Ein neuer Timing-Ansatz mit COT-Daten

Schon lange nutzen professionelle Händler COT-Daten, um einen Vorteil beim Timing der US-Märkte zu erzielen. Dass solche systematischen Timing-Strategien tatsächlich existieren, ist in der Wissenschaft jedoch umstritten. Allerdings liefert das spannende, im Jahr 2018 veröffentlichte Paper „Want Smart Beta? Follow the Smart Money: Market and Factor Timing Using Relative Sentiment“ von Raymond C. Micaletti stichhaltige Belege für ein solches Vorgehen. Auf Basis der COT-Daten wird ein Smart Money Indikator (SMI) berechnet, der die aggregierten Positionierungen von institutionellen relativ zu privaten Anlegern quantifiziert. Der Autor zeigt für einen Datenzeitraum von mehr als 20 Jahren, dass der SMI nicht nur statistisch hochsignifikant und besonders robust ist, sondern auch, dass dieser deutliche Überrenditen durch Timing des Marktes ermöglicht.

Die Innovation des Papers gegenüber bisherigen Studien ist, dass nicht nur COT-Positionierungen im Aktienbereich, sondern auch in relevanten angrenzenden Anlageklassen berücksichtigt werden. Die Motivation dafür basiert auf dem Prinzip des Cross Hedging Pressure bei institutionellen Anlegern, was die Aussagekraft erheblich verbessert. Konkret basiert der SMI auf den relativen Positionierungen institutioneller vs. privater Anleger in diesen drei Bereichen:

● Aktien: S&P 500 Future (direktes Maß für Positionierungen in Aktien)

● langlaufende Anleihen: 30 Year Treasury Future (wenn institutionelle Anleger hier relativ bärisch positioniert sind, könnten sie entsprechend bullisch für Aktien sein)

● Zinsstruktur: Differenz aus 10 Year Treasury Future und Treasury Future (wenn institutionelle Anleger im 10-Jahres-Bereich relativ bullischer als im kurzfristigen Bereich sind, könnten sie entsprechend bullisch für Aktien sein)

 

Gemessen werden die relativen COT-Positionierungen über die Veränderungen im Open Interest der Commercials (institutionelle Anleger) im Vergleich zu den Non-Reportables (Privatanleger). Entscheidend sind dabei Zeiten, in denen besonders hohe Abweichungen der Positionierungen von den Durchschnittswerten auftreten. Gemessen wird dies anhand der z-Werte über N Perioden, die angeben, um wie viele Standardabweichungen es sich handelt. Um ständige Signalwechsel zu vermeiden, werden die Maxima bzw. Minima der z-Werte als Gleitender Durchschnitt über M Perioden betrachtet. Zur Berechnung des Indikators werden die drei genannten Bereiche aufaddiert:

● S&P 500 Future: Je höher das maximale relative Sentiment über M Perioden, desto bullischer für Aktien

● 30 Year Treasury Future: Je niedriger das minimale relative Sentiment über M Perioden, desto bullischer für Aktien

● Differenz aus 10 Year Treasury Future und Treasury Future: Je höher die Differenz aus maximalem relativen Sentiment über M Perioden im 10-Jahres-Bereich gegenüber dem kurzfristigen Bereich, desto bullischer für Aktien

 

Am Ende wird vom sich ergebenden Wert jeweils der bisherige Median abgezogen, sodass der fertige Indikator auf null skaliert ist.

Das zentrale Ergebnis der Studie ist die klare Aussagekraft des Indikators für nachfolgende Renditen am Aktienmarkt. Die Berechnungen des Autors ergeben, dass wenn der SMI positive Werte annimmt, die annualisierten Renditen am US-Aktienmarkt rund 20% höher sind (bei geringerer Volatilität) als bei negativen Werten. Auch gegenüber Strategien wie Value oder Time Series Momentum (oder deren Kombination) erzielt das SMI-Timing höhere absolute sowie risikobereinigte Renditen bei zugleich im Zeitablauf geringerem durchschnittlichem Aktien-Exposure. Das Problem bei Value ist, dass Positionen in Aufwärtstrends zu früh verringert und in Abwärtstrends zu früh vergrößert werden, während es bei Momentum genau umgekehrt ist: Der Time-Series-Ansatz läuft dem Markt nach und ist immer zu spät dran. Genau diese Schwächen scheint der SMI auszugleichen.

 

COT Daten Timing Aktienmarkt

Die blaue Linie zeigt die kumulativen Renditen einer Strategie, die den Aktienmarktfaktor Long ist, wenn der SMI in der Vorwoche positiv war und andernfalls nicht investiert ist. Die rote Linie zeigt den umgekehrten Fall (Long wenn SMI in der Vorwoche negativ, andernfalls nicht investiert). Der Marktfaktor wurde in den Berechnungen um den risikolosen Zins bereinigt. Parameter: M = 5 Wochen, N = 78 Wochen. Quelle: Micaletti, R. C. (2018), Want Smart Beta? Follow the Smart Money: Market and Factor Timing Using Relative Sentiment, S. 17

 

Im Zusammenhang mit Time Series Momentum ersetzt der SMI dessen Prognosekraft vollständig und macht das Zeitreihenmomentum damit überflüssig. Besonders deutlich wird dies in Phasen negativen Momentums, in denen mittlere Jahresrenditen von 30% (-20%) erzielt wurden, wenn der SMI gleichzeitig positiv (negativ) war. Mit anderen Worten: Der SMI ermöglichte es hier, günstige Phasen innerhalb der Zeiträume negativen Momentums zu identifizieren, in denen es sich lohnte, auf Erholungsbewegungen zu setzen. Damit bügelt der Indikator genau jene Schwäche aus, die sich beim klassischen Time Series Momentum nicht umgehen lässt. Zudem erzielte der SMI systematisch positive Renditen, egal ob Time Series Momentum gerade bullisch oder bärisch war.

 

COT Daten Timing Aktienmarkt Momentum positiv negativ

LINKS: Die blaue Linie zeigt die kumulativen Renditen einer Strategie, die den Aktienmarktfaktor Long ist, wenn das Time Series Momentum positiv ist und der SMI in der Vorwoche positiv war (andernfalls nicht investiert). Die rote Linie zeigt den umgekehrten Fall (Long wenn Time Series Momentum positiv und SMI in der Vorwoche negativ, andernfalls nicht investiert). RECHTS: Die blaue Linie zeigt die kumulativen Renditen einer Strategie, die den Aktienmarktfaktor Long ist, wenn das Time Series Momentum negativ ist und der SMI in der Vorwoche positiv war (andernfalls nicht investiert). Die rote Linie zeigt den umgekehrten Fall (Long wenn Time Series Momentum negativ und SMI in der Vorwoche negativ, andernfalls nicht investiert). Die dargestellten Renditen sind Mittelwerte aus insgesamt neun verschiedenen Einzelstrategien zur Definition von Time Series Momentum. Parameter SMI: M = 5 Wochen, N = 78 Wochen. Quelle: Micaletti, R. C. (2018), Want Smart Beta? Follow the Smart Money: Market and Factor Timing Using Relative Sentiment, S. 23

 

Weiterhin ermöglicht der SMI ein Timing verschiedener Smart-Beta-Faktoren. Das gilt insbesondere in Risk-Off-Phasen, in denen der SMI negativ ausfällt, da hier ein stärkerer Fokus des Marktes auf die tatsächlichen Fundamentaldaten zu vermuten ist, die den meisten dieser Faktoren zugrunde liegen.

Den vielversprechenden Rückrechnungen zufolge scheint die Polarität des Indikators sowohl die persistenten Prognosevorteile von institutionellen gegenüber privaten Anlegern als auch den richtigen Zeithorizont zu erfassen, über den sich das Ganze abspielt. Der Auf- und Abbau der relativen Positionierungen lässt sich dabei durchaus als Sentiment-Indikator interpretieren. Zudem spiegeln die Hedging-Aktivitäten der institutionellen Anleger letztlich auch deren Konsens über die fundamentale Situation wider, sodass der SMI auch als impliziter fundamentaler Indikator betrachtet werden kann.

Ein Nachteil des Timings mittels SMI ist der höhere Portfolioumschlag im Vergleich zum klassischen Strategien wie Value oder Time Series Momentum, was entsprechend höhere Transaktionskosten impliziert.

 

Fazit

Der SMI ermöglicht die Bestimmung der relativen Positionierungen institutioneller vs. privater Anleger sowie ein darauf basiertes, aktives Timing.

 

Quelle: Micaletti, R. C. (2018), Want Smart Beta? Follow the Smart Money: Market and Factor Timing Using Relative Sentiment, Columbus Macro

Schreibe einen Kommentar