Renditechancen durch Pairs Trading im deutschen und europäischen Markt

Inhaltsverzeichnis

1. Einleitung
1.1 Motivation und Problemstellung
1.2 Aufbau der Arbeit
1.3 Eingrenzung des Untersuchungsgegenstands

2. Pairs Trading zur Ausnutzung von Arbitragemöglichkeiten
2.1 Grundlegendes Konzept
2.2 Historie und Entwicklung der Strategie
2.3 Bedeutung des Pairs Trading heute
2.4 Phasenmodell einer dynamischen Handelsstrategie
2.4.1 Planungsphase
2.4.2 Identifikationsphase
2.4.3 Handelsphase
2.4.4 Analysephase
2.5 Empirische Ergebnisse bisheriger Untersuchungen
2.6 Risiken im Pairs Trading
2.6.1 Konzeptrisiken
2.6.2 Marktentwicklungen und exogene Ereignisse
2.6.3 Execution Risk
2.6.4 Weitere Risiken

3. Ökonomischer Hintergrund einer Pairs Trading Strategie
3.1 Marktneutralität
3.1.1 CAPM und Beta als Grundlage des marktneutralen Investments
3.1.2 Marktneutrales Investieren beim Pairs Trading
3.1.2.1 Betaneutralität
3.1.2.2 Dollarneutralität
3.1.2.3 Weitere Marktneutralitätskonzepte
3.2 Markteffizienz und Arbitrage
3.2.1 Theorie der Markteffizienz
3.2.2 Vereinbarkeit Informationseffizienz und Pairs Trading
3.3 Existenz langfristiger Gleichgewichtsbeziehungen auf Aktienmärkten
3.3.1 Konzept der Kointegration
3.3.2 Kointegration und Pairs Trading
3.3.3 Untersuchung kointegrierter Beziehungen auf europäischen Märkten

4. Paarformation bei Pairs Trading Strategien
4.1 Fundamentalanalysen
4.2 Statistische Verfahren
4.2.1 Normalisierung und Distanzmessverfahren
4.2.2 Korrelationskoeffizient nach Bravais-Pearson
4.3 Ökonometrische Verfahren
4.3.1 Engle-Granger-Test zum Nachweis von Kointegration
4.3.2 Johansen-Test auf Kointegration
4.4 Weitere Testverfahren

5. Empirische Untersuchung möglicher Renditechancen
5.1 Methodologie und Design der Untersuchung
5.1.1 Auswahl der Untersuchungsmenge und Zeitraum
5.1.1.1 Untersuchungszeitraum und Zielgruppe
5.1.1.2 Anpassungen der Datenmenge
5.1.1.3 Forward Looking und Survivorship Bias
5.1.2 Methoden zur Identifikation möglicher Handelspaare
5.1.2.1 Fundamentalanalysen
5.1.2.2 Statistische Verfahren – Distanzmaß und Korrelation
5.1.2.3 Ökonometrische Verfahren – Kointegration
5.1.3 Abgeleitete Handelsstrategie
5.1.3.1 Spreadberechnung
5.1.3.2 Handelssignale
5.1.3.3 Stop-Loss Schranken
5.1.4 Transaktionskosten
5.1.5 Renditeberechnung und Randwerte
5.1.6 Risikoanalysen
5.2 Ergebnisse für den deutschen und europäischen Markt
5.2.1 Formation der Handelspaare
5.2.2 Renditechancen
5.2.3 Analyse der Risiken und Handelseigenschaften
5.2.4 Sensitivitäten und Änderungen der Parameter
5.2.5 Einschätzung der Ergebnisse
5.2.6 Benchmarking

6. Schlussfolgerung und Zusammenfassung der Ergebnisse
6.1 Übersicht der Arbeit und theoretische Erkenntnisse
6.2 Empirische Renditechancen in Deutschland und Europa
6.3 Ausblick und weitere Forschungspunkte

Anhang
A. Simulationsablauf und Programmstruktur
B. Grundgesamtheit der untersuchten Unternehmen
C. Fundamentale Auswahl von Paaren

Literaturverzeichnis

Abbildungsverzeichnis

2.1 Beispielhafter Pairs Trade

2.2 Entwicklung des relativen Preisverhältnisses

2.3 Phasenmodell einer optimierten Pairs Trading Strategie

2.4 Risiken beim Pairs Trading

4.1 Eigenschaften der Identifikationsmethoden

4.2 Engle-Granger Testmethodik auf Kointegration

5.1 Kointegrationsberechnung in zwei Phasen

5.2 Grundlegende Optionen für die Simulation

5.3 Konfigurationseinstellungen für die Simulation

5.4 Übereinstimmungen bei der Paarformation

5.5 Benchmarking der Pairs Trading Renditen

5.6 Vergleich der Renditenentwicklung bei unterschiedlichen Anlagen

Tabellenverzeichnis

2.1 Übersicht ausgewählter Forschungsergebnisse

5.1 Einbezogene Länder in die Untersuchung

5.2 Renditen bei verschiedenen Paaranzahlen

5.3 Renditen und Risiko bei Einsatz von Verlustschranken (A)

5.4 Renditen und Risiko bei Einsatz von Verlustschranken (B)

5.5 Handelseigenschaften der Strategien

5.6 Renditen in Abhängigkeit von den Handelssignalen

5.7 Einfluss der Transaktionskosten

5.8 Renditen bei unterschiedlichen Phasenlängen

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Symbolverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1. Einleitung

1.1 Motivation und Problemstellung

Seit jeher üben Strategien, mit denen scheinbar risikolos Gewinne an Finanzmärkten realisiert werden können, eine große Faszination auf Investoren in der ganzen Welt aus. Immer größere Popularität gewann in diesem Zusammenhang in den letzten Jahren auch ein spezielles Handelskonzept, das so genannte „Pairs Trading“. Das Ziel einer Pairs Trading Strategie liegt in der Realisation von möglichst risikoarmen Arbitragegewinnen^[1] an verschiedenen Märkten. Grundsätzlich werden hierfür zwei Anlagen gehandelt, die in der Vergangenheit einen vergleichbaren Kursverlauf aufwiesen. Bei kurzfristigen Abweichungen von dem beobachteten historischen Preisverhältnis versucht der Investor durch eine Arbitragespekulation einen Gewinn zu erzielen^[2]. Entwickelt wurden solche Pairs Trading Strategien erstmalig von amerikanischen Hedge Funds. Diese gehören nach wie vor zu den großen Spielern der Strategie^[3]. Vor allem zu Beginn konnten mit Pairs Trading Verfahren beispiellose Gewinne erzielt und die Renditen klassischer Anlagemöglichkeiten deutlich übertroffen werden^[4]. Bis heute gilt Pairs Trading als eine viel versprechende und sehr lukrative Anlagestrategie, die fortwährend Einzug auch in die Handelsbücher von Privatanlegern findet^[5].

Wissenschaftlich wurden die Renditechancen und das Risikoprofil von Pairs Trading bisher überraschenderweise nur wenig untersucht^[6]. Auch in die akademische Literatur hat das Konzept nur vereinzelt Einzug gehalten. Die theoretische Fundierung und Untersuchung hinkt damit der praktischen Anwendung sehr deutlich hinterher. Dies ist umso erstaunlicher, da die Strategie aus akademischer Sicht ein sehr interessantes Untersuchungsfeld darstellt. Zum einen handelt es sich um ein relativ neu entwickeltes Konzept, welches konsequent moderne Datenverarbeitungstechniken und Verfahren aus der Stochastik und Ökonometrie einbindet. Darüber hinaus unterlag gerade das Pairs Trading in den letzten Jahren einem kontinuierlichen Optimierungs- und Weiterentwicklungsprozess, was zu einer immer weiteren Bandbreite möglicher Identifikations- und Handelsroutinen führte^[7]. Wurde zu Beginn ein Pairs Trade auf Grundlage von manuellen Berechnungen und fundamentalen Beobachtungen durchgeführt, so sind heute hochkomplexe mathematische Verfahren im Einsatz^[8]. Zudem können Untersuchungen zu Arbitragestrategien, wie dem Pairs Trading, auch Anhaltspunkte für die Gültigkeit klassischer Theoreme der Volks- und Betriebswirtschaft liefern, beispielsweise inwiefern Markteffizienz vorliegt^[9].

Diese Arbeit soll dazu beitragen die bisher größtenteils vernachlässigte wissenschaftliche Untersuchung von Pairs Trading Strategien zu erweitern. Insbesondere soll der Schwerpunkt auf einer Analyse der tatsächlichen Renditechancen und dem Risikoprofil einer Pairs Trading Strategie im deutschen und europäischen Markt liegen. Die Fokussierung auf diese Märkte ist hierbei besonders interessant, da sich die Forschung bisher vorwiegend auf die USA und einige Nischenmärkte konzentrierte^[10]. Der deutsche und europäische Markt weist jedoch einige Unterschiede vor allem im Vergleich mit dem amerikanischen Markt auf. Es agiert eine kleinere Anzahl von Arbitrageuren, die Transparenz und Effizienz der Märkte ist als geringer einzuschätzen^[11]. Dies lässt vermuten, dass die erzielbaren Renditen höher liegen könnten als in den USA^[12]. Die Ergebnisse der Studie besitzen dabei eine hohe praktische und finanztheoretische Relevanz, können sie doch zu grundlegenden Anhaltspunkten für die Zukunftsaussichten und Chancen von Pairs Trading Strategien in neuen Märkten führen.

Gerade im derzeitigen Marktumfeld nehmen neben den erzielbaren Renditen auch Risikoaspekte eine entscheidende Rolle bei der Strategieauswahl ein. Die zu erwartende strengere Reglementierung vieler Investitionsvehikel, wie den Hedge Funds, verstärkt die Bedeutung eines quantifizierbaren Risikomanagements zusehend^[13]. Bestandteile einer modernen Handelsstrategie sollten ein regelmäßiges Reporting von Risikomaßen und der Einsatz immanenter Risikogrenzen sein^[14]. Sowohl im deskriptiven Teil als auch in der empirischen Untersuchung dieser Arbeit wird daher ein weiterer Schwerpunkt auf der Risikoquantifizierung und -einordnung einer Pairs Trading Strategie liegen.

1.2 Aufbau der Arbeit

In Hinführung auf den zentralen Untersuchungsgegenstand – den Renditechancen von Pairs Trading – wird in Kapitel II zunächst ein allgemeiner Überblick über das Konzept des Pairs Trading gegeben. Nach einer Darstellung der Historie und Entwicklung der Strategie werden die Ergebnisse bisheriger empirischer Forschungen eingeordnet. Hierauf folgend wird ein grundlegendes Phasenmodell für die Strategie entwickelt, wobei detailliert auf die einzelnen Schritte und Besonderheiten eines Pair Trades eingegangen werden soll. Weiterhin liegt bereits in diesem Kapitel ein Fokus auf der Darlegung wesentlicher Risiken und Unabwägbarkeiten eines Pair Trades.

Kapitel III beschäftigt sich vorwiegend mit den ökonomischen Hintergründen des Pairs Trading Konzepts. Ausdrücklich sollen Idee und Vorzüge eines so genannten marktneutralen Investitionsverhaltens beschrieben werden. Überlegungen zur Gültigkeit der aus der Volks- und Betriebswirtschaftslehre bekannten Markteffizienztheorie im Zusammenspiel mit Arbitragegeschäften stellen einen weiteren Teil des Kapitels dar. Zudem soll die Existenz von dauerhaften Gleichgewichtsbeziehungen auf Aktienmärkten, einer Grundvoraussetzung für eine begründete und langfristig erfolgreiche Pairs Trading Strategie, untersucht werden.

Im Anschluss befasst sich Kapitel IV eingehend mit dem wichtigsten Teil einer jeden Pairs Trading Strategie, den Identifikations- und Formationsroutinen zur Auswahl der später gehandelten Anlagepaare. In der Vorstellung der unterschiedlichen Methoden – von Korrelationsanalysen zu ökonometrischen Modellen – zeigen sich auch die großen Entwicklungssprünge, die das Pairs Trading in den letzten Jahren geprägt haben.

Aufbauend auf den theoretischen Überlegungen und Planungen stellt Kapitel V den eigentlichen Kern der Arbeit dar. Im Rahmen einer historischen Simulation (dem so genannten „Backtesting“^[15] ) werden die Renditechancen von Pairs Trading im deutschen und europäischen Markt ermittelt. Neben der ausführlichen Erläuterung des Untersuchungsablaufes und der verwendeten Methodik für die empirische Studie soll eine Gegenüberstellung mit typischen Marktindikatoren (externes „Benchmarking“^[16] ) für eine realistische Einreihung der Ergebnisse sorgen. Anhand verschiedener Kennzahlen und Maßgrößen erfolgt zudem eine Bewertung des Handelsrisikos. Die Arbeit schließt mit einer Zusammenfassung der Resultate und einem Ausblick auf weitere mögliche Forschungspunkte.

1.3 Eingrenzung des Untersuchungsgegenstands

Die vorliegende Arbeit hat vor allem das Ziel zu überprüfen, ob Pairs Trading generell eine rentable Anlagestrategie darstellt. Pairs Trading kann allerdings mit geringfügigen Modifikationen in fast allen Anlageklassen und fast jedem Finanzmarkt durchgeführt werden^[17]. Die Anzahl möglicher Paarkombinationen sind weltweit nahezu unbegrenzt^[18]. Für eine empirische Untersuchung ist daher neben der geografischen Fixierung auch eine Beschränkung auf bestimmte Märkte unvermeidlich. Folglich dürfen die Ergebnisse nicht als eindeutige Antwort bezüglich der Rentabilität aller möglichen Pair Trades fehlinterpretiert werden.

Bisherige Forschungen beschäftigten sich sowohl mit größeren Aktienmärkten als auch mit spezialisierten und kleineren Märkten, wie beispielsweise dem Handel mit ADRs^{[19] [20]}. Eine klare Fokussierung auf den Aktienmarkt weist jedoch für eine Pairs Trading Strategie einige Vorteile auf. So ist das Potential möglicher Handelsaufträge sehr viel größer. Es gibt um ein Vielfaches mehr Aktienpaarkombinationen als sie beispielsweise in der vergleichsweise recht stabilen und konstanten Gruppe von ADR-Anlagen vorliegen. Damit gleichbedeutend sind auch die potentiell insgesamt erzielbaren Renditen auf Aktienmärkten höher. Eine eng begrenzte Anzahl von Handelspaaren kann hingegen zu signifikant verringerten Arbitragemöglichkeiten führen. Denn mit steigender Anzahl der Marktakteure werden kurzfristige Abweichungen immer schneller korrigiert^[21]. Bezogen auf die Umsetzung bietet das Vorliegen einer guten Datenverfügbarkeit und -qualität Vorteile, was gerade für langfristigere Analysen eine große Rolle spielt. Weiterhin spricht die hohe praktische Relevanz für eine Fokussierung auf Aktienmärkte^[22]. Gerade für Privatanleger stellen die sehr niedrigen Eintrittsschranken ein entscheidendes Kriterium dar. Der Markt kann relativ problemlos betreten und verlassen werden. Transaktionen sind bei einer in der Regel hohen Liquidität im Markt leicht durchführbar^[23]. Auch ein Vergleich mit Renditen alternativer Handelsstrategien wird vereinfacht und gestaltet sich objektiver. Insgesamt lässt sich der Aktienmarkt somit als ein besonders geeigneter Zielmarkt für eine empirische Studie mit hohem Praxisbezug klassifizieren.

Neben der Konzentration auf den Aktienmarkt sollen aus Komplexitätsgründen auch rechtliche Spezifikationen in der vorliegenden Arbeit weitgehend ausgeklammert bleiben. Gerade bei internationalen Handelsstrategien, die Leerverkäufe einschließen^[24], sind in der Praxis häufig rechtliche Grenzen und Sonderregelungen zu beachten^[25]. Gleiches gilt für die steuerliche Behandlung, bei der sich die Ausgangslage für fast jede Anlegergruppe und Investitionsstandort unterscheidet^[26]. Solch stark subjektive Faktoren sind schwer in ein Modell integrierbar. Eine Vernachlässigung der rechtlichen Besonderheiten wie auch der Steuerproblematiken erscheint daher sinnvoll. Aus finanzieller Sicht dürften diese Einschränkungen zudem nur recht gering ins Gewicht fallen. Gewissermaßen müssen die Ergebnisse zwar als Brutto-Renditen verstanden werden. Dies ändert jedoch nichts an generellen Aussagen über die Profitabilität der Strategie.

Rein formal ist anzumerken, dass in der vorliegenden Arbeit weitgehend auf mathematische Herleitungen und den Einsatz von Formeln verzichtet wurde. Der Fokus soll auf einer Beschreibung einer Pairs Trading Strategie und ihrer Anwendung liegen. Für detaillierte formale Darstellungen und Beweise wird jedoch an den entsprechenden Stellen auf adäquate Literaturstellen verwiesen.

2. Pairs Trading zur Ausnutzung von Arbitragemöglichkeiten

2.1 Grundlegendes Konzept

Pairs Trading bezeichnet eine spezielle Investitionsstrategie, bei der zwei Anlagemöglichkei­ten gegeneinander gehandelt werden^[27]. Diese werden als „Paar“ bezeichnet. Im Fokus des In­vestors steht die Entwicklung der absoluten Preisdifferenz zwischen den beiden Anlagen, dem so genannten „Spread“ (PreisA – PreisB^[28] )^[29]. Dieser bildet in der Folge die Grundlage für Arbitragespekulationen^[30]. Implizit geht ein Pairs Trader von einem mittel- oder langfristigen rationellem Gleichgewicht zwischen den einbezogenen Anlagen aus^[31].

Im Folgenden soll zur Einführung und zum besseren Verständnis kurz ein beispielhafter Pairs Trade skizziert werden. Der Ablauf kann hierfür in drei Schritte aufgeteilt werden^[32]. Ziel des ersten Schrittes ist die Identifikation und Auswahl zweier passender Aktien. Hierzu beobachtet und analysiert der Investor über einen längeren Zeitraum die Entwicklung diverser Wertpapiere und der zugehörigen Spreads^[33]. Mit Hilfe verschiedener Methoden lassen sich auf Grundlage dieser Beobachtungen Paare identifizieren, die mit einer hohen Wahrscheinlichkeit auch in der Zukunft einem historisch gezeigten Gleichverlauf folgen^[34]. Beispielsweise kann ein sehr konstanter Spreadverlauf auf ein passendes Paar schließen lassen^[35]. Ist der Investor sicher ein passendes Aktienpaar gefunden zu haben, so wird er im zweiten Schritt selbst im Markt aktiv^[36]. Beim Auftreten von signifikanten Abweichungen vom vorhergesagten Spread (welche so genannte „Handelssignale“ auslösen) versucht er einen Arbitragegewinn zu realisieren^[37]. Er erwirbt dazu die sich im Verhältnis gesehen schwächer entwickelnde Aktie („long“). Gleichzeitig führt er einen Leerverkauf^[38] der teureren Aktie durch („short“)^[39]. Entwickelt sich der preisliche Unterschied zwischen den beiden Wertpapieren in der Folge wie erwartet – das heißt die Preise nähern sich wieder an – kann der Investor im dritten Schritt bei Auflösung der Positionen einen Gewinn verbuchen^[40]. Bezogen auf die Entwicklung der einzelnen Posten sind zwar verschiedene Gewinn- und Verlustszenarien denkbar, entscheidend ist jedoch lediglich das Resultat des gesamten Portfolios^[41]. Grundsätzlich gilt hierbei: je weiter sich die Bewegung des Spreads darstellt, desto größer kann der vereinnahmte Profit ausfallen.

In Abbildung 2.1 wird die geschilderte Situation exemplarisch dargestellt. Gezeigt werden die fiktiven Verläufe zweier Wertpapiere, die ein Investor als potentielles Paar für einen Pairs Trade identifiziert hat. Abbildung 2.2 gibt ergänzend den Verlauf des Preisverhältnisses der beiden Kurse wieder.

Abbildung in dieser Leseprobe nicht enthalten

2.1 Beispielhafter Pairs Trade

Für das Beispiel ist während der ersten 10 Perioden ein recht konstant verlaufender Spread zu erkennen^[42]. Im Zeitpunkt 12 weitet sich dieser jedoch unverhältnismäßig. Gemäß der Methodologie des Pairs Trading würde es nun zu einer Arbitragespekulation kommen, das bedeutet in diesem Fall zu dem Kauf der Aktie mit dem punktuell schwächeren Verlauf und gleichzeitigem Leerverkauf des oberhalb eingezeichneten Wertpapiers. Erst in Periode 16 entwickelt sich der Spread auf sein vorherig beobachtetes Niveau zurück. Die Transaktion würde an dieser Stelle mit einer Glattstellung der Positionen beendet werden.

Abbildung in dieser Leseprobe nicht enthalten

2.2 Entwicklung des relativen Preisverhältnisses

In Abbildung 2.1 ist weiterhin zu sehen, dass der Händler bei der Auflösung des Portfolios tatsächlich einen Gesamtgewinn erwirtschaftet hätte, obwohl eine seiner Positionen verlustreich war. Die leer verkaufte, oberhalb eingezeichnete Aktie durchläuft eine deutlich stärkere Bewegung. Dies führt zu einem höheren Gewinn, der den geringfügigen Verlust in der Long-Position kompensieren kann. Der Pairs Trade wäre erfolgreich gewesen.

2.2 Historie und Entwicklung der Strategie

Grundlegende Pairs Trading Strategien sind bereits seit Einführung der Börsen und damit ersten öffentlichen Preisnennungen von Anlagemöglichkeiten bekannt^[43]. Einer der Ersten, die mit einer derartigen Strategie (in der damaligen Zeit auch als „Tandem Trading“ bekannt) große Erfolge feierte, soll bereits zu Beginn des zwanzigsten Jahrhunderts die Wall Street Ikone Jesse Livermore gewesen sein^[44]. Richtig populär wurden Pairs Trading Konzepte jedoch erst im Zuge der Weiterentwicklung der modernen elektronischen Datenverarbeitung^[45]. Die Beschleunigung und Ausweitung möglicher Rechenoperationen begünstigte die zunehmende Anwendung von mathematischen und statistischen Verfahren bei der Entwicklung und Verfeinerung von Handelsstrategien^[46]. Die Grundvoraussetzungen für die institutionelle Implementierung moderner Pairs Trading Strategien waren somit erst zu Beginn der 80er Jahre geschaffen. Als erste professionelle Anwender von Pairs Trading im großen Stil taten sich zu dieser Zeit die amerikanischen Investmentbanken hervor. Der Bank Morgan Stanley und dem Leiter der quantitativen Handelsabteilung Nunzio Tartaglia wird hierbei heute die Führungsrolle zugeschrieben^[47]. Tartaglia setzte bei der Erforschung neuer Arbitragemöglichkeiten erstmalig auch auf den Einsatz von Verfahren und Methoden aus anderen Disziplinen wie der Physik oder der Informatik^[48]. Im Rahmen diverser Forschungsreihen konnte sein Team daraufhin hohe Korrelationen von bestimmten Aktienkurspaaren in einigen Branchen nachweisen^[49]. Die Vermutung, dass dieses Verhältnis auch langfristig gültig sein würde, führte zu der Entwicklung einer ersten, sehr lukrativen Pairs Trading Strategie. Allein im Jahr 1987 erzielte das Team so einen Gewinn von über 50 Millionen Dollar^[50], was für Handelsteams zur damaligen Zeit ein außerordentlich gutes Ergebnis darstellte. Trotz schlechterer Renditen erlangte die Strategie in den folgenden Jahren mehr und mehr Popularität. Bis heute konnten alleine die großen Investmentbanken Gewinne von mehreren hundert Millionen Dollar durch Pairs Trading realisieren^[51].

2.3 Bedeutung des Pairs Trading heute

Pairs Trading kann heute für praktisch jeden Marktteilnehmer eine attraktive Strategie darstellen^[52]. Neben den in der Vergangenheit erzielten Profiten ist die Strategie für viele Investoren insbesondere aufgrund der einfachen und kostengünstigen Ausführung interessant^[53]. Sie kann größtenteils automatisiert werden, wodurch für Investoren hauptsächlich Entwicklungs- und Optimierungskosten anfallen^[54]. Zudem führt die Automatisierung zu einer Reduktion von operativen Risiken. Der menschliche Faktor spielt nur noch eine geringe Rolle^[55]. Klassische Handelsstrategien bauen hingegen häufig zu einem großen Teil auf subjektiven Entscheidungen und Urteilen von Händlern auf, was neben höheren Kosten auch zu einem erheblich größeren Risikoexposure führt. Ein weiterer Vorteil von Pairs Trading liegt in dem Prinzip des gleichzeitigen Erwerbs und Verkaufs der analysierten Aktien. Durch die entgegengesetzten Auszahlungspunkte ist ein vergleichsweise geringer Kapitaleinsatz erforderlich. Es lässt sich in einigen Fällen sogar eine bestimmte Transaktionskonstellation erzeugen, die das Risiko des gehandelten Portfolios auf das Marktrisiko beschränkt^[56]. Diese, für viele institutionelle Anleger attraktive Sondereigenschaft, ist unter der Bezeichnung „Marktneutralität“ bekannt^[57].

Die einfache Adaption und Anwendung öffnet Pairs Trading Strategien theoretisch für eine große Anwendergruppe^[58]. Dennoch scheinen bis heute vor allem Hedge Funds, die quantitative Strategien verfolgen, zu den wichtigsten Nutzern zu gehören^[59]. Eine Erklärung hierzu lässt sich bei der genaueren Analyse der einzelnen Handelsschritte finden. Entscheidend für den Erfolg oder Misserfolg der Strategie ist unzweifelhaft die Auswahl des richtigen Aktien- oder Anlagepaares^[60]. Besonders interessant sind hierbei Paare bei denen mit einer hohen Wahrscheinlichkeit die Vorhersage der Differenzentwicklung zutrifft, sowie Konstellationen, die bisher im Markt noch nicht bekannt sind. Hedge Funds begannen schon früh hierfür systematische und komplexe statistische Auswahlverfahren zu entwickeln und zu implementieren^[61]. Dies führte zu einem kompetitiven Vorteil gegenüber anderen institutionellen und insbesondere privaten Anlegern, welche die erforderlichen Ressourcen für derartige Forschungen nicht aufbringen konnten. Allerdings waren auch mit herkömmlichen, seit längerem bekannten Verfahren in den letzten Jahren gute Renditen erzielbar, wie beispielsweise Gatev et al.^[62] in einer jüngeren Studie nachweisen konnten.

Offensichtlich bietet Pairs Trading somit einige Vorteile für Investoren. Wie hoch allerdings die absolute Bedeutung der Strategie im Markt ist und in welchem Umfang Pairs Trading tatsächlich global verfolgt wird, ist nur schwer abschätzbar. Das weltweite Handelsvolumen von Pairs Trading Strategien ist nicht ermittelt. Dies dürfte unter anderem mit der Hauptanwendergruppe der Strategie zusammenhängen. So unterliegen Hedge Funds global nur geringen Veröffentlichungspflichten und verfolgen in der Regel eine sehr restriktive Informationspolitik^[63]. Fast ebenso wenig ist bisher über den Einsatz von Pairs Trading in Privatportfolien bekannt. Auf Grundlage einiger Studien kann jedoch gefolgert werden, dass Pairs Trading Strategien bis heute zumindest für Hedge Funds eine wichtige Rolle spielen. So verfolgten Anfang des Jahres 2000 geschätzte siebzig Prozent aller Hedge Funds klassische Arbitragestrategien^[64], zu der auch das Pairs Trading zu zählen ist. Bei einem gesamten Anlagevolumen aller Hedge Funds von fast 1,6 Billionen US-Dollar zu Beginn des Jahres 2008^[65] dürfte die finanzielle Dimension von Pairs Trading Transaktionen durchaus beachtenswert sein. Zusammenfassend lässt sich somit konstatieren, dass Pairs Trading bis heute wenig an Attraktivität eingebüßt hat und vermutlich noch immer in erheblichem Umfang betrieben wird.

2.4 Phasenmodell einer dynamischen Handelsstrategie

Wie in Abschnitt 2.1 aufgezeigt wurde, kann eine Pairs Trading Strategie in eine klare Ablaufstruktur mit verschiedenen Schritten eingeteilt werden. In der einschlägigen Literatur wird eine derartige Strukturierung zumeist nicht explizit vorgenommen^[66]. Für die vorliegende Arbeit ist die Untergliederung eines Pair Trades in bestimmte Phasen jedoch sehr hilfreich. Zum einen kann es die konzeptionelle Darstellung ergänzen, vor allem erleichtert es aber die Anwendung und Umsetzung im empirischen Teil dieser Arbeit. Abbildung 2.3 zeigt schematisch die für diese Arbeit verwendete Einteilung in Anlehnung an den von Madhavan vorgeschlagenen Investmentzyklus eines Hedge Funds^[67].

Abbildung in dieser Leseprobe nicht enthalten

2.3 Phasenmodell einer optimierten Pairs Trading Strategie

In Ergänzung zum dargestellten klassischen Ablauf eines Pairs Trade wurde eine nachgelagerte vierte Phase – die Analysephase – integriert. Pairs Trading Strategien sollten im Allgemeinen nicht als statisches Verfahren, sondern als eine kontinuierlich zu verbessernde Methode zur Ausnutzung von kurzfristigen Fehlpreisungen verstanden werden^[68]. Die hier vorgenommene Ergänzung und die Darstellung in Form eines Kreislaufs sollen diesen dynamischen Charakter der Strategie betonen. Auch verändernden Rahmenbedingungen und einem eventuellen Optimierungsbedarf kann durch die Rückkopplung der einzelnen Phasen Rechnung getragen werden. Im Folgenden werden die operativen Details der vorgeschlagenen Phasen und ihre Besonderheiten zur Vorbereitung auf die empirische Studie detailliert beschrieben.

2.4.1 Planungsphase

Die erste zu berücksichtigende Phase soll hier als „ Planungsphase “ bezeichnet werden. Sie beinhaltet grundlegende Überlegungen zur Strategie, die sich als elementar für die spätere Ausgestaltung erweisen. Auch zeitliche Eingrenzungen und der vorgesehene Ressourceneinsatz sind wichtige Vorgaben, welche bereits vor Beginn der eigentlichen Durchführung geklärt werden sollten^[69].

Im Rahmen einer normalen Anlageentscheidung würde in dieser Phase auch eine Entscheidung hinsichtlich der Investitionsform und dem Anlagemarkt zu treffen sein. Eine Einschränkung ist hier zwingend notwendig, da ansonsten die Qualität der Paaridentifikation unter dem zu untersuchenden Datenumfang leiden kann^[70]. Wie bereits erläutert bieten sich häufig Aktien von gelisteten Unternehmen an. Abgesehen davon sollten als wichtige Kriterien hinsichtlich der Wahl des Anlagemarktes vor allem die Aspekte Kosten und Preistransparenz berücksichtigt werden. Niedrige Transaktionskosten erhöhen die Anzahl rentabler Trades, wodurch insgesamt eine höhere Rendite erwirtschaftet werden kann^[71]. Die größte Bedeutung hat in diesem Zusammenhang der durchschnittliche Bid-Offer-Spread^[72] der untersuchten Wertpapiere. Darüber hinaus sollte eine möglichst hohe Liquidität der Wertpapiere verfügbar sein, denn gerade im automatisierten Pairs Trading ist die Möglichkeit von sehr kurzfristigen Handelsexekutionen beim Auftreten von Handelssignalen entscheidend^[73]. Preistransparenz bezeichnet die Verfügbarkeit und Qualität der verfügbaren Marktdaten. Eine möglichst lange Rückverfolgung der Preisentwicklung der betreffenden Wertpapiere bietet speziell für die im nächsten Abschnitt erläuterte Identifikationsphase große Vorteile. Ebenso große Relevanz besitzen möglichst zeitnahe und korrekte Preisveröffentlichungen.

Weiterhin fallen in diese Phase Überlegungen bezüglich der Risikobereitschaft und der Höhe des einzusetzenden Kapitals. Für das Risikomanagement sollte ein maximaler Anlagezeitraum und die Verlustfähigkeit definiert werden. Das insgesamt verfügbare Kapital stellt insbesondere für die Ressourcenplanung eine wichtige Planungsgröße dar.

2.4.2 Identifikationsphase

Trotz der relativ einfachen Ausgangsstellung hat sich Pairs Trading im Laufe der Jahre zu einer Strategie mit einem komplexen Hintergrund entwickelt. Der Schwerpunkt der Forschung und Weiterentwicklung lag dabei in vorderster Linie auf der hier aufgezeigten zweiten Phase – der „ Identifikationsphase “^[74]. Zielsetzung und Hauptbestandteil dieser Phase soll die Identifikation eines oder mehrerer zweckmäßiger Anlagepaare sein. Geprägt wird die Identifikationsphase somit von der Untersuchung historischer Daten und der Suche nach sich wiederholenden Mustern^[75]. Sie kann als wichtigster Schritt im Hinblick auf den späteren Erfolg der Strategie gesehen werden^[76].

Neben der Wahl einer Identifikationsmethode stellt auch der Umfang der untersuchten Datenreihen eine kritische Determinante für die Auswahl potentieller Paare dar^[77]. Aus theoretischer Überlegung lässt sich hierbei keine Vorgabe bezüglich des optimalen Umfangs treffen. Auf den ersten Blick lässt sich zwar vermuten, dass bei längeren Identifikationszeiträumen die Auswahl der Paare eine höhere Qualität aufweist. So können sich Gleichgewichte zwischen zwei Kursverläufen auch erst über einen langfristigen Zeitraum entwickeln. Andererseits lässt sich argumentieren, dass für die zukünftige Entwicklung des Spreads vermutlich gerade die jüngsten Beobachtungen die höchste Bedeutung aufweisen. Sind daher aus mathematischer Sicht nur wenige Lags^[78] in die Modellierung einbezogen, könnten Analysen von kurzen Datenreihen ebenso gute oder sogar bessere Ergebnisse erzielen^[79].

Nach Abschluss der Paarformation müssen in der Identifikationsphase auf Grundlage der historischen Kursverläufe zudem die Höhen der Handelssignale definiert werden^[80]. Diese werden bei einer bestimmten Abweichung vom Gleichgewicht des beobachteten Spreads des Paares ausgelöst. Typischerweise werden sie in Prozentwerten oder Standardabweichungen angegeben^[81]. Die Bestimmung der Handelssignale kann als eine kritische Entscheidung für die Handelsphase und auch für die gesamte Strategie gesehen werden^[82]. Hier dürften sich in den meisten Fällen im Zeitablauf Optimierungsmöglichkeiten ergeben. Bei zu weit gefassten Grenzen können kumuliert erhebliche Gewinne durch kleine Arbitragegeschäfte verloren gehen. Zu enge Grenzen und damit zu häufige Transaktionen können dagegen zu Verlusten oder Mindereinnahmen aufgrund hoher Transaktionskosten führen^[83]. Die Optimierung der Handelssignale wird daher eine Hauptaufgabe in der späteren Analysephase sein^[84].

2.4.3 Handelsphase

In der „ Handelsphase “, die von den vorgestellten Phasen die zeitlich längste darstellt, werden Portfolien mit den vorher identifizierten Paaren aufgebaut. Hierzu ist eine fortwährende Analyse des Spreads unerlässlich^[85]. Denn erst bei Abweichungen außerhalb eines Toleranzbereiches und damit bei Auslösen eines Handelssignals wird ein Investor aktiv^[86]. Es ist hierbei entscheidend, dass nicht die Marktentwicklung relevant ist für die Strategie, sondern lediglich die relative Entwicklung der Kurse untereinander^[87]. Gerät ein Spread aus dem vorher definierten Gleichgewichtsbereich werden gemäß der Trading-Methodologie jedes Mal zwei Handelspositionen eingegangen und ein Pairs Trade gestartet^[88]. Sollten alle beobachteten Paare hingegen innerhalb ihrer vorgegebenen relativen Spreads notieren, kann das verfügbare Kapital kurzfristig angelegt werden. Es ist gut zu erkennen, dass eine derart klar definierte Handelsstruktur leicht automatisierbar ist^[89]. Die Ausführung ist unabhängig von jedweder subjektiven Einschätzung. Entscheidende Parameter für eine computergestützte Handelssoftware sind lediglich das untersuchte Paar, die Handelssignale und einige optionale Vorgaben wie beispielsweise die so genannten Stop-Loss Schranken^[90].

Stop-Loss Vorgaben dienen vorwiegend der Risikoeinschränkung^[91]. Ohne derartige Begrenzungen können Positionen im Handelsbuch zu hohen Verlusten führen^[92]. Eine Stop-Loss Schranke veranlasst daher bei einem vorgegebenen Maximalverlust (also einer gegensätzlichen Entwicklung des prognostizierten Spreads) eine nachteilige Auflösung der Positionen^[93]. Die Chance auf mögliche erzielbare Renditen zu einem späteren Zeitpunkt wird dem Händler durch eine derartige Schranke zwar genommen, sie sorgt jedoch für eine gewisse Kontrolle des Handelsbuches^[94].

2.4.4 Analysephase

Nach der Handelsphase und damit der Ausführung einiger Trades auf Grundlage der identifizierten Paare und gewisser Handelsregeln sollte sich eine „ Analysephase “ zur Anpassung und Optimierung der Strategie anschließen. Wichtiger Teil dieser Phase ist ein Vergleich der Ergebnisse mit erzielten Renditen ähnlicher Strategien und gegebenenfalls die Verbesserung einiger Parameter auf Grundlage des nun erweiterten Datenbestandes^[95].

Es lassen sich kurzfristige operative Verbesserungen und mittel- bis langfristige konzeptionelle Anpassungen unterscheiden. Typische kurzfristige Ansatzpunkte können vor allem Details wie die Festlegung der Handelssignale oder der Stop-Loss Schranken sein^[96]. Die Notwendigkeit strategischer Anpassungen ergibt sich mittelfristig vor allem durch die Dynamik der Finanzmärkte und ihrer Rahmenbedingungen. Gesetzliche und steuerliche Änderungen können beispielsweise eine Neuausrichtung erzwingen und damit auch die Wiederholung oder Neuauflegung der Planungsphase erfordern. Ebenfalls können sich im Rahmen eines Backtestings Variationen der Paarformationsmethodik als vorteilhaft herausstellen. Solche Ergebnisse helfen zudem die relative Performance der aktuellen Strategie zu ermitteln und eine fundierte Bewertung zu treffen. Eine nachträgliche Analyse der Trades in einer eigenen Phase ist daher nicht nur zur Optimierung sinnvoll, sondern kann mittelfristig auch den Gesamterfolg der Strategie entscheidend voranbringen. Drohende Verluste werden früher erkannt und potentielle Gewinnmöglichkeiten besser ausgenutzt. Ein weiteres Argument für die Relevanz dieser vierten Phase lässt sich bei der Risikoanalyse finden. Die Möglichkeit der Risikodezimierung und ein möglicherweise effektiveres Risikomanagement können das Gesamtresultat positiv beeinflussen.

2.5 Empirische Ergebnisse bisheriger Untersuchungen

Wie einleitend erläutert, wurden die Renditechancen durch Pairs Trading bisher nur vereinzelt wissenschaftlich untersucht. Hierbei lag der Fokus zudem weitestgehend auf dem amerikanischen Markt. Empirische Ergebnisse für den deutschen und europäischen Markt sind hingegen nicht bekannt. Zur Einschätzung der allgemeinen Erfolgsaussichten sollen im Folgenden die wesentlichen Studien zum Pairs Trading präsentiert werden.

Als grundlegend im Bereich der empirischen Forschung wird in der jüngeren Literatur vor allem die Studie von Gatev et al. referiert^[97]. Gatev et al. berechneten zuletzt 2006^[98] die Renditechancen durch Pairs Trading im US-amerikanischen Markt rückblickend für die Jahre 1962 bis 2002 auf Grundlage von täglichen Schlusspreisen des amerikanischen Aktienmarktes. In einem ersten Schritt mussten hierzu die Preisreihen normalisiert werden, um absolute Vergleiche zu ermöglichen. Für die Simulation der Renditen wählten Gatev et al. eine relativ kurze, fixierte Identifikations- und Handelsphase von sechs beziehungsweise zwölf Monaten, wobei die Dauer hier eher willkürlich festgesetzt wurde. Zur Identifikation von möglichen Paaren nutzten die Autoren in den Phasen eine relativ simple Methodologie – die so genannte „Minimum Distance Rule“. Hierbei wird zu einer gewählten Aktie das Wertpapier gesucht, bei dem die Summe der quadratischen Abweichungen zwischen den normalisierten^[99] Kursen minimal ist. Es wurden die jeweils besten 20 Paare herausgegriffen. Als Handelssignal wurde eine Divergenz von mehr als zwei historischen Standardabweichungen festgelegt.

Die Ergebnisse der Studie sind auch nach Einbeziehung von Transaktionskosten und anderen Kostentreibern durchaus beeindruckend. Durchschnittlich mehr als 11 Prozent Jahresrendite konnte allein der Handel mit den fünf Paaren generieren, welche auf Grundlage der Formationsregeln als passendste Paare ausgewählt wurden. Die Berücksichtigung aller 20 Paare brachte geringfügig höhere durchschnittliche Jahresrenditen. Die Handelsstatistiken zeigten dabei eine hohe Qualität der Paarformation. Während der Untersuchungsreihen durchliefen so mehr als 95 Prozent der identifizierten Paare tatsächlich Handelsphasen, das heißt sie wichen mindestens einmal von ihrem Gleichgewichtsspielraum ab. Fast vier Monate dauerte es im Durchschnitt bis diese Paare ins Gleichgewicht zurückkehrten und die Positionen wieder geschlossen wurden. Gatev et al. klassifizieren Pairs Trading daher als mittelfristige Investmentstrategie. Die Risiken der Strategie waren im Allgemeinen relativ gering. Neben der Untersuchung verschiedener Faktormodelle wurde in der Studie zur Einschätzung der Value at Risk (VaR)^[100] herangezogen. Der maximal auftretende monatliche Verlust über den fast 40 Jahre langen Untersuchungszeitraum betrug etwas mehr als 12 Prozent (8,2 Prozent bei den Top-20 Paaren). Im Durchschnitt verlor das Portfolio nur einmal in hundert Monaten mehr als 4,3 Prozent des Wertes (1,9 Prozent bei den Top-20 Paaren). Obwohl diese Risiken in Bezug auf das Gesamtergebnis nicht vernachlässigt werden dürfen, lässt sich somit konstatieren, dass Pairs Trading nach Gatev et al. – zumindest für die gewählten Handelsregeln und Märkte – eine sehr attraktive Strategie gewesen wäre.

Papadakis und Wysocki erweiterten 2007 die Untersuchung von Gatev et al.^[101]. Sie nutzten grundsätzlich die gleiche Strategie, wählten allerdings einen etwas anderen Datensatz. In ihrer Arbeit stellten die Autoren fest, dass sich die Renditen im Zeitablauf deutlich unterscheiden. Während sich für den gesamten Untersuchungszeitraum in diesem Fall eine eher schwache Jahresrendite von unter 8 Prozent ergab, zeigten Einzeluntersuchungen ein ganz anderes Bild. So wurde für die ersten zwölf Jahre (1981-1993) eine Jahresrendite von knapp 11 Prozent nachgewiesen. Im zweiten Abschnitt der Studie (1993-2006) erreichte die Strategie hingegen nur noch eine annualisierte Rendite von etwas mehr als 4 Prozent. Die Markt- und Wirtschaftsbedingungen scheinen daher eine nicht unwesentliche Rolle für den Erfolg einer Pairs Trading Strategie zu spielen. Zudem stellten Papadakis und Wysocki einen signifikant negativen Zusammenhang zwischen bestimmten Ereignissen wie Bilanzveröffentlichungen und Pairs Trading Renditen fest.

Auch Kuo’s empirische Arbeit zum Pairs Trading von 2004 basiert auf einem Vorgänger der Studie von Gatev et al. Kuo versuchte insbesondere durch eine Variation der Handelsparameter eine Optimierung der Ergebnisse zu erreichen^[102]. Er ermittelte für den amerikanischen Datenmarkt eine optimale Länge der Identifikationsphase von gut zehn Monaten, für die Handelsphase eine Dauer von neun Monaten und als beste Signalgrenze eine Abweichung von 1,5 Standardabweichungen. Mit Hilfe dieser neuen Handelskonfiguration konnte eine signifikante Verbesserung der von Gatev et al. bekannten Gesamtrenditen auf fast 19 Prozent pro Jahr erreicht werden.

In einer weiteren Arbeit untersuchten Andrade et al. 2005 die Renditechancen von Pairs Trading speziell in Taiwan. Es wurden hierfür Daten von 1994 bis 2002 herangezogen^[103]. Insgesamt berücksichtigten die Autoren 647 Unternehmen als potentielle Kandidaten für einen Pairs Trade. Konzeptionell baute die Studie dabei ebenfalls überwiegend auf dem beschriebenen Versuchsdesign von Gatev et al. auf. Die strategische Ausrichtung und die Vorgaben für die operative Umsetzung wurden nicht geändert. Demzufolge wurden auch hier Identifikations- und Handelsphasen von 125 beziehungsweise 250 Handelstagen^[104] angenommen. Wiederum konnten attraktive Renditechancen durch das Pairs Trading nachgewiesen werden. Durchschnittlich mehr als 10 Prozent Rendite pro Jahr erzielte das simulierte Portfolio im Untersuchungszeitraum. Für die Analyse des Risikoprofils der Strategie und damit der Einordnung der Ergebnisse nutzten Andrade et al. die Sharpe Ratio. Diese in den 60er Jahren entwickelte Maßzahl setzt das Renditeergebnis in ein Verhältnis zu dem eingegangen Risiko^[105]. Auch risikoadjustiert stellen sich die Ergebnisse sehr attraktiv für Investoren dar. So wies die Sharpe Ratio für das Pairs Trading durchgehend deutlich höhere Werte auf als der Marktdurchschnitt^[106].

Neben dem US-amerikanischen und dem taiwanesischen Markt analysierte Perlin 2007 in seiner Studie die Profitabilität einer ähnlichen Pairs Trading Strategie für den brasilianischen Markt^[107]. Perlin berücksichtigte die Preisreihen der 100 liquidesten Aktien des brasilianischen Marktes von 2000 bis 2006. Nach einer Normalisierung der Zeitreihen wurde auch in dieser Arbeit eine Auswahlregel basierend auf der Methode der kleinsten quadratischen Abweichung zwischen den nun normalisierten Preisen verwendet. Im Gegensatz zu den beiden eingangs erwähnten Studien waren die Handelssignale diesmal nicht festgeschrieben. Stattdessen wurde die Versuchsreihe mehrmals mit jeweils verschiedenen Grenzwerten durchlaufen. Zudem untersuchte Perlin neben dem täglichen Handel der Paare auch eine wöchentliche und monatliche Anwendung. Die absoluten Ergebnisse der Studie schwankten deutlich und waren stark abhängig von den gewählten Handelsgrenzen. Bei täglicher Betrachtung konnte so beispielsweise eine Spanne der Renditen von mehr als 50 Prozent beobachtet werden. Gesamtverlusten von fast 24 Prozent standen Gesamtgewinne von mehr als 37 Prozent bei anderen Signalwahlen gegenüber. Erstaunlicherweise führten bei täglichem Handel eher niedrige Signale zu einem positiven Ergebnis, während sich die Lage bei monatlichem Handel genau umgekehrt darstellte. Im Allgemeinen konnten – wie erwartet – Strategien mit täglichem Handel deutlich höhere Profite erzielen, als es bei wöchentlicher oder monatlicher Aktualisierung möglich gewesen wäre. Perlin verglich die Ergebnisse mit einer naiven Handelsstrategie auf dem brasilianischen Markt und konnte zeigen, dass Pairs Trading in fast allen Fällen die profitablere Wahl für einen Investor gewesen wären. Zur Beurteilung der impliziten Risiken wurde in Perlin’s Studie lediglich das Beta des zusammengestellten Portfolios bestimmt. Für fast alle Fallunterscheidungen lag dieses sehr nahe bei Null. Somit konnte die Strategie als beinahe marktneutral eingestuft werden^[108]. Die Ergebnisse waren relativ unabhängig von allgemeinen Bewegungen des Marktes.

Pairs Trading Konzepte fanden auch außerhalb des Aktienmarktes wissenschaftliches Interesse. Untersuchungen von Handelsstrategien in Spezialmärkten und mit besonderen Anlagetiteln weisen allerdings häufig Besonderheiten auf, welche eine allgemeine Übertragbarkeit der Anwendung und auch eine Interpretation der Ergebnisse erheblich erschweren. Die entsprechenden Studien sollen daher im Folgenden nur kurz erläutert werden. Es ist hierbei leicht zu erkennen, wie variabel und vielfältig sich das Grundkonzept des Pairs Trading darstellt.

Ein spezieller Pairs Trade wurde beispielsweise im Jahre 2003 von Nath für den amerikanischen Staatsanleihenmarkt (US Treasury Securities) untersucht^[109]. Nath normalisierte in einem ersten Schritt die veröffentlichten Preise für Staatsanleihen mit Hilfe derselben Methodologie wie Perlin. In der Folge wurden für einen Zeitraum von 1994 bis 2000 Identifikations- und Handelsphasen für Anleihepaare simuliert. Obwohl sich die Preisbildung auf dem Markt für Staatsanleihen signifikant von dem Aktienmarkt unterscheidet^[110] (unter anderem weniger Teilnehmer, over-the-counter Geschäfte^[111] ), konnte auch hier die Profitabilität einer Pairs Trading Strategie anhand diverser Kennzahlen nachgewiesen werden. Die Strategie schlug in der historischen Analyse verschiedene Benchmarks.

Hong und Susmel konzentrierten sich in einer weiteren Studie im Jahre 2003 auf das Pairs Trading zwischen asiatischen Aktien und den zugehörigen ADRs auf dem amerikanischen Markt^{[112] [113]}. Vorangegangene Untersuchungen hatten nur eine geringe Profitabilität von Pairs Trades in diesem spezifischen Marktumfeld ergeben^[114]. Auf Grund der starken Verbindung der beiden Preisreihen waren hier allerdings eigentlich besonders stabile und risikoarme Profite zu erwarten. Hong und Susmel untersuchten die Preisentwicklungen von insgesamt 64 Wertpapierpaaren aus neun verschiedenen asiatischen Ländern im Zeitraum von 1991 bis 2000. Die Identifikationsphase entfiel in diesem speziellen Fall, da zwischen allen Paaren unmittelbar eine kointegrative^[115] Beziehung nachgewiesen werden konnte. Die Handelssignale wurden analog zu Gatev et al. als Differenz von mindestens zwei historischen Standardabweichungen definiert. Für die Handelsphase nutzten Hong und Susmel in ihrer Studie jedoch eine neu entwickelte Strategie. Geöffnete Positionen wurden diesmal unabhängig vom Kursverlauf in jedem Fall für eine bestimmte Zeitdauer gehalten, bevor sie wieder geschlossen wurden. Dies führte zu einer sehr viel geringeren Anzahl tatsächlicher Transaktionen. Es wurden drei verschiedene Haltedauern untersucht (3, 6 und 12 Monate), wobei die Ergebnisse generell bessere Renditechancen für längere Investitionszeiten aufzeigten. Insgesamt konnten durchgehend recht hohe erzielbare Renditen nachgewiesen werden. So erreichte eine Pairs Trading Strategie basierend auf einer fixen dreimonatigen Haltedauer beispielsweise eine durchschnittliche jährliche Rendite von knapp 9 Prozent^[116]. Basierend auf Haltedauern von sechs und zwölf Monaten wurden sogar erzielbare jährliche Durchschnittsrenditen von fast 18 Prozent beziehungsweise fast 34 Prozent nachgewiesen. Die Ergebnisse für diesen Spezialmarkt wichen somit recht deutlich von den anderen Forschungsresultaten ab – Renditen von über 30 Prozent ließen sich bis dato kaum nachweisen. Allerdings beinhaltete die Strategie von Hong und Susmel auch zusätzliche Risiken. Zum einen notierten die untersuchten Positionen in verschiedenen Währungen. Mögliche Wechselkursschwankungen erhöhen das Transaktionsrisiko im Allgemeinen signifikant und können eine wichtige Rolle für den Gesamterfolg der Strategie spielen. Außerdem war von einem erhöhten Execution Risk unter anderem aufgrund des zeitverzögerten Handels von ADRs und ihren Basiskursen auszugehen^[117].

Sehr ausführlich wurden Pairs Trading Strategien für so genannte „Dual Listed Companies“ (DLCs, oder auch „siamesische Zwillinge“^[118] ) erforscht^[119]. Hiermit wird in der Regel eine Struktur aus zwei Unternehmen bezeichnet, welche gemeinsam operativ tätig sind und die erwirtschafteten Cashflows wie auch die Haftungsübernahme von Risiken untereinander aufteilen^[120]. Für Pairs Trader sind derartige Unternehmensverbindungen besonders interessant, da in der Regel beide beteiligten Unternehmen rechtlich unabhängig bleiben und separat an den Börsen notiert werden^[121]. Der Spread zwischen den Unternehmen sollte im Falle eines perfekten und effizienten Marktes aufgrund der vereinten operativen Tätigkeit theoretisch stets konstant sein^[122]. Zahlreiche Studien zeigen jedoch, dass über lange Zeiträume teilweise signifikante Fehlpreisungen in diesen Datenreihen auftauchten^[123]. De Jong et al. konnten so beispielsweise in ihrer Studie von 2005 nachweisen, dass unter Verwendung einer sehr einfachen Pairs Trading Handelsstrategie bereits risikoadjustierte Arbitragegewinne von bis zu 10 Prozent pro Jahr möglich gewesen wären^[124].

Grundsätzlich lässt sich festhalten, dass Pairs Trading in der Vergangenheit in vielen Fällen offensichtlich eine gewinnbringende, profitable Strategie gewesen wäre. In einem Großteil der veröffentlichten Studien lagen die berechneten Ergebnisse höher als die möglichen Erträge naiver Strategien oder anderer Benchmarks. Auch die Einbeziehung von risikoadjustierten Kennzahlen hatte dabei keinen Einfluss auf die tendenzielle Aussage. Eine kurze Zusammenfassung ausgewählter bisheriger empirischer Studien findet sich noch einmal in Tabelle 2.1.

Abbildung in dieser Leseprobe nicht enthalten

2.1 Übersicht ausgewählter Forschungsergebnisse

Tabelle 2.1 – Übersicht ausgewählter empirischer Forschungsergebnisse

2.6 Risiken im Pairs Trading

Risikomessung und -steuerung spielen eine immer wichtigere Rolle bei der Entwicklung und für den Erfolg von Handelsstrategien^[125]. Für das Pairs Trading wurde dies besonders im Jahre 1998 deutlich, als Long Term Capital Management (LTCM), einer der damals weltgrößten Hedge Funds, einen Rekordverlust von 286 Millionen US-Dollar mit Pairs Trading Geschäften bekannt geben musste^[126]. Bis heute hat sich die Bedeutung des Risikomanagements dabei noch gesteigert. Gerade die derzeitige globale Finanzkrise führt auch zu einer Hinterfragung von Strategien, die bis jetzt als risikoarm galten.

Im Folgenden sollen die Hauptrisiken einer Pairs Trading Strategie und die wesentlichen Ansatzpunkte zur Risikoverringerung eingehend dargelegt werden. Abbildung 2.6 bietet hierzu eine erste Übersicht. Einige Methoden zur Quantifizierung und Anwendung dieser Risikoklassifikationen werden darüber hinaus im empirischen Teil dieser Arbeit vorgestellt.

Abbildung in dieser Leseprobe nicht enthalten

2.6.1 Konzeptrisiken

Das Handelsmodell des Pairs Trading baut fast vollständig auf historischen Beobachtungen auf. Als ein allgemeines Konzeptrisiko kann somit die implizite Annahme der Konsistenz des Verlaufes von in der Vergangenheit identifizierten Beziehungen in der Zukunft gesehen werden^[127]. Sollte ein derartiger Zusammenhang nicht bestehen, kommt es mit hoher Wahrscheinlichkeit zur Ableitung von falschen oder fehlerhaften Vorhersagen über zukünftige Entwicklungen. Es besteht damit das Risiko, dass sich Interpretationen von Kursverläufen im Nachhinein als rein zufällige Muster herausstellen. Derartige Fehlentscheidungen – genauer gesagt abzulehnende Hypothesen, die als wahr angenommen werden – sollen hier analog zu den Termini der Statistik als „Alpha-Fehler“^[128] klassifiziert werden. Alpha-Fehler, die zu einer tatsächlichen Öffnung von Positionen führen, können hohe Verluste einer Pairs Trading Strategie zur Folge haben^[129]. „Beta-Fehler“ bezeichnen hingegen im Allgemeinen eine abgelehnte Hypothese, die tatsächlich jedoch zutrifft^[130]. Im vorliegenden Fall wäre dies klassischerweise die fälschliche Missachtung und Nichteinbeziehung von Aktienpaaren, die für einen Pairs Trade geeignet gewesen wären. Es lässt sich leicht erkennen, dass das absolute Risiko für den Investor im Falle eines Beta-Fehlers sehr viel geringer ist. Ihm gehen lediglich potentielle Arbitragemöglichkeiten verloren. Bei der Umsetzung eines Pairs Trade sollte der Fokus auf eine Verringerung der Wahrscheinlichkeit des Alpha-Fehlers gesetzt werden. Für die Risikoreduktion nimmt daher die Identifikationsphase, in welcher die entsprechenden Suchroutinen angewandt werden, eine entscheidende Rolle ein.

Alpha- und Beta-Fehler können auch das Ergebnis einer fehlerhaften Modellierung („Model Risk“^[131] ) oder einer ungünstigen Wahl von Handelsparametern sein. Insbesondere fehlende Transparenz bei den komplexen Computersystemen (im Sinne einer „Black Box“^[132] ) stellt in diesem Zusammenhang einen kritischen Faktor dar. Hierdurch erhöht sich das Verlustrisiko weiter^[133], der Erfolg der Strategie ist gefährdet^[134].

2.6.2 Marktentwicklungen und exogene Ereignisse

Auch unvorhergesehene Entwicklungen des Anlagemarktes können die erzielbaren Renditen einer Pairs Trading Strategie erheblich beeinflussen. Eine Veränderung des Marktes – beispielsweise infolge einer unerwarteten Verschiebung der Zinskurve^[135] – hat in fast allen Fällen Einfluss auf die Kurse der gewählten Aktienpaare. Generell ist hierbei von einem positiven Zusammenhang auszugehen, das heißt die Aktienkurse entwickeln sich in die gleiche Richtung wie der Markt^[136]. Die Stärke dieses Zusammenhanges unterscheidet sich jedoch zumeist innerhalb des Aktienpaares^[137]. In der Regel ist die Gültigkeit von historisch beobachteten Zusammenhängen und Gleichgewichten nur beim Auftreten extremer Marktbewegungen und exogener Systemschocks gefährdet^[138]. Um das allgemeine Marktrisiko zu reduzieren oder sogar zu eliminieren, werden beim Pairs Trading häufig Spezialkonstruktion wie marktneutrale Portfolien verwendet^[139].

Höhere Relevanz als Marktbewegungen haben generell ungewöhnliche Ereignisse, die auf die einzelnen Aktienpaare wirken^[140]. Dieses auch als „Event Risk“^[141] bezeichnete Risiko stellt Investoren vor allem aufgrund der diffizilen Abschätzung und den schweren Konsequenzen vor große Herausforderungen im Rahmen eines Pair Trades^[142]. Es ist kaum möglich derartige Ereignisrisiken realistisch in den entwickelten Handelsmodellen und -routinen abzubilden. Schon relativ häufig auftretende Ereignisse wie Unternehmensaufkäufe und -fusionen oder lediglich Bilanzierungsänderungen können die Preiskurven und damit die Ergebnisse eines in der Vergangenheit erfolgreichen Paares signifikant beeinflussen^[143]. Auch Downgrades der Schuldpositionen von Unternehmen, Strategiewechsel oder Umstrukturierungen können historisch gültige und empirisch aufzeigbare Beziehungen permanent verändern^[144]. Schwerwiegendste Auswirkungen haben Ereignisse, die höchstwahrscheinlich in einer Auflösung der beobachteten Gleichgewichtsbeziehung resultieren, wie beispielsweise Insolvenzen^[145]. Eine Rückkehr in ein langfristiges Gleichgewicht darf beim Auftreten eines derartigen Schocks nicht in allen Fällen erwartet werden^[146].

Diversifikationseffekte zur Abdämpfung spezifischer Kursbewegungen sind bei der Spezialisierung auf nur zwei oder wenige Anlagen kaum vorhanden^[147]. Hinzu kommt, dass Anlagepaare häufig aus ähnlichen oder identischen Industrie- und Anlageklassen für das Handelsportfolio ausgewählt werden, da hier besonders häufig Gleichverläufe vermutet werden^[148]. Diese Konzentration macht eine Strategie jedoch auch besonders anfällig für branchenspezifische (Fehl-) Entwicklungen.

Zusammengenommen bleibt festzuhalten, dass insbesondere die spezifischen Charakteristika der Zielmärkte einer besonderen Beobachtung bedürfen, während allgemeine Marktentwicklungen als geringeres Risiko einzustufen sind. Ein konstantes „Monitoring“^[149] der Zielunternehmen ist somit unerlässlich und sollte in allen Phasen des aufgezeigten Strategiekonzepts betrieben werden^[150]. Die Bündelung mehrerer gehandelter Paare in einem Portfolio sowie die Definition von Risikoschranken wie Stop-Loss Grenzen können helfen, dass allgemeine Risiko deutlich zu reduzieren.

[...]

^[1] Pairs Trading wird oft als spezielle Form der statistischen Arbitrage bezeichnet (vgl. bspw. Elliott et al. (2005), S. 271). Im Zuge einer strengen Definition wird Arbitrage allerdings mit Risikofreiheit gleichgesetzt. Dies lässt sich nicht mit dem Konzept des Pairs Trading vereinen, weswegen in dieser Arbeit Arbitragegeschäfte als „risikoarme Gewinnchancen“ verstanden werden sollen (vgl. auch Bueschken (1988), S. 33). Nath (2003), S. 2 schlägt in Einklang hiermit den neuen Begriff „Expectations Arbitrage“ vor, zudem wird zuweilen der Begriff „Spreading“ verwendet. Vgl. für eine ausführlichere Diskussion der Problematik auch Wilkens (2003), S. 39ff. und Taleb (1996), S. 80-87.

^[2] Vgl. bspw. Do et al. (2006), S. 2 oder Vidyamurthy (2004), S. 74ff.

^[3] Vgl. Gatev et al. (2006), S. 801.

^[4] Vgl. Perlin (2007a), S. 4.

^[5] Vgl. Goetzmann / Ross (2000), S. 18f.

^[6] Zu der gleichen Einschätzung kommen u.a. Do et al. (2006), S. 2, Chng (2007), S. 2 und Andrade et al. (2005), S. 2f. Bezüglich eines Referenzartikels wird häufig auf Gatev et al. (2006) verwiesen. In der Literatur gilt Vidyamurthy (2004) als Standardwerk.

^[7] Vgl. für eine beispielhafte Auflistung einiger Ansätze bspw. Do et al. (2006), S. 4-11 oder Vidyamurthy (2004), S. 85-97.

^[8] Vgl. Vidyamurthy (2004), S. 73ff. und Pole (2007), S. 21.

^[9] Vgl. Perlin (2007a), S. 2.

^[10] Vgl. bspw. Papadakis / Wysocki (2007), S. 4f. für einen kurzen Überblick über bisherige akademische Forschungsfelder.

^[11] Vgl. Kaiser (2004), S. 73f., der noch weitere strukturelle Unterschiede aufzeigt.

^[12] Vgl. grundlegend auch Hornberg (2006), S. 118.

^[13] Vgl. für Änderungen durch die zu erwartende Regulierung für Hedge Funds bspw. Aglietta / Rigot (2008), insb. S. 18-28, für einen Ausblick vgl. Ehrman (2006), S. 22f.

^[14] Vgl. für eine ausführliche Darlegung der Bedeutung des Risk Managements für Hedge Funds auch Lo (2001), S. 16ff.

^[15] Vgl. bspw. Andrade et al. (2005), S. 6. Reichling (2003), S. 264 definiert Backtesting wie folgt: „[Eine] Gegenüberstellung von Modell- und tatsächlichen Ergebnissen, um auf die Verlässlichkeit des verwendeten Modells zu schließen“.

^[16] Vgl. Reichling (2003), S. 264 oder Hommel et al. (2006), S. 139 für eine weiterführende Definition.

^[17] Vgl. Ehrman (2006), S. 33 und Elliott et al. (2005), S. 271.

^[18] Vgl. Papadakis / Wysocki (2007), S. 5 und Pole (2007), S. 20. Reverre (2001), S. 463 schätzt allein die Anzahl gelisteter Unternehmen in den fünf größten Märkten weltweit auf ca. 10.000.

^[19] ADR (engl.) steht für „American Depositary Receipt“ und bezeichnet ein von einer US-amerikanischen Depotbank ausgestelltes Zertifikat, welche die dem ADR zugrunde liegende Aktie in Verwahrung hält. ADRs dienen vornehmlich der Erleichterung von Geschäften mit ausländischen Wertpapieren in den Vereinigten Staaten. Vgl. für weitere Erläuterungen bspw. von Rosen (1996), S. 388ff. oder Zimmermann (2003), S. 21f.

^[20] Vgl. bspw. Gatev et al. (2006), Andrade et al. (2005) oder Hong / Susmel (2004).

^[21] Vgl. Kaiser (2004), S. 74 und Burgess (2003), S. 48.

^[22] Vgl. Andrade et al. (2005), S. 3.

^[23] Vgl. Hong / Susmel (2004), S. 7.

^[24] Um die rechtlichen Implikationen beim Leerverkauf einer Aktie zu umgehen, kann die Position bspw. von Privatanlegern auch mit Hilfe von Derivaten nachgebildet werden. Total Return Swaps bieten sich hierfür an, vgl. auch Fano-Leszczynski (2005), S. 43. Details zu Total Return Swaps und ihrer Konstruktion finden sich bspw. in Wolke (2008), S. 173 oder Perridon / Steiner (2004), S. 348f.

^[25] Vgl. bspw. Bitz / Stark (2008), S. 282f., für einen kurzen Überblick der rechtlichen Grundlagen von Hedge Fund Aktivitäten vgl. Kaiser (2004), S. 37ff. und die dort angegebenen Literaturverweise.

^[26] Für eine detaillierte Darstellung der steuerlichen Problematik sei auf die einschlägige Literatur verwiesen. Die steuerliche Behandlung von Hedge Funds untersuchen bspw. detailliert Jarass / Obermair (2007), eine kurze Übersicht für deutsche Kapitalgesellschaften findet sich bspw. in Weber (2005), S. 133ff.

^[27] Vgl. Ehrman (2004), S. 2.

^[28] Vgl. Whistler (2004), S. 42ff. für eine detaillierte Erläuterung der Spreadberechnung und -analyse.

^[29] Wie im weiteren Verlauf gezeigt wird, kann auch der relative Preis anstelle eines absoluten Spreads betrachtet werden, vgl. hierfür bspw. auch Gatev et al. (2006), S. 803f. und Abschnitt 5.1.3.1.

^[30] Vgl. bspw. Gatev et al. (2006), S. 800f., Chng (2007), S. 5f. oder Do et al. (2006), S. 2.

^[31] Vgl. Elliott et al. (2005), S. 271 und Gillespie / Ulph (2001), S. 2.

^[32] Vgl. Jaeger (2002), S. 56f. Häufig wird sogar nur von zwei Schritten ausgegangen, einer Formations- und einer Handelsperiode (vgl. bspw. Gatev et al. (2006), S. 807f. oder Papadakis / Wysocki (2007), S. 2). Eine weiterführende Phasenbetrachtung erfolgt in Abschnitt 2.4.

^[33] Vgl. Gatev et al. (2006), S. 808.

^[34] Vgl. Whistler (2004), S. 3.

^[35] Vgl. Elliott et al. (2005), S. 271.

^[36] Gatev et al. (2006), S. 808, bezeichnen diesen Schritt als „Trading Period“.

^[37] Vgl. für eine formale Darstellung bspw. Vidyamurthy (2004), S. 84ff.

^[38] Bei einem Leerverkauf verkauft ein (Baisse)spekulant – im Gegensatz zu einem klassischen Verkauf – Papiere, die er im Zeitpunkt des Geschäftsabschlusses nicht besitzt, sondern deckt sich zu einem späteren Zeitpunkt mit diesen ein. Fällt der Kurs in der Zwischenzeit, profitiert der Leerverkäufer. Für weitere Erläuterungen vgl. bspw. einführend Hull (2006), S. 101f. oder ausführlicher Henssler (1994), S. 579ff. Für Risiken und Vorteile verbunden mit Leerverkäufen vgl. allgemein Fabozzi (2004), S. 179ff.

^[39] In der Regel unterscheidet sich hierbei der Kapitaleinsatz der beiden Positionen, es kommt zu einem so genannten Long oder Short Bias (vgl. Kaiser (2004), S. 131). Diese Problematik soll hier jedoch nicht weitere ausgeführt werden, da die Investitionssumme in der Praxis zumeist noch von anderen Faktoren abhängt (vgl. Kapitel III).

^[40] Vgl. Elliott et al. (2005), S. 271 oder Hong / Susmel (2004), S. 3.

^[41] Vgl. Lin et al. (2006), S. 3.

^[42] Die Zeiteinteilung dient hier lediglich exemplarischen Zwecken. In der Realität wird im Allgemeinen von einem relativ kurzen Investitionszeitraum ausgegangen, vgl. Weber (2004), S. 82f.

^[43] Vgl. Ehrman (2006), S. 21.

^[44] Vgl. ebd.

^[45] Vgl. Perlin (2007a), S. 3 und Reverre (2001), S. 463.

^[46] Vgl. Ehrman (2006), S. 19ff. und S. 59, sowie Pole (2007), S. 3.

^[47] Vgl. Gatev et al. (2006), S. 801. und Vidyamurthy (2004), S. 73f. Allerdings weisen Pole (2007), S. 1 und Thorp (2003), S. 37 darauf hin, dass auch Gerry Bamberger Anspruch auf die Erfindung einer ersten modernen Pairs Trading Strategie erhebt (um 1985).

^[48] Vgl. Perlin (2007a), S. 3, eine ausführliche Beschreibung der damals neuartigen Arbeitsmethoden findet sich in Casserley (1993), S. 166ff.

^[49] Vgl. Vidyamurthy (2004), S. 74 und Gatev et al. (2006), S. 801.

^[50] Vgl. Gatev et al. (1999), S. 5.

^[51] Vgl. Andrade et al. (2005), S. 3.

^[52] Vgl. Chng (2007), S. 2.

^[53] Vgl. (auch für eine Auflistung weiterer potentieller Vorteile) Chng (2007), S. 2.

^[54] Vgl. Herlemont (2004), S. 7 und Jaeger (2002), S. 57.

^[55] Vgl. Reverre (2001), S. 469.

^[56] Vgl. sehr ausführlich Ehrman (2006), S. 27-63.

^[57] Abschnitt 3.1 befasst sich detailliert mit marktneutralen Investitionen.

^[58] Vgl. Whistler (2004), S. 4.

^[59] Vgl. Mudchanatongsuk et al. (2008), S. 1 und Elliott et al. (2005), S. 271.

^[60] Vgl. bspw. Hong / Susmel (2004), S. 3, Burgess (2003), S. 48 oder McCrary (2004), S. 65.

^[61] Vgl. Ehrman (2006), S. 20ff.

^[62] Vgl. die Studie von Gatev et al. (2006), S. 811ff. Für weitere empirische Ergebnisse vgl. Abschnitt 2.5.

^[63] Vgl. bspw. Fung / Hsieh (2001), S. 313, Weber (2004), S. 123f. oder ausführlich Jorion (2007), S. 399ff.

^[64] Vgl. Gatev et al. (2006), S. 821.

^[65] Vgl. Kishan (2008), S. 1.

^[66] Lediglich vereinzelt findet sich eine grobe Einteilung zumeist in zwei Phasen. Gatev et al. (2006), S. 807 sprechen von „Formation Period“ und „Trading Period“, auch Herlemont (2004), S. 5 beschreibt grob eine beispielhafte Schrittfolge. Nath (2003), S. 4 listet eine Auswahl an Schritten auf, die zwischen der hier so genannten „Training Period“ und der „Trading Period“ abgearbeitet werden müssen.

^[67] Vgl. Madhavan (2002), S. 75ff.

^[68] Auch Kuo (2004), S. 7 integriert eine Rückverknüpfung in sein Pairs Trading Modell.

^[69] Vgl. auch im Folgenden Nath (2003), S. 3 für eine Auflistung operativer Fragestellungen.

^[70] Vgl. Pole (2007), S. 20.

^[71] Vgl. Pole (2007), S. 18 oder Perlin (2007a), S. 2. Für empirische Ergebnisse und Sensitivitäten der Transaktionskostensätze vgl. auch Abschnitt 5.2.4.

^[72] Im deutschen oft auch als Geld-Brief-Spanne bezeichnet. Für jedes Wertpapier existieren am Markt zwei Preise, ein Angebotspreis (ask) und ein Nachfragepreis (bid), der Unterschied hierzwischen stellt den Bid-Offer-Spread dar. Es handelt sich hierbei um implizite Transaktionskosten bzw. Einnahmen der Makler, vgl. auch Anson (2006), S. 117f.

^[73] Vgl. Perlin (2007b), S. 19 und Ehrman (2006), S. 40. Burgess (2003), S. 49, relativiert die Vorgaben hingegen ein wenig. Er schreibt, dass Preiskorrekturen bei Paaren eher nach einigen Tagen oder Wochen auftreten würden – im Gegensatz zu anderen Arbitragestrategien, wo Sekunden oder Minuten über Handel entscheiden würden.

^[74] Beginnend mit Tartaglia in den 80er Jahren wurden stetig weitere Verfahren zur Paarformation entwickelt. Für eine ausgewählte Darstellung vgl. Kapitel IV.

^[75] Vgl. ähnlich auch Perlin (2007b), S. 2.

^[76] Vgl. Hong / Susmel (2004), S. 3, Ehrman (2006), S. 67ff. und Herlemont (2004), S. 5f. Für eine empirische Überprüfung dieser These vgl. Abschnitt 5.2.4.

^[77] Vgl. Kuo (2004), S. 2, der zudem versucht eine optimale Parameterwahl für das Pairs Trading zu ermitteln.

^[78] Der Begriff Lags beschreibt in der Analyse und Modellierung von Zeitreihen die Anzahl der miteinbezogenen historischen Beobachtungspunkte zur Bestimmung eines neuen Wertes, vgl. Harvey (1994), S. 25.

^[79] Für die empirischen Ergebnisse hierzu vgl. auch Abschnitt 5.2.4.

^[80] Vgl. bspw. Papadakis / Wysocki (2007), S. 8f., hier wird von „Triggern“ gesprochen, Perlin (2007b), S. 5 spricht von einem „Threshold Value“.

^[81] Vgl. bspw. Gatev et al. (2006), S. 802, Papadakis / Wysocki (2007), S. 6 oder Herlemont (2004), S. 7.

^[82] Vgl. Perlin (2007b), S. 9ff., auch Vydiamurthy (2004), S. 118ff.

^[83] Vgl. Gatev et al. (2006), S. 815f.

^[84] In den Ergebnissen der Studie von Perlin (2007b) ist gut zu erkennen, wie entscheidend die Unterschiede bei verschiedenen Einstellungen der Handelssignale sein können – im Extremfall sogar größer als 100 Prozent. Empirische Ergebnisse für den deutschen und europäischen Markt finden sich in Abschnitt 5.2.

^[85] Vgl. Ehrman (2006), S. 228ff. und Do et al. (2006), S. 2.

^[86] Vgl. Gatev et al. (2006), S. 808 oder Herlemont (2004), S. 7f.

^[87] Vgl. Mudchanatongsuk et al. (2008), S. 1.

^[88] Vgl. Gatev et al. (2006), S. 808.

^[89] Vgl. ebd.

^[90] Vgl. ähnlich Chng (2007), S. 2.

^[91] Vgl. Lin et al. (2006), S. 3 und ausführlicher Reverre (2001), S. 469ff.

^[92] Besonders betroffen ist hier die Short Position, die tatsächlich zu einem theoretisch unbegrenzten Verlust führen kann. Bei der Long Position in dem gehandelten Paar kann hingegen maximal der Einstiegspreis verloren gehen, sollte die Aktie bis auf Null fallen.

^[93] Vgl. Herlemont (2004), S. 8f. Für eine allgemeine Darstellung des Stop-Loss Konzeptes vgl. bspw. Hull (2006), S. 342ff.

^[94] Vgl. Reverre (2001), S. 469ff. Stop-Loss Schranken werden in Abschnitt 5.1.3.3 ausführlich untersucht.

^[95] Vgl. Madhavan (2002), S. 79. Für eine beispielhafte Anwendung vgl. Galenko et al. (2007), die mit Hilfe des Backtestings etliche Handelsstrategien analysieren.

^[96] Lin et al. (2006), S. 13 sehen den Erfolg einer Pairs Trading Strategie sogar maßgeblich beeinflusst von einer passenden Einstellung der operativen Details.

^[97] Vgl. auch im Folgenden Gatev et al. (2006), S. 797ff.

^[98] Die erste Version der Studie entstand bereits im Juni 1998.

^[99] In den aufgelisteten Arbeiten erfolgte die Normalisierung im Allgemeinen mit Hilfe einer so genannten „z-score“-Standardisierung. Dies entspricht einer Subtraktion des Mittelwertes und anschließender Division durch die Standardabweichung. Vgl. Kähler (2007), S. 79 oder Toutenburg et al. (2006), S. 126 wie auch Abschnitt 4.2.1.

^[100] Der Value at Risk (VaR) ist ein verlustorientiertes Risikomaß. Er gibt an wie hoch der maximal zu erwartende Verlust mit einer bestimmten Wahrscheinlichkeit sein wird. Typischerweise gewählte Quantile liegen bei 95% und 99% (seltener) bei einer monatlichen oder 10-tägigen Betrachtung. Für eine ausführliche Beschreibung dieses auf der Normalverteilung aufbauenden Konzeptes vgl. bspw. Wolke (2008), S. 27ff. oder Hull (2006), S. 435ff.

^[101] Vgl. auch im Folgenden Papadakis / Wysocki (2007), insb. S. 27ff.

^[102] Vgl. auch im Folgenden Kuo (2004). Untersuchungen für andere Märkte zur Optimierung von Handelsparametern sind im Allgemeinen bisher kaum vorhanden, wie auch Chng (2007), S. 5 anmerkt.

^[103] Vgl. auch im Folgenden Andrade et al. (2005).

^[104] 125 Handelstage entsprechen in etwa 6 Monaten realer Zeit, 250 dementsprechend ungefähr einem Jahr. Die nicht unumstrittene Begründung dieser Konvention findet sich darin, dass die Kurse eines an der Börse notierten Titels nur handelstäglich beobachtet werden können. In der Literatur wird unterschiedlichen Annahmen gefolgt, Hull (2006), S. 440 geht bspw. von durchschnittlich 252 Handelstagen aus.

^[105] Für eine detaillierte Darstellung des Konzeptes der Sharpe Ratio vgl. Spremann (2006), S. 376ff., die finanzwirtschaftliche Standardliteratur wie bspw. Bodie et al. (2008), S. 139f. oder grundlegend den Originalartikel von Sharpe (1966), S. 119ff. Vgl. ebenso Kapitel V, wo der Einsatz der Sharpe Ratio im Rahmen der Risikobewertung der empirischen Studie näher erläutert wird.

^[106] Auch Gatev et al. (2006), S. 817 konnten 4 bis 6-mal höhere Sharpe Ratios als der Markt nachweisen. Sie entgegen zudem der Kritik von Goetzmann et al. (2002), S. 15ff. dass eine Untersuchung von Sharpe Ratios zu fehlgeleiteten Erkenntnissen führen würde.

^[107] Vgl. auch im Folgenden Perlin (2007a).

^[108] Weitere Ausführungen zum Konzept der Marktneutralität finden sich in Abschnitt 3.1.

^[109] Vgl. auch im Folgenden Nath (2003).

^[110] Vgl. Liaw (2006), S. 136-155 für eine ausführliche Darlegung des US-Treasury Geschäfts oder auch zusammenfassend Nath (2003), S. 4-8.

^[111] Das Over-the-counter (OTC) Geschäft bezeichnet den außerbörslichen Handel bspw. im Interbankenmarkt. Allgemein liegen hier geringere Transparenz und erschwerte Zugangsmöglichkeiten vor.

^[112] Vgl. auch im Folgenden Hong / Susmel (2004).

^[113] Allgemeine Arbitragemöglichkeiten von Handelsgeschäften auf den ADR-Märkten wurden in den vergangenen Jahren sehr umfassend – insbesondere für Schwellenländer – erforscht. Auch wenn diesen Studien teilweise andere Handelsstrategien zugrunde lagen, lassen sich die Ergebnisse sehr konkret auf erzielbare Renditen durch Pairs Trading übertragen. Eine Übersicht mit vielen Verweisen auf andere Studien findet sich bspw. in Licht (1998), S. 591.

^[114] Vgl. die entsprechenden Verweise in Hong / Susmel (2004), S. 4.

^[115] Für eine detaillierte Erläuterung des Konzeptes der Kointegration vgl. Abschnitt 3.3.1.

^[116] Hong / Susmel (2004), S. 5-8 zeigen verschiedene Maße zur Messung der tatsächlichen Renditen auf. Der Einsatz anderer, aggressiverer Maßzahlen führte in der Studie zu deutlich höheren errechneten Profiten.

^[117] Vgl. Hong / Susmel (2004), S. 6.

^[118] Gagnon / Karolyi (2004), S. 1 und de Jong et al. (2005), S. 2.

^[119] Vgl. für eine Übersicht Gagnon / Karoly (2004), S. 2f., für eine umfassendere Darstellung vgl. de Jong et al. (2005), S. 5ff. und die dort angegebenen Verweise. Für eine Darstellung des deutschen Marktes vgl. von Rosen (2005), S. 11ff.

^[120] Feste vertragliche Vorgaben müssen dabei die Aufteilung und die Haftungsübernahmen regeln. Vgl. auch im Folgenden für eine detaillierte Beschreibung bspw. de Jong et al. (2005), S. 2 und sehr ausführlich Bedi / Tennant (2002), S. 7ff.

^[121] Klassischerweise herangezogene Beispiele sind die Unternehmen Royal Dutch Shell oder Unilever (niederländisch, britisch).

^[122] Vgl. ähnlich de Jong et al. (2005), S. 2.

^[123] Vgl. de Jong et al. (2005), S. 2-5 für eine Übersicht bisheriger empirischer Forschung im Bereich der DLCs.

^[124] Vgl. de Jong et al. (2005), S. 29.

^[125] Vgl. Reverre (2001), S. 469.

^[126] Vgl. Kaiser (2004), S. 63 sowie Lin et al. (2006), S. 2 beide auch mit Verweis auf Lowenstein (2001), S. 234. Auslöser für den Bankrott des Hedge Funds waren extreme Marktbewegungen im Rahmen der damaligen Russlandkrise, vgl. Hong / Susmel (2004), S. 3.

^[127] Vgl. Pole (2007), S. 27, allgemein auch Nicholas (2000), S. 53.

^[128] Vgl. die Standardliteratur für Statistik, bspw. Fleischer (2004), S. 146.

^[129] Vgl. Herlemont (2004), S. 8.

^[130] Vgl. bspw. Fleischer (2004), S. 146.

^[131] Vgl. Kirschner et al. (2006), S. 147.

^[132] Ehrman (2006), S. 40.

^[133] Vgl. Ehrman (2006), 39f.

^[134] Vgl. Lin et al. (2006), S. 1.

^[135] Vgl. Nath (2003), S. 2.

^[136] Vgl. Vidyamurthy (2004), S. 5.

^[137] Dies liegt in den unterschiedlichen Betas der Aktien begründet, für eine ausführliche Diskussion vgl. die Standardliteratur zur Kapitalmarkttheorie und Corporate Finance wie bspw. Bodie et al. (2008), S. 265ff. oder Ross et al. (2005), S. 255ff. sowie Kapitel III.

^[138] Wie bspw. Börsencrashs (1987), Attentate (2001) oder Epidemien (SARS, 2003). Vgl. Whistler (2004), S. 62ff und S. 110ff. wie auch Weber (2004), S. 81f. Liu et al. (2001) untersuchen allgemein den Einfluss derartiger Preisschocks auf die Wahl von Investmentstrategien (S. 231ff.).

^[139] Vgl. Papadakis / Wysocki (2007), S. 5, für weitere Ausführungen auch Abschnitt 3.1.

^[140] Vgl. Andrade et al. (2005), S. 7 und Kirschner et al. (2006), S. 147f.

^[141] Vgl. bspw. Pole (2007), S. 142ff. oder Fung / Hsieh (2001), S. 332. Herlemont (2004), S. 9 spricht hingegen von „Stock Specific Risks“.

^[142] Vgl. Whistler (2004), S. 103f.

^[143] Vgl. bspw. Lin et al. (2006), S. 3. Für eine umfangreiche Analyse des Einflusses von Änderungen der Bilanzierung auf Renditen von Pairs Trading vgl. Papadakis / Wysocki (2007), speziell S. 11-17.

^[144] Vgl. Jaeger (2002), S. 60, für eine Darlegung des Kreditrisikos Pole (2007), S. 145ff.

^[145] Vgl. Gatev et al. (2006), S. 806f.

^[146] Vgl. Herlemont (2004), S. 5f.

^[147] Vgl. Do et al. (2006), S. 9.

^[148] Vgl. bspw. Pole (2007), S. 21, die Auswahl ähnlicher Industrien folgt aus dem fundamentalen Ansatz, bei dem qualitativ und quantitativ vergleichbare Anlagen gesucht werden.

^[149] Nicholas (2000), S. 53.

^[150] Vgl. Nicholas (2000), S. 53ff. und Ehrman (2006), S. 71.