Low Volatility und Minimum Variance: Konstruktion, Zinssensitivität und die Lotterie-Erklärung

Was Sie lernen werden

• Den Unterschied zwischen einer Low-Volatility-Rangfolge und einer Minimum-Varianz-Optimierung.
• Wie Sie das Minimum-Varianz-Gewicht für zwei Anlagen und die daraus folgende Portfoliovolatilität berechnen.
• Warum Low-Volatility-Portfolios tendenziell zinssensitiv sind.
• Die Erklärungen über Lotteriepräferenz, Leverage-Beschränkungen und Benchmark-Beschränkungen.

Erklärung

Die Low-Volatility-Anomalie ist die Beobachtung, dass Aktien mit niedriger vergangener Volatilität oder niedrigem Beta ähnliche oder höhere Renditen erzielt haben als Aktien mit hoher Volatilität, obwohl die Theorie besagt, dass höheres Risiko mit höherer erwarteter Rendite vergütet werden sollte. Fischer Black bemerkte 1972 die flache Beziehung zwischen Beta und Rendite; Baker, Bradley und Wurgler (2011) sowie Frazzini und Pedersen (2014) dokumentierten sie über Märkte und Jahrzehnte hinweg. Es ist eine Anomalie, weil die Risikoprämien-Erklärung nicht passt: Die „sicheren“ Aktien sind diejenigen, die gut abgeschnitten haben.

Zwei Konstruktionsmethoden werden verwendet, und sie erzeugen unterschiedliche Portfolios:

• Low-Volatility-Rangfolge: Messen Sie die realisierte Volatilität jeder Aktie (Standardabweichung der Renditen über ein bis drei Jahre) oder ihr Beta und halten Sie die niedrigsten 20 bis 30 Prozent, oft nach inverser Volatilität gewichtet. Einfach und transparent, ignoriert aber Korrelationen und konzentriert sich tendenziell auf wenige defensive Sektoren.
• Minimum Variance: Ein Optimierer mit vollständiger Kovarianzmatrix findet die Kombination mit der niedrigsten erwarteten Portfoliovolatilität, unter Nebenbedingungen wie maximalem Aktiengewicht, Sektor- und Ländergrenzen und einer Umschlagsobergrenze. Hier kann eine mäßig volatile Aktie mit niedriger Korrelation zum Rest mehr Gewicht erhalten als eine Aktie niedriger Volatilität, die sich mit allem anderen bewegt. Weit verbreitete Minimum-Volatility-Indizes funktionieren so; prüfen Sie Stand 2026 die aktuelle Methodik für die genauen Nebenbedingungen.

Beide Methoden enden mit Übergewichten in Versorgern, Basiskonsumgütern, Gesundheitswesen, Versicherern und börsennotierten Immobilien sowie Untergewichten in Technologie, Energie und Zyklikern. Dieses Profil bringt Zinssensitivität mit sich: Unternehmen mit stabilen Cashflows werden wie Anleihen mit langer Duration bewertet, sodass ihre relative Bewertung bei steigenden Renditen tendenziell fällt. Für ein Low-Volatility-Aktienportfolio können Sie eine empirische Duration schätzen, indem Sie seine Rendite relativ zum Markt auf Veränderungen der langfristigen Staatsanleiherenditen regressieren; veröffentlichte Schätzungen variieren mit dem Zeitraum, betrachten Sie also jede einzelne Zahl als grob. Der praktische Punkt: In einem Jahr stark steigender Zinsen kann ein Low-Volatility-Fonds deutlich hinter dem Markt zurückbleiben.

Warum sollte ein risikoarmes Portfolio eine angemessene oder bessere Rendite erzielen? Drei Erklärungen haben Rückhalt in der Forschung. Die Lotteriepräferenz-Erklärung (Bali, Cakici und Whitelaw, 2011): Viele Anleger überzahlen für Aktien mit einer kleinen Chance auf einen riesigen Gewinn, hoher Volatilität, hoher jüngster maximaler Tagesrendite, niedrigem Kurs, was die erwarteten Renditen dieser Aktien nach unten drückt und ruhige Aktien relativ günstig lässt. Die Leverage-Beschränkungs-Erklärung (Frazzini und Pedersen, „Betting Against Beta“): Anleger, die höhere Renditen wollen, aber keinen Kredit aufnehmen können oder wollen, kaufen stattdessen Aktien mit hohem Beta und treiben deren Kurse hoch; wer Hebel einsetzen kann, wird dafür bezahlt, Aktien mit niedrigem Beta gehebelt zu halten. Die Benchmark-Beschränkungs-Erklärung (Baker, Bradley und Wurgler): Manager, die an einem kapitalisierungsgewichteten Index gemessen werden, meiden Low-Volatility-Positionen, weil diese in ihrem Mandat Tracking Error hinzufügen, ohne erwartete Rendite hinzuzufügen, sodass die Anomalie bestehen bleibt. Alle drei legen nahe, dass der Effekt fortbestehen könnte, weil die Ursachen strukturell sind; keine garantiert es.

Durchgerechnetes Beispiel

Hypothetisches Beispiel: zwei Anlagen. Anlage 1 hat eine Volatilität σ₁ = 15% pro Jahr, Anlage 2 hat σ₂ = 25%, und ihre Korrelation ist ρ = 0.4. Bestimmen Sie die Minimum-Varianz-Gewichte und die Portfoliovolatilität. Gebühren und Steuern bleiben außen vor.

Das Minimum-Varianz-Gewicht für Anlage 1 bei zwei Anlagen ist w₁ = (σ₂² − ρσ₁σ₂) ÷ (σ₁² + σ₂² − 2ρσ₁σ₂).

• σ₁² = 0.0225; σ₂² = 0.0625; ρσ₁σ₂ = 0.4 × 0.15 × 0.25 = 0.015.
• Zähler: 0.0625 − 0.015 = 0.0475. Nenner: 0.0225 + 0.0625 − 0.030 = 0.055.
• w₁ = 0.0475 ÷ 0.055 = 0.864; w₂ = 0.136.

Portfoliovarianz = 0.864² × 0.0225 + 0.136² × 0.0625 + 2 × 0.864 × 0.136 × 0.015 = 0.01680 + 0.00116 + 0.00353 = 0.02148, also Volatilität = etwa 14.7%, unter den 15% der ruhigeren Anlage allein, weil die zweite Anlage unvollkommen korreliert ist. Eine 50/50-Mischung hätte etwa 17.0%. Reale Indizes tun dies mit Hunderten von Anlagen und Nebenbedingungen, aber die Logik ist dieselbe: Korrelationen, nicht nur einzelne Volatilitäten, entscheiden über die Gewichte.

Häufiger Fehler

Übungsaufgabe

Ein hypothetischer Low-Volatility-Fonds hat ein Marktbeta von 0.7 und für diese Übung ein Alpha von null. (a) Schätzen Sie seine Rendite, wenn der Markt um 30% fällt. (b) Schätzen Sie seine Rendite, wenn der Markt um 20% steigt. (c) Nehmen Sie eine empirische Duration von 4 an, das heißt, er verliert etwa 4 Prozentpunkte relativ zum Markt je 1 Punkt Anstieg der langfristigen Renditen. Wenn der Markt um 20% steigt, während die Renditen um 1 Punkt steigen, schätzen Sie die Rendite des Fonds. Nennen Sie eine Einschränkung.

Kernaussagen

• Low-Volatility-Rangfolgen ignorieren Korrelationen; die Minimum-Varianz-Optimierung nutzt sie, mit Nebenbedingungen, um das Portfolio diversifiziert zu halten.
• Bei zwei Anlagen hängt das Minimum-Varianz-Gewicht von beiden Volatilitäten und ihrer Korrelation ab, und das Ergebnis kann ruhiger sein als die ruhigere Anlage allein.
• Defensive Sektorgewichte verleihen Low-Volatility-Portfolios eine anleiheähnliche Zinssensitivität.
• Lotteriepräferenzen, Leverage-Beschränkungen und Benchmark-Beschränkungen sind strukturelle Erklärungen; sie stützen die Beständigkeit, versprechen sie aber nicht.

Nächster Schritt

Die nächste Lektion geht von der Theorie zu den Produkten über: wie MSCI und S&P Faktorindizes bauen, Screening versus Tilting und wie Sie das Exposure messen, das Sie wirklich bekommen.