Lade Inhalt...

Saisoneffekte auf dem deutschen Aktienmarkt

Bachelorarbeit 2011 81 Seiten

BWL - Investition und Finanzierung

Leseprobe

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

1. Einleitung

2. Theoretische Grundlagen
2.1 Die Effizienzmarkthypothese
2.1.1 Informationseffizienz
2.1.2 Kalendereffekte und die EMH
2.2 Behavioral Finance
2.2.1 Investor Sentiment
2.2.2 Limited Arbitrage

3. Saisoneffekte
3.1 Holiday Effect
3.1.1 Beschreibung
3.1.2 Erklärungsansätze
3.2 Weekday Effects
3.2.1 Erklärungsansätze
3.3 Halloween Effect
3.3.1 Beschreibung
3.3.2 Erklärungsansätze
3.4 January Effect
3.4.1 Beschreibung
3.4.2 Erklärungsansätze

4. Empirische Untersuchung
4.1 Datenbeschreibung
4.1.1 Datenquellen
4.1.2 Renditeberechnung
4.1.3 Beobachtungszeiträume
4.1.4 Deskriptive Statistik
4.2 Monats Effekte
4.2.1 Der Januareffekt
4.2.2 Weitere Monatseffekte
4.3 Halloween Effect
4.3.1 Kritische Betrachtung
4.3.2 Kapitalmarktshocks
4.4 Weekday Effect
4.4.1 Day of the Week
4.4.2 Weekend Effect
4.4.3 Relative Häufigkeiten
4.5 Holiday Effect
4.5.1 Holiday Days
4.5.2 Relative Häufigkeiten

5. Zusammenfassung

Anhang

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Kumulierte überdurchschnittliche Rendite von Verlierer- und Gewinner-Portfolios (De Bondt & Thaler, 1985)

Abbildung 2: Outperformance des Januareffekts von 1899-1927 (Schulz, 1985)

Abbildung 3: Januarrenditen je Zeitperiode

Abbildung 4: Jährliche Outperformance des Januareffekts

Abbildung 5: Durchschnittliche monatliche Rendite des DAX je Periode

Abbildung 6: Durchschnittliche monatliche Rendite des MDAX je Periode

Abbildung 7: Durchschnittliche monatliche Rendite des SDAX je Periode

Abbildung 8: Sell-in-May Performance nach Jahren

Abbildung 9: SIM-Strategie im MDAX

Abbildung 10: SIM-Strategie im DAX

Abbildung 11: Augustrenditen nach Jahren (1988-2011)

Abbildung 12: Septemberrenditen nach Jahren (1988-2011)

Abbildung 13: Durchschnittliche tägliche Rendite der Indizes DAX, SDAX und MDAX über den gesamten Zeitraum

Tabellenverzeichnis

Tabelle 1: Durchschnittliche Tagesrenditen je Wochentag (Lakonishok & Smidt, 1988)

Tabelle 2: Übersicht Beobachtungszeiträume

Tabelle 3: Deskriptive Statistik

Tabelle 4: Durchschnittlich monatliche Renditen in Winter und Sommerperiode je Index und Beobachtungszeitraum

Tabelle 5: Häufigkeit eines positiven Sell-in-May-Effects

Tabelle 6: Durchschnittliche Tagesrendite je Wochentag über den gesamten Zeitraum

Tabelle 7: Durchschnittliche tägliche Rendite je Testzeitraum in Prozent

Tabelle 8: Häufigkeit positiver Renditen je Wochentag und Index

Tabelle 9: Durchschnittliche tägliche Rendite an Handelstagen vor und nach einem Feiertag in Prozent

Tabelle 10: Durchschnittliche tägliche Rendite je Feiertag über den gesamten Zeitraum in Prozent

Tabelle 11: Häufigkeit positiver Renditen vor und nach Feiertagen je Index

Tabelle 12: Regressionsergebnisse Monatseffekte je Periode (DAX)

Tabelle 13: Regressionsergebnisse Monatseffekte je Periode (MDAX)

Tabelle 14: Regressionsergebnisse Monatseffekte je Periode (SDAX)

Tabelle 15: Regressionsergebnisse Sell-in-May je Periode (1)

Tabelle 16: Regressionsergebnisse Sell-in-May je Periode (2)

Tabelle 17: Regressionsergebnisse Weekend Effect

Tabelle 18: Regressionsergebnisse Holiday Effect

Tabelle 19: Regressionsergebnisse Rendite je Feiertag

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1. Einleitung

„Sell in may and go away“ ist eine von vielen Börsenweisheiten, deren Ursprung in der Feststellung saisonaler Muster am Aktienmarkt liegt. Die Diskussion und Erforschung solcher Saisoneffekte nahm in den 80iger Jahren rapide zu. Grund dafür ist u.a. der verbesserte Zugang zu computergestützten Testverfahren und die Verfügbarkeit langer Zeitreihen von Kapitalmarktdaten.

Es ist jedoch nicht alles Gold, was glänzt. Lakonishok[1] etwa warnt, die scheinbar eindeutige Beweisführung solcher Anomalien kritisch zu betrachten. Explizit nennt er drei Faktoren, data snooping, boredom und noise, die negative Auswirkungen auf die Qualität solcher Arbeiten haben können. Data snooping kann sich etwa bei Hypothesentests zeigen. Wird eine Vielzahl an Hypothesen getestet, besteht auch immer eine Chance zufällig statistische Signifikanz zu messen. Der boredom Faktor bezeichnet die Tendenz dass v. a. „spektakuläre“ Arbeiten veröffentlicht werden. Arbeiten, die anerkannte Theorien nicht ablehnen können, sind oft weniger gefragt als wiedersprechende Arbeiten. Merton[2] formuliert einen ähnlichen selection bias.

Ziel dieser Arbeit ist die Untersuchung ausgewählter Kalendereffekte am deutschen Aktienmarkt. Dabei werden der January Effect, Halloween Effect, Weekend Effect und der Holiday Effect betrachtet. Der Aufbau der Arbeit gliedert sich dabei in drei Kapitel.

Im ersten Kapitel sollen die Theoretischen Grundlagen der Effizienzmarkthypothese (EMH) und der Verhaltensökonomik (behavioral finance) erläutert werden. Dabei soll auch auf häufig aufzufindende Eigenheiten und Voraussetzungen für das Bestehen von Saisoneffekten eingegangen werden.

Im zweiten Abschnitt werden ausgewählte Saisoneffekte definiert und Bezug auf vorhandene wissenschaftliche Arbeiten genommen. Dabei soll u. a. auch auf die zeitliche Entwicklung einiger Kalendereffekte am amerikanischen Aktienmarkt eingegangen werden. Zudem werden Hypothesen zur Entstehung saisonaler Effekte dargelegt.

Abschließend werden im dritten Kapitel eigene empirische Untersuchungen ausgewählter Saisoneffekte durchgeführt. Dies beinhaltet die Beschreibung der zugrunde liegenden Daten, der verwendeten Modelle, sowie eine Interpretation der Ergebnisse.

2. Theoretische Grundlagen

2.1 Die Effizienzmarkthypothese

Lange Zeit war die von Eugen Fama[3] formulierte Effizienzmarkthypothese die vorherrschende, unangefochtene Kapitalmarkttheorie. Seiner Definition zufolge ist der Markt dann effizient, wenn die Wertpapierpreise alle vorhandenen Informationen widerspiegeln.

Grundlage der EMH bilden drei wesentliche Annahmen bezüglich des Verhaltens der Marktteilnehmer. Zum einen wird angenommen, dass alle Marktteilnehmer grundsätzlich rational handeln. Zum anderen folgt das Handeln von Marktteilnehmern, die sich nicht rational verhalten, einem Random Walk, d. h. irrationale Über- und Unterbewertungen von Wertpapieren treten zufällig auf.[4] Dadurch heben sich preiswirksame Änderungen gegenseitig auf. Drittens, beeinflusst das Handeln irrationaler Marktteilnehmer dennoch die Preise, werden diese durch rationale Arbitrageure wieder korrigiert.

Investoren handeln dann rational, wenn sie jedes Wertpapier mit seinem Fundamentalwert (fundamental value) bewerten. Dabei diskontieren sie den Barwert aller zukünftigen Zahlungsströme mit ihrer individuellen Risikoprämie, welche ihre Risikocharakteristika, wie etwa Unsicherheiten bei der Bewertung oder ihre allgemeine Risikoneigung, widerspiegelt. Neue Informationen, die den jeweiligen Fundamentalwert beeinflussen, lösen durch die relative Unter- bzw. Überbewertung des Wertpapiers Kauf- bzw. Verkaufsentscheidungen aus und bringen den Marktpreis dadurch ins Gleichgewicht.

Das bedeutendste Argument der EMH ist die Arbitrage. Sharpe definiert Arbitrage als „the simultaneous purchase and sale of the same, or essentially similar, security in two different markets at advantageously different prices”.[5] In der Praxis könnte dies etwa so aussehen: Durch korreliertes Handeln, d. h. die Transaktionen sind nicht zufällig und heben sich daher auch nicht auf, irrationaler Investoren weicht der Preis einer Aktie von ihrem Fundamentalwert ab. Die Aktie ist überbewertet, wenn der Barwert aller zukünftigen Zahlungsströme niedriger ist als der Preis der Aktie. Arbitrageure können nun diese Überbewertung gewinnbringend nutzten, indem sie die überbewertete Aktie verkaufen oder, falls sie die Aktie nicht selbst besitzen, Leerverkäufe tätigen. Gleichzeitig kaufen sie eine „essentially similar“ Aktie, d. h. ein Wertpapier oder Portfolio, das in seinen Risikoeigenschaften und Zahlungsströmen der überbewerteten Aktie entspricht, um ihre Risiken abzudecken. Das Substitut selbst muss dabei korrekt bewertet sein. In diesem Fall tragen sie die gleichen Risiken und erhalten die gleichen Zahlungsströme wie die Besitzer der überbewerteten Aktien, bekommen jedoch zusätzlich die Differenz zwischen Marktpreis und Fundamentalwert derselben. Auf diese Weise wird der Marktpreis wieder ins Gleichgewicht mit seinem Fundamentalwert gebracht. Zudem führt Arbitrage zu Verlusten der irrationalen Investoren. Langfristig, so Friedman[6], führt Arbitrage sogar zu einer natürlichen Selektion und damit zum Verschwinden irrationaler Investoren.

2.1.1 Informationseffizienz

Bei der Frage, ob die Märkte effizient sind, trägt die Informationseffizienz die entscheidende Rolle. Nach Famas[7] Definition ist der Markt dann effizient, wenn die Preise alle verfügbaren Informationen reflektieren. Er unterscheidet dabei drei Arten von Informationen und gliedert diese in drei Formen der EMH. Die schwache Form (weak form) der Markteffizienz besagt, dass es nicht möglich ist, anhand von Kursverläufen der Vergangenheit, Aussagen über zukünftige Kursverläufe zu treffen. Somit sei es auch nicht möglich mit diesen Informationen (risikoangepasste) Überrenditen zu erwirtschaften.

Die nächst strengere Form bildet die mittelstarke (semi-strong form) Markteffizienz. Sie besagt, dass alle öffentlich zugänglichen Informationen bereits in den Marktpreisen enthalten sind. Demnach ist es nicht möglich durch öffentliche Informationen Überrenditen zu erwirtschaften. Als Beleg lässt sich hierfür etwa die Arbeit von Keown und Pinkerton[8] anführen. Sie untersuchten kumulierte tägliche Renditen von Übernahmekandidaten vor und nach der eigentlichen Veröffentlichung des Übernahmeangebots. Die Ergebnisse sprechen für die mittelstarke Markteffizienz, da sich ein deutlicher Renditesprung am Tag der Veröffentlichung feststellen ließ, in den Tagen nach der Veröffentlichung jedoch kein weiterer Anstieg zu verzeichnen war.

Fama geht in der Definition der starken (strong form) Form der Markteffizienz jedoch noch weiter. Dieser Definition zufolge ist es selbst dann nicht möglich Überrenditen zu erzielen, wenn Investoren aufgrund von nicht öffentlichen Informationen, z. B. Insider Informationen, handeln, da auch diese Informationen bereits eingepreist sind. In der Literatur findet die starke Form der Markteffizienz kaum Befürworter. Keown und Pinkerton zeigen bspw., dass bereits vor Veröffentlichung von Übernahmeangeboten deutliche Kursgewinne beim Übernahmekandidaten zu verzeichnen sind. Jaffe[9] und Finnerty[10] legen dar, dass Insiderhandel sehr wohl abnormale Renditen ermöglicht. Die Tatsache, dass Insiderhandel in den meisten Ländern der Welt als Straftat gilt, spricht ebenso stark gegen die starke Form der Markteffizienz. In Deutschland bspw. drohen dabei gemäß § 38 Abs. 1 WpHG Freiheitsstrafen von bis zu 5 Jahren oder Geldstrafen.

2.1.2 Kalendereffekte und die EMH

Bei Kalendereffekten handelt es sich grundsätzlich um kalendarisch wiederkehrende Muster in den Renditen von Wertpapieren. Die EMH besagt allgemein, dass es nicht möglich ist, dauerhaft Überrenditen zu erzielen. Die Untersuchung saisonaler Effekte zeigt jedoch oft, dass zumindest vor Transaktionskosten und Steuern in der Vergangenheit überdurchschnittliche Renditen erzielt werden hätten können.[11] Gemäß der EMH sollten derartige systematische Gewinnpotenziale mit ihrer Entdeckung verschwinden, da rationale Investoren diese gewinnbringend nutzen würden. Tatsächlich lassen sich in der Literatur zahlreiche Beispiele für den Rückzug einiger Saisoneffekte feststellen. So konnte z. B. gezeigt werden, dass der Holiday Effect am amerikanischen Kapitalmarkt im Zeitraum 1987-1996 rückläufig ist.[12] Auch der Montagseffekt soll sowohl am amerikanischen[13] als auch am deutschen[14] Aktienmarkt seit Beginn der 90iger Jahre rückläufig sein.

Ursächlich oder verstärkend spielt auch der sog. Size Effect oft eine bedeutende Rolle bei der Beobachtung solcher Anomalien. Banz fand bei der Untersuchung von Wertpapierrenditen heraus, dass kleine Unternehmen regelmäßig höhere risikoangepasste Renditen erbringen als große Unternehmen.[15] Begründen lässt sich dies durch eine hohe Geld-Brief-Spanne (Spread), da derartige Papiere weniger liquide sind. Auch die Verfügbarkeit von Informationen ist hier stärker eingeschränkt. Dadurch lassen sich Anomalien v. a. in sog. Small-Cap Indizes und gleichgewichteten Indizes feststellen, da hier kleine Unternehmen stärker in die Wertentwicklung einfließen.[16]

2.2 Behavioral Finance

Die Behavioral Finance gilt als Gegenstück zur EMH. Kernelement dieser Theorien ist die Auffassung, dass Investoren im Gegensatz zur EMH nicht rational handeln. Shefrin[17] gliedert die Behavioral Finance in drei Teilbereiche: Den ersten Teilbereich definiert Shefrin als Heurisic-Driven Biases. Verallgemeinert bedeutet dies, dass sich Menschen weniger auf Fakten und Tatsachen verlassen, als auf Daumenregeln oder ihr Bauchgefühl. Der zweite Teilbereich bezeichnet das sog. Framing („Frame Dependence“), d. h. Menschen handeln unterschiedlich je nachdem wie Informationen präsentiert werden. Der letzte Teilbereich befasst sich mit „Inefficient Markets“. Dabei handelt es sich um die Folgen, die Heurisic-Driven Biases und Framing auf die Bewertung von Wertpapieren haben und wie diese zur Marktineffizienz führen.

In den folgenden Abschnitten sollen einige wesentliche Elemente des Framings und der Heurisic-Driven Biases zusammengefasst als Investor Sentiment dargelegt werden. Zudem soll gezeigt werden, dass das mächtigste Argument der EMH, die Arbitrage, unter den Bedingungen der Behavioral Finance nicht vollständig zur Markteffizienz beitragen kann.

2.2.1 Investor Sentiment

Eines der bekanntesten Phänomene der Verhaltensökonomie bezeichnet die Prospect Theory[18]. Sie bildet ein alternatives Entscheidungsmodell zur Expected Utility Theory[19]. In der Literatur werden diese Entscheidungsmodelle mit Risiko i. d. R. mit Glücksspielen in Verbindung gebracht. Bei der Betrachtung von Glückspielen bewertet man weniger das erwartete Endvermögen, als vielmehr die Verluste und Gewinne, relativ zu einem Referenzpunkt. Als Referenzpunkt könnte etwa das monatliche Einkommen, das aktuelle Vermögen oder, im Fall von Wertpapieren, der Kaufpreis dienen. Zudem neigt der Mensch zur Verlustaversion (loss aversion), d. h. Verluste werden stärker wahrgenommen als Gewinne in der gleichen Höhe. Die zugrunde liegende Nutzenfunktion ist demnach im Verlustbereich steiler als im Gewinnbereich. Auch daher werden extreme Ereignisse regelmäßig falsch bewertet (certainty effect). Sehr unwahrscheinliche Ereignisse werden dabei als wahrscheinlicher wahrgenommen, als sie es eigentlich sind. Dazu zählt etwa die Lotterie. Auch bei sehr wahrscheinlichen Ereignissen trügt der Schein. Man tendiert dazu, hohe Wahrscheinlichkeiten zu unterschätzen und wählt daher oft die sichere Alternative, auch wenn diese im Erwartungswert deutlich unter der risikoreichen Option liegt. Die Prospect Theory bietet oft eine gute Grundlage bei rätselhaften Verhaltensweisen in der Finanzwirtschaft. So kann die Tendenz, Wertpapiere nicht mit Verlusten zu veräußern, sondern auf einen Kursanstieg zu hoffen (disposition effect), etwa durch die Verlustaversion, erklärt werden.[20]

Eine gute Übersicht einiger Phänomene bieten Kahneman und Riepe[21]. So zeigt sich etwa, dass die meisten Menschen, auch Spezialisten, beim Einschätzen von Wahrscheinlichkeiten oder Konfidenzintervallen deutlich falsch liegen (Overconfidence). Auch die eigenen Fähigkeiten werden regelmäßig überschätzt: Bei Umfragen zur Einschätzung der eigenen Fahrkünste geben üblicherweise etwa 80 % überdurchschnittliche Fähigkeiten an. Ein weiteres Beispiel wäre die Suche nach Mustern, selbst dann, wenn keine Muster existieren (Over-Reaction to Chance Ev ents). Bei der Frage, welche Kombination aus Kopf (K) und Zahl (Z) beim wiederholten Münzwurf wahrscheinlicher ist, fällt die Wahl bei KKKZZZ und ZKZKKZ intuitiv auf letzteres. Tatsächlich existiert kein Unterschied, denn beide Kombinationen sind exakt gleich wahrscheinlich. Bei unserer Suche nach Mustern erscheint die Kombination KKKZZZ jedoch deutlich unwahrscheinlicher als ZKZKKZ.

Auch das sog. Framing prägt Entscheidungen. Dabei hängt die Option, die man wählt von der Art und Weise ab, wie die Informationen zur Entscheidungsfindung präsentiert werden. So konnte bspw. gezeigt werden, dass Investoren bei der Verteilung ihres Vermögens zwischen Aktien und Anleihen mehr in Aktien investieren, wenn ihnen langfristige Renditen als Auswahlkriterium präsentiert werden. Bei der Betrachtung kurzfristiger Renditen schrecken Investoren vor der Volatilität der Renditen zurück und investieren verstärkt in Anleihen.[22]

2.2.2 Limited Arbitrage

Das irrationale Verhalten allein, selbst dann, wenn die irrationalen Handlungen korreliert sind, reicht nicht aus, um die EMH in ihren Grundfesten zu erschüttern, da sie durch rationale Arbitrageure korrigiert werden können. In der Behavioral Finance geht man jedoch davon aus, dass Arbitrage risikoreich ist und ihre Wirkung daher begrenzt ist.[23]

Der erste kritische Punkt ist die Existenz von Substituten. Erkennt ein Arbitrageur ein überbewertetes Wertpapier, verkauft er dieses, bzw. tätigt einen Leerverkauf und kauft gleichzeitig ein Substitut. Ist ein exaktes Substitut vorhanden, bspw. das gleiche Wertpapier nur an einer anderen Börse, kann der Arbitrageur sein Risiko vollständig eliminieren, da sich zukünftige Zahlungsströme vollständig aufheben. Um risikofreie Arbitrage zu ermöglichen, muss stets ein nicht über- bzw. unterbewertetes Substitut („the same or essentially similar security“[24] ) verfügbar sein. In vielen Fällen ist das auch der Fall, v. a. bei Derivaten, z. B. Optionen oder Futures, stehen Substitute zur Verfügung. Substitute sind jedoch nicht in allen Fällen so eindeutig zu finden. Ein extremer Fall wäre etwa die Überbewertung einer ganzen Assetklasse. Stellt ein rationaler Arbitrageur bspw. fest, dass der Aktienmarkt als Ganzes überbewertet ist, kann er nicht einfach Wertpapiere verkaufen und gleichzeitig in ein Substitut investieren, da ein solches Substitut nicht existiert. Er kann lediglich sein Vermögen vom Aktienmarkt weg in andere Assetklassen umschichten. Diese Strategie wäre jedoch keines falls ohne Risiko.[25]

Arbitrage ist jedoch regelmäßig nicht risikofrei. Die Problematik ist begründet durch idiosyncratic risk und noise trader risk. Grundlage ist die „agency relationship“ zwischen Arbitrageuren und deren Geldgebern (Investoren). Demnach ist der Arbitrageur abhängig von der Gunst seiner Investoren, da dieser für die Begrenzung der Mittel verantwortlich ist. Der Arbitrageur kann es sich, schlicht gesagt, nicht leisten, langfristige Risikopositionen aufrechtzuerhalten.[26]

Das idiosynkratrische Risiko bezeichnet das unsystematische Risiko des jeweiligen Wertpapiers. Es kann interpretiert werden als das Risiko neuer Informationen, wie etwa unerwartet schlechte Quartalszahlen. Grundsätzlich kann dieses Einzelrisiko durch Diversifikation ganz oder teilweise eliminiert werden. In der Praxis sind Arbitrageure jedoch nicht vollständig diversifiziert.[27] Auch auf theoretischer Basis lässt sich dies belegen. Zusammenfassend lässt sich feststellen, dass unter diesen Bedingungen Arbitrage nicht zur vollständigen Markteffizienz führen kann.[28]

Die theoretischen und empirischen Herausforderungen der EMH durch die beschränkte Wirkung von Arbitrage sind jedoch sehr komplex und umfangreich, daher soll nicht tiefer auf die Thematik eingegangen werden.

3. Saisoneffekte

3.1 Holiday Effect

3.1.1 Beschreibung

Der Holiday Effect, oder auch Feiertagseffekt, bezeichnet die Beobachtung signifikant höherer Renditen an Handelstagen, denen ein Börsenfeiertag folgt. Da die Anomalie vornehmlich an Vorfeiertagen festgestellt wurde, wird der Effekt in der Literatur deshalb auch als Pre-Holiday-Effect bezeichnet.

Um den Effekt näher zu erläutern, soll hier detailliert auf Ariels[29] Arbeit eingegangen werden. Die Datenbasis bilden dabei Tagesschlusskurse der Datenbank des Center for Research in Security Prices (CRSP) von 1963 bis 1982. Dabei werden sowohl ein marktwertgewichteter (value-weighted) als auch ein gleichgewichteter (equally-weighted) Index betrachtet. Als „Holidays“ werden folgende Tage gewertet:

- New Year´s Day (01. Januar)
- Presidents´Day/Washington´s Birthday (der jeweils dritte Montag im Februar[30] )
- Good Friday (Karfreitag)
- Memorial Day (der letzter Montag im Mai)
- Independence Day (04. Juli)
- Thanksgiving (der vierte Donnerstag im November)
- Christmas (25. Dezember)

Alle 5020 Handelstage wurden unterteilt in Tage vor einem Feiertag (Pre-Holiday, 160 Tage) und sonstige Handelstage (4860 Tage). Beim Vergleich der durchschnittlichen Rendite zeigt sich eine deutlich höhere Rendite an Pre-Holiday Tagen. Beim gleichgewichteten Index liegt die durchschnittliche Rendite an Pre-Holiday Tagen bei 0,528 %, an den restlichen Tagen bei 0,059 %. Beim marktwertgewichteten Index beträgt die durchschnittliche Pre-Holiday Rendite sogar das 14-fache der sonstigen Tagesrenditen (0,364 % zu 0,026 %). Die durchschnittlichen Tagesrenditen sind auch statistisch signifikant verschieden (t-Statistik 6,87 bzw. 8,80). Die Nullhypothese, die durchschnittliche Rendite an Pre-Holiday Tagen entspreche der durchschnittlichen Rendite aller anderen Tage, kann somit abgelehnt werden. Die Tatsache, dass sowohl der marktgewichtete als auch der gleichgewichtete Index die Anomalie aufweisen, deutet darauf hin, dass es sich nicht um einen größenbedingten Effekt handelt (Size Effect).

Auch bezüglich der Häufigkeit positiver Renditen können Aussagen gemacht werden. Im gleichgewichteten Index etwa können für alle 5020 Handelstage 2945 (55,8 %) positive Tagesrenditen festgestellt werden, wohingegen an Tagen vor einem Feiertag 85,6 % aller Renditen positiv waren. Die Teststatistik zeigt, dass auch die Nullhypothese gleichverteilter Häufigkeiten positiver Tagesrenditen abgelehnt werden kann. Dies gilt sowohl für den gleichgewichteten Index (t = 6,825), als auch für den marktwertgewichteten Index (t = 5,17).

Selbst die Argumentation, höhere Risiken an Pre-Holiday Tagen würden höhere Renditen rechtfertigen, ist hier haltlos. Weder beim gleichgewichteten noch beim marktwertgewichteten Index lässt sich eine signifikant höhere Standardabweichung feststellen. Tatsächlich war die Standardabweichung beider Indizes an Pre-Holiday Tagen sogar niedriger als die durchschnittliche Standardabweichung der restlichen Tage. So beträgt die Standardabweichung im Fall des gleichgewichteten Index für Pre-Holiday Tage 0,656 % und 0,788 % für alle anderen Handelstage. Entsprechende Ergebnisse liefert auch Pettengill.[31]

Von besonderer Bedeutung für die Aussagekraft des Holiday Effects sind auch die Einflüsse anderer Anomalien. So könnte etwa der Januareffekt, welcher die Erscheinung signifikant höherer Renditen im Januar, insbesondere an den ersten drei Handelstagen[32] beschreibt, durch den Neujahrsfeiertag (New Year´s Day) starken Einfluss auf die durchschnittliche Rendite aller Pre-Holiday Tage haben. Um diese Einflüsse zu messen, führt Ariel eine Regression mit Dummy Variablen durch. Beide Indizes weisen auch ohne den New Year´s Day signifikant höhere durchschnittliche Pre-Holiday Renditen auf. Isoliert betrachtet fällt die durchschnittliche New Year´s Rendite beim gleichgewichteten Index leicht höher aus, als die Pre-Holiday Rendite ohne New Year´s Day (0,545 % gegenüber 0,401 %). Im marktwertgewichteten Index ist diese Differenz deutlich größer und negativ. Hier ergibt sich eine durchschnittliche New Year´s Rendite von lediglich 0,082 % und eine sonstige Pre-Holiday Rendite von 0,329 %. In Anbetracht der Erkenntnisse über den Januar Effekt überrascht dieses Ergebnis jedoch nicht, da der Januar Effekt v. a. für kleinere Aktien mit nur geringem oder keinen Einfluss auf große Marktindizes nachzuweisen ist.

Analog bewertet Ariel auch die Einflüsse von Weekday Effects. Den wohl bekanntesten Wochentageffekt stellt der Weekend Effect[33] dar. Hier konnte in einigen Beobachtungen eine signifikant negative durchschnittliche Rendite an Montagen sowie überdurchschnittliche Freitagsrenditen festgestellt werden. Da allein 68 von 160 Pre-Holiday Tagen einen Freitag darstellen und nur sehr wenige einen Montag, liefe man tendenziell Gefahr einen Weekend Effect lediglich neu zu verpacken. Um diese Effekte aufzudecken, wurde auch hier ein Dummy Regressionsmodell verwendet. Das Ergebnis zeigt signifikant überdurchschnittliche Pre-Holiday Renditen selbst nach Bereinigung der Wochentags Effekte (t = 6,36 im gleichgewichteten und t = 4,85 im marktwertgewichten Index).

Casby und Ratner[34] wiesen in ihrer Arbeit signifikante (Pre-) Holiday Effects in den Vereinigten Staaten, Kanada, Hongkong und Australien nach. Sie konnten jedoch keine signifikanten Anomalien an den Aktienmärken West-deutschlands, Frankreichs, Großbritanniens und der Schweiz feststellen. Insbesondere für die Vereinigten Staaten wurde der Holiday Effect ausgiebig untersucht und dessen Signifikanz bestätigt.[35] Spätere Arbeiten (Daten ab 1990) konnten jedoch entgegen Cabys/Ratners (Daten von 1980-1989) Ergebnissen einen Holiday Effect auch in Deutschland nachweisen. Sowohl Merl und Neuhaus[36] als auch Salm und Siemkes[37] konnten das Phänomen in den deutschen Aktienindizes DAX, MDAX, SDAX belegen. Zudem stellten beide sogar eine Zunahme des Holiday Effects fest.

3.1.2 Erklärungsansätze

Im Gegensatz zu anderen Kalendereffekten existieren für den Holiday Effect keine allgemein anerkannten oder bewiesenen Erklärungsansätze. Dennoch sollen hier einige der in der Literatur aufgeführten Theorien kurz erläutert und diskutiert werden.

3.1.2.1 Short Selling

Dieser Theorie zufolge entsteht der Feiertagseffekt aus dem Bedürfnis der Marktteilnehmer, ihre Leerverkäufe (Short Selling) zu decken, um die damit verbunden Risiken über die Feiertage zu eliminieren. Durch massive Orders dieser Akteure könnten die Kurse steigen. Unterstützt wird diese Theorie von signifikant erhöhten Renditen während der letzten Handelsstunde eines Pre-Holiday Tages. Bewiesen ist diese Theorie damit jedoch noch nicht. Zumal auch die Frage gestellt werden muss, warum lediglich Short-Positionen und nicht auch Long-Positionen geschlossen werden. Die Tatsache, dass i. d. R. keine signifikant negativen Renditen an Post-Holiday Tagen festgestellt werden, legt außerdem nahe, dass diese Short-Positionen nach Handelseröffnung nicht wieder eingenommen werden.[38]

3.1.2.2 Investor Behavior

Auch das Anlageverhalten von Groß- und Kleininvestoren bildet einen Erklärungsansatz. Demnach neigen Kleinanleger dazu, vor einem Feiertag keine Aktien zu kaufen bzw. Verkäufe zu tätigen, da ihnen der Feiertag verwehrt, auf neue Informationen zu reagieren. Dieses Verhalten könnte die Wertpapiere für besser informierte und global agierende Marktteilnehmer, also Großinvestoren bzw. institutionelle Investoren, unterbewertet erscheinen lassen und sie zum Kauf bewegen. Da diese Marktteilnehmer i. d. R. sehr große Order erteilen, könnte dieses Verhalten zu einem Anstieg der Marktpreise führen.[39] Unterstützung findet die Argumentation in einer Studie des spanischen Aktienmarktes. Hier konnte anhand der Ordervolumen verstärkte Aktivität von institutionellen Investoren festgestellt werden.[40]

3.1.2.3 Holiday Euphoria

Holiday Euphoria bezeichnet einen rein psychologischen Erklärungsansatz des Holiday Effects. Die Vorfreude auf bevorstehende Feiertage beeinflusst die Wahrnehmung und das Handeln der Menschen. Dadurch, so die Theorie, führen bevorstehende Feiertage zu einer optimistischeren Bewertung, steigender investor confidence (Anlegervertrauen) und somit sinkender Risikoaversion. Übersetzt man dies in die Logik des Capital Asset Pricing Models (CAPM), sinkt durch einen bevorstehenden Feiertag die individuelle Risikoprämie des Investors, was wiederum die Kursbewertung nach oben treibt. Die wahrgenommene Unterbewertung (Marktpreis < CAPM) führt wiederum zu Kaufentscheidungen und erhöht somit den Marktpreis bis zum „neuen Gleichgewichtspreis“.[41] M. E. ist die Argumentation auf den ersten Blick durchaus plausibel, zeigt sich doch auch im Alltag die Auswirkung der persönlichen Stimmung auf unser Handeln. Ist man z. B. wütend, fährt man deutlich aggressiver im Straßenverkehr. Jedoch gibt es auch bei dieser Theorie offene Fragen: Sollten diese irrationalen Entscheidungen tatsächlich Einfluss auf Aktienkurse vor einem Feiertag haben, so müssten diese nach dem Feiertag wieder korrigiert werden, da der Euphorie stiftende Feiertag der Vergangenheit angehört. Ein signifikant negativer Post-Holiday Effect konnte jedoch nur sehr selten nachgewiesen werden.[42]

3.2 Weekday Effects

Als Weekday Effects bezeichnet man wochentagsspezifische Kalenderanomalien. Am bekanntesten ist hier der Weekend Effect (auch Montags-, Wochenend- oder Freitagseffekt), welcher signifikant überdurchschnittliche Tagesrenditen an Freitagen und signifikant unterdurchschnittliche Tagesrenditen an Montagen bezeichnet.

Für den amerikanischen Kapitalmarkt konnte dieser Effekt in zahlreichen Studien nachgewiesen werden. Eine der umfangreichsten Arbeiten liefern Lakonishok und Smidt[43] mit einer Datenbasis von fast 90 Jahren. Untersucht wurden Tagesrenditen des DJIA (Dow Jones Industrial Average) von 1897 bis 1986, wobei zu berücksichtigen ist, dass in früheren Jahren teilweise auch an Samstagen an den Börsen gehandelt wurde. Die Verwendung eines marktwertgewichteten Indexes führt zu einer starken Gewichtung der sog. Blue Chips. Für die Berechnungen wurde ein Regressionsverfahren mit Dummy-Variablen verwendet:

Abbildung in dieser Leseprobe nicht enthalten

Dabei bezeichnet [Abbildung in dieser Leseprobe nicht enthalten] die Rendite am Tag t. Die Renditeberechnung erfolgt analog zu der in Kapitel 4.1.2. Die Dummy Variablen[Abbildung in dieser Leseprobe nicht enthalten],[Abbildung in dieser Leseprobe nicht enthalten],[Abbildung in dieser Leseprobe nicht enthalten],[Abbildung in dieser Leseprobe nicht enthalten],[Abbildung in dieser Leseprobe nicht enthalten] haben jeweils den Wert 1, wenn Tag t ein Montag, Dienstag, Mittwoch, Donnerstag oder Samstag ist, ansonsten nehmen sie den Wert 0 ein. Die Variable [Abbildung in dieser Leseprobe nicht enthalten] nimmt einen Wert von 1 an für Tage t die Freitage sind denen ein handelsoffener Samstag folgt, ansonsten 0. [Abbildung in dieser Leseprobe nicht enthalten] ist 1, für jeden Freitag dem kein handelsoffener Samstag folgt. Die Koeffizienten [Abbildung in dieser Leseprobe nicht enthalten] bilden die durchschnittliche Rendite des jeweiligen Wochentags, [Abbildung in dieser Leseprobe nicht enthalten] lässt sich bspw. als durchschnittliche Rendite aller Montage im Zeitraum [Abbildung in dieser Leseprobe nicht enthalten] bis [Abbildung in dieser Leseprobe nicht enthalten] interpretieren.

Die Ergebnisse der Regression zeigt Tabelle 1. Über den gesamten Beobachtungszeitraum hinweg (1897 – 1986) ist das Muster des Wochenendeffekts zu beobachten. Die durchschnittliche Tagesrendite an Montagen beträgt -0,144 % für den letzten Handelstag der Woche an Freitagen 0,07 % bzw. 0,052 % an Samstagen. Die Nullhypothese für den Signifikanztest lautet: Die durchschnittliche Tagesrendite an jedem Wochentag beträgt 0 %. Es handelt sich um einen zweiseitigen Test. Sowohl die negativen Montagsrenditen als auch die positiven Renditen des jeweils letzten Handelstages sind selbst bei einem Signifikanzniveau (α) von 1 % signifikant von Null verschieden. Die Nullhypothese kann daher abgelehnt werden.

Auffallend sind insbesondere die negativen Montagsrenditen über alle Subperioden hinweg. In den sieben Subperioden kann die Nullhypothese in drei Fällen mit einem Signifikanzniveau von 1 %, in zwei Fällen mit einem Signifikanzniveau von 5 % abgelehnt werden. Es zeigt sich, dass der Montagseffekt nicht konstant bzw. gleich stark ausgeprägt auftritt. Die Tatsache, dass Freitage, denen ein Handelsoffener Samstag folgt, regelmäßig positive Renditen aufweisen, begründen Lakonishok und Smidt damit, dass der Samstag lediglich ein verkürzter Handelstag sei.

Auch bezüglich der Häufigkeit positiver Renditen können Aussagen gemacht werden. Die EMH legt hier, insbesondere in Anbetracht des langen Beobachtungszeitraums, eine 50:50 Wahrscheinlichkeit positiver oder negativer Renditen nahe. Für den gesamten Zeitraum beträgt der Anteil positiver Montagsrenditen jedoch lediglich 45,4 % (signifikant bei α = 1 %). Andererseits wiesen 54,6 % der Freitage bzw. 56,5 % der Samstage positive Renditen auf.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: Durchschnittliche Tagesrenditen je Wochentag (Lakonishok & Smidt, 1988)

In der Literatur lassen sich zahlreiche vergleichbare Arbeiten finden. So konnten etwa ähnliche Muster im S&P 500 (Standard and Poor´s 500) für den Zeitraum 1953 bis 1977 nachgewiesen werden.[44]

Auch der deutsche Aktienmarkt wurde auf entsprechende Saisonalitäten hin überprüft.[45] Das Hauptaugenmerk galt hier v. a. der zeitlichen Entwicklung des Weekend Effects. Daher wurden rollierende Fünf-Jahres-Perioden untersucht die jeweils um ein Jahr verschoben wurden. Das verwendete Regressionsmodell wurde dahingehend vereinfacht, dass lediglich ein β-Koeffizient die Über- bzw. Unterperformance der Montage gegenüber der durchschnittlichen Rendite der sonstigen Tage wiedergibt. Die Nullhypothese lautet folglich: Die durchschnittliche Rendite aller Montage entspricht der durchschnittlichen Rendite aller sonstigen Handelstage. Bei den untersuchten Indizes handelt es sich um den DAX, MDAX und SDAX für einen Zeitraum von 1964 – 2008 im Fall des DAX und 1987 – 2008 im Fall des MDAX und SDAX (vgl. Kapitel 4.1).

Die Ergebnisse zeigen zunächst eine signifikante Underperformance der Montage. Dieser Effekt nimmt jedoch im Zeitverlauf ab bis er sich sogar Mitte der 90iger Jahre in positive Montagsrenditen umkehrt. Ähnliche Aussagen lassen sich für den MDAX und SDAX treffen. Der SDAX weist sogar einen deutlich stärker ausgeprägten positiven Montagseffekt um die Jahrtausendwende auf. Für den MDAX lassen sich lediglich zu Beginn der 90iger Jahre signifikant negative Montagsrenditen feststellen.

Von einer Umkehr bzw. dem Verschwinden des Weekend Effects wird auch am amerikanischen Aktienmarkt berichtet. Mehdian und Perry[46] konnten etwa im Zeitraum von 1987 bis 1998 keine signifikanten Montags Effekte bei Large-Cap dominierten Indizes, dem S&P 500, DJCOMP und NYSE Index, feststellen. Für die Indizes NASDAQ und RUSSELL 2000 konnten auch weiterhin signifikant (bei α = 1 %) negative Montagsrenditen nachgewiesen werden. Dies begründen sie mit dem stärkeren Einfluss kleiner Unternehmen/Wertpapiere in diesen Indizes. So beinhaltet der Russell 2000 die 2000 kleinsten Unternehmen des Russell 3000 Index. Beim NASDAQ handelt es sich um einen breiten marktwertgewichteten Index mit insgesamt 5000 enthaltenen Unternehmen. Dies führt zu einem vergleichsweise großen Einfluss kleiner Unternehmen. Mehdian und Perry schließen daraus, dass durch Bekanntwerden des Weekend Effects dieser insbesondere durch institutionelle Anleger gewinnbringend ausgenutzt wurde, was folglich zu einer Verminderung bzw. zum Verschwinden des Effekts führte. Die besondere Rolle institutioneller Investoren begründet sich in ihrer Fähigkeit, schneller und kostengünstiger zu handeln als Kleinanleger. Das Fortbestehen des Weekend Effects im Bereich der Small Caps lässt sich durch hohe Transaktionskosten, v. a. Bid-Ask Spreads oder Market Impact Costs, begründen.[47]

3.2.1 Erklärungsansätze

3.2.1.1 Information Seasonality

Die EMH besagt, dass neue (nicht erwartete) Informationen zufällig auftreten. Demnach ist davon auszugehen, dass positive und negative Nachrichten an jedem Tag der Woche gleichwahrscheinlich auftreten. Die Hypothese der Information Seasonality geht jedoch davon aus, dass Unternehmen dazu tendieren, schlechte Nachrichten an Freitagen bis Handelsschluss zurückzuhalten, um panische Verkäufe zu vermeiden. Dadurch würden freitags unterdurchschnittlich wenige schlechte Nachrichten bekannt, folglich wäre mit einer überdurchschnittlich positiven Rendite an Freitagen zu rechen. Die Korrektur der verzögerten Information würde dann am nächst folgenden Handelstag durch sinkende Kurse erfolgen. Jedoch konnte bei einer Untersuchung von Gewinn- und Ausschüttungsankündigungen nur eine sehr schwache Verbindung zum Weekend Effect hergestellt werden.[48] Auch späteren Studien gelingt es nicht einen signifikanten Zusammenhang aufzuzeigen.[49]

Einen ähnlichen Ansatz verfolgt Steeley[50] am britischen Aktienmarkt. Im Fokus seiner Arbeit stehen jedoch makroökonomische Nachrichten. Dazu zählen etwa Inflationserwartungen, die Zinspolitik der Bank of England, Arbeitsmarktdaten und die Geldmengenentwicklung. Dabei lässt sich feststellen, dass die makroökonomischen Nachrichten, egal ob positiv oder negativ, nicht unabhängig vom Wochentag auftreten. Deutlich weniger Informationen werden an Montagen und Freitagen veröffentlicht. Steeley argumentiert, dass diese „ruhigen“ Handelstage zu geringeren Kosten führen und somit eine gute Verkaufsgelegenheit bieten. Die Verkaufstendenz begründet sich auf die Feststellung, dass die Marktrichtung ein wesentlicher Faktor des Weekend Effects ist. Es konnte gezeigt werden, dass der Effekt v. a. in Abwärtsphasen deutlich ausgeprägter ist.[51],[52] Die dennoch positiven Freitagsrenditen lassen überdurchschnittlich viele positive Nachrichten vermuten.

3.2.1.2 Blue Monday Hypothesis

Die grundlegende Annahme der Blue Monday Hypothesis[53] ist die Beeinflussung der Investitionsentscheidungen durch systematische Stimmungsschwankungen. Ähnlich der Holiday Euphoria (3.1.2.3) bewirkt diese Stimmung eine optimistische Bewertung an Freitagen und eine pessimistischere Bewertung an Montagen. Bereits die Grundannahmen widersprechen gravierend der EMH, da hier neben irrationalen Marktteilnehmern auch systematische Irrationalität vorausgesetzt wird.

Um die Hypothese zu untermauern, hat Pettengill ein Planspiel initiiert und beobachtet. Dabei mussten zwei Gruppen in jeder Runde jeweils ein Portfolio an einem Montag und Freitag zusammenstellen. Zur Auswahl standen amerikanische Treasury Bills (T-Bills), welche als risikolos gewertet wurden, drei Large-Cap Aktien und drei Small-Cap Aktien. Dabei wurden die Small-Cap Aktien als am risikoreichsten eingestuft, gleichzeitig jedoch tragen sie das größte Gewinnpotential. Nach acht „Spielrunden“ wurden die erstellten Portfolios anhand ihrer Zusammensetzung der drei Asset-Klassen ausgewertet. Bei der Gesamtbetrachtung beider Gruppen konnte festgestellt werden, dass durchschnittlich 10,2 % (gemessen am gesamt Vermögen) mehr T-Bills an Montagen gekauft wurden. Die Nullhypothese, die Risikoneigung, gemessen an der Investition in T-Bills an Montagen, entspreche der Risikoneigung an Freitagen, konnte bis zu einem Signifikanzniveau von 0,1 % abgelehnt werden. Auch die Hypothese, wonach die Investitionen in risikoreiche Small-Caps an beiden Tagen identisch seien, erwies sich als nicht tragbar.

Die Argumentation wird auch von Analysen der Handelsmuster individueller und institutioneller Anleger unterstützt. Den Erkenntnissen von Lakonishok und Maberly[54] zufolge, ist der relative Anteil individueller Anleger am Marktgeschehen an Montagen, verglichen mit den restlichen Wochentagen, am größten. Zudem tendieren individuelle Anleger an Montagen verstärkt zu Verkäufen. Bei der Analyse sog. Odd-lot Transaktionen, Transaktionen deren Volumen 100 Aktien nicht übersteigen, konnte festgestellt werden, dass die Differenz zwischen Verkäufen und Käufen (Verkaufsüberhang) an Montagen 29 % größer ist als der Durchschnitt sonstiger Handelstage. Die Tendenz an Montagen zu Verkäufen, kongruiert mit der Annahme einer pessimistischeren Grundhaltung der Blue Monday Hypothesis.

[...]


[1] (Lakonishok & Smidt, Are seasonal anomalies real? A ninety-year perspective, 1988)

[2] (Merton, 1987)

[3] (Fama, Efficient Capital Markets: Review of Theory and Empirical Work, 1970)

[4] (Fama, The Behavior of Stock-Market Prices, 1965)

[5] (Sharpe, Alexander, & Bailey, 1990)

[6] (Friedman, 1966)

[7] (Fama, Efficient Capital Markets: Review of Theory and Empirical Work, 1970)

[8] (Keown & Pinkerton, 1981)

[9] (Jaffe, 1974)

[10] (Finnerty, 1976)

[11] (Merl & Neuhaus, 2008)

[12] (Vergin & McGinnis, 1999)

[13] (Mehdian & Perry, 2001)

[14] (Salm & Siemkes, 2009)

[15] (Banz, 1981)

[16] (Keim, 1983)

[17] (Shefrin, 2002)

[18] (Kahneman & Tversky, Prospect Theory: An Analysis of Decision under Risk, 1979)

[19] (Morgenstern & Von Neumann, 1944)

[20] (Odean, 1998)

[21] (Kahneman & Riepe, Aspects of Investor Psychology, 1998)

[22] (Benartzi & Thaler, 1995)

[23] (Shleifer & Vishny, The Limits of Arbitrage, 1997)

[24] (Sharpe, Alexander, & Bailey, 1990)

[25] (Shleifer, Inefficient Marktets, 2000)

[26] (Shleifer & Vishny, The Limits of Arbitrage, 1997)

[27] (Wurgler & Zhuravskaya, 2002)

[28] (Pontiff, 2006)

[29] (Ariel, 1990)

[30] Vor 1971 wurde der Presindent´s Day am 22. Februar gefeiert, danach durch den Uniform Monday Holiday Act auf den dritten Montag des Februars verschoben.

[31] (Pettengill, Holiday closings and security returns, 1989)

[32] (Roll, 1983)

[33] (French, 1980)

[34] (Cadsby & Ratner, 1992)

[35] (Lakonishok & Smidt, Are seasonal anomalies real? A ninety-year perspective, 1988)

[36] (Merl & Neuhaus, 2008)

[37] (Salm & Siemkes, 2009)

[38] (Ariel, 1990)

[39] (Ariel, 1990)

[40] (Meneu & Pardo, 2004)

[41] (Frieder & Subrahmanyam, 2004)

[42] (Lakonishok & Smidt, Are seasonal anomalies real? A ninety-year perspective, 1988)

[43] (Lakonishok & Smidt, Are seasonal anomalies real? A ninety-year perspective, 1988)

[44] (French, 1980)

[45] (Salm & Siemkes, 2009)

[46] (Mehdian & Perry, 2001)

[47] (Kamara, 1997)

[48] (Damodaran, 1989)

[49] (Schatzberg & Datta, 1992)

[50] (Steeley, 2001)

[51] (Fishe, Gosnell, & Lasser, 1993)

[52] (Arsad & Coutts, 1996)

[53] (Pettengill, An experimental study of the "blue-monday" hypothesis, 1993)

[54] (Lakonishok & Maberly, The weekend effect: Trading patterns of individual and institutional investors, 1990)

Details

Seiten
81
Erscheinungsform
Originalausgabe
Jahr
2011
ISBN (eBook)
9783842830318
Dateigröße
588 KB
Sprache
Deutsch
Katalognummer
v228869
Institution / Hochschule
Fachhochschule Amberg-Weiden – Betriebswirtschaft
Note
1,3
Schlagworte
kaptialmarktanomalie saisoneffekte kalendereffekte aktienmarkt wertpapierrenditen

Autor

Zurück

Titel: Saisoneffekte auf dem deutschen Aktienmarkt