Robo-Advisor Industry Portfolio Risk: Effizienz oder Abstriche?

Robo-Berater haben in den letzten zehn Jahren an Bedeutung gewonnen, wobei der Fintech-Teilsektor eine aktivere Beteiligung jüngerer Anleger und der Masse beim Sparen und Investieren fördert. Robo-Advisors zielen darauf ab, die Finanzberatung zu demokratisieren und qualitativ hochwertige Dienstleistungen anzubieten, die zuvor ausschließlich wohlhabenden, anspruchsvollen Anlegern zur Verfügung standen. Kurz gesagt, Robo-Advising ist eine Form der Vermögensverwaltung, die die Portfoliostrategie an einen Algorithmus auslagert. Der Portfolioaufbau und die Neugewichtung werden mit Hilfe von Computern automatisiert, was erschwinglichere Vermögensverwaltungslösungen und eine potenzielle Reduzierung menschlicher Fehler und Vorurteile bietet.

Viele Startups in diesem Bereich haben Schwierigkeiten, die Gewinnschwelle zu erreichen und eine Markendifferenzierung zu zeigen. Was ist der beste Weg für Robo-Berater, das Investieren weiter zu demokratisieren und Gewinne zu erzielen und gleichzeitig die wahren Risiken eines Portfolios zu vermitteln?

Woher kommt Robo-Advising?

Betterment und Wealthfront sind zwei der bekanntesten Robo-Berater, wobei ersterer 2008 als erster auf den Markt kam. Bis 2019 hatte der Sektor schätzungsweise 440 Milliarden US-Dollar an verwaltetem Vermögen weltweit und im Laufe der Zeit traditionelle Vermögensverwalter Vanguard, haben ebenfalls solche Techniken übernommen. Obwohl sie sich völlig von reinen Ausführungshandelsplattformen wie Robinhood unterscheiden, wurde die Botschaft der finanziellen Stärkung beider Sektoren von jüngeren Anlegern angenommen, die traditionell erst später in ihrer Karriere ein aktives Interesse an Altersvorsorge gezeigt haben.

Eines der wichtigsten Leistungsversprechen beliebter Robo-Berater besteht darin, dass sie Kunden helfen, die mit Portfolios verbundenen Risiken und Kosten zu verstehen, anstatt sich nur auf die Rendite zu konzentrieren. Ein Argument gegen die traditionelle, von Finanzberatern geführte Vermögensverwaltung ist die Fehlausrichtung der Anreize, bei der teure und schlecht performende Vermögenswerte an Anleger geleitet werden, die nicht in der Lage sind, die Zahlen objektiv zu analysieren, um einen Überblick über die Performance zu erhalten. Aus diesem Grund sind Robo-Berater Befürworter des passiven Investierens und haben teure aktiv verwaltete Fonds für wirtschaftliche Indexfonds und börsengehandelte Fonds (ETFs) gemieden.

Risikomanagement und Robo-Advisors

Während die meisten Robo-Berater in der Regel die moderne Portfoliotheorie (manchmal in Verbindung mit anderen gut erforschten Methoden) verwenden, um Anlegerportfolios zu erstellen, verwenden sie unterschiedliche Methoden, um das mit diesen Portfolios verbundene Risikoniveau auszudrücken. Die meisten Anlageexperten sind sich einig, dass bei der Portfolioauswahl das Risiko eine ebenso wichtige Überlegung ist wie die Rendite. Tatsächlich lässt sich die überwiegende Mehrheit der Praktiker weiterhin von dem Mean-Varianz-Optimierungsrahmen inspirieren, der in der Dissertation des Nobelpreisträgers Harry Markowitz aus dem Jahr 1952 über die Portfolioauswahl veranschaulicht wird.

Das Risiko wird jedoch vom durchschnittlichen Anleger in der Regel nicht so gut verstanden wie die erwarteten Renditen. Denn die Risikotoleranz eines Individuums wird nicht nur von vergangenen Leistungen und rationalen Erwartungen bestimmt, sondern auch von einzigartigen persönlichen Umständen und anderen emotionalen Faktoren wie Hoffnungen und Ängsten. Außerdem ist die individuelle Risikobereitschaft kaum ein statisches Maß. Die meisten Menschen würden ihre Risikotoleranz im Jahr 2020 aufgrund der durch COVID-19 verursachten Unsicherheiten entschieden als niedriger einschätzen als jemals zuvor in den letzten zehn Jahren. Die Attraktivität eines empfohlenen Portfolios wird von einem Anleger teilweise anhand seiner eigenen Wahrnehmung des Risikogehalts des Portfolios beurteilt. Aus diesem Grund ist es für einen Robo-Advisor von entscheidender Bedeutung, das Risiko klar darzustellen, damit Anleger das Risiko verstehen und es mit ihrer eigenen Toleranz, ihren Zielen und emotionalen Vorlieben in Verbindung bringen können.

Robo-Advisors verwenden quantitative oder qualitative Maßnahmen, um Kunden dabei zu helfen, Risiken zu verstehen. Jede Maßnahme hat ihre Vorteile und Grenzen.

Qualitative Risikostufen: Aggressives oder hohes Wachstum?

Die meisten Robo-Berater vergeben eine qualitative Risikobewertung basierend darauf, wie Anleger eine vordefinierte Liste psychometrischer Fragen beantworten. Dies reicht im Allgemeinen auf einer numerischen Skala von „sehr konservativ“ bis „sehr aggressiv“.

Eine qualitative Risikoeinstufung hat offensichtliche Vorteile, da sie es einem Anleger erleichtert, das Risiko verschiedener Portfolios im Verhältnis zueinander wahrzunehmen. Beispielsweise kann ein Portfolio mit der Bewertung „Aggressiv“ von Natur aus riskanter sein als eines mit der Bewertung „Konservativ“. Die psychometrischen Fragen helfen dabei, die Verlusttoleranz der Anleger einzugrenzen und das angemessene Risikoniveau zu identifizieren.

Ein qualitatives Rating liefert jedoch möglicherweise kein klares Verständnis in Bezug auf die erwartete Variabilität des Portfolios. Es mag nicht offensichtlich sein, wie viel volatiler ein aggressives Portfolio im Vergleich zu einem moderaten Portfolio ist. Höchstwahrscheinlich bedeutet eine Risikoeinstufung von 6 nicht, dass das Portfolio doppelt so riskant ist wie eine mit 3. Außerdem kann die Risikowahrnehmung je nach Formulierung der Risikoeinstufung variieren. Anleger können ein risikoreiches Portfolio anders sehen, je nachdem, ob es als „hohes Wachstum“ oder „sehr aggressiv“ gekennzeichnet ist. Daher fügt eine solche Kategorisierung der wahrgenommenen Attraktivität eines Portfolios eine Ebene der Subjektivität hinzu.

Meine Sorge, dass Robo-Berater das qualitative Risiko überbetonen, besteht darin, dass dies den Anlegern ein falsches Sicherheitsgefühl in Bezug auf die laufende Wertentwicklung ihrer Portfolios vermitteln könnte. Eine willkürliche Risikobewertung über einen aggressiven/konservativen Bereich kann zu weit gefasst sein und letztendlich zu suboptimalen Finanzierungsplanungsentscheidungen von Anlegern führen, deren Umstände möglicherweise komplexer sind als bisher angenommen. Die Bedenken hinsichtlich zu stark vereinfachter Risiken spiegeln sich in behördlichen Aufrufen über Robo-Berater wider, die sich an systemischen Fehlverkäufen beteiligen, wobei die Anleger die wahre Natur des Produkts nicht verstehen.

Die verstärkte Einführung institutioneller quantitativer Risikomaße (die von Banken, Fonds und Family Offices verwendet werden) mit Kundenaufklärung könnte der Schlüssel zur nächsten Stufe der Robo-Beratung sein. Dies könnte die Branche wirklich voranbringen und mit nationalen Bewegungen für eine bessere Ausbildung in Finanzkompetenz korrespondieren.

Quantitative Risikomaße für Anlageportfolios

Volatilität zähmen: Value at Risk

Value at Risk oder VaR ist das beliebteste Maß für die Volatilität eines Portfolios. Einfach ausgedrückt ist der VaR ein Maß für die minimal erwarteten Verluste als bestimmtes Wahrscheinlichkeitsniveau (auch bekannt als Konfidenzniveau oder Perzentil). Wenn beispielsweise der 99 %-VaR eines Portfolios 12 % beträgt, bedeutet dies, dass die Verluste aus dem Portfolio mit einer Wahrscheinlichkeit von 99 % in einem bestimmten Zeitraum 12 % nicht übersteigen werden. Mit anderen Worten, es besteht eine Wahrscheinlichkeit von 1 %, dass die Portfolioverluste mehr als 12 % betragen. VaR wird bereits von einigen Robo-Beratern angewendet, wobei ein solches Anwendungsbeispiel von StashAway aus Singapur stammt, das eine 99-%-Richtlinie in ein Maß namens „Risikoindex“ einbindet.

Der VaR kann mit verschiedenen Methoden berechnet werden. Die historische Methode sortiert historische Renditen eines Portfolios nach Größenordnung und identifiziert die Rendite, die bei einem bestimmten Perzentil (typischerweise 95 % oder 99 %) beobachtet wird. Die Varianz-Kovarianz-Methode geht davon aus, dass die Renditen normalverteilt sind, und verwendet die Standardabweichung des Portfolios, um abzuschätzen, wo die schlechtesten 5 % oder 1 % Rendite auf der Glockenkurve liegen werden. Der VaR kann auch mithilfe der Monte-Carlo-Simulation geschätzt werden, die basierend auf Wahrscheinlichkeitsergebnissen die schlechtesten Renditen von 5 % oder 1 % generiert.

Die Beliebtheit von VaR ergibt sich aus der Tatsache, dass es einem Anleger leicht gemacht wird, die Schwankungen eines Portfolios zu verstehen und sie mit seiner persönlichen Verlusttoleranz in Beziehung zu setzen. Wir können jedoch je nach Eingaben und Methodik, die zur Berechnung des VaR verwendet werden, unterschiedliche Ergebnisse erzielen, was sich auf die Zuverlässigkeit der Messung auswirkt. Außerdem stützt sich der VaR stark auf zahlreiche Annahmen, wie z. B. dass die Renditen normalverteilt und an historischen Renditen ausgerichtet sind. Schließlich sagt ein 99 %-VaR von 12 % (oben beschrieben) dem Anleger nichts über die Höhe der im schlimmsten Fall zu erwartenden Verluste.

Die verschiedenen Vorbehalte hinter VaR könnten seine Bedeutung auf Robo-Advising-Plattformen einschränken, da es als komplizierte Metrik für die Benutzer angesehen wird. Das Beispiel von StashAway, das es in eine besser verdauliche Metrik einbaut, zeigt, wie diese Barrieren überzeugender abgebaut werden können.

Bedingter Value-at-Risk

Um einen der Mängel des VaR anzugehen, liefert der bedingte Value at Risk oder CVaR dem Anleger im schlimmsten Fall den erwarteten Verlust. Bei einem Konfidenzniveau von 99 % wird der CVaR als durchschnittliche Portfoliorendite in den schlechtesten 1 % der Szenarien berechnet. Der CVaR wird mit ähnlichen Methoden wie der VaR geschätzt. Während es im Vergleich zum VaR dazu beitragen kann, ein klareres Bild des Worst-Case-Szenarios zu vermitteln, kann es aufgrund der bei der Schätzung verwendeten Annahmen und Methoden ähnliche Mängel aufweisen.

Markttrennungen im Jahr 2020 neigen dazu, normale Verteilungsmuster zu zerreißen, was zeigt, dass das Hinzufügen weiterer „dreidimensionaler“ Portfoliorisikomaße wie CVar vorteilhaft sein kann. In Verbindung mit Standard-VaR-Maßnahmen würden CVaR-Daten die Risikomanagementangebote eines Robo-Advisors verbessern und gut geeignet sein, wenn man bedenkt, dass die Mehrheit der Robo-Anlagen Indexfonds (Aktienkörbe) sind.

Beste und schlechteste Renditen

Die besten und schlechtesten Renditen beziehen sich auf rollierende periodische Renditen eines Wertpapiers oder Portfolios während eines bestimmten Zeithorizonts. Die Rendite kann je nach Zeithorizont des Anlegers täglich, monatlich oder jährlich berechnet werden. Der Zeitrahmen wird normalerweise durch die Verfügbarkeit von Daten bestimmt, kann sich jedoch auf die besten und schlechtesten beobachteten Renditen auswirken, wenn wir keinen ausreichend langen Zeithorizont verwenden.

Beste und schlechteste Renditen für US-Anlagen: 1973-2016

Die Kennzahl verwendet historische Renditen, um Anlegern einen Hinweis auf Best- und Worst-Case-Szenarien zu geben. Ein klarer Vorteil besteht darin, dass im Gegensatz zum VaR zwischen positiven und negativen Renditen unterschieden wird, anstatt von einer Normalverteilung auszugehen. Anleger neigen dazu, positive Volatilität nicht zu stören, und sorgen sich hauptsächlich um absolute Abwärtsrisiken. Außerdem zeigt es im Gegensatz zum CVaR die absolut schlechtesten beobachteten Renditen, anstatt einen Durchschnitt der Renditen zu nehmen, was das Worst-Case-Szenario unterschätzen könnte. Wie andere quantitative Maße ist dies jedoch tendenziell rückwärtsgerichtet und hängt auch vom Datensatz der beobachteten Ergebnisse ab.

Die Risikomaße für die beste und die schlechteste Rendite eignen sich gut für Robo-Advisor-Plattformen, da sie den Anlegern klar kommunizieren, ohne sich auf einschüchternde Finanzkennzahlen zu verlassen. Ein solches Risiko besteht jedoch darin, dass sie mit irrationalen Vorurteilen spielen und Panikverkäufe in einen fallenden Markt fördern oder hartnäckig an Verlierern festhalten.

Quantitatives Risiko selbst messen

Lassen Sie uns einen Blick darauf werfen, wie VaR, CVaR und die besten und schlechtesten Renditen für ein Einzelwertportfolio berechnet werden können. Der in Betracht gezogene Vermögenswert ist SPY, ein ETF, der US-Aktien mit hoher Marktkapitalisierung abbildet.

Die für die nachstehenden Berechnungen verwendeten Daten beziehen sich auf den NAV und die monatlichen Renditen von SPY von Juli 2007 bis Juni 2020. Die Berechnungen können mit Excel- oder Google Sheets-Funktionen durchgeführt werden.

VaR - 11,8 % VaR impliziert, dass die Wahrscheinlichkeit, dass SPY in einem bestimmten Monat mehr als 11,8 % verliert, 1 % beträgt. Mit anderen Worten, SPY lieferte in 99 % der Monate bessere monatliche Renditen als einen Verlust von 11,8 %. Schritte (Google Tabellen/Excel):

1. Berechnen Sie die historischen Monatsrenditen aus Aktienkurs-/NAV-Daten.
2. Verwenden Sie die Funktion PERCENTILE.INC mit dem Array historischer Renditen und dem gewünschten Perzentil (z. B. 1 % für ein 99 %-Intervall) als Eingaben.

CVaR - 14,5 % CVaR impliziert, dass der erwartete monatliche Verlust in SPY während der 1 % schlechtesten Ergebnisse 14,5 % beträgt. Dies kann in Google Sheets/Excel bestimmt werden, indem die AVERAGEIF-Funktion verwendet wird, um den Durchschnitt der Renditen zu berechnen, die kleiner als das VaR-Ergebnis sind.

Beste und schlechteste Renditen – Wie in der Tabelle gezeigt, betrugen die besten und schlechtesten monatlichen Renditen, die in SPY im Zeitraum 2007-2020 beobachtet wurden, +13 % bzw. -16 %. Diese können mit den MIN und MAX Funktionen schnell berechnet werden.

Wie erwähnt ist zu beachten, dass diese Maße je nach Methode und Beobachtungszeitraum unterschiedliche Werte ergeben können. Die Wahl der Methodik und des Zeitraums sollte auf Faktoren wie der Verfügbarkeit von Daten, dem erwarteten Anlagezeitraum und dem persönlichen Urteilsvermögen basieren.

Differenzierung durch quantitative Maßnahmen

Das Fundament der traditionellen Vermögensverwaltung besteht darin, Portfolios auf individuelle Bedürfnisse zuzuschneiden, sei es in Bezug auf Zeitspanne, Ethik, Risikobereitschaft und einkommensbasierte Bedürfnisse; Dafür ist jeder Ansatz maßgeschneidert. Was Robo-Advising attraktiv macht, ist, wie seine automatisierten Methoden über große Kundenstämme hinweg funktionieren können.

Allerdings müssen Robo-Advisor den Kunden helfen, die Risiko-Rendite-Kompromisse ihrer Portfolioangebote klar zu verstehen, damit sie die richtigen Portfolios auswählen können, die ihren persönlichen Bedürfnissen entsprechen. Qualitative Risikomaße sind ein leicht verständlicher Einstieg in die Robo-Beratung, aber im Laufe der Zeit können ihre Parameter überflüssig werden. Wenn sie jedoch in Verbindung mit den hier beschriebenen quantitativen Risikomaßen verwendet werden, tragen sie dazu bei, ganzheitlichere Richtlinien für das Risikomanagement und ein Bewusstsein für die Portfolioperformance bereitzustellen.