Content

Michael Schröder, Henry Schäfer, Analyse der Renditeverteilungen von SRI-Indizes und Fonds in:

Henry Schäfer, Michael Schröder

Nachhaltige Kapitalanlagen für Stiftungen, page 131 - 149

Aktuelle Entwicklungen und Bewertung

1. Edition 2009, ISBN print: 978-3-8329-4250-2, ISBN online: 978-3-8452-1617-1 https://doi.org/10.5771/9783845216171

Series: ZEW Wirtschaftsanalysen - Schriftenreihe des ZEW, vol. 92

Bibliographic information
131 3.5.2 Analyse der Renditeverteilungen von SRI-Indizes und Fonds In diesem Abschnitt stehen die Analyse der Performance und der Renditeverteilungen von SRI-Aktienindizes im Mittelpunkt. Dabei werden neben einem ausführlichen Literaturüberblick verschiedene Analysen durchgeführt, die einen umfassenden Vergleich mit konventionellen Aktienindizes ermöglichen. In Abschnitt 3.5.2.1 wird untersucht, ob die Performance von SRI-Aktienindizes besser oder schlechter ist als diejenige von konventionellen Aktienindizes. Dabei werden auch spezielle Konstruktionen von Long-/Short-Portfoliokonstruktionen betrachtet, für die in der Literatur eine überdurchschnittliche Performance berichtet wird. Abschnitt 3.5.2.2 schließt daran an und vergleicht ausgewählte SRI- Indizes über die Sensitivität bezüglich makroökonomischer Faktoren wie Ölpreis und US-Zinsen sowie die sektorale Struktur der jeweiligen Indizes. In Abschnitt 3.5.2.3 werden die Ergebnisse von Simulationen mit dem in Abschnitt 3.3.3 dargestellten ökonometrischen Modell beschrieben, bei denen nicht nur die Performance, sondern die gesamten Renditeverteilungen von ausgewählten SRI- Aktienindizes untersucht werden. Abschließend wird analysiert, wie Put- Optionsstrategien zur Risikoreduktion bei SRI-Indizes wirken. 3.5.2.1 Performancevergleich: SRI vs. konventionelle Anlagen Der Vergleich der Performance von SRI-Fonds mit konventionellen Fonds und Indizes begann schon Anfang der 1970er Jahre mit einer empirischen Studie von Moskowitz (1972). Seitdem wurden insbesondere in den 1990er Jahren sowie verstärkt seit etwa 2000 eine Reihe neuer Analysen durchgeführt und veröffentlicht, die mit unterschiedlichen ökonometrischen Verfahren und methodischen Konzepten die Performanceunterschiede quantitativ erfassen. Das Interesse aus finanzwirtschaftlicher Sicht ist begründet in der portfoliotheoretischen Überlegung, dass Einschränkungen des Anlageuniversums die Performance in der Regel verschlechtern sollten. Eine entsprechende Darstellung findet sich auch in Abschnitt 3.5.1.4. Die Begründung dafür ist, dass jeder auf konventionelle Anlagen ausgerichtete Portfoliomanager auch in der Lage sein sollte, Anlagen entsprechend den SRI-Ratings durchzuführen, während ein SRI- Portfoliomanager in seinen Anlagemöglichkeiten eingeschränkt ist. In einer Studie auf Basis von simulierten optimalen Portfolios kommen Geczy, Stambaugh und Lewin (2004) zu dem Ergebnis, dass Anleger in nachhaltigen Kapitalanlagen einen gewissen Preis für die spezielle Aktienauswahl der Portfolios zu zahlen haben. Der Preis in Form einer geringen risikoadjustierten Rendite hängt stark von den verwendeten Modellannahmen und dem unterstellten Investorverhalten ab. Im günstigsten Fall beträgt die Renditereduktion nur wenige Basispunkte pro Jahr. Der größte Teil der empirischen Studien, die auf statistischen und ökonometrischen Schätzungen beruhen, kommt zu dem Ergebnis, dass es keinen nach- 132 weisbaren Unterschied in der risikoadjustierten Rendite zwischen SRI-Fonds und konventionellen Fonds gibt. In den früheren Studien (z.B. Luther, Matatko & Corner, 1992; Hamilton, Jo & Stratman, 1993; White, 1995) wird für die Analyse ein einfaches Marktmodell verwendet: , ,SRI t Markt t tr r? ? ?= + + , bei dem als erklärender Faktor für die Renditen eines SRI-Fonds die Renditen eines passenden Marktportfolios verwendet werden. Luther und Matatko (1994) ist die erste Studie, bei der als zusätzlicher Faktor die Renditen eines Indexes für Unternehmen mit geringer Marktkapitalisierung („Small Cap“-Index) verwendet wird. Dies ist deshalb relevant, da viele SRI-Fonds eine relativ hohe Investitionsquote in solchen kleineren Unternehmen aufweisen. Methodisch fortgeschrittene Untersuchungen verwenden entweder einen Matching-Ansatz oder synthetische Portfolios, häufig kombiniert mit Multifaktormodellen. Beim Matching-Ansatz (zum Beispiel Mallin, Saadouni & Briston, 1995; Gregory, Matatko & Luther, 1997; Statman, 2000; Kreander, Gray, Power & Sinclair, 2002; Stone, Gultekin & Adams, 2001) wurden SRI-Fonds mit solchen konventionellen Fonds verglichen, die ähnliche Charakteristika aufweisen. In der Regel wird das Matching anhand der Kriterien Investmentuniversum sowie Größe und Alter des Fonds durchgeführt. Das Ziel ist es dabei, die Management- und Transaktionskosten der miteinander verglichenen Fonds korrekt zu berücksichtigen. Wie bereits in den vorangegangenen Studien zeigt sich auch, dass sich die Performance zwischen konventionellen und SRI-Fonds nicht signifikant unterscheidet. Die Studie von Bauer, Koedijk und Otten (2005) verwendet Multifaktormodelle zur Überprüfung der Performance von SRI-Fonds aus Großbritannien, Deutschland und den USA. Dabei werden die Faktoren des 4-Faktorenmodells von Carhart (1997) eingesetzt. Diese Faktoren sind: das Marktportfolio; ein Portfolio, das die Renditeunterschiede zwischen Unternehmen mit hoher und geringer Marktkapitalisierung abbildet; ein drittes Portfolio, das die Renditeunterschiede zwischen Unternehmen mit niedriger und hoher Bewertung (Buchwert zu Marktwert) berücksichtigt, sowie ein vierter Faktor, der den sogenannten Momentumeffekt abbildet. Die wichtigsten Ergebnisse dieser Studie sind: 1. SRI-Fonds aus Deutschland und den USA haben eine geringere Performance als die genannten vier Faktoren und sind ebenfalls etwas schlechter als konventionelle Fonds. Diese Unterschiede sind nicht signifikant. 2. SRI-Fonds weisen teilweise andere Investmentstile auf als konventionelle Fonds. So sind Unternehmen mit niedrigem Buch- zu Marktwert (= „Value Stocks“) und solche mit geringer Marktkapitalisierung überrepräsentiert. Eine Reihe weiterer Studien untersucht die Performance von SRI-Aktienindizes oder konstruiert synthetische Portfolios auf der Basis von SRI-Ratings. Diese beiden Ansätze werden auch in eigenen Untersuchungen in diesem Abschnitt weiter verwendet. Beide Ansätze erlauben es, wesentlich leichter als die Matchingverfahren, die Kostenunterschiede zwischen SRI- und konventionellen 133 Fonds korrekt zu berücksichtigen. Die Verwendung von SRI-Aktienindizes hat den weiteren Vorteil, dass diese Indizes (z.B. der DJ Sustainability Welt Index) von Investoren als Benchmark oder Anlagerichtlinie verwendet werden. In Form von Spezialfonds können sie institutionellen Investoren auch direkt als Anlageobjekt dienen. Außerdem sind die Ergebnisse für SRI-Aktienindizes auch auf entsprechende Fonds übertragbar, da sie auf den gleichen SRI-Ratings beruhen. Die Verwendung synthetischer Portfolios ist vor allem aus methodischer Sicht interessant, da es dabei besonders gut möglich ist, die Performanceunterschiede zwischen Unternehmen mit gutem und schlechtem SRI-Rating herauszuarbeiten. Aber synthetische Portfolios könnten sich auch als Vorlage für innovative Anlagen zum Beispiel in Spezialfonds eignen. Auf Basis von solchen synthetischen Portfolios gibt es derzeit zwei Studien, die Performanceanalysen für den US-Aktienmarkt durchführen. Derwall, Günster, Bauer und Koedijk (2005) verwenden die SRI-Ratings von Innovest und formen daraus Portfolios, die in Bezug auf SRI entweder aus „gut“ oder aus „schlecht“ bewerteten Unternehmen bestehen. Diese Portfolios sowie das Differenzportfolio („gutes“ minus „schlechtes“ SRI-Ratingportfolio) werden mithilfe eines Multifaktormodells analog Bauer et al. (2005) untersucht. Das Ergebnis zeigt, dass eine hohe und signifikante Outperformance des Differenzportfolios vorliegt: Die Outperformance beträgt circa 5% pro Jahr. Bezogen auf die zwei Einzelportfolios zeigt sich, dass das Portfolio mit den „gut“ gerateten Unternehmen eine signifikant positive Outperformance aufweist, während die Performance des Portfolios mit den „schlechten“ Unternehmen zwar negativ, aber nicht signifikant ist. Das Differenzportfolio stellt im Prinzip einen Hedge-Fonds dar, der die Aktienauswahl auf Basis von SRI-Ratings durchführt. Der Hedge-Fonds investiert in Unternehmen mit relativ hohem SRI-Rating und führt Leerverkäufe in Unternehmen mit relativ niedrigen SRI-Ratings durch. Durch diese Vorgehensweise ist dieser Hedge-Fonds weitestgehend gegen Marktschwankungen immunisiert und „wettet“ vor allem auf die Unterschiede in den SRI-Ratings. Kempf und Osthoff (2007a) verwenden die SRI-Ratings von KLD für US- Unternehmen und führen eine sehr ähnliche Untersuchung wie Derwall et al. (2005) durch. Auch sie finden eine signifikante und sehr hohe Outperformance für das Differenzportfolio aus „gut“ und „schlecht“ gerateten Unternehmen. Die höchste Outperformance mit 8,70% pro Jahr erzielen sie bei Anwendungen eines Best-in-Class-Screenings, dabei werden in den Portfolios nur 5% besonders gut beziehungsweise besonders schlecht gerateter Unternehmen verwendet. Die Outperformance sinkt deutlich, wenn weitere Unternehmen aufgenommen werden (z.B. die 10% oder 25% der „gut“ und „schlecht“ gerateten Unternehmen). Die Ergebnisse sind dann am besten, wenn alle sechs Ratingkategorien (Community, Diversity, Employee Relationships, Environment, Human Rights, Product) im Sinne eines Positiv-Screenings angewandt werden. Analysiert auf Basis der einzelnen Ratingkategorien ergibt sich eine signifikante Outperformance nur für Community, Diversity und Employee Relationships; die Kombination aller sechs 134 Kriterien übertrifft allerdings diese Einzelergebnisse. Genauso wie bei Derwall et al. (2005) ergeben sich die signifikanten Ergebnisse nur für die Top- Unternehmen sowie das Differenzportfolio, nicht aber für die „schlecht“ gerateten Unternehmen. Die Studie von Galema, Plantinga und Scholtens (2008) wirft einige Zweifel an der Nützlichkeit von SRI-Ratings in Bezug auf die Verbesserung der Performance auf. Galema et al. (2008) untersuchen, wie sich die Menge der effizienten Portfolios verändert, wenn die SRI-Ratings von KLD als Investmentkriterium verwendet werden. Sie bilden einerseits aus den „gut“ bewerteten Unternehmen nach den Kriterien Community, Diversity und Employee Relationships ein „Social Portfolio“. Andererseits werden die Ausschlusskriterien „Alcohol, Gambling, Firearms, Military, Nuclear Power and Tobacco“ dazu verwendet, ein „Sin Portfolio“ aufzustellen. Das Ergebnis in Bezug auf die Performance fassen sie prägnant so zusammen: Ein Investor, der die Performance (= risikobereinigte Rendite) erhöhen will, sollte in das „Sin Portfolio“ investieren und das „Social Portfolio“ leer verkaufen. Kempf und Osthoff (2007a) argumentieren, dass die zusätzliche Verwendung eines Negativ-Screenings bezogen auf die „Sin Stocks“ die Outperformance leicht verschlechtert; trotzdem kommen beide Studien doch zu sehr unterschiedlichen Resultaten. Untersuchungen unter Verwendung von SRI-Aktienindizes liefern keine spektakulären Ergebnisse. Die Studien von Kurtz und DiBartolomeo (1996), Sauer (1997), DiBartolomeo und Kurtz (1999) sowie Statman (2000) untersuchen den Domini 400 Social-Index, den ältesten SRI-Index in den USA, der seit 1995 unter Verwendung der KLD Ratings konstruiert wird. Als Benchmark dient der S&P500-Index. Das Resultat zeigt keine signifikant unterschiedliche Performance der beiden Indizes. Garz et al. (2002a) untersuchen den Dow Jones Sustainability Index Europe und finden eine leichte, aber signifikante Outperformance zum DJ Stoxx600 Index. Eine umfassende Analyse von insgesamt 29 SRI-Aktienindizes stammt von Schröder (2007). Unter Verwendung von Multifaktormodellen werden Einzelgleichungen und Systeme von Gleichungen geschätzt, um die Performance der SRI-Indizes zu quantifizieren. Dabei werden jeweils individuelle Benchmark- Indizes verwendet, die in etwa der Hälfte der Fälle von den SRI-Indexbetreibern als offizielle Benchmark angegeben werden. Das Ergebnis zeigt, dass sich die (risikoadjustierte) Performance der SRI-Indizes nicht signifikant von derjenigen der Benchmarkindizes unterscheidet. Durch die spezielle SRI-Auswahl ist das Risiko der SRI-Indizes höher als das der Benchmarks. Im Folgenden werden eigene Untersuchungen durchgeführt, die sowohl die Methodik der synthetischen Long-/Short-Portfolios von Derwall et al. (2005) und Kempf und Osthoff (2007a) umfassen als auch einige ergänzende Analysen mit SRI-Aktienindizes. Zunächst werden auf Basis der Ratings von Bank-Sarasin-Portfolios mit „gut“ und „schlecht“ gerateten Unternehmen in Europa und den USA erstellt und mit 135 Multifaktormodellen ökonometrisch untersucht. Diese Analyse bietet eine zweifache Erweiterung der Studien von Derwall et al. (2005) und Kempf und Osthoff (2007a). Zum einen wird für die USA die gleiche Analyse mit den Ratings von Bank Sarasin durchgeführt. Zum anderen werden die Sarasin-Ratings auch für europäische Unternehmen getestet. Auf diese Weise können die Robustheit der bisherigen Studien analysiert und außerdem Unterschiede zwischen den Regionen USA und Europa quantifiziert werden. Bank Sarasin verwendet sowohl Ratings von Sektoren als auch Unternehmensratings nach dem Best-in-Class-Verfahren. Die Unternehmensratings werden dabei relativ zum jeweiligen Sektordurchschnitt definiert. Den Ratings liegt eine Skala von 1 (sehr schlecht) bis 5 (sehr gut) zugrunde. In die Top-Portfolios werden nur Unternehmen mit den Ratings 4 und 5 aufgenommen, in die Bottom- Portfolios solche mit Ratings von 1 und 2. Die Untersuchung bezieht sich auf den Zeitraum von Januar 1996 bis Juli 2006. Vor 1996 hat Bank Sarasin keine Ratings erstellt, aber auch in den Jahren 1996 bis 1998 bestehen die Portfolios teilweise nur aus sehr wenigen Unternehmen. Da die Ratings jeweils halbjährlich vorgenommen werden, bleibt die Zusammensetzung der Portfolios in den Perioden Januar bis Juni sowie Juli bis Dezember unverändert. Die Portfolios sind jeweils gleich gewichtet. Die Tabellen 32 und 33 zeigen die Ergebnisse der Performanceregressionen für die Einzelportfolios und die Differenzportfolios. Diesen Regressionen liegt die folgende Gleichung zugrunde: , 1 , 2 , 3 , 4 ,Portfolio t Markt t SMB t HML t MOM t tr r r r r? ? ? ? ? ?= + + + + + Die erklärenden Faktoren für die Returns des jeweiligen Portfolios sind die vier Faktoren des Carhart-Modells (1997), also das Marktportfolio. Das SMH- Portfolio bildet die Returnunterschiede zwischen kleinen und großen Unternehmen ab, das HML-Portfolio diejenigen zwischen Unternehmen mit hoher und niedriger Relation von Buch- zu Marktwert und das MOM-Portfolio ist die Differenz zwischen Unternehmen, die in den vorangegangenen zwölf Monaten eine besonders hohe beziehungsweise eine besonders niedrige Kursveränderung aufwiesen. In Tabelle 32 sind die Ergebnisse für die USA aufgeführt, in Tabelle 33 diejenigen für die Europa-Portfolios. „IND“ bezeichnet die Portfolios entsprechend den sektoralen SRI-Ratings, „COM“ diejenigen für die Best-in-Class- Unternehmensratings. 136 Tabelle 32: Performance der Sarasin-Portfolios für USA ? ?1 ?2 ?3 ?4 INDTOP 0,006 (2,07)** 1,078 (13,12)*** -0,1207 (-1,12) -0,1421 (-0,87) -0,0192 (-0,28) INDBOT -0,004 (-1,26) 0,9643 (14,05)*** -0,1069 (-1,41) 0,4988 (4,86)*** -0,0496 (-0,68) INDTOP- INDBOT 0,0105 (2,16)** 0,1085 (1,01) (-0,0821) (-0,55) (-0,6375) (-2,76)*** 0,0431 (0,44) COMTOP 0,004 (1,40) 1,2071 (18,22)*** 0,0004 (0,01) 0,0149 (0,17) -0,1895 (-3,05)*** COMBOT 0,002 (0,66) 1,0361 (15,82)*** -0,1296 (-1,58) 0,0153 (0,14) -0,0618 (-0,91) COMTOP- COMBOT -0,0007 (-0,28) 0,1432 (2,24)** 0,2176 (2,84)*** -0,0391 (-0,43) -0,1547 (-3,68)*** Anmerkungen: Signifikanzniveaus: * = 10%, ** = 5%, *** = 1%; robuste Newey-West- Standardfehler in ( ); Zeitraum: Juli 1996 bis Dezember 2006. Tabelle 33: Performance der Sarasin-Portfolios für Europa ? ?1 ?2 ?3 ?4 INDTOP 0,0071 (1,92)** 1,1759 (16,60)*** 0,0704 (0,53) -0,2785 (-2,09)** -0,1275 (-1,58) INDBOT 0,0013 (0,64) 0,8410 (30,49)*** 0,5404 (6,88)*** 0,3745 (3,26)*** -0,0365 (-0,71) INDTOP- INDBOT 0,0059 (1,19) 0,3349 (4,29)*** -0,4701 (-2,81)*** -0,6530 (-3,12)*** -0,0910 (-0,78) COMTOP 0,0019 (1,27) 0,9626 (29,84)*** 0,4630 (7,55)*** 0,0922 (1,57) -0,0717 (-2,50)** COMBOT 0,0023 (1,28) 1,2068 (31,99)*** 0,3692 (5,15)*** 0,0849 (1,23) -0,0252 (-0,75) COMTOP- COMBOT -0,0003 (-0,17) -0,2442 (-5,65)*** 0,0938 (1,14) 0,0072 (0,09) -0,0465 (-1,21) Anmerkungen: Signifikanzniveaus: * = 10%, ** = 5%, *** = 1%; robuste Newey-West- Standardfehler in ( ); Zeitraum: Juli 1996 bis Dezember 2006. Für die USA ergibt sich eine signifikante Outperformance bei den sektoralen Portfolios, in Bezug auf die am besten gerateten Unternehmen („Top“) sowie für die Differenz zwischen „Top“ und „Bottom“. Die Outperformance für das Differenzportfolio ist mit 1% pro Monat auch ökonomisch gesehen sehr hoch. Für die Portfolios, die nach den Unternehmensratings gebildet sind, ergeben sich jedoch keine signifikanten Werte für ?. Der geschätzte ?-Wert für das Differenzportfolio ist sogar negativ, wenn auch nicht signifikant. Wie Tabelle 33 zeigt, sind die Resultate für die Europa-Portfolios recht ähnlich. Auch hierbei ergibt sich eine signifikante Outperformance für das „Top“- Portfolio bei Anwendung der sektoralen SRI-Ratings, nicht jedoch für das Differenzportfolio. Die Unternehmensratings führen wie für die USA zu keinen Performance-Unterschieden zwischen den „gut“ und „schlecht“ gerateten Unternehmen. Im Vergleich zu Derwall et al. (2005) und Kempf und Osthoff (2007a) gibt es wichtige Übereinstimmungen, aber auch einige Unterschiede. Übereinstimmend 137 mit diesen zwei Studien zeigen die Ergebnisse eine signifikante Outperformance für die USA, die durch die am besten gerateten Unternehmen bestimmt wird. Diese Outperformance ergibt sich nur für die Sektorratings, nicht für die Best-in- Class-Ratings. Dies ist ein markanter Unterschied zu den beiden anderen Untersuchungen. Interessant ist, dass sich die signfikanten Resultate für die USA für gleichgewichtete Portfolios ergeben. Derwall et al. (2005) finden eine signifikante Outperformance nur für kapitalisierungsgewichtete Portfolios, jedoch nicht für gleichgewichtete. Für die Robustheit der Schätzresultate spricht, dass auch das Top-Portfolio Europa auf Basis der Sektorratings eine signifikante Überrendite zu den Faktorportfolios aufweist. Die meisten der SRI-Aktienindizes sind nach Best-in-Class-Ratings konstruiert; die gut gerateten Unternehmen gehen entsprechend mit einem besonders hohen Gewicht in die Indizes ein. Eine Überprüfung der Resultate von Derwall et al. (2005) sowie Kempf und Osthoff (2007a) müsste daher auch mithilfe der SRI- Indizes möglich sein. Da die meisten der Aktienindizes aber nicht nur die sehr gut gerateten Unternehmen enthalten, sondern auch eine große Anzahl eher mittelmäßig eingestufter Unternehmen, könnten die Ergebnisse hierdurch deutlich „verwässert“ sein. Dies zeigen auch Analysen von Kempf und Osthoff (2007a) unter Verwendung der Top-50%. In diesem Fall finden die Autoren keine signifikante Outperformance mehr. Die Analysen von Schröder (2007) zu 29 internationalen SRI-Aktienindizes bestätigen die Vermutung, dass durch die breite Streuung dieser Indizes auch auf solche Unternehmen, die kein Top-SRI-Rating aufweisen können, die Performance ungünstig beeinflusst wird. So weist kein einziger der 29 Indizes eine signifikante Outperformance auf. Für die vier SRI-Indizes – DJSI Welt, FTSE4Good Global 100, Ethical Index Global und Naturaktienindex (NAI) – werden die Analysen von Schröder (2007) mit aktualisierten Daten erneut durchgeführt. Diese vier Indizes werden auch in Abschnitt 3.5.2.3 im Rahmen von stochastischen Simulationen weiter untersucht. Die Performanceschätzungen werden mit Total Return-Indizes, denominiert in US-Dollar durchgeführt. Diese Indizes enthalten im Gegensatz zu Preisindizes alle Ausschüttungen an die Anleger. Nur der NAI ist ein Preisindex und wird entsprechend analysiert. Der Zeitraum der Schätzungen beginnt mit dem jeweiligen offiziellen Auflegungsdatum des Indexes. Wie Schröder (2007) zeigt, weisen die Indizes bei Verwendung von Perioden vor dem Auflegungsdatum (z.B. DJSI, FTSE) eine höhere Performance auf als danach. Diese positive Verzerrung der Performance wird auch als „Backfill Bias“ bezeichnet. Es ist daher wichtig, die Indexzeitreihen erst ab dem Auflegungsdatum zu verwenden. 138 Ta be lle 3 4: Pe rfo rm an ce an al ys e d er S RI -A kt ie ni nd iz es Sp an ni ng -T es ts Ze itr au m ? ? 1 ? 2 ? 3 Ad ju sti er te s R ² B 0 = 0 , B 1 = 1 B 0 = 0 , B 1+ B 2+ B 3 = 1 D JS I 19 99 M 10 –2 00 6M 06 0, 00 03 (-0 ,3 3) 1, 04 2 (3 8, 91 )* ** - - 0, 95 6 1, 21 8 - D JS I 19 99 M 10 –2 00 6M 06 0, 00 04 (0 ,5 3) 1, 08 5 (1 8, 15 )* ** -0 ,0 61 (-1 ,2 5) -0 ,0 93 (-1 ,4 3) 0, 95 8 - 0, 68 0 Et hi ca l 20 01 M 02 –2 00 6M 06 -0 ,0 00 7 (-1 ,2 6) 1, 00 4 (8 7, 16 )* ** - - 0, 98 7 1, 11 7 - Et hi ca l 20 01 M 02 –2 00 6M 06 -0 ,0 00 8 (-1 ,4 5) 0, 99 44 (5 4, 35 )* ** 0, 00 98 (0 ,4 98 ) 0, 01 8 (0 ,3 2) 0, 98 6 - 1, 05 6 FT SE 20 01 M 08 –2 00 6M 06 -0 ,0 02 9 (-2 ,7 2) ** * 1, 02 6 (2 5, 91 )* ** - - 0, 95 8 7, 56 6* ** - FT SE 20 01 M 08 –2 00 6M 06 -0 ,0 01 0 (-1 ,1 0) 1, 35 7 (1 8, 23 )* ** -0 ,3 18 (-5 ,4 2) ** * -0 ,0 42 (-0 ,8 9) 0, 98 0 - 0, 61 0 N A I 19 97 M 04 –2 00 6M 06 0, 00 9 (2 ,3 8) ** 0, 77 5 (9 ,8 8) ** * - - 0, 46 7 6, 50 ** * - N A I 19 97 M 04 –2 00 6M 06 0, 00 6 (1 ,7 3) * 0, 23 6 (1 ,6 1) 0, 64 8 (5 ,1 0) ** * 0, 44 9 (4 ,2 7) ** * 0, 46 7 - 4, 56 ** A nm er ku ng en : S ig ni fik an zn iv ea us : * = 1 0% , * * = 5% , * ** = 1 % ; r ob us te N ew ey -W es t-S ta nd ar df eh le r in ( ) ; D JS I, Et hi ca l u nd F TS E sin d To ta l- Re tu rn -In di ze s, de r N A I i st ei n Pr ei sin de x; d ie B en ch m ar k- Fa kt or en s in d en tsp re ch en d eb en fa lls T ot al -R et ur no de r P re isi nd iz es . D er S ch ät zz ei tra um be gi nn t m it de m o ffi zi el le n A uf le gu ng sd at um d es je w ei lig en In de xe s. 139 Für die Schätzungen werden zwei Modelle verwendet, das Marktmodell sowie das Fama-French-Modell.167 Das letztere entspricht dem Carhart-Modell ohne den Momentumfaktor: Marktmodell: , 1 ,Portfolio t Markt t tr r? ? ?= + + Fama-French: , 1 , 2 , 3 ,Portfolio t Markt t SMB t HML t tr r r r? ? ? ? ?= + + + + Während der DJSI- und der Ethical-Index weder im Marktmodell noch im Fama-French-Modell eine signifikant abweichende Performance aufweisen, ergibt sich eine Unterperformance für den FTSE-Index im Marktmodell. Die Unterperformance des FTSE ist auf vernachlässigte Einflussfaktoren zurückzuführen, entsprechend ist sie im Fama-French-Modell nicht mehr signifikant. Diese sehr breit gestreuten SRI-Indizes verhalten sich ähnlich wie die Benchmark-Indizes. Dies zeigen die hohen Werte für das adjustierte R2 sowie die Ergebnisse der Spanning- Tests. Für diese drei Indizes werden die Spanning-Tests nicht verworfen und dies bedeutet, dass die SRI-Indizes durch die geschätzten Parameter der gewichteten Benchmark-Faktoren repliziert werden können. Für DJSI und Ethical ist dies alleine mit dem Marktindex möglich, bei FTSE durch die Faktoren des Fama- French-Modells. Ganz anders sehen die Resultate für den NAI aus. In beiden Modellen zeigt sich eine signifikante und recht hohe Outperformance des NAI. Das vergleichsweise geringe R2 bestätigt, dass der NAI eine sehr spezielle Aktienauswahl enthält. Nach den offiziellen Informationen zu urteilen (www.nai-index.de), wird dieser Index vorwiegend nach ökologischen, sozialen und ethischen Kriterien konstruiert und enthält derzeit 30 weltweit ausgewählte Aktien. Die Ergebnisse der Spanning-Tests zeigen, dass sich dieser Index nicht durch die Benchmarks replizieren lässt, sondern eine ganz eigene Aktienauswahl repräsentiert. Entsprechend der Schätzung des Fama-French-Modells weist der NAI im Untersuchungszeitraum eine signifikante Outperformance von 0,60% pro Monat gegenüber den Benchmark-Faktoren auf. Die Untersuchungen der vier SRI-Indizes bestätigen die Schlussfolgerungen aus Derwall et al. (2005) sowie Kempf und Osthoff (2007a): Eine spezielle Aktienauswahl, die an Nachhaltigkeitskriterien ausgerichtet ist, ist in der Lage, die Performance konventioneller Aktienanlagen zu übertreffen. Dazu scheint es notwendig zu sein, die Aktienauswahl strikt nach diesen Kriterien auszurichten und nur die am besten gerateten Unternehmen aufzunehmen. Wenn auch Unternehmen mit mittelmäßigem SRI-Rating in die Indizes aufgenommen werden, dann ist die Performance in der Regel nicht schlechter als diejenige von konventionellen Indizes. 167 Für die Faktoren des Fama-French-Modells werden folgende Indizes von MSCI verwendet: Marktfaktor = MSCI-Welt-Index, SML = MSCI Small Cap Index, HML = Differenz zwischen dem MSCI Value Index und dem MSCI Growth Index. 140 Eine gewisse Vorsicht bezüglich der zu erwartenden zukünftigen Performance von SRI-Aktien ist trotzdem angebracht. Zum einen gibt es Studien mit gegenteiligen Ergebnissen wie z.B. Galema et al. (2008). Zum anderen fehlt ein klarer Wirkungsmechanismus, der die Outperformance gegenüber konventionellen Anlagen befriedigend erklären kann. 3.5.2.2 Weitere Eigenschaften der Renditeverteilungen von SRI-Anlagen In diesem Abschnitt stehen weitere vertiefte Analysen der Renditeverteilung der SRI-Aktienindizes und der Sarasin-Portfolios im Mittelpunkt. Während der vorangegangene Abschnitt die Performance untersucht hat, werden hier spezielle Eigenschaften der Indexzeitreihen betrachtet: die Sensitivität bezüglich makro- ökonomischer Einflussfaktoren sowie die sektorale Ausrichtung der Indizes. Die erste Analyse untersucht, ob die SRI-Indizes und die Sarasin-Portfolios eine besondere Sensitivität hinsichtlich wichtiger makroökonomischer Faktoren aufweisen. Dies ist hilfreich, um zu erfahren, ob diese Indizes spezielle Risiken gegenüber makroökonomischen Entwicklungen aufweisen. Die verwendeten Makrofaktoren sind: der Preis für Rohöl, die Industrieproduktion USA sowie langfristige und kurzfristige US-Zinsen. Der Rohölpreis soll zeigen, ob die SRI-Anlagepolitik möglicherweise von einem ansteigenden Ölpreis profitiert, beispielsweise durch eine Ausrichtung an Solarenergie und entsprechenden Vorprodukten. Der Index der US-Industrieproduktion repräsentiert die US-Konjunktur und damit auch einen wichtigen Einflussfaktor auf die Weltkonjunktur. Die beiden US-Zinsen mit einer Laufzeit von zehn Jahren und drei Monaten sind zentrale Faktoren der weltweiten Zinsentwicklung. Die Tabelle 35 zeigt die Schätzergebnisse für die Faktoren auf der Basis des Fama-French-Modells, das auch den Schätzergebnissen von Tabelle 34 zugrunde liegt. Die Gleichung wird um die genannten vier makroökonomischen Faktoren erweitert:168 , 1 , 2 , 3 , 4 5 6 7log( ) log( ) log(1 10 ) log(1 3 ) Portfolio t Markt t SMB t HML t t t t t t r r r r Oil USIP USZ USZ M ? ? ? ? ? ? ? ? ? = + + + + + ? + ? + ? + + ? + + Die makroökonomischen Faktoren werden in Form der logarithmischen Differenzen zum Vormonat verwendet; diese entsprechen näherungsweise den Prozentveränderungen zum Vormonat. Es zeigt sich, dass von den vier untersuchten SRI-Aktienindizes nur der FTSE4Good Global 100 eine signifikante Sensitivität aufweist bezüglich des kurzfristigen US-Zinses. Das negative Vorzeichen bedeutet, dass der FTSE bei einer Zinserhöhung deutlich stärker negativ reagiert als die im Modell berück- 168 Für die Faktoren des Fama-French-Modells werden folgende Indizes von MSCI verwendet: Marktfaktor = MSCI-Welt-Index, SML = MSCI Small Cap Index, HML = Differenz zwischen MSCI Value Index und MSCI Growth Index. 141 sichtigten Benchmark-Indizes. Der FTSE zeigt ein besonderes Risiko in Bezug auf die US-Geldpolitik auf. Die anderen drei SRI-Indizes reagieren hingegen nicht signifikant anders auf Veränderungen der makroökonomischen Faktoren als die Benchmark-Indizes. Tabelle 35: Makroökonomische Sensitivitäten SRI-Indizes ?4 ?5 ?6 ?7 DJSI -0,019 (-1,25) -0,190 (-0,96) -0,140 (-0,29) -0,078 (-0,20) Ethical 8,46E-05 (0,01) 0,136 (1,23) 0,386 (1,10) -0,553 (-1,20) FTSE -0,004 (-0,44) 0,279 (1,27) 0,193 (0,66) -0,993 (-2,83)*** NAI 0,006 (0,16) 0,400 (0,65) 1,680 (1,04) 2,714 (0,991) Anmerkungen: Signifikanzniveaus: * = 10%, ** = 5%, *** = 1%; robuste Newey-West- Standardfehler in ( ); Schätzzeiträume siehe Tabelle 34. Die beiden folgenden Tabellen 36 und 37 zeigen die Schätzergebnisse für die Sarasin-Portfolios USA und Europa. Die Portfoliokonstruktion stimmt überein mit der im vorangegangenen Abschnitt dargestellten Vorgehensweise. Entsprechend wird das den Tabellen 32 und 33 zugrunde liegende Carhart-Modell um die vier makroökonomischen Faktoren ergänzt. Bei den Sarasin-Portfolios für USA zeigen sich nur zwei schwach signifikante Einflüsse makroökonomischer Faktoren: Das sektorale Differenzportfolio, aber nicht die Einzelportfolios, reagiert signifikant negativ auf Preissteigerungen für Rohöl. Das Top-Portfolio für die Best-in-Class-Unternehmensratings ist weniger sensitiv in Bezug auf den langfristigen US-Zins als die Benchmarks. , 1 , 2 , 3 , 4 , 5 6 7 8log( ) log( ) log(1 10 ) log(1 3 ) Portfolio t Markt t SMB t HML t MOM t t t t t t r r r r r Oil USIP USZ USZ M ? ? ? ? ? ? ? ? ? ? = + + + + + + ? + ? + ? + + ? + + Die Europa-Portfolios ergeben etwas signifikantere Makroeinflüsse. Das Differenzportfolio auf Basis der sektoralen Ratings zeigt die gleiche negative Reagibilität bezüglich des Ölpreises auf wie das entsprechende Pendant für die USA. Interessanterweise ist das Differenzportfolio der Unternehmensratings von einer Sensitivität zum Ölpreis mit positivem und damit genau dem umgekehrten Vorzeichen gekennzeichnet. Das Top-Portfolio mit den Unternehmensratings (COMTOP) zeigt, vergleichbar mit dem entsprechenden US-Portfolio, eine geringere Sensitivität zum langfristigen US-Zins auf als die Benchmarks. Außerdem scheint eine signifikante Konjunkturreagibilität beim Europa-Portfolio COMBOT und dem dazugehörigen Differenzportfolio vorzuliegen. Insgesamt ergeben sich einige interessante Übereinstimmungen zwischen den Sarasin-Portfolios für Europa und USA, die auf einen gemeinsamen makroökonomischen Faktoreinfluss bei der Portfoliokonstruktion hinweisen. Die speziellen 142 Sensitivitäten zeigen außerdem, für welche makroökonomischen Faktoren ein besonderes Risikoexposure besteht, das von demjenigen der Benchmark-Indizes abweicht. Tabelle 36: Makroökonomische Sensitivitäten Sarasin-Portfolios USA ?5 ?6 ?7 ?8 INDTOP -0,040 (-1,35) -0,570 (-0,82) 0,696 (0,56) -1,302 (-0,61) INDBOT 0,041 (1,20) -0,383 (-0,83) 0,984 (0,93) 1,089 (0,875) INDTOP- INDBOT -0,100 (-1,79)* -0,656 (-0,81) -0,778 (-0,44) -1,142 (-0,50) COMTOP -0,039 (-1,47) 0,090 (0,17) 1,657 (1,70)* 0,162 (0,08) COMBOT -0,009 (-0,33) -0,564 (-0,81) 0,648 (0,61) 0,340 (0,18) COMTOP- COMBOT -0,003 (-0,09) 0,552 (0,98) 2,137 (1,61) -1,344 (-0.67) Anmerkungen: Signifikanzniveaus: * = 10%, ** = 5%, *** = 1%; robuste Newey-West- Standardfehler in ( ); Zeitraum: Juli 1996 bis Dezember 2006. Tabelle 37: Makroökonomische Sensitivitäten Sarasin-Portfolios Europa ?5 ?6 ?7 ?8 INDTOP -0,040 (-1,35) -0,570 (-0,82) 0,696 (0,56) -1,302 (-0,61) INDBOT 0,041 (1,20) -0,383 (-0,83) 0,984 (0,93) 1,089 (0,875) INDTOP- INDBOT -0,100 (-1,79)* -0,656 (-0,81) -0,778 (-0,44) -1,142 (-0,50) COMTOP -0,039 (-1,47) 0,090 (0,17) 1,657 (1,70)* 0,162 (0,08) COMBOT -0,009 (-0,33) -0,564 (-0,81) 0,648 (0,61) 0,340 (0,18) COMTOP- COMBOT -0,003 (-0,09) 0,552 (0,98) 2,137 (1,61) -1,344 (-0.67) Anmerkungen: Signifikanzniveaus: * = 10%, ** = 5%, *** = 1%; robuste Newey-West- Standardfehler in ( ); Zeitraum: Juli 1996 bis Dezember 2006. Die zweite Analyse dieses Abschnitts betrifft die sektorale Ausrichtung der vier SRI-Aktienindizes – DJSI Welt, FTSE4Good Global 100, Ethical Index Global und NAI – im Vergleich zum MSCI-Welt-Index. Dieser Vergleich kann Aufschluss darüber geben, ob möglicherweise unterschiedliche Strukturen zwischen den SRI-Indizes und dem konventionell ausgerichteten Aktienindex vorliegen, die zusätzliche Hinweise auf die Anlagepolitik zulassen. 143 Als Verfahren zur Identifizierung der sektoralen Strukturen wird die von William Sharpe entwickelte Analyse des Investmentstils („Style Analysis“) verwendet.169 Die angewendete Basisgleichung sieht folgendermaßen aus: 10 , , 1 1 0, SRI t i i t t i i i i r r mit und i ? ? ? ? = = + = ? ? ? ? Die 10 ?-Parameter werden durch Minimierung der Summe der quadrierten ?- Werte ermittelt, die auch als „Tracking Error“ bezeichnet werden: 2min. ( )t t ? ?? Die resultierenden zehn Parameter legen das am besten zum jeweiligen SRI- Index passende Portfolio auf den zugrunde liegenden Investmentstil-Indizes ri,t fest. Die b-Parameter können unter den gegebenen Restriktionen direkt als Portfoliogewichte interpretiert werden. DeRoon, Nijman und ter Horst (2002) zeigen, dass die von Sharpe entwickelte Methode sehr gut geeignet ist, den tatsächlichen Investmentstil herauszufinden, sofern sich die untersuchten Portfolios durch ausschließlich nichtnegative Gewichte in Bezug auf die einzelnen Portfoliobestandteile auszeichnen. In diesem Fall liefert die Methode von Sharpe unverzerrte Schätzungen des Investmentstils und damit bessere Ergebnisse als die konkrete Aktienzusammensetzung, da die Korrelationen zwischen den einzelnen Benchmark-Indizes bei der Schätzung berücksichtigt werden. Die in Tabelle 38 zusammengefassten Ergebnisse verwenden zehn MSCI-Welt- Sektorindizes, um den Investmentstil abzubilden. Investmentstil bezieht sich dabei auf die sektorale Zusammensetzung der SRI-Indizes. MSCI verwendet eine sehr differenzierte Klassifikation der Sektoren, die auf dem Global Industry Classification Standard (GICS) aufbaut.170 Für die Durchführung der Investmentstil- Analyse werden die zehn Sektoren der höchsten Aggregationsstufe verwendet. Dies sind die Sektoren: (1) Energie, (2) Rohstoffe, (3) Verarbeitendes Gewerbe, (4) Konsumgüter (Verbrauchsgüter), (5) Langlebige Konsumgüter, (6) Gesundheitswesen, (7) Finanzdienstleistungen, (8) Informationstechnologie, (9) Telekommunikation, (10) Versorger. Für die drei SRI-Indizes DJSI Welt, FTSE4Good Global 100 sowie den Ethical Index Global werden die Sektorindizes in Form von Total-Return-Indizes verwendet; im Fall des NAI werden Preisindizes genutzt. Die mit der gleichen Methodik ermittelte Sektoraufteilung des MSCI-Welt-Index dient als Vergleichsmaßstab für die Analyse der SRI-Indizes. Jeweiliger Schätzzeitraum ist der für den SRI-Index maximal mögliche Zeitraum, für den eine Analyse möglich ist. 169 Vgl. Sharpe (1992) und DeRoon et al. (2002). 170 Eine detaillierte Darstellung findet sich unter http://www.mscibarra.com/products/gics. 144 Die MSCI-Sektorindizes sind erst ab Januar 1995 verfügbar, daher beginnt der Schätzzeitraum mit diesem Datum. Die Ergebnisse der Schätzungen ergeben ein sehr komplexes Bild. Am ehesten ist eine Ähnlichkeit zwischen den drei Best-in-Class-Indizes DJSI, Ethical und FTSE zu beobachten. Es gibt einige markante Unterschiede zwischen diesen drei Indizes, besonders stark ist die Differenz der Sektorgewichtung dieser drei SRI- Indizes zum NAI. Folgende Schätzwerte aus Tabelle 38 sind besonders bemerkenswert: – Die Sektorstruktur des Ethical-Indexes hat insgesamt betrachtet die größte Ähnlichkeit mit derjenigen des MSCI-Welt-Index. Die stärksten Untergewichtungen liegen bei den Sektoren (3) Verarbeitendes Gewerbe sowie (9) Telekommunikation und (10) Versorger vor; sehr hohe Investitionsquoten bei (5) Langlebige Konsumgüter und (7) Finanzdienstleistungen. – Der DJSI Welt ist sehr stark untergewichtet in den Sektoren: (3) Verarbeitendes Gewerbe, (4) Konsumgüter (Verbrauchsgüter) und (10) Versorger. Starke Übergewichtungen relativ zum MSCI Welt bestehen bezüglich (2) Rohstoffe, (5) Langlebige Konsumgüter, (7) Finanzdienstleistungen und (8) Informationstechnologie. – Der FTSE4Good Global 100 Index weist noch deutlichere Abweichungen vom MSCI-Welt-Index auf als der DJSI. So sind markante Untergewichtungen in folgenden Sektoren zu beobachten: (1) Energie, (2) Rohstoffe, (3) Verarbeitendes Gewerbe, (4) Konsumgüter (Verbrauchsgüter) und (10) Versorger; auffällig deutliche Übergewichtungen bei den Bereichen (6) Gesundheitswesen, (7) Finanzdienstleistungen, (8) Informationstechnologie sowie (9) Telekommunikation. – Alle drei SRI-Indizes sind stark untergewichtet in (3) Verarbeitendes Gewerbe und (10) Versorger; sie haben besonders hohe Gewichte in (7) Finanzdienstleistungen und (8) Informationstechnologie, die beides Sektoren mit naturgemäß relativ geringen Schadstoffemissionen darstellen. – Die Abweichung des NAI von den Sektorgewichten des MSCI ist sehr viel deutlicher ausgeprägt als bei den drei anderen SRI-Indizes. – Der NAI weist eine davon sehr stark abweichende Sektorgewichtung auf. Er hat sehr hohe Gewichte in den drei Sektoren, die von den anderen Indizes untergewichtet werden: (2) Rohstoffe, (3) Verarbeitendes Gewerbe und (10) Versorger; fünf Sektoren kommen hingegen so gut wie gar nicht im Index vor: (4) Konsumgüter (Verbrauchsgüter), (5) Langlebige Konsumgüter, (6) Gesundheitswesen, (8) Informationstechnologie und (9) Telekommunikation. – Die Abweichung des NAI von den Sektorgewichten des MSCI ist sehr viel deutlicher ausgeprägt als bei den drei anderen SRI-Indizes. 145 Ta be lle 3 8: Er ge bn iss e d er In ve stm en tst il- A na ly se m it de r M et ho de v on S ha rp e ( 19 92 ) In de x Ze itr au m ? 1 ? 2 ? 3 ? 4 ? 5 ? 6 ? 7 ? 8 ? 9 ? 10 D JS I 01 .1 99 5– 06 .2 00 6 9, 04 % 11 ,6 4% 0, 00 % 7, 84 % 11 ,9 9% 4, 62 % 23 ,8 1% 19 ,7 3% 11 ,3 4% 0, 00 % Et hi ca l 02 .2 00 1– 06 .2 00 6 6, 79 % 5, 98 % 0, 00 % 14 ,8 4% 14 ,4 8% 8, 98 % 25 ,9 9% 15 ,3 1% 5, 24 % 2, 39 % FT SE 08 .1 99 6– 06 .2 00 6 3, 95 % 0, 00 % 0, 00 % 11 ,7 5% 5, 78 % 15 ,6 8% 25 ,4 6% 19 ,0 8% 18 ,3 1% 0, 00 % M SC I (T R ) 05 .1 99 5– 06 .2 00 6 6, 44 % 4, 75 % 11 ,3 1% 17 ,4 9% 7, 53 % 7, 00 % 16 ,5 3% 13 ,6 2% 9, 27 % 6, 06 % N A I 04 .1 99 7– 06 .2 00 6 6, 22 % 18 ,7 7% 35 ,9 0% 1, 99 % 1, 30 % 0, 00 % 14 ,3 8% 0, 00 % 0, 00 % 21 ,4 4% M SC I (P I) 04 .1 99 7– 06 .2 00 6 6, 55 % 5, 13 % 10 ,2 4% 16 ,1 3% 8, 64 % 7, 33 % 15 ,5 6% 15 ,0 9% 9, 02 % 6, 32 % A nm er ku ng en : D er Z ei tra um is t d ie m ax im al m ög lic he P er io de , f ür d ie d ie M SC I S ek to rin di ze s W el t v or lie ge n. S ek to re n: (1 ) E ne rg ie , ( 2) R oh sto ffe , (3 ) V er ar be ite nd es G ew er be , ( 4) K on su m gü te r (V er br au ch sg üt er ), (5 ) La ng le bi ge K on su m gü te r, (6 ) G es un dh ei tsw es en , ( 7) F in an zd ie ns tle ist un ge n, (8 ) I nf or m at io ns te ch no lo gi e, (9 ) T el ek om m un ik at io n, (1 0) V er so rg er ; d ie M SC I-T ot al -R et ur n- (T R) u nd -P re isi nd iz es (P I) di en en a ls V er gl ei ch sm aß sta b fü r d ie S ek to rg ew ic ht un ge n de r S RI -In di ze s. 146 3.5.2.3 Simulationsanalysen von SRI-Anlagen In diesem Abschnitt werden die Ergebnisse von Simulationen mit dem in Abschnitt 3.3.3 dargestellten ökonometrischen Modell beschrieben, bei denen nicht nur die Performance sondern die gesamten Renditeverteilungen von ausgewählten SRI-Aktienindizes und deren Unterschiede zu dem als Benchmark dienenden MSCI-Welt-Index untersucht werden. Zunächst werden statische Anlagestrategien mit Anleihe- und Aktienindizes simuliert. Von besonderem Interesse ist dabei die Analyse der Unterschiede zwischen den SRI-Aktienindizes und dem MSCI-Welt-Index. Anschließend wird in Abschnitt 3.5.2.3.2 untersucht, wie Put-Optionsstrategien zur Risikoreduktion bei SRI-Indizes wirken. Die schon in den vorangegangenen Abschnitten untersuchten vier SRI- Aktienindizes – DJSI Welt, FTSE4Good Global 100, Ethical Index Global und der Naturaktienindex (NAI) – werden weiteren Analysen unterzogen, bei denen die gesamte Renditeverteilung berücksichtigt wird. Als Grundlage dient das ökonometrische Simulationsmodell, mit dem in Abschnitt 3.4 verschiedene Anlagestrategien für Stiftungen simuliert und bewertet wurden. Die Simulationen werden so durchgeführt, dass immer ein SRI-Index mit dem MSCI-Welt-Index verglichen wird. Dazu werden die Simulationen mit beiden Indizes jeweils für den Zeitraum ab dem offiziellen Auflegungsdatum des SRI- Indexes durchgeführt. – Vergleiche der Risiko- und Performancekennzahlen sowie der Verteilung des nominalen Vermögens (beides analog zu Abschnitt 3.4) dienen der Bewertung der SRI-Indizes relativ zum konventionell ausgerichteten MSCI- Welt-Index. Zusätzlich zu den einzelnen Portfolios wird auch jeweils das Portfolio, das sich aus der Differenz der SRI- und MSCI-Portfolios ergibt, untersucht. 3.5.2.3.1 Simulation statischer Anlagestrategien mit SRI-Aktienindizes Tabelle 39 und Tabelle 40 geben die Simulationsergebnisse für den Vergleich zwischen den SRI-Indizes und dem MSCI-Welt-Index wieder. In der ersten Tabelle werden die wichtigsten Kennzahlen für die nominale Vermögensverteilung abgebildet. Wie bereits die Performanceregressionen (Tabelle 34) gezeigt haben, kann nur der NAI die Benchmark übertreffen. Im direkten ausschließlichen Vergleich mit dem MSCI-Welt-Index weist der NAI eine Outperformance von 13 Prozentpunkten über einen Zeitraum von acht Jahren auf. Die Performance der anderen drei SRI-Indizes ist etwas schlechter als diejenige des MSCI-Welt-Indexes im gleichen Zeitraum. Der FTSE4Good Global 100 schneidet bei diesem direkten Performancevergleich besonders schlecht ab. 147 Tabelle 39: Nominale Vermögensverteilung statischer Anlagestrategien mit SRI-Indizes, Anlagehorizont 1 Jahr Statistische Basiskennzahlen 100% Aktien Mittel Median Std. Min. Max. Schiefe Kurt. DJSI vs. Welt (Q1 2000 – Q2 2006) DJSI 96,81 97,01 17,50 41,00 155,70 -0,05 -0,36 Welt 97,58 97,67 17,72 41,12 146,93 -0,12 -0,52 DJSI – Welt -0,78 -0,33 3,53 -19,65 10,71 -0,80 1,33 Ethical vs. Welt (Q2 2002 – Q2 2006) Ethical 98,56 99,22 16,43 43,48 146,08 -0,24 -0,53 Welt 99,55 100,49 17,01 41,34 150,46 -0,25 -0,53 Ethical – Welt -1,00 -0,98 1,32 -5,65 3,55 -0,12 -0,09 FTSE vs. Welt (Q1 2002 – Q2 2006) FTSE 96,21 97,72 16,21 44,51 138,49 -0,33 -0,50 Welt 100,10 101,28 16,61 47,65 145,56 -0,30 -0,51 FTSE – Welt -3,89 -3,87 2,64 -15,01 7,35 0,03 0,54 NAI vs. Welt (Q2 1998 – Q2 2006) NAI 116,34 114,07 30,08 34,15 256,68 0,44 0,10 Welt 103,26 101,98 21,67 43,11 195,19 0,31 -0,01 NAI – Welt 13,08 10,74 19,91 -62,12 129,31 0,71 1,34 Anmerkung: Anleihegewichtung = 100% Aktiengewichtung. Tabelle 40: Risiko und Performance statischer Anlagestrategien mit SRI- Indizes, Anlagehorizont 1 Jahr, Benchmark = nominale Werterhaltung Risikokennzahlen Performancekennzahlen 100% Aktien Risk1 Risk2 Risk3 Perf1 Perf2 Perf3 Perf4 DJSI vs. Welt (Q1 2000 – Q2 2006) DJSI 0,558 8,833 14,363 0,638 0,393 -0,222 -0,247 Welt 0,543 8,558 14,143 0,718 0,434 -0,171 -0,200 DJSI-Welt 0,549 1,727 3,148 0,549 0,301 -0,247 -0,220 Ethical vs. Welt (Q2 2002 – Q2 2006) Ethical 0,516 7,541 12,837 0,808 0,475 -0,113 -0,156 Welt 0,491 7,297 12,718 0,939 0,539 -0,035 -0,093 Ethical-Welt 0,768 1,166 1,594 0,145 0,106 -0,625 -0,753 FTSE vs. Welt (Q1 2002 – Q2 2006) FTSE 0,542 8,704 14,247 0,564 0,345 -0,266 -0,303 Welt 0,478 6,878 12,203 1,015 0,572 0,008 -0,062 FTSE-Welt 0,931 3,988 4,677 0,023 0,020 -0,833 -1,478 NAI vs. Welt (Q2 1998 – Q2 2006) NAI 0,317 5,141 11,265 4,178 1,907 1,450 0,506 Welt 0,466 7,132 12,796 1,457 0,812 0,255 0,099 NAI-Welt 0,254 2,393 6,269 6,464 2,468 2,086 0,657 Anmerkung: Anleihegewichtung = 100% Aktiengewichtung; die Risiko- und Performancekennzahlen für die Differenzportfolio verwenden den Zielwert null. Anders als bei den Regressionen von Tabelle 34 fehlen bei den Simulationen weitere Einflussfaktoren, so dass die Ergebnisse von Tabelle 34 vor allem zur 148 Einschätzung der Portfolioeffekte genutzt werden sollten und weniger zum Vergleich der Performance. Der NAI weist die beste absolute und relative Performance auf, allerdings ist auch die Standardabweichung des nominalen Vermögens besonders hoch. Die Performancekennzahlen zeigen, dass der Mehrertrag dieses Indexes das zusätzliche Risiko deutlich überkompensiert. Der NAI ist der einzige der vier SRI- Indizes, der eine signifikante Outperformance erzielen konnte (vgl. Tabelle 34). 3.5.2.3.2 Dynamische Put-Absicherungsstrategien In den folgenden Tabellen 41 und 42 werden die Ergebnisse einer dynamischen Put-Strategie für die SRI-Aktienindizes dargestellt. Die Vorgehensweise bei dieser Strategie ist identisch mit derjenigen, die in Abschnitt 3.4.4.1 beschrieben wurde. Der Ergebnisvergleich für die einzelnen mit Put-Optionen gesicherten SRI-Indizes mit denjenigen für den MSCI-Welt-Index bestätigt die in den vorangegangenen Abschnitten erzielten Ergebnisse zur relativen Performance. Tabelle 41: Nominale Vermögensverteilung einer dynamischen Put-Strategie mit SRI-Indizes, Anlagehorizont 1 Jahr Statistische Basiskennzahlen 100% Aktien Mittel Median Std. Min. Max. Schiefe Kurt. DJSI vs. Welt (Q1 2000 – Q2 2006) DJSI 102,86 100,15 8,92 84,23 151,49 1,37 2,02 DJSI optimal 103,15 98,05 8,37 97,74 151,49 1,78 2,86 Welt 103,62 98,04 8,57 97,74 142,96 1,47 1,31 Ethical vs. Welt (Q2 2002 – Q2 2006) Ethical 103,29 99,12 8,15 93,42 142,13 1,19 0,48 Ethical optimal 103,58 98,10 7,89 97,79 142,13 1,28 0,66 Welt 104,27 98,12 8,51 97,76 146,38 1,18 0,40 FTSE vs. Welt (Q1 2002 – Q2 2006) FTSE 100,46 97,35 8,35 86,90 134,91 0,92 0,04 FTSE optimal 102,41 98,00 6,65 97,75 134,74 1,44 1,33 Welt 104,40 98,54 8.36 97,76 141,62 1,10 0,20 NAI vs. Welt (Q2 1998 – Q2 2006) NAI 121,24 117,80 23,49 65,10 249,76 0,81 0,88 NAI optimal 118,26 110,99 23,45 97,43 249,76 1,21 1,17 Welt 107,71 99,22 13,83 97,73 189,91 1,63 2,64 Anmerkung: Anleihegewichtung = 100% Aktiengewichtung. Interessant ist bei den Simulationen mit Put-Optionen vor allem der Unterschied zwischen einer optimal passenden Put-Option für die SRI-Indizes und der Verwendung einer Put-Option auf den MSCI-Welt-Index anstelle einer besser geeigneten Option. Eine „optimale“ Put-Option ist so definiert, dass diese Option direkt auf den Kurs des jeweiligen SRI-Indexes bezogen ist. Mangels einer langen Historie für die Volatilität wird zur Bewertung die für den MSCI-Welt-Index abgeleitete Volatilitätszeitreihe verwendet. 149 Da es für die SRI-Indizes noch keine speziell darauf ausgerichteten Put- Optionen gibt, muss ein Investor zur Durchführung von Absicherungsmaßnahmen auf andere geeignete Put-Optionen zurückgreifen. Im Folgenden werden als Alternative Put-Optionen auf den MSCI-Welt-Index verwendet. Die Ergebnisse zeigen, dass sich durch den Einsatz optimal passender Put-Optionen die risikoadjustierte Performance wesentlich verbessern lässt im Vergleich zur Verwendung von Put-Optionen, die auf den MSCI-Welt-Index definiert sind. Absicherungsmaßnahmen mit den letzteren sind nicht geeignet und stellen für keinen der vier SRI-Aktienindizes eine sinnvolle Maßnahme dar. Selbst für den NAI würde sich die risikoadjustierte Performance (gemäß Perf2 und Perf3) dadurch soweit verschlechtern, dass der MSCI-Welt-Index die bessere Investitionsalternative darstellt. Tabelle 42: Risiko und Performance einer dynamischen Put-Strategie mit SRI- Indizes, Anlagehorizont 1 Jahr, Benchmark = nominale Werterhaltung Risikokennzahlen Performancekennzahlen 100% Aktien Risk1 Risk2 Risk3 Perf1 Perf2 Perf3 Perf4 DJSI vs. Welt (Q1 2000 – Q2 2006) DJSI 0,488 1,724 3,104 2,660 1,477 0,922 0,194 DJSI optimal 0,616 1,221 1,574 3,581 2,779 2,003 0,242 Welt 0,597 1,189 1,557 4,048 3,091 2,328 0,292 Ethical vs. Welt (Q2 2002 – Q2 2006) Ethical 0,551 1,409 2,101 3,337 2,237 1,567 0,266 Ethical optimal 0,569 1,114 1,497 4,210 3,135 2,390 0,310 Welt 0,542 1,081 1,486 4,953 3,603 2,876 0,370 FTSE vs. Welt (Q1 2002 – Q2 2006) FTSE 0,594 3,228 4,605 1,143 0,801 0,100 -0,080 FTSE optimal 0,602 1,213 1,584 2,988 2,287 1,522 0,193 Welt 0,528 1,046 1,459 5,206 3,731 3,015 0,391 NAI vs. Welt (Q2 1998 – Q2 2006) NAI 0,181 1,431 4,241 15,841 5,345 5,008 0,856 NAI optimal 0,357 0,849 1,447 22,497 13,205 12,619 0,730 Welt 0,515 1,023 1,444 8,534 6,047 5,338 0,476 Anmerkung: Anleihegewichtung = 100% Aktiengewichtung; die Risiko- und Performancekennzahlen für die Differenzportfolios verwenden den Zielwert null. 3.6 Fazit Die Studie zeigt, dass nachhaltige Kapitalanlagen aus der Sicht von Stiftungen nicht nur eine zulässige, sondern auch eine sinnvolle Klasse von Anlageprodukten darstellt. Im Vordergrund stehen derzeit vor allem weltweit diversifizierte Aktienanlagen. Stiftungen werden durch die Investition in nachhaltige Kapitalanlagen in die Lage versetzt, mögliche Zielkonflikte zwischen Stiftungssatzung und Ver-

Chapter Preview

References

Zusammenfassung

In den letzten Jahren ist der Markt für nachhaltige Kapitalanlagen auch in Europa signifikant gewachsen. Besonders für Stiftungen können Kapitalanlagen, die nach ethischen, sozialen und ökologischen Kriterien ausgewählt werden interessant sein, weil dadurch der Stiftungszweck auch im Rahmen der Vermögensanlage berücksichtigt werden kann. Im April 2008 wurde zur Analyse dieses Themas eine Konferenz unter dem Titel „Nachhaltige Kapitalanlagen für Stiftungen: Aktuelle Entwicklungen“ in Osnabrück bei der Deutschen Bundesstiftung Umwelt (DBU) durchgeführt. Ziel der Konferenz war es, einen umfassenden Überblick über die aktuellen Entwicklungen auf dem Markt für nachhaltige Kapitalanlagen zu geben und eine Bewertung, speziell aus der Perspektive von Stiftungen, durchzuführen.

Der vorliegende Konferenzband enthält als zentrales Kapitel die Studie „Nachhaltige Vermögensanlagen für Stiftungen“, die das ZEW zusammen mit der Universität Stuttgart durchgeführt hat. Die weiteren Beiträge befassen sich unter anderem mit dem noch relativ jungen Markt der Microfinance-Anlageprodukte, die als Teilgebiet der nachhaltigen Kapitalanlagen in Zukunft für Stiftungen eine ansteigende Bedeutung erlangen könnten.