Zur empirischen Identifikation von Risikofaktoren bei Modellen der Arbitrage Pricing Theory

In jüngerer Zeit werden in zunehmendem Maße Ansätze der Arbitrage Pricing Theory im praktischen Portfoliomanagement eingesetzt. Eine wichtige Klasse stellen die fundamentalen Faktoren-Modelle dar, bei denen unternehmensspezifische Variablen, wie z.B. Kurs/Gewinn-Verhältnis, Quotient aus Buch- und Marktwert, Dividendenrendite, Unternehmensgröße, historische Betas, als bewertungsrelevante Risikofaktoren vorab spezifiziert und in einem statistischen Querschnittsregressionsmodell empirisch auf Signifikanz geprüft werden. Eine andere Klasse von APT-Ansätzen spezifiziert die Faktoren durch makroökonomische Variablen, z.B. Inflationsrate, Zins oder Ölpreis. In einem ersten Schritt werden anhand von Zeitreihenregressionen die Sensitivitälen (Faktor-Betas) bezüglich der makroökonomischen Faktoren geschätzt, im zweiten Schritt wird die Querschnittsbeziehung zwischen Renditen und Sensitivitäten analysiert. Die zu den statistisch signifikanten Sensitivitäten gehörenden makroökonomischen Variablen werden als bewertungsrelevant angesehen. Im vorliegenden Beitrag wird gezeigt, daß eine derartige Vorgehensweise in aller Regel nicht gerechtfertigt ist und zu unzutreffenden Schlußfolgerungen in bezug auf die Bewertungsrelevanz der Risikofaktoren führen kann. Es zeigt sich, daß die den empirischen Tests zugrundeliegende Bewertungsgleichung im allgemeinen unsystematisches Risiko enthält. Als Folge davon sind sämtliche Schätzungen der Regressionskoeffizienten in der Querschnittsregression verzerrt. Damit sind die Beurteilung der Signifikanz der in den Ansatz aufgenommenen Variablen und der Versuch, die Faktoren empirisch zu identifizieren, nicht mehr möglich. Ferner wird gezeigt, daß auch in dem unrealistischen Fall einer exakten Faktorbewertung ohne unsystematisches Risiko die den Renditegenerierungsprozeß determinierenden Faktoren bekannt sein müssen. Dies steht jedoch exakt im Widerspruch zu den im Portfoliomanagement eingesetzten Ansätzen, die die bewertungsrelevanten Risikofaktoren auf empirischem Weg anhand eines statistischen Querschnittsmodells identifizieren möchten