Ungeglättete private Märkte
Das Problem - Illiquide Vermögenswerte erscheinen 'geglättet'
Die Glättung der Renditen auf privaten Märkten ergibt sich aus mehreren strukturellen und operativen Faktoren, die diesen Anlageklassen eigen sind. Im Gegensatz zu den öffentlichen Märkten, an denen die Preise kontinuierlich auf der Grundlage von Echtzeitgeschäften angepasst werden, aktualisieren private Fonds ihre Bewertungen in der Regel nur vierteljährlich oder bei bestimmten Kapitalereignissen. Dieser periodische Bewertungsprozess führt zu einer zeitlichen Verzögerung zwischen den tatsächlichen Marktbewegungen und den ausgewiesenen Renditen, wodurch ein Renditestrom entsteht, der künstlich stabil erscheint und das tatsächliche zugrunde liegende Risiko verschleiert.
Darüber hinaus stützen sich die Verwalter privater Fonds häufig auf interne Bewertungsmodelle, vergleichbare Preise für Vermögenswerte oder externe Bewertungsverfahren, um den beizulegenden Zeitwert zu schätzen. Diese Ansätze sind zwar auf illiquiden Märkten notwendig, haben aber den Effekt, dass starke Kursschwankungen über mehrere Berichtszeiträume verteilt werden, was den Glättungseffekt noch verstärkt. Der statistische Fußabdruck dieser Glättung ist die serielle Korrelation, ein Phänomen, bei dem die aktuellen Renditen in hohem Maße von den früheren Renditen abhängig sind. Diese Autokorrelation lässt die Entwicklung des Privatmarktes stabiler und vorhersehbarer erscheinen, als dies bei täglich aktualisierten Bewertungen der Fall wäre. Durch einen Test auf serielle Korrelation können Analysten oft feststellen, ob eine Renditereihe künstlich geglättet wurde.
Die Folgen für die Portfoliokonstruktion und das Risikomanagement sind erheblich. Geglättete Renditen unterschätzen systematisch die Volatilität, was wiederum wichtige risikobereinigte Performance-Kennzahlen wie die Sharpe-Ratio verzerrt und die offensichtlichen Korrelationen mit öffentlichen Märkten verringert. Dies kann zu übermäßig optimistischen Einschätzungen des Risiko-Rendite-Verhältnisses von Privatvermögen führen und letztlich Entscheidungen zur Vermögensallokation in einer Weise beeinflussen, die die wirtschaftliche Realität nicht vollständig widerspiegelt.
Die Lösung - Ein einfacher Ansatz zum "Unglätten"
Um das Problem der Glättung anzugehen, wählten wir zunächst die wichtigsten Anlageklassen des Privatmarktes mit vierteljährlichen Daten über mehr als 20 Jahre aus, die von etablierten Datenanbietern stammen (siehe Anhang für weitere Einzelheiten). Dieser langfristige Datensatz ermöglicht eine robuste statistische Bewertung der Glättungseffekte über Marktzyklen hinweg.
Der erste Schritt bestand darin, die serielle Korrelation über verschiedene Verzögerungen hinweg zu testen, um den Grad der Glättung in jeder Anlageklasse zu quantifizieren. Unter den analysierten Anlageklassen wiesen Immobilien die höchste und beständigste serielle Korrelation über alle getesteten Lags auf. Es folgten Private Equity und Private Debt mit einer statistisch signifikanten Autokorrelation auf dem 5 %-Niveau.
Bei den Hedgefonds hingegen lag die serielle Korrelation knapp unter der Signifikanzschwelle, was auf ein geringeres Maß an Glättung hindeutet. Zu Vergleichszwecken haben wir auch US-Treasuries einbezogen, die - wie erwartet - keine signifikante serielle Korrelation aufwiesen, was mit ihrer Liquidität zusammenhängt. Diese Analyse bestätigt, dass der Grad der Glättung in den verschiedenen privaten Anlageklassen stark variiert, wobei die stärksten Glättungseffekte bei Immobilien und Private Equity zu beobachten sind - zwei Hauptpfeiler vieler institutioneller Portfolios.
Die statistische Analyse zeigt, dass die Glättungseffekte auf dem Privatmarkt je nach Anlageklasse sehr unterschiedlich sind, wobei Immobilien am stärksten betroffen sind.
Methodik und Anwendung
Um die Verzerrung durch Glättung in den Renditen der Privatmärkte zu beseitigen, wenden wir einen quantitativen Ansatz an, der die serielle Korrelation in den Zeitreihen direkt bereinigt. Dieser Prozess stützt sich auf das bewährte AR(1)-Autokorrelationsmodell, das die gemeldeten Renditen wie folgt darstellt:

Dabei ist Rt-1 die gemeldete (potenziell geglättete) Rendite, und ρ gibt die Persistenz oder das "Gedächtnis" der Renditen von einer Periode zur nächsten an. Ein hohes ρ deutet auf eine starke Glättung hin, da die aktuellen Renditen stark von den vergangenen Renditen abhängen.
Durch Umstellen der AR(1)-Gleichung oder, falls erforderlich, durch Anpassen einer umfassenderen Multi-Lag-Regression entfernen wir die historische Bewertungsabhängigkeit. Diese Anpassung ermöglicht es uns, eine "ungeglättete" Renditereihe zu schätzen, die wie folgt berechnet wird:

Diese entglättete Renditereihe weist eine höhere Volatilität, realistischere Drawdowns und stärkere Korrelationen mit den öffentlichen Märkten auf und bietet somit eine wirtschaftlich aussagekräftigere Darstellung von Risiko und Rendite.
Die Auswirkung von Unglättung auf die Wertentwicklung und das Risiko von Anlageklassen
- Volatilitätsteigt: das wahre Risiko enthüllen
- Sharpe Ratio korrigiert sich nach unten: reflektiert realistische risikoadjustierte Rendite
- Diversifikationsvorteile bleiben bestehen: Korrelationen mit öffentlichen Märkten tragen weiterhin zur Portfoliodiversifikation bei
Die Schaubilder 7-8 zeigen, dass die gemeldeten Korrelationen vor der Glättung die für die Portfoliooptimierung wünschenswerten Eigenschaften aufweisen. Allerdings sind diese Korrelationen den Auswirkungen der Renditeglättung unterworfen. Auf der rechten Seite ist das Delta nach der Glättung dargestellt, was die Auswirkungen der Entfernung der seriellen Korrelation aus den Zeitreihen zeigt.
Während die Korrelationen in einigen Fällen zunehmen, bleibt die insgesamt niedrige Korrelation bestehen, was weiterhin einen positiven Beitrag zur Portfoliodiversifizierung leistet. Dies geht jedoch auf Kosten eines volatileren Renditeprofils, das das tatsächliche Risiko von Privatmarktanlagen widerspiegelt.
Praktische Auswirkungen der Glättung auf die Portfoliobasis
Unsere praktische Analyse zeigt, dass sich die Portfolioallokationen auf natürliche Weise in Richtung von Vermögenswerten mit geringerer serieller Korrelation verschieben, wenn die Inputdaten für die Optimierung richtig angepasst werden. Entgegen den Erwartungen behalten alternative Anlagen ihre starken Diversifizierungsfähigkeiten und ihre Fähigkeit, die Illiquiditätsrisikoprämie zu erfassen, bei und verringern so die Wahrscheinlichkeit, dass die Ziele aufgrund ihrer höheren Rendite im Vergleich zu traditionellen Anlageklassen nicht erreicht werden.
Abbildung 9 zeigt, dass Vermögenswerte mit höheren Glättungseffekten (wie Private Equity) aufgrund ihrer höheren Volatilität und geringeren Beiträge zur Sharpe Ratio nach der Korrektur geringere Allokationen erhalten. Ihre Allokation bleibt jedoch signifikant, wobei die Reallokation hauptsächlich innerhalb der Kategorie der alternativen Anlagen selbst stattfindet. Auf der liquiden Seite bleiben die Allokationen stabil und werden daher nicht angezeigt.
Mit anderen Worten: Bei der Verwendung eines Mean-Variance-Ansatzes mit genauen Volatilitätsschätzungen erhalten Vermögenswerte mit hoher serieller Korrelation entsprechend niedrigere Allokationen, sofern sie nicht durch anlagepolitische Grenzen eingeschränkt werden. So behält beispielsweise Private Debt mit seinen geringeren Glättungseffekten eine stärkere Position im optimierten Portfolio im Vergleich zu Private Equity, das nach der Glättung eine geringere Allokation erhält. In der Zwischenzeit bleiben Immobilien aufgrund ihres geringen Renditebeitrags pro Risikoeinheit unselektiert.
Die deutlichste Auswirkung zeigt sich daher in der Form der Effizienzgrenze, die sich nach rechts verschiebt, um realistischere Renditeniveaus pro Risikoeinheit anzuzeigen. Schaubild 10 zeigt einen Vergleich der beiden Allokationsansätze auf der Basis eines vollständigen Portfolios.
Um diese Ergebnisse zu validieren, haben wir zwei separate Optimierungsszenarien mit geglätteten und ungeglätteten Datensätzen durchgeführt. Diese Szenarien berücksichtigten die Standard-Investitionsbeschränkungen und -ziele des Kunden und folgten einem für europäische Pensionsfonds typischen Nicht-LDI-Gesamtrenditeansatz.
Obwohl dieser Ansatz bestimmte Herausforderungen bei alternativen Anlagen wirksam angeht, sollten Anleger mehrere zusätzliche Faktoren berücksichtigen. Dazu gehören Renditeverteilungen, Variationen des Optimierungsmodells, Anpassungen für nicht konstante Volatilität und die verschiedenen Teilstrategien, die wir in unseren hochentwickelten Modellen berücksichtigen. Anleger, die sich für diese weiterführenden Überlegungen interessieren, können sich gerne an unser Team wenden, um weitere Informationen zu erhalten.
Die Behebung von Glättungseffekten ist für eine ordnungsgemäße Kapitalallokation von entscheidender Bedeutung, auch wenn der grundlegende Charakter und die Vorteile privater Märkte für institutionelle Portfolios nach wie vor stark sind. Privatmarktanlagen verringern weiterhin die Ausfallwahrscheinlichkeit und erhalten gleichzeitig die positiven Korrelationsvorteile auf Portfolioebene.
Für weitere Informationen über das Grundlagenpapier, auf dem dieses Papier basiert, wenden Sie sich bitte an uns unter info@klarphos.com.
Anmerkungen
Datenquelle: Preqin, Albourne, Klarphos, vierteljährliche Daten von 2002Q1-2024Q3. Die Anlageklasse Infrastruktur wurde aufgrund unzureichender historischer Daten ausgeschlossen.
- Bei diesem Ansatz berechnen wir die Stichprobenautokorrelation jedes Vermögenswerts mit Verzögerung 1 und bewerten ihre Signifikanz mithilfe eines Student's t-Tests (5 %-Niveau). Wenn die Lag-1-Autokorrelation aussagekräftig ist, behandeln wir die gemeldeten Reihen so, als seien sie durch einen Ein-Perioden-Filter geglättet worden. Anschließend wird dieser Filter invertiert, indem der Einfluss des Vorquartals entfernt und die Reihe renormiert wird, so dass ihre Volatilität dem ursprünglichen Niveau entspricht. Schließlich werden alle Leistungskennzahlen (annualisierte Rendite, Volatilität, Sharpe Ratio) auf der Grundlage der bereinigten, "ungeglätteten" Renditen neu berechnet. Diese Methode ist algorithmisch einfach und eignet sich gut für begrenzte vierteljährliche Datensätze, bei denen Autokorrelationen höherer Ordnung vernachlässigbar sind.
- Die Portfolio-Optimierung wurde unter Verwendung einer Mittelwert-Varianz-Optimierung und einer Reihe von Beschränkungen durchgeführt, die für Investitionspläne europäischer Pensionsfonds ohne LDI-Allokation typisch sind. Die Übung wurde zweimal mit zwei verschiedenen Datensätzen durchgeführt: einmal mit Standarddatenpunkten und einmal mit angepassten Zeitreihen, die die Autokorrelationsanpassung enthalten.
- Investieren auf privaten Märkten. The Journal of Portfolio Management 50, Nr. 7 (Juni 2024).
- CFA-Institut. CFA Program Curriculum 2024 Level III: Core Volume 2. CFA Institute, 2024.
Verwandte Inhalte
Erkenntnisse treiben unser Geschäft. Talent treibt unseren Erfolg.
Wenn Sie bei Klarphos starten, werden Sie Teil eines dynamischen, vielfältigen Teams talentierter Menschen, die Pionierarbeit bei alternativen Investmentlösungen leisten.