12-09-2024 · Einblick

Quant Chart: Portfolios mit Unternehmensanleihen mit einem gemischten oder integrierten Faktoransatz konstruieren?

In einer neuen Studie der Researcher für Robeco Quant Fixed Income Joris Blonk und Philip Messow1 werden zwei bekannte Methoden verglichen, die zur Konstruktion von Faktorportfolios für Unternehmensanleihen Anwendung finden – der integrierte und der gemischte Ansatz. Unserer Meinung nach führt ein integrierter Ansatz zu höheren und robusteren Information Ratios in verschiedenen Spread- und Zinsumfeldern. Vor allem Value-Traps sind für den Unterschied in der Performance zwischen den beiden Ansätzen verantwortlich.

Zwei Wege zu einem Multifaktor-Portfolio

Bei der Konstruktion eines Multifaktor-Portfolios können wir zwischen zwei Ansätzen wählen. Beim ersten Ansatz wird in mehrere Portfolios investiert, die jeweils auf einem einzigen Faktor basieren: das wäre der „gemischte“ Ansatz. Beim zweiten Ansatz wird ein Portfolio unter Verwendung eines Multifaktor-Signals aufgebaut: das ist der „integrierte“ Ansatz. Um herauszufinden, welcher Ansatz der beste ist, baut unsere neue Studie auf früheren Arbeiten auf dem Aktienmarkt auf2. Dazu werden Portfolios basierend auf Information Ratios (IRs) verglichen. Diese misst die Stabilität der Outperformance des Portfolios, wobei der Wert umso höher ist, je stabiler die Outperformance ist.3

Doch inwiefern genau führen diese beiden Ansätze zu unterschiedlichen Portfolios? Betrachten wir ein Beispiel anhand von zwei Faktoren: Value und Momentum. Bei einem gemischten Ansatz würden zunächst ein Value-Portfolio sowie ein Momentum-Portfolio separat konstruiert und dann in beide investiert. Daher könnte eine Anleihe aufgenommen werden, die beim Value gut, beim Momentum jedoch schlecht abschneidet.

Beim integrierten Ansatz hingegen wird zunächst ein Multifaktor-Score berechnet und dann ein einzelnes Portfolio anhand dieses Scores aufgebaut. Daher werden hier Anleihen bevorzugt, die bei beiden Faktoren zumindest leicht positiv abschneiden.

Daten und Methodik

In unserer Studie werden die gemischten und integrierten Ansätze auf dem Markt für Unternehmensanleihen in USD von 1994 bis 2022 bewertet. Betrachtet man zunächst die Faktorportfolios für diese Ansätze im High-Yield-Bereich, so ist festzustellen, dass beide zu einem positiven IR über 1 führen. Beachten Sie, dass in Zeiten steigender/fallender Zinssätze oder Credit Spreads beide Ansätze zu höheren Renditen als der Markt führen. Dies deutet darauf hin, dass Multifaktor-Anlagen in Unternehmensanleihen in jedem Fall eine robuste Strategie in verschiedenen Marktumgebungen sind, wenn die steigenden Zinssätzen der letzten Jahre einbezogen werden.

Abbildung 1: IR für Value-Momentum von Portfolios mit Unternehmensanleihen in High-Yield-Marktumgebungen

Abbildung 1: IR für Value-Momentum von Portfolios mit Unternehmensanleihen in High-Yield-Marktumgebungen

Quelle: Robeco. * Backtest einer Kombination aus Value- und Momentum-Strategien: „Gemischt“ bildet den Durchschnitt der Positionen von zwei univariaten langfristigen Value- und Momentum-Portfolios und „integriert“ erstellt ein langfristiges Portfolio aus einem gleichgewichteten Value- und Momentum-Signal. Die Portfolios sind so aufeinander abgestimmt, dass sie ein vergleichbares Faktor-Engagement aufweisen. Das Anlageuniversum enthält nur USD-Anleihen in den Indizes Bloomberg US High Yield und Bloomberg US Aggregate Corporate. Einmonatige Haltedauer und Stichprobenzeitraum 1994-2022. Die Teilperioden werden durch monatliche Veränderungen der 10-jährigen Renditen für US-Schatzbriefe und des Indexspreads definiert.

Es kommt allerdings darauf an, wie die Anleihen ausgewählt werden, und dies führt zu einer höheren IR für den integrierten Ansatz in allen Marktumgebungen, d. h. zu einer stabileren Outperformance. Bei näherer Betrachtung der verschiedenen Anleihen, die jede Strategie kauft, stellen wir fest, dass Anleihen mit gegenläufigen Faktor-Engagements zur geringeren Performance der gemischten Portfolios beitragen. Besonders hervorstechend sind Value-Traps, d. h. Anleihen, die günstig aussehen, aber beim Momentum schlecht abschneiden. Mit anderen Worten: Aus Value-Sicht sehen sie wie eine attraktive Anlage aus, aber aus Momentum-Sicht kann sich ihre Bonität verschlechtern. Beachten Sie, dass diese Value-Traps zwar im Rahmen des gemischten Portfolioansatzes gekauft werden können, im Rahmen des integrierten Ansatzes jedoch wahrscheinlich ausgeschlossen worden wären.

Sehr ähnliche Ergebnisse gibt es für Investment-Grade-Anleihen (die Ergebnisse sind in der Studie verfügbar). Beide Strategien weisen in jedem Marktumfeld eine positive Information Ratio auf, und der integrierte übertrifft den gemischten Ansatz. Letzterer hat in Zeiten steigender Spreads die größten Schwierigkeiten, wie etwa während der globalen Finanzkrise 2008-2009, als es durch die Auswahl einiger der oben genannten Value-Traps zu einem starken Rückgang kam.

Holen Sie sich die neuesten Einblicke

Abonnieren Sie unseren Newsletter, um aktuelle Anlageinformationen und Analysen durch Sachverständige zu erhalten.

Nicht verpassen

Fazit

Vorhandene Value-Traps auf dem Markt für Unternehmensanleihen verdeutlichen die Bedeutung der Risikokontrolle beim Factor Investing. Dies gelingt entweder direkt durch die Verbesserung des Value-Faktors, zum Beispiel durch den Einsatz von Verfahren des maschinellen Lernens, wie in unserem Artikel „Wie maschinelles Lernen das Value-Investing in Unternehmensanleihen verbessert„ beschrieben, oder durch einen integrierten Multifaktor-Ansatz bei der Portfoliokonstruktion, wie er in unserer jüngsten Studie vorgestellt wurde.

Lesen Sie die gesamte Studie „How to construct a long-only multifactor credit portfolio„ hier


Footnotes

1 Blonk and Messow (2024), ‘How to Construct a Long-Only Multifactor Credit Portfolio?’ Available at SSRN: https://ssrn.com/abstract=4775767
2 A large literature of papers on equity factor portfolio construction is available, for example: Blitz and Vidojevic (2018) or Ghayur et al. (2018)
3 The IR is calculated by dividing the outperformance by tracking error.