Fehleinschätzungen des Abwärtsrisikos bei Simulationen können teuer sein

Autoren: Hubert Dichtl, Wolfgang Drobetz, Tizian Otto, Tatjana Puhan (Universitäten Hamburg und Mannheim) 

Zusammenfassung: Das Papier untersucht die Eignung dreier Bootstrap-Simulationsmethoden für Anwendungen im Asset Management: Standard-Bootstrap nach Efron, Moving Block Bootstrap nach Künsch und Stationary Bootstrap nach Politis und Romano. Im Fokus steht die Schätzung von Maximum Drawdowns (MDD). Die Studienautoren untersuchen, wie sich die Wahl der Methode auf die Risikoschätzung und die Anlageentscheidungen auswirkt.

Die Ergebnisse zeigen, dass der Standard-Bootstrap MDD systematisch unterschätzt. Dies führt insbesondere bei aktienlastigen Portfolios zur Überschätzung von risikoadjustierten Kennzahlen und einer fehlerhaften Einschätzung des Risikos, was dazu führen kann, dass Investoren ungewollt zu hohe Risiken eingehen.

Der Moving Block Bootstrap funktioniert nur dann zuverlässig, wenn die Nichtstationarität der Daten keine große Rolle spielt. Andernfalls können Krisenperioden unterrepräsentiert sein, was sich negativ sowohl auf die Rendite- als auch die Risikoschätzung auswirkt.

Der Stationary Bootstrap hingegen liefert die präzisesten Schätzungen. Er erfasst serielle Abhängigkeiten zuverlässig und stellt eine ausgewogene Stichprobenauswahl sicher.

Die wirtschaftlichen Folgen von Verzerrungen in der MDD-Schätzung sind erheblich: Die Simulationen zeigen, dass Investoren dadurch suboptimale Portfolios wählen und risikoadjustierte Performanceverluste von bis zu 44 % erleiden können.

Die Autoren sprechen sich nachdrücklich für einen Stationary Bootstrap bei Risikoanalysen und vor Anlageentscheidungen aus.

Link zur Studie: “Bootstrapping and Bias: The Economic Costs of Misjudging Downside Risk”