
Web Content
Die themenspezifische Extraktion von Informationen aus
Mining dem World Wide Web wird als Web Content Mining bezeichnet. Es ermöglicht die automatische Transformation
der Fülle der im World Wide Web verfügbaren Informationen für einen vorgegebenen Themenbereich nach individuellen Bedürfnissen in relevantes Wissen.
163
Web Intelligence
Bei Web Intelligence geht es um die Sammlung, Analyse
und Aufbereitung von Daten aus dem Internet.
Web Mining
Web Mining ist ein Teilbereich des Data Mining, das
die Extraktion nützlicher Informationen aus Datenbanken oder anderen Datenspeichern ermöglicht. Web Mining
macht durch die Anwendung der Data Mining-Techniken
relevante Informationen im Web ausfindig. Die drei Unterbereiche des Web Minings sind Web Content Mining, Web
Structure Mining und Web Usage Mining.
Web Structure
Das Web Structure Mining versucht aus der Linkstruktur
Mining im Internet wichtige Aufschlüsse über die Relevanz einer
Seite und ihre inhaltliche Bedeutung zu finden.
Web Usage
Beim Web Usage Mining geht es um die Analyse des Ver-
Mining haltens von Besuchern und Kunden auf einer Website. Ziel
ist es, anhand der gewonnenen Erkenntnisse aus der Analyse der Logfiles die Gestaltung des Webauftritts zu optimieren.
Webindikator
Ein Webindikator dient dazu, anhand unterschiedlicher
Kriterien Prognosen bezüglich zukünftiger Entwicklung einer Unternehmung und ihres Börsenkurses zu machen.
164
Anhang
A
A.1
Management Summary
Deutsch
Das Internet hat sich in den letzten Jahren zu einem Massenmedium entwickelt
und ist dabei zu einer riesigen Quelle für Informationen aller Art gewachsen. Ein
erstes Ziel dieser Arbeit ist es, die verschiedenen Möglichkeiten darzustellen, diese
unstrukturierte Datenflut mittels Web Mining- und Web Intelligence-Techniken in
verwertbare Informationen umzuwandeln.
Der Fokus wird dabei auf Informationsquellen gelegt, bei denen wir das Potential vermuten, implizite Informationen über das Intellektuelle Kapital einer Unternehmung extrahieren zu können. Ziel dabei ist es, diese Informationen im Portfolio
Management zu nutzen und so höhere Renditen zu erzielen als bei blosser Berücksichtigung von etablierten Informationsquellen wie Börsennachrichten oder Ratings
von Ratingagenturen.
Neben der Lokalisierung möglicher Webindikatoren für das Portfolio Management
wie Auftragsbörsen, virtuelle Communities oder Jobbörsen, werden diese auf ihre
Eignung in der Praxis überprüft. Bei Auftragsbörsen beispielsweise ist die Verfügbarkeit der theoretisch interessanten Informationen in der Praxis nur selten zufrieden
stellend gewährleistet.
Genauer untersucht wird die Eignung der online Jobbörse als Webindikator. Die
Grundidee ist: je mehr Stellen eine Unternehmung online ausschreibt, desto bessere
Erwartungen hat sie bezüglich ihrer Zukunft. Zudem zeigt eine Unternehmung, dass
sie zeitgemäss das Internet zur Personalaquirierung einsetzt.
165
Grundlage der Untersuchung bildet die auf Mathematiker spezialisierte Jobbörse
math-jobs.com.
Es wird versucht, die getätigten Stellenausschreibungen zur Messung des Intellektuellen Kapitals einer Unternehmung zu verwenden und so ihr Wachstumspotential
abzuschätzen. Zur Validierung dieser Idee werden Portfolios, bestehend aus Aktien
der inserierenden Unternehmungen, nach unterschiedlichen Strategien zusammengestellt. Die Entwicklung der Portfolios wird darauf mit verschiedenen Benchmarks
verglichen und anhand von zahlreichen Performance-Kennzahlen analysiert.
Die nach der Umschichtungsstrategie zusammengestellten Portfolios sind für unsere
Analysen besonders geeignet. Bei dieser Strategie bestimmt der prozentuale Anteil
der Inserate einer Unternehmung an der Gesamtzahl der Inserate ihren relativen
wertmässigen Anteil im Portfolio und das Kapital ist zu jedem Zeitpunkt zu hundert Prozent investiert. In einem fixen Intervall werden die Anteile neu berechnet
und die Investitionen im Portfolio umgeschichtet.
Diese Umschichtungsstrategie wurde zuerst nur mit Schweizer Aktien durchgeführt,
in einem weiteren Schritt wurden alle zur Verfügung stehenden Aktien miteinbezogen.
Das auf die Schweiz beschränkte Portfolio mit einer Jahresrendite von -0.3% übertrifft den SPI (Jahresrendite: -1.7%) am Ende der fünfjährigen Betrachtungsperiode
(Juni 1999 - Juni 2004) unter Vernachlässigung der Transaktionskosten um kumuliert über 7%.
Das global zusammengestellte Portfolio mit einer durchschnittlichen Jahresrendite
von 3.6% übertrifft die Benchmark (MSCI World) mit einer Jahresrendite von -4.2%
nach fünf Jahren sogar um kumuliert 47%.
Eine präzise Begründung dieser Ergebnisse fällt schwer. Möglicherweise ist uns aber
gelungen, aus der Jobbörse math-jobs.com Informationen über das Intellektuelle
Kapital einer Unternehmung zu gewinnen und deshalb in Unternehmen mit hohem
Wachstumspotential zu investieren.
166
A.2
English
Over the past few years the Internet has developed into a mass medium and grown
into a gigantic source for all possible kinds of information. A first aim of this paper
is to present the different possibilities of converting the unstructured flood of data
that can be gained from web-mining and web-intelligence techniques into useful and
measurable information.
The focus will be on sources of information from which we expect to be able to
extract implicit information about the intellectual capital of a company. The aim is
to use this information in portfolio management in able to achieve higher returns
than by just considering sources of information such as stock exchange news or ratings from rating agencies.
Apart from identifying possible web-indicators for the portfolio management such
as bidding auction, virtual communities or job exchanges, the indicators will also
be checked for their practicality. By bidding auction, for example, theoretically interesting information is in practice only seldom available in a satisfactory form.
The suitability of using a job exchange as a web-indicator will be closer investigated. The basic idea is: the more jobs a company advertises online, the higher the
expectations it has with respect to its future. Additionally, the company shows that
it is using the Internet as a contemporary tool for staff acquisition. The research for
this paper is based on the job exchange math-jobs.ch which specializes in jobs for
mathematicians.
This paper tries to see how the placement of advertisements measures the intellectual capital of a company which in turn is used to assess its potential growth. To
validate this theory portfolios consisting of shares from the companies advertising
were complied using different strategies. The development of the portfolios is then
compared to different benchmarks and analyzed according to numerous performance
indices.
Portfolios compiled using the reallocation strategy are especially suitable for this
purpose. With this strategy the proportion of online advertisements (compared to
167
the total number of advertisements) determines their relative value in the portfolio
and the capital is, at all stages, a hundred percent invested.
This reallocation strategy was first conducted only with Swiss shares, but in a second phase all available shares were included. The portfolio which was limited to
Switzerland, with yearly returns of -0.3%, exceeded the SPI (yearly returns -1.7%)
at the end of the 5-year observation period by 7% - without taking the transaction
costs into consideration.
The global portfolio, with average yearly returns of 3.6%, exceeded the benchmark
MSCI World, which has yearly returns of -4.2% by 47%.
It is difficult to give an exact explanation for these results. We have possibly been
able to gain information from the job exchange math-jobs.com about the intellectual
capital of a company and hence help support investment in companies with a high
potential for growth.
168
B
B.1
B.1.1
Zusammenfassung
Deutsch
Einleitung
Das Internet hat sich in den letzten Jahren zu einem Massenmedium entwickelt
und ist dabei zu einer riesigen Quelle für Informationen aller Art gewachsen. Im
Folgenden werden die Möglichkeiten gezeigt, implizite Informationen über das Intellektuelle Kapital einer Unternehmung aus dem Internet zu filtern. Ziel dabei ist
es, durch Nutzung dieser Informationen im Portfolio Management höhere Renditen
zu erzielen, als bei blosser Berücksichtigung von etablierten Informationsquellen wie
Börsennachrichten, Aktienkursanalysen oder Ratings von Ratingagenturen.
Im optimalen Fall lässt sich die Informationsgewinnung aus dem Internet mittels
Web Mining Techniken automatisieren. Die strukturierten Informationen könnten
dann einem vollautomatischen Portfolio-Management-System zur Verfügung gestellt
werden, welches die Informationen auswertet und anhand einer vorgegebenen Strategie die Investments ausführt oder durch Analyse historischer Daten erfolgsversprechende Investmentstrategien vorschlägt. Das Modell des Systems ist in Abbildung
B.1.1 dargestellt.
Abbildung B.1.1: Automatisiertes Portfolio-Management-System
169
B.1.2
Webindikatoren
Der Erfolg und das Wachstumspotential von Unternehmen beruhen zunehmend auf
immateriellen Werten, den so genannten Intangible Assets. Dazu gehören Humankapital, Kundenkapital, Innovationskraft, Organisation und Prozesskapital.
Das Internet liefert neben klassischen Informationen auch Hinweise auf das Intellektuelle Kapital einer Unternehmung. Durch Analyse von Webindikatoren können
implizite Informationen zu verschiedenen Kriterien wie Image einer Unternehmung,
Produkterfolg, Transparenz oder Interaktion mit den Kunden gewonnen werden.
Im Folgenden werden verschiedene potentielle Webindikatoren kurz erläutert:
• Communities: Eine der grössten Stärken des Internets liegt in den Kommunikationsmöglichkeiten, die es den Nutzern bietet. Es gibt zahlreiche Communities, die sich mit der Bewertung von Produkten befassen.
Anhand der unabhängigen Produktbewertungen können Informationen über
die Kundenzufriedenheit und die Qualität unzähliger Produkte von verschiedensten Unternehmen gewonnen werden. Die Anzahl Bewertungen deutet zudem auf die Popularität eines Produktes hin. Anhand der Beobachtung dieser
Communities können Kauf- und Verkaufsentscheidungen für das Portfolio Management abgeleitet werden.
Das Informations-Potential der Communities wird für das Portfolio Management als sehr gross eingeschätzt.
• Auftragsbörsen: Die Idee hinter der Beobachtung von Auftragsbörsen im
Internet ist, die Vergabe von Grossaufträgen im Portfolio Management zu
berücksichtigen. Dabei ist sowohl die Information, welche Firma einen Auftrag
vergibt als auch die Information, welche Firma schlussendlich den Zuschlag bekommt, von Interesse.
Die Informationsgewinnung aus den Auftragsbörsen stellt sich als sehr knifflig heraus. Meist sind die Ausschreibungen nur den Marktteilnehmern selbst
zugänglich oder sie erfolgen anonym, und auch die Information, welche Unternehmung den Auftrag bekommt, wird im Normalfall nicht publiziert.
• Suchmaschinen-Ranking: Suchmaschinen im Internet sind eine nicht zu
unterschätzende Möglichkeit, um an neue Besucher und somit auch an poten170
tielle Neukunden zu gelangen. Die Präsenz der eigenen Website in den obersten
Positionen der Trefferliste bei wichtigen Suchbegriffen kann zu einem Wettbewerbsvorteil führen. Zusätzlich sind Unternehmen, welche das Potential der
Suchmaschinen erkannt haben, besser zu bewerten, als Unternehmungen, die
auf eine Optimierung ihrer Website bezüglich Suchmaschinen verzichten.
Eine hohe Positionierung in den Suchmaschinen zeigt zudem, dass eine Unternehmung im Informationsmarkt Internet präsent ist, denn hohe Positionierungen sind nur zu erreichen, wenn eine Website von wichtigen Stellen im Internet
verlinkt wurde.
• Webauftritt: Ein gelungener Webauftritt einer Unternehmung wird immer
wichtiger und kann anhand verschiedener Kriterien bewertet werden.
Mögliche Kriterien sind das Erscheinungsbild der Website, die Kundenorientierung und der Informationsgehalt eines Webauftritts.
• Werbung: Anhand einer Beobachtung der Werbebanner auf stark frequentierten Homepages oder durch eine Zusammenarbeit mit online Werbeagenturen
können Informationen bezüglich den Online-Werbebudgets zahlreicher Unternehmen gewonnen werden.
• Jobbörsen: Online Jobbörsen haben gegenüber gedruckten Jobinseraten den
Vorteil, dass sie globaler und schneller sind. Auch qualitativ ergeben sich Vorteile, denn in einem Online Inserat kann mehr Information über Stelle und
Anforderungen vermittelt werden als bei einem gedruckten Inserat in einem
Stellenanzeiger.
Der potentielle Webindikator Jobbörse wurde anhand der online Stellenbörse
math-jobs.com untersucht. Der Grundgedanke ist, dass eine Firma, die einerseits hochqualifizierte Spezialisten anstellt und andererseits dazu den gebührenpflichtigen Dienst von math-jobs.com in Anspruch nimmt, positive Signale
bezüglich künftiger Entwicklung aussendet.
B.1.3
Strategie
Anhand der Stelleninserate auf math-jobs.com gibt es unzählige Strategien, nach
denen Aktienportfolios mit den Aktien der inserierenden Firmen gebildet werden
können. Im Folgenden werden zwei Strategien vorgestellt:
171
Unmittelbarer Kauf Die einfachste Möglichkeit, die sich anhand der Daten von
math-jobs.com bietet ist, bei der Ausschreibung eines Jobs einer börsenkotierten
Firma unmittelbar die entsprechende Aktie zu kaufen. Bei jedem neuen Inserat wird
ein fixer Betrag in die Aktie der betreffenden Unternehmung investiert.
Die Haltedauer wurde auf 3 Jahre festgesetzt, was bedeutet, dass die Aktien nach 3
Jahren wieder verkauft werden.
Die Transaktionen werden über ein Bankkonto mit einem fixen Anfangsbestand
abgewickelt, dessen Bestand mit einem Jahreszins verzinst wird.
Es ist anzufügen, dass die Festsetzung des Zinssatzes und auch der Investitionsbetrag
pro Inserat im Verhältnis zum Startkapital Auswirkungen auf die Entwicklung des
Portfolios haben.
Umschichtung Die Idee hinter dieser Strategie ist, dass in eine Firma mit einem
hohen Inserateanteil, gemessen an der Gesamtzahl der berücksichtigten Inserate,
auch im Aktienportfolio ein hoher Anteil des Gesamtkapitals investiert werden soll.
In einem fixen Zeitintervall werden die neuen Anteile pro Unternehmung, zustande
gekommen aufgrund der in dieser Periode neu eingetroffenen Inserate, berechnet und
die Investitionen im Portfolio umgeschichtet. Bei der Umschichtung wird der Wert
des Portfolios anhand der aktuellen Aktienkurse der im Portfolio vorhandenen Aktien berechnet, und dieser Portfoliowert wird gemäss den relativen Inserateanteilen
neu auf die Aktien verteilt.
Im Gegensatz zur ersten Strategie wird von Anfang an alles Geld in Aktien investiert.
Deshalb hat diese Strategie den Vorteil, dass weder Zinssatz noch Investitionsbetrag
bestimmt werden müssen und so die Entwicklung des Portfolios unabhängig von
diesen zwei Faktoren analysiert werden kann.
B.1.4
Ausgangslage
In der Betrachtungsperiode von Januar 1999 bis Ende des zweiten Quartals 2004 sind
auf math-jobs.com mehrere tausend Stellen ausgeschrieben worden. Davon wurden
469 Stellen von börsenkotierten Firmen inseriert.
Die Inserate stammen von insgesamt 90 verschiedenen Firmen aus zehn verschiedenen Ländern. Die Schweiz ist mit 48% Anteil vor Deutschland (20%), den USA
(19%) und Grossbritannien (10%) am stärksten vertreten.
172
Die Inserate sind auf folgende Firmen verteilt:
Novartis
45 Inserate
Bank One
13 Inserate
Münchener Rück
40 Inserate
Wachovia
13 Inserate
Helvetia Patria
20 Inserate
Fair Isaac
12 Inserate
UBS
18 Inserate
Hewitt Associates
12 Inserate
Zürich
18 Inserate
Skandia
10 Inserate
Hannover Rück
16 Inserate
Swiss Life
16 Inserate
76 weitere...
208 Inserate
Swiss Re
15 Inserate
Glaxo Smith Kline
13 Inserate
B.1.5
Resultate
Unmittelbarer Kauf Das aus Aktien und dem Bankkonto bestehende Portfolio
wurde quartalsweise ausgewertet und das Guthaben auf dem Bankkonto quartalsweise mit einem Jahreszins von einem Prozent verzinst. Das Startkapital beträgt
100’000, der Investitionsbetrag pro Aktie wurde bei einer Haltedauer von 3 Jahren
auf 100.- festgelegt.
Am Ende des Betrachtungszeitraums (30.6.2004) hat das Portfolio einen Wert von
107’635. Davon sind 41’202 in Aktien investiert und 66’433 liegen auf dem Bankkonto.
Die Bestimmung einer fairen Benchmark fällt schwer, denn bei jedem Kauf und
Verkauf ändert sich die Zusammensetzung des Portfolios bezüglich in Aktien investiertem und auf dem Bankkonto liegenden Kapital. Da im Laufe der Zeit der
Anteil des investierten Kapitals praktisch kontinuierlich zunimmt, nimmt auch die
Volatilität kontinuierlich zu. Weil zusätzlich das Resultat stark von den beiden zu
bestimmenden Faktoren Investitionsbetrag und Zins abhängig ist, wird hier auf eine
weitere Analyse der Ergebnisse dieser Strategie verzichtet.
Umschichtung Diese Strategie wurde einerseits mit Schweizer Aktien bei einer
monatlichen Umschichtung und andererseits mit allen zur Verfügung stehenden Aktien bei einer quartalsweisen Umschichtung durchgeführt. Als Benchmarks dienen
die beiden Indizes SPI und MSCI World. Zudem wird als Vergleich die Entwicklung
173
Abbildung B.1.2: Entwicklung der Portfolios
von vier Fonds analysiert.
Die Abbildung B.1.2 zeigt die Entwicklung der beiden math-jobs Portfolios und der
jeweiligen Benchmarks. Das math-jobs World Portfolio schneidet nach fünf Jahren
vor dem math-jobs CH Portfolio am Besten ab. Die Abbildung zeigt zudem, dass der
Schweizer Aktienmarkt in der Betrachtungsperiode besser abschneidet als der vom
MSCI repräsentierte weltweite Aktienmarkt. In den Tabellen B.1.1 und B.1.2 sind
die wichtigsten Kennzahlen zur Beurteilung der Portfolioperformance abgebildet.
Das math-jobs Portfolio erreicht sowohl in der Schweiz als auch bei der weltweiten
Betrachtung die höchste Performance. Die höhere Volatilität ist eine logische Folge
dessen, dass in weniger verschiedene Titel investiert wurde (Schweiz: 19 Titel, Welt:
90 Titel). Dennoch bewerten die Risiko und Rendite berücksichtigenden Kennzahlen wie beispielsweise Sharpe- und Treynor-Ratio, sowie Jensens Alpha die beiden
math-jobs Portfolios am Besten.
Ein Kritikpunkt ist, dass diese Strategie in der Praxis von einem privaten Inves174
SPI
Schlusswert
Rendite total
Rendite p.a. (GM)
Rendite p.m. (AM)
Volatilität p.m.
Beta
Korrelation
Sharpe Ratio
Treynor Ratio
Jensens Alpha
Modigliani Miller
Tracking Error
Information Ratio
risikolose Rendite
p.m.
p.m.
p.m.
p.m.
p.m.
p.m.
p.m.
91’958
-8.04%
-1.66%
-0.030%
4.63%
1.00
1.00
math-jobs
Schweiz
98’552
-1.45%
-0.29%
0.133%
5.60%
1.128
0.97
Bär Swiss
Stock Fund
84’277
-15.72%
-3.36%
-0.159%
4.97%
0.98
0.98
UBS
Equity CH
83’066
-16.93%
-3.64%
-0.201%
4.59%
0.98
0.99
0.002
0.008%
0.18%
0.16%
2.09%
0.078
-0.057
-0.288%
-0.13%
-0.11%
1.97%
-0.066
-0.071
-0.331%
-0.17%
-0.17%
0.62%
-0.278
-0.033
-0.15%
0.1241%
Tabelle B.1.1: Kennzahlen Umschichtung Schweiz
Schlusswert
Rendite total
Rendite p.a. (GM)
Rendite p.q. (AM)
Volatilität p.q.
Beta
Korrelation
Sharpe Ratio
Treynor Ratio
Jensens Alpha
Modigliani Miller
Tracking Error
Information Ratio
risikolose Rendite
p.q.
p.q.
p.q.
p.q.
p.q.
p.q.
p.q.
MSCI
WORLD
80’840
-19.16%
-4.16%
-0.592%
9.57%
1.00
1.00
math-jobs
World
119’134
19.13%
3.56%
1.731%
12.91%
1.14
0.67
Bär Global
Value Stock
85’503
-14.50%
-3.08%
-0.116%
11.27%
1.11
0.93
UBS Equity
Global
65’804
-34.20%
-8.03%
-1.313%
12.17%
1.24
0.98
-0.101
-0.96%
0.105
1.195%
2.45%
1.97%
7.07%
0.328
-0.043
-0.439%
0.59%
0.55%
3.82%
0.125
-0.138
-1.359%
-0.49%
-0.36%
3.52%
-0.205
0.3729%
Tabelle B.1.2: Kennzahlen Umschichtung Weltweit
175
tor nicht gewinnbringend umgesetzt werden kann, weil die Transaktionskosten in
dieser Untersuchung vernachlässigt wurden und diese in der Praxis aufgrund der
zahlreichen Umschichtungen das Ergebnis massiv beeinflussen würden.
Auch der Zeitpunkt der Investition hat Einfluss auf das Ergebnis. Das math-jobs
Portfolio schneidet nicht bei jedem Investitionszeitpunkt besser ab als der MSCI
World. Ein Investor, der beispielsweise Ende Juni 2001 einen Betrag von 100’000 in
das math-jobs World Portfolio investiert, bekommt am Ende der Betrachtungsperiode nur 76’770 zurück. Mit einem zeitgleichen Investment in den MSCI World wäre
der Portfoliowert mit 86’307 Ende Juni 2004 um über 12% höher.
B.1.6
Fazit
Es existieren öffentlich zugängliche Informationsquellen im Internet, die bisher nicht
als solche wahrgenommen oder unterschätzt wurden und deren geschickte Berücksichtigung im Portfolio Management unter Umständen zu erhöhten Renditen führen
kann.
In der fünfjährigen Beobachtungsperiode von Anfang 1999 bis Mitte 2004 konnte
dank den beiden Informationen Inserierende Firma und Zeitpunkt des Inserats der
Website math-jobs.com mit dem Schweizer Portfolio eine durchschnittliche, jährliche
Überperformance von 1.37% im Vergleich zum SPI erzielt werden, das internationale
Portfolio übertrifft den MSCI sogar um jährlich 7.7% und erreicht in einer Phase
allgemein sinkender Märkte eine positive Jahresrendite von 3.56%.
Solche positiven Resultate sind möglicherweise auch mit anderen Informationsquellen aus dem Internet möglich. Erfolgsversprechende Webindikatoren neben den Jobbörsen sind produktbewertende Communities, Beobachtung von Werbeaktivitäten
und Rankings bei Suchmaschinen.
Eine präzise Begründung des Zustandekommens dieser Ergebnisse fällt jedoch schwer.
Möglicherweise ist uns aber gelungen, aus der Jobbörse math-jobs.com Informationen über das Intellektuelle Kapital einer Unternehmung zu gewinnen und deshalb
vermehrt in Unternehmen mit hohem Wachstumspotential zu investieren.
176
B.2
B.2.1
English
Introduction
During the past few years the Internet has developed into a mass medium and thus
become an enormous source for all kinds of information. In this paper possibilities are
shown of how to extract information from the Internet about the intellectual capital
of companies. The aim here is, by using this information in portfolio management,
to achieve higher returns than by just using established sources of information such
as stock exchange news, analysis of share prices or rating from rating agencies.
The ideal case would be to automate the acquisition of information from the Internet through web mining techniques. The structured information could then be made
available to a fully automated portfolio management system, which then evaluates
the information and, using predetermined strategies, carries out the investments or,
on analysis of historical data, puts forward suggestions for promising investment
strategies.
Figure B.2.1: Automated Portfolio-Management System
B.2.2
Web indicators
The success and potential for growth of companies is based more and more on immaterial values, so-called Intangible Assets. To this belong human capital, customers,
innovation, organization and process capital.
177
The Internet delivers, besides the classical information, also indications of the intellectual capital of a company. By analyzing web indicators, implicit information can
be obtained about different criteria of a company such as prosperity, transparency
or interaction with customers.
The different potential web indicators are explained briefly below:
• Communities: One of the greatest strengths of the Internet lies in the communication possibilities that are offered to its users. There are numerous communities concerned with evaluating products.
Information can be gained about customer satisfaction and the quality of
countless products from different companies by using independent product appraisals. The number of appraisals indicates the popularity of a given product.
By observing these communities, purchase and selling decisions for portfolio
management can be deduced.
The information potential of these communities is estimated to be very great
for portfolio management.
• Bidding Auction: The idea behind the observation of bidding auctions in the
Internet is to consider the effect on portfolio management of awarding large
contracts, whereby it is not only of interest to see which company issues the
contract but also which company is awarded the bid.
Obtaining information from the bidding auctions, however, proves to be difficult. The bids are mostly only accessible to the market operators or they are
carried out anonymously. Furthermore, the information on which company
gets the contract is normally not published.
• Search engine ranking: Search engines in Internet are an alternative that
should not be underestimated for finding a new visitor and thus acquiring
a potential customer. Having one’s own website on the top of the hit list of
important search criteria can lead to a competitive edge. Furthermore, companies which have recognized the potential of search engines can be better
assessed than companies which do without optimizing their website with regard to search engines.
Having a high position in a search engine also shows that a company is present in the information marketplace of the Internet because a high position
178
can only be reached when a website is linked through important locations in
the Internet.
• Internet presence (website): It is becoming more and more important for
a company to be successfully presented in the Internet and can be assessed on
varying criteria.
Possible criteria are the appearance of the website and its navigation and
content.
• Advertising: On observing the banners of frequently visited homepages, or
through co-operation with online advertising agencies, information on the budget that many companies have for online promotion can be obtained.
• Job exchanges: Online job shops have an advantage over printed advertisements in that they are more global and quicker. Also the content of the
advertisement is better because more information about the job and the qualifications required can be given online than in a printed advertisement in a
newspaper.
The web indicator job exchange was investigated using the online job exchange
company math-jobs.com. The fundamental idea is that a company which on
the one hand employs highly qualified specialists and on the other hand calls
upon the cost-incurring services of math-jobs.com is sending out positive signals with regard to its future.
B.2.3
Strategy
Looking at the job advertisements on math-jobs.com there are innumerable strategies which could be used to compile portfolios using the shares of companies placing
advertisements here. Two such strategies are presented below:
Direct buying The simplest possibility which is offered using the data from mathjobs.com is to buy the shares of a stock-exchange quoted company immediately after
they have placed an online advertisement. Further, with each new advertisement a
fix amount will be invested in the company concerned.
The holding period is fixed for three years, which means that the shares can only
be sold after three years.
179
The transactions are conducted using a bank account with a set opening balance
with interest paid on a yearly basis.
It should be added that the stipulation of the interest rate and the amount invested per advertisement in relation to the start capital, will have an effect on the
development of the portfolio.
Reallocation The idea behind this strategy is that any given company in a portfolio which has a high proportion of advertisements, measured on the total advertisements being considered, warrants a higher share of the total investment capital.
In a given time period, the weighting of any company will be recalculated based on
the number of advertisements during this period and the investment in the portfolio
will be reallocated. With this reallocation the value of the portfolio based on the
current stock price of the shares within the portfolio will be recalculated and the
value of the portfolio will be divided among the stocks according to the relative
number of advertisements of each.
In contrast to the first strategy the total money will be invested from the beginning.
This strategy has thus the advantage that neither the interest rate nor the investment amount must be determined and so the development of the portfolio can be
analyzed independently from these two factors.
B.2.4
Initial position
During the observation period from January 1999 to the second quarter of 2004 many thousands of advertisements were placed on math-jobs.com, of which 469 were
placed by stock exchange quoted companies.
The advertisements originate from 90 different companies from 10 different countries. Switzerland is represented most with 48%, before Germany with 20%, the USA
with 19% and Great Britain with 10%.
The advertisements are distributed over the following companies:
180
Novartis
45 ads
Bank One
13 ads
Münchener Rück
40 ads
Wachovia
13 ads
Helvetia Patria
20 ads
Fair Isaac
12 ads
UBS
18 ads
Hewitt Associates
12 ads
Zürich
18 ads
Skandia
10 ads
Hannover Rück
16 ads
Swiss Life
16 ads
76 other...
208 ads
Swiss Re
15 ads
Glaxo Smith Kline
13 ads
B.2.5
Results
Direct buying The portfolio consisting of shares and the bank account was appraised each quarter and the amount on the bank account credited an interest of
1% per year. The starting capital was 100,000 and the investment amount per share
was defined as 100.- with a holding period of three years.
At the end of the observation period (30.06.04) the portfolio had a value of 107,635,
whereby 41,202 was in shares and 66,433 on the bank account.
It is difficult to ascertain a fair benchmark because by each sale and purchase within
the portfolio the composition of the portfolio was changed in respect to the shares
and the amount on the bank account. In the course of time, because the amount
of the invested capital continually increased, so did the volatility. Due also to the
fact that the result is strongly dependent on the two designated factors, investment
amount and interest rate, a further analysis of the results of the strategy will not
be done.
Reallocation This strategy was conducted using, on the one hand, Swiss shares
with a monthly reallocation and, on the other hand, all available shares with a quarterly reallocation. The SPI and the MSCI World indexes were used as benchmarks.
Also as comparison, the development of four fonds was analyzed.
Figure B.2.2 shows the development of the two math-jobs portfolios and their benchmarks. After five years the math-jobs World portfolio performs better than the
181
Figure B.2.2: Development of the portfolios
SPI
end value
Yield total
Yield p.a. (GM)
Yield p.m. (AM)
Volatility p.m.
Beta
Correlation
Sharpe Ratio
Treynor Ratio
Jensens Alpha
Modigliani Miller
Tracking Error
Information Ratio
risk free yield
p.m.
p.m.
p.m.
p.m.
p.m.
p.m.
p.m.
91’958
-8.04%
-1.66%
-0.030%
4.63%
1.00
1.00
math-jobs
CH
98’552
-1.45%
-0.29%
0.133%
5.60%
1.128
0.97
Bär Swiss
Stock Fund
84’277
-15.72%
-3.36%
-0.159%
4.97%
0.98
0.98
UBS
Equity CH
83’066
-16.93%
-3.64%
-0.201%
4.59%
0.98
0.99
0.002
0.008%
0.18%
0.16%
2.09%
0.078
-0.057
-0.288%
-0.13%
-0.11%
1.97%
-0.066
-0.071
-0.331%
-0.17%
-0.17%
0.62%
-0.278
-0.033
-0.15%
0.1241%
Table B.2.1: Business ratios Reallocation Switzerland
182
end value
Yield total
Yield p.a. (GM)
Yield p.m. (AM)
Volatility p.q.
Beta
Correlation
Sharpe Ratio
Treynor Ratio
Jensens Alpha
Modigliani Miller
Tracking Error
Information Ratio
risk free yield
p.q.
p.q.
p.q.
p.q.
p.q.
p.q.
p.q.
MSCI
WORLD
80’840
-19.16%
-4.16%
-0.592%
9.57%
1.00
1.00
math-jobs
World
119’134
19.13%
3.56%
1.731%
12.91%
1.14
0.67
Bär Global
Value Stock
85’503
-14.50%
-3.08%
-0.116%
11.27%
1.11
0.93
UBS Equity
Global
65’804
-34.20%
-8.03%
-1.313%
12.17%
1.24
0.98
-0.101
-0.96%
0.105
1.195%
2.45%
1.97%
7.07%
0.328
-0.043
-0.439%
0.59%
0.55%
3.82%
0.125
-0.138
-1.359%
-0.49%
-0.36%
3.52%
-0.205
0.3729%
Table B.2.2: Business ratios Reallocation Worldwide
math-jobs CH portfolio. Figure B.2.2 also shows that, during this observation period, the Swiss share market performs better than the world market represented by
MSCI. Tables B.2.1 and B.2.2 show the most important criteria for assessing the
performance of portfolios.
The math-jobs portfolio performs best not only in Switzerland but also when considering the World Wide group. The higher volatility is a logical result because fewer
titles were invested (Switzerland: 19 titles, Worldwide: 90 titles). Nevertheless the
criteria concerning risk and return, for example by Sharpe- and Treynor-Ratio or
Jensens Alpha, assess the math-jobs portfolios the best.
A further point of criticism is that this strategy cannot be lucratively implemented
in practice by a private investor because the transactions costs were disregarded in
this paper but which, in practice due to the numerous reallocations, would influence
the results enormously.
Also the timing of the investment influences the result. The math-jobs portfolio
does not perform better than the MSCI World at all investment points in time. A
given investor who for example invests 100,000 at the end of June 2001 in math-jobs
183
portfolio gets only 76,770 back at the end of the investment period. With a similar
investment over the same period of time in the MSCI World the investment would
be 86,307 at the end of June 2004, i.e. about 12% higher.
B.2.6
Conclusion
Sources of information exist on the Internet which are accessible to the public but
up to now have not been perceived or are underestimated and whose adept consideration in the area of portfolio management could lead, under circumstances, to
increased returns.
During the five year observation period from the beginning of 1999 to the middle of 2004, the Swiss portfolio managed, (thanks to the two sources of information,
companies advertising and time of placement of the advertisement) an average yearly performance of +1.37% compared to the SPI. The International portfolio beat
the MSCI by 7.7% and even reached a positive annual return of 3.56% when the
markets were on the down turn.
Such positive results are perhaps also possible using other sources of information
from the Internet. Apart from job exchange, other promising web indicators are
product appraisal communities, observation of promotion activities and ranking in
search engines.
It is difficult to give a precise explanation of the results in this paper. We have
perhaps been able to gain information from the job exchange math-jobs.com about
the intellectual capital of a company and hence to invest in companies with a high
potential for growth.
184
C
C.1
Wertentwicklung der Portfolios
Unmittelbarer Kauf
math-jobs
MSCI Timed
start
100’000
100’000
Q1 99
100’197
100’244
Q2 99
100’416
100’490
100’416
Q3 99
100’646
100’656
96’000
Q4 99
101’336
101’321
112’944
Q1 00
102’201
101’653
115’312
Q2 00
102’478
101’784
111’929
Q3 00
103’204
101’908
109’070
Q4 00
103’286
101’784
100’775
Q1 01
102’746
101’358
89’674
Q2 01
104’167
101’851
94’055
Q3 01
102’411
100’496
77’323
Q4 01
103’373
101’703
85’409
Q1 02
103’571
101’991
85’859
Q2 02
102’200
100’224
73’555
Q3 02
99’297
98’222
61’641
Q4 02
99’936
98’920
63’888
Q1 03
98’408
98’064
59’940
Q2 03
101’896
101’008
68’662
Q3 03
102’999
101’946
70’935
Q4 03
106’213
105’319
78’425
Q1 04
106’742
106’220
80’112
Q2 04
107’635
106’919
81’176
185
MSCI
C.2
Umschichtung Schweiz (monatlich)
math-jobs
SPI
Bär Swiss Stock
UBS Equity CH
06.99
100’000
100’000
100’000
100’000
07.99
100’066
100’015
99’619
99’818
08.99
101’290
101’685
101’622
101’420
09.99
101’705
100’878
100’936
99’799
10.99
103’946
103’849
104’435
103’113
11.99
107’494
107’651
110’585
106’898
12.99
110’048
110’859
115’652
109’443
01.00
107’698
104’113
112’685
100’503
02.00
110’001
104’857
117’276
100’404
03.00
121’778
112’027
123’700
106’516
04.00
119’396
112’023
121’279
106’871
05.00
126’030
116’306
125’640
111’696
06.00
125’535
116’829
126’058
111’647
07.00
135’670
121’481
132’132
115’192
08.00
142’906
125’403
136’647
118’391
09.00
136’803
119’704
134’183
111’917
10.00
138’533
122’999
133’187
115’458
11.00
138’516
122’123
128’397
115’048
12.00
143’327
124’063
128’684
116’816
01.01
145’217
122’805
127’740
114’914
02.01
138’313
117’435
118’767
109’653
03.01
126’311
109’301
109’789
101’978
04.01
132’074
111’770
114’617
104’465
05.01
134’346
114’403
117’393
106’903
06.01
132’387
110’499
112’435
103’186
07.01
122’826
105’391
103’203
97’228
08.01
118’002
100’218
97’687
93’278
09.01
105’373
90’171
87’085
84’616
10.01
103’811
91’329
90’461
85’837
11.01
108’959
94’028
93’403
88’425
12.01
109’634
96’735
95’613
90’710
186
math-jobs
SPI
Bär Swiss Stock
UBS Equity CH
01.02
103’855
94’136
91’514
88’288
02.02
103’647
95’630
92’558
90’020
03.02
109’686
100’679
96’598
94’658
04.02
108’913
99’742
95’574
93’878
05.02
108’950
100’335
95’391
94’598
06.02
99’088
91’527
85’921
86’161
07.02
83’892
78’566
76’053
75’901
08.02
82’236
80’612
75’282
76’487
09.02
74’798
73’633
68’938
69’176
10.02
77’561
75’980
72’764
71’604
11.02
82’034
78’610
75’011
73’992
12.02
74’591
71’631
67’430
67’105
01.03
70’778
68’192
64’082
63’654
02.03
66’873
64’163
60’952
59’571
03.03
64’234
63’618
61’075
59’172
04.03
75’951
71’406
67’769
66’250
05.03
80’811
73’066
71’199
67’298
06.03
80’839
75’874
69’663
69’887
07.03
84’804
79’905
74’784
73’610
08.03
87’791
81’104
77’475
74’302
09.03
85’538
80’039
74’969
73’145
10.03
90’658
83’196
81’651
75’562
11.03
93’723
84’813
82’288
76’837
12.03
98’236
87’436
83’392
79’276
01.04
101’219
91’645
86’800
82’937
02.04
103’033
93’168
87’526
84’099
03.04
96’682
90’448
84’755
81’745
04.04
100’599
93’854
86’354
84’822
05.04
96’879
91’844
83’000
82’972
06.04
98’552
91’958
84’277
83’066
187
C.3
Umschichtung Weltweit (quartalsweise)
math-jobs
MSCI
Bär Global
UBS Equity
math-jobs
World
World
Value Stock
Global
CH
Q2 99
100’000
100’000
100000
100000
100’000
Q3 99
101’918
95’602
97’048
95’157
101’608
Q4 99
115’675
112’476
116’660
119’012
111’295
Q1 00
137’954
114’835
123’231
124’346
125’252
Q2 00
144’218
111’465
118’328
116’623
128’856
Q3 00
153’347
108’618
118’308
117’010
141’194
Q4 00
156’818
100’357
112’101
102’746
147’835
Q1 01
141’291
89’303
107’440
94’538
129’388
Q2 01
155’184
93’666
116’842
100’642
136’110
Q3 01
127’883
77’003
91’033
77’462
109’855
Q4 01
135’636
85’055
103’690
87’126
114’083
Q1 02
131’886
85’503
107’855
86’583
114’329
Q2 02
116’986
73’250
87’283
68’942
103’435
Q3 02
84’872
61’386
70’673
54’674
78’882
Q4 02
90’316
63’623
73’463
56’186
78’437
Q1 03
76’950
59’692
62’687
50’336
68’202
Q2 03
100’091
68’377
71’108
59’464
87’486
Q3 03
105’447
70’641
76’466
59’973
97’859
Q4 03
118’134
78’100
80’803
64’034
106’251
Q1 04
118’484
79’780
85’230
66’066
104’856
Q2 04
119’134
80’840
85’503
65’804
106’623
188
D
Quellcode StockQuote
Folgend der Sourcecode zu dem in Kapitel 8.1.2 auf Seite 118 vorgestellten Programm.
import java.io.*;
import java.net.URL;
import java.net.URLConnection;
import java.text.DateFormat;
import java.text.SimpleDateFormat;
import java.util.*;
public class StockQuote {
private List list = new ArrayList();
public static void main(String[] args) throws Exception {
if (args.length < 2) {
System.out.println("Usage: java StockQuote <inputfile> <outputfile>");
System.exit(1);
}
StockQuote gs = new StockQuote(args[0]);
gs.process(args[1]);
}
public StockQuote(String inputFile) throws Exception {
File input = new File(inputFile);
BufferedReader in = new BufferedReader(new InputStreamReader(
new FileInputStream(input)));
String inputLine;
while ((inputLine = in.readLine()) != null) {
StringTokenizer st = new StringTokenizer(inputLine, ";");
String symbol = st.nextToken();
List l = new ArrayList();
while (st.hasMoreTokens()) {
String token = st.nextToken().trim();
Date value;
if (token.equals("x")) {
value = null;
}
else {
value = DateFormat.getDateInstance().parse(token);
}
l.add(value);
}
list.add(new Values(symbol, l));
}
}
public void process(String outputFile) throws Exception {
189
List result = new ArrayList();
Iterator i = list.iterator();
while (i.hasNext()) {
Values entry = (Values)i.next();
String ticker = (String) entry.getTicker();
List dates = (List) entry.getValues();
StringBuffer sb = new StringBuffer(ticker);
Iterator j = dates.iterator();
while (j.hasNext()) {
sb.append(";");
String value;
Date date = (Date)j.next();
if (date != null) {
Calendar c = Calendar.getInstance();
c.setTime(date);
System.out.print("Get value for " + ticker + " on " + date + ": ");
if (c.get(Calendar.DAY_OF_WEEK) == Calendar.SATURDAY) {
c.add(Calendar.DAY_OF_MONTH, 2);
System.out.print("\n\tis a Saturday! Now trying on " + c.getTime() + ": ");
}
else if (c.get(Calendar.DAY_OF_WEEK) == Calendar.SUNDAY) {
c.add(Calendar.DAY_OF_WEEK, 1);
System.out.print("\n\tis a Sunday! Now trying on " + c.getTime() + ": ");
}
value = "NULL";
int n = 0;
while (n < 7 && value.equals("NULL")) {
try {
value = getValue(ticker, c.getTime());
}
catch (FileNotFoundException e1) {
if (n < 6) {
c.add(Calendar.DAY_OF_WEEK, 1);
System.out.print("not valid!\n\tTry on " + c.getTime() + ": ");
}
}
n++;
}
}
else {
System.out.print("Get value for " + ticker + " on ’skip’: ");
value = "x";
}
System.out.println(value);
sb.append(value);
}
result.add(sb.toString());
}
FileWriter out = new FileWriter(outputFile);
i = result.iterator();
while (i.hasNext()) {
out.write((String)i.next());
190
out.write("\r\n");
}
out.close();
}
private String getValue(String ticker, Date date) throws Exception {
DateFormat formatter;
formatter = new SimpleDateFormat("yyyy");
String year = formatter.format(date);
formatter = new SimpleDateFormat("MM");
String month = String.valueOf(Integer.parseInt(formatter.format(date)) - 1);
formatter = new SimpleDateFormat("dd");
String day = formatter.format(date);
URL url = new URL("http://ichart.yahoo.com/table.csv?s="+ticker+"&a=" + month
+ "&b=" + day + "&c=" + year + "&d=" + month + "&e=" + day
+ "&f=" + year + "&g=d&ignore=.csv");
URLConnection yc = url.openConnection();
BufferedReader in = null;
String adjClose = null;
in = new BufferedReader(new InputStreamReader(yc.getInputStream()));
in.readLine();
String inputLine = in.readLine();
int last = inputLine.lastIndexOf(",");
adjClose = inputLine.substring(last+1);
return adjClose;
}
private class Values {
private String ticker;
private List values;
public Values(String ticker, List values) {
this.ticker = ticker;
this.values = values;
}
public String getTicker() {
return this.ticker;
}
public List getValues() {
return this.values;
}
}
}
191
E
Aufgabenstellung
1. Einführung in die Thematik (2/7)
• Überblick über Ziele, Aufgaben und etablierte Strategien zum Aktienportfolio Management, sowie über Bewertungsmethoden für Strategie
bzw. die Leistung eines Portfolio Managements
• Aufzeigen der Möglichkeiten, aus Webdaten strategische Information zu
gewinnen
• Strukturierter Literaturüberblick zu diesen Themen
• Semiformale Definition generischer Strategien und Benchmarks
2. Konzeptionelle Diskussion (1/7)
• Vertiefte Diskussion der Möglichkeiten, eine auf den über www.mathjobs.com verfügbaren Daten basierte Strategie zu definieren
• Entwicklung eines praktischen Evaluationskonzepts
• Diskussion der Möglichkeiten, die Daten von www.math-jobs.com als vorauseilenden Konjunkturindikator zu nutzen
3. Entwicklung einer Strategie (5/21)
• Identifikation erfolgsversprechender, auf Web-Indikatoren basierender Strategien
• Selektion, semiformale Definition und ausführliche Diskussion einer zu
untersuchenden, eventuell parametrisierten, Strategie, die auf den über
www.math-jobs.com verfügbaren Daten basiert
• Detaillierte Definition der Evaluation des Konzepts (inklusive statistischer Tests)
4. Evaluation der Strategie (1/3)
• Durchführung und Dokumentation der Strategie-Evaluation
• Interpretation der Ergebnisse und etwaige Optimierung der Strategie
• Verfassen zweier Zusammenfassungen der Ergebnisse in englischer Sprache für den Anhang der Diplomarbeit, die jeweils für Praktiker lesbar
sind und 1-2, respektive 6-8 Seiten, lang sind
192
• Identifikation von Forschungsfragen
5. Design eines Werkzeugs (fakultativ)
• Semiformale Spezifikation eines flexiblen Werkzeugs zur Unterstützung
eines auf Web-Indikatoren basierenden Portfolio Managements
193

Web-Indicators for Portfolio Management

Dieses Dokument Sammlung (en)

Dieses Dokument gespeichert

Schlagen Sie uns vor, wie wir StudyLib verbessern können