Dynamische Handelsstrategien mit integrierten Stop-Loss-Regeln
In einem im Oktober 2015 erschienenen Researchpaper untersuchen Andrew W. Lo und Alexander Remorov von der MIT Sloan School of Management das Verhalten von dynamischen Handelsstrategien, die Stop-Loss-Regeln berücksichtigen. Die Autoren simulieren AR(1)- und Markov-Switching-Prozesse mit unterschiedlichen Parametereinstellungen und vergleichen die Performance von Stop-Loss- und Buy-and-Hold-Strategien im Rahmen des Mean-Variance-Ansatzes.
Bei hoher Autokorrelation und Volatilität zeigen die Simulationsergebnisse der AR(1)-Prozesse, dass die Stop-Loss-Strategie zu höheren risikoadjustierten Renditen führt als die Buy-and-Hold-Strategie. Eine höhere Performance der Stop-Loss-Strategie kann ebenfalls für die Simulation der Markov-Switching-Prozesse gemessen werden. Im weiteren Verlauf der Studie wird die Performance von Stop-Loss- und Buy-and-Hold-Strategien anhand eines US-Datensamples unter Berücksichtigung von Transaktionskosten analysiert. Die empirische Analyse zeigt, dass die Performance von Stop-Loss-Strategien eng verknüpft ist mit der Autokorrelation der Renditen. Bei einer signifikanten Autokorrelation der Renditen erzielt die Stop-Loss-Strategie eine höhere Performance als die Buy-and-Hold-Strategie.
Ein wichtiger Erfolgsfaktor der Stop-Loss-Strategie ist die Entscheidung über den Reinvestitionszeitpunkt. Eine frühe Reinvestition nach einem Stop-Out ist den Autoren zufolge lohnenswert. Außerdem kommen die Autoren zu dem Ergebnis, dass die risikolose Anlage einen signifikanten Einfluss auf die Effektivität von Stop-Loss-Strategien hat. Die Tendenz des zu langen Haltens von Gewinneraktien und des zu schnellen Verkaufens von Verliereraktien, eine als Dispositionseffekt bekannte Neigung, kann durch Handelsstrategien mit integrierten Stop-Loss-Regeln reduziert werden, schlussfolgern die Autoren.
Absolut Research unterstützt institutionelle Investoren bei der Selektion von Asset Managern jeden Monat mit der Publikation Absolut|ranking. Insgesamt analysieren die Absolut|rankings mehr als 12.000 institutionelle Publikumsfonds und ETFs, aufgeteilt in 25 Asset-Klassen und Marktsegmente und mehr als 100 Universen.
