Keywords: portfolio construction; Bayes’ Rule; view blending and shrinkage; semi-strong, market efficiency; optimisation; robustness
Das Black-Litterman-Modell (BLM), entwickelt von Fischer Black und Robert Litterman (1992), ist ein Meilenstein im Bereich des aktiven Portfoliomanagements. Es stellt eine innovative Methode dar, die Marktsichtweisen und individuelle Einschätzungen von Portfoliomanagern kombiniert, um effizientere und fundiertere Portfolioentscheidungen zu ermöglichen. Der nachfolgende Beitrag beleuchtet ausführlich die Hintergründe, die Funktionsweise und die Vorteile des Black-Litterman-Modells, insbesondere im Vergleich zu traditionellen Ansätzen.
Konzeption des Modells
1 Kombination von Markt- und Expertenmeinungen
Das Black-Litterman-Modell (BLM) zeichnet sich durch die nützliche Möglichkeit aus, persönliche Einschätzungen von Experten mit allgemeinen Markterwartungen zu vereinen.
Stell dir vor, du planst eine Reise und kombinierst deine persönlichen Vorlieben mit professionellen Reiseempfehlungen – das Ergebnis ist ein maßgeschneiderter, optimaler Reiseplan. Ähnlich funktioniert das BL-Modell im Finanzbereich: Es verknüpft das individuelle Wissen und die Erwartungen des Portfoliomanagers mit den allgemeinen Markttrends und -einschätzungen. Dieser Ansatz kann zu realistischeren und widerstandsfähigeren Investmentportfolios führen, da er sowohl breite Marktbewegungen als auch spezifische Einschätzungen berücksichtigen kann.
Beispiel: Nehmen wir an, ein Portfoliomanager hat spezifische Ansichten zur relativen Performance von zwei Aktien: Er erwartet, dass Aktie "Apple" besser abschneiden wird als Aktie "Amazon". Gleichzeitig hat er eine allgemeine Markterwartung, die besagt, dass der IT-Sektor im kommenden Jahr eine überdurchschnittliche Performance zeigen wird. Das BL-Modell kann beide Arten von Erwartungen – relative Performance und allgemeine, sektorbezogene Entwicklung – problemlos in das Portfolio integrieren. In einem traditionellen Modell müsste der Manager möglicherweise Kompromisse eingehen, um eine der beiden Ansichten stärker zu gewichten (im Rahmen traditioneller Modelle muss sich der Portfoliomanager auf eine bestimmte Art von Einschätzung- relative Performance von Einzelaktien vs. allgemeine Markterwartungen- konzentrieren).
2 Flexibilität in der Verarbeitung unterschiedlicher Sichtweisen
Ein weiterer entscheidender Vorteil des Black-Litterman-Modells ist in seiner Flexibilität zu sehen. Verschiedene Arten von Einschätzungen – von allgemeinen Markterwartungen bis hin zu spezifischen Strategien für bestimmte Investments – können verarbeitet werden. Diese Flexibilität ermöglicht es, dass ein breites Spektrum an Informationen und Ansätzen in die Entscheidungsfindung von Portfoliomanagern einbezogen werden kann.
Beispiel: Ein praktisches Beispiel für die Flexibilität des Black-Litterman-Modells könnte die Verwaltung eines Aktienportfolios sein. Nehmen wir an, ein Portfoliomanager hat spezifische Einschätzungen bezüglich einzelner Aktien sowie allgemeine Meinungen zur Marktentwicklung. Hier könnte der Manager der Ansicht sein, dass die Aktien von Technologieunternehmen aufgrund neuer Innovationen in den nächsten Monaten stark steigen werden, während er gleichzeitig erwartet, dass der Energiebereich aufgrund politischer Unsicherheiten schlechter abschneiden könnte. Zudem hat er vielleicht eine allgemeine Einschätzung, dass der Gesamtmarkt stabil bleiben oder leicht wachsen wird.
Das Black-Litterman-Modell ermöglicht es nun, diese individuellen Aktieneinschätzungen (zum Beispiel "Technologieaktien steigen, Energieaktien fallen") und die allgemeine Markteinschätzung ("der Markt bleibt stabil") in die Portfoliostruktur zu integrieren. Das Modell berechnet, wie das Portfolio angepasst werden sollte, um sowohl den spezifischen als auch den allgemeinen Erwartungen gerecht zu werden. Es könnte beispielsweise empfehlen, den Anteil von Technologieaktien zu erhöhen und gleichzeitig Energieaktien zu reduzieren, während das Portfolio insgesamt eine Ausrichtung beibehält, die der erwarteten allgemeinen Marktstabilität entspricht.
Durch diese Kombination von spezifischen und allgemeinen Ansichten kann der Portfoliomanager ein gut diversifiziertes und auf seine Einschätzungen abgestimmtes Aktienportfolio erstellen.
3 Reduzierung von Risiken und unerwarteten Ergebnissen
Schließlich trägt das BL-Modell dazu bei, das Risiko von instabilen oder unerwarteten Ergebnissen in den Portfolios zu verringern – ein häufiges Problem bei traditionellen Portfoliomanagement-Methoden. Traditionelle Ansätze können manchmal zu extremen oder nicht intuitiven Portfoliokonfigurationen führen, ähnlich wie wenn ein Navigationsgerät Sie auf einen unerwarteten, riskanten Weg führt. Das BL-Modell hingegen nutzt seine ausgeklügelte Art der Informationsverarbeitung, um solche Risiken zu minimieren. Es sorgt dafür, dass die Portfolios ausgewogener und vorhersehbarer sind, ähnlich wie ein gut geplanter und sicherer Reiseweg.
Beispiel: Bei traditionellen Anlagemethoden kann eine geringfügige Änderung in den Input-Daten zu drastischen Änderungen in der Portfoliozusammensetzung führen. Dies ist vergleichbar mit einem empfindlichen Thermostat, der bei minimaler Temperaturänderung die Heizung stark auf- oder abdreht. Im Gegensatz dazu gleicht das BL-Modell einem ausgeklügelten Thermostat, der sanft auf Änderungen reagiert, indem es die neuen Informationen sorgfältig mit den vorhandenen Marktansichten abwägt. Dies führt zu stabilen und nachvollziehbaren Anpassungen im Portfolio.
Anwendungsbeispiele
1 Globale Asset-Allokation
Asset-Allokation bezieht sich auf die Verteilung von Investitionen auf verschiedene Arten von Anlageklassen wie Aktien, Anleihen und andere Vermögenswerte. Ziel ist es, ein ausgewogenes Verhältnis zwischen Risiko und Rendite zu erreichen.
BLM: Das Black-Litterman-Modell nutzt Marktinformationen und verbindet diese mit den individuellen Einschätzungen des Portfoliomanagers. Dieser Prozess ermöglicht es, ein ausgewogenes Investmentportfolio zu erstellen. Das Modell hilft dabei zu erkennen, welche Anlageklassen möglicherweise über- oder untergewichtet sind. Auf dieser Grundlage können dann Anpassungen vorgenommen werden, um das Portfolio optimal auszurichten und ein ausgewogenes Verhältnis zwischen verschiedenen Investments zu erreichen.
2 Risikomanagement
Risikomanagement im Portfoliokontext bedeutet, die Auswirkungen verschiedener Marktbedingungen auf die Performance des Portfolios zu verstehen und zu steuern.
BLM: Das Black-Litterman-Modell ermöglicht es Portfoliomanagern, verschiedene Marktszenarien zu analysieren und vorherzusagen, wie diese die Leistung des Portfolios beeinflussen könnten. Es erlaubt die Integration eigener Einschätzungen über zukünftige Marktentwicklungen in den Planungsprozess. Dadurch können Portfoliomanager fundierte Entscheidungen treffen, um das Portfolio entsprechend anzupassen und auf verschiedene Marktbedingungen vorzubereiten.
3 Spezialisierte Investmentstrategien
Manche Fondsmanager konzentrieren sich auf spezielle Investmentbereiche, wie bestimmte Industriezweige oder thematische Anlagen.
BL: In diesem Fall funktioniert das BL-Modell wie ein maßgeschneiderter Anzug, der genau auf die Bedürfnisse und Vorlieben des Trägers (Fondsmanager) zugeschnitten ist. Es ermöglicht den Managern, ihre spezifischen Einsichten und Strategien für bestimmte Sektoren oder Themen effektiv in ihre Investmentauswahl (Portfoliozusammensetzung) einzubeziehen. Das ist so, als würden Sie einen Koch bitten, ein Menü genau nach Ihrem Geschmack zu kreieren, basierend auf Ihren bevorzugten Zutaten und Gewürzen.
Zusammenfassung
Das Black-Litterman-Modell bietet eine flexible und intelligente Methode zur Portfolioverwaltung, die es ermöglicht, sowohl Marktinformationen als auch individuelle Expertenmeinungen zu berücksichtigen. Ob es darum geht, eine globale Investitionsstrategie zu entwickeln, Risiken effektiv zu managen oder spezialisierte Investmentstrategien umzusetzen, das BL-Modell bietet die Struktur und die Werkzeuge, um diese Aufgaben zu meistern. Es ist wie ein Schweizer Taschenmesser im Portfoliomanagement, das vielseitig einsetzbar und anpassungsfähig an verschiedene Bedürfnisse ist.
Quellen:
=======The origin
The Black-Litterman model (BLM) is a method for asset allocation within a portfolio that was developed in the early 1990s by Fischer Black (*1938 in Washington) and Robert Litterman (*1951). It aims to assist investors in improving their portfolios by overcoming the weaknesses of the traditional mean-variance approach proposed by Markowitz. The Black-Litterman approach is based on optimizing the expected return of a portfolio considering the given level of risk.
Extension of the classical mean-variance approach.
The model aims to generate optimized portfolios that are considered stable and efficient in terms of mean-variance optimization. However, the BLM deviates from the traditional mean-variance approach by incorporating the subjective assessments of investors regarding the performance of specific assets. The insights and evaluations of investors are considered valuable sources of information within the BLM framework, as they can help predict economic trends. Empirical studies have shown that asset allocation methods based solely on the mean-variance approach can lead to an imbalanced concentration of investments within portfolios, where even slight changes in the expected returns of individual assets can result in significant fluctuations in the optimal portfolio composition. In other words, mean-variance methods of portfolio construction can exhibit high sensitivity to optimal asset selection, leading to large swings even with minimal changes in the expected returns of the respective assets.
Model Description
The BLM takes a different approach compared to traditional mean-variance methods. The starting point of the BLM is the concept of equilibrium returns. Equilibrium returns are a measure that indicates the returns investors should expect to receive as compensation for undertaking risky investments in order to build an efficient and rewarding portfolio. They are based on the assumption that assets should generate certain returns over the long term to reward investors for taking risks. The equilibrium return of an asset is derived from a risk-free interest rate and a risk premium associated with the non-diversifiable systematic risk of certain assets. Equilibrium returns can be calculated in various ways. One approach to calculating equilibrium returns is by using the Capital Asset Pricing Model (CAPM). Alternatively, naive approaches such as computing historical average returns can be employed. The determined price is associated with the expected return that compensates investors for undertaking investment risks.
In a further step, the model integrates the investors' subjective expectations regarding the return prospects of specific assets. These opinions can be expressed as either absolute appreciation or relative performance compared to other assets. The BLM then combines the equilibrium returns with the investors' subjective opinions to calculate a new estimate of returns. This new estimate of returns is then used as a basis for portfolio construction, i.e., determining the weights assigned to individual assets.
Conclusion
The integration of investors' subjective expectations into portfolio optimization offers the possibility of generating portfolios that go beyond the purely analytical mean-variance approach. In this way, assuming investors have reliable sources of information, better performance in the capital market can be achieved.
Resources:
>>>>>>> 3922032ee4314f1507fb53a941d9a77c7ccdf5a2Black, F. & Litterman, R. (1991). Global asset allocation with equities, bonds and currencies. Goldman Sachs.
Chung, K. H., Wang, J., & Wu, C. (2019). Volatility and the cross-section of corporate bond returns. Journal of Financial Economics, 133(2), 397-417.
Fuhrer, A., & Hock, T. (2019). Uncertainty in the Black-Litterman model: A practical note (No. 68). Weidener Diskussionspapiere.
Idzorek, T. (2007). A step-by-step guide to the Black-Litterman model: Incorporating user-specified confidence levels. In Forecasting expected returns in the financial markets (pp. 17-38). Academic Press.
Kalaycı, C. B., Ertenlice, Ö., Akyer, H., & Aygören, H. (2017). A review on the current applications of genetic algorithms in mean-variance portfolio optimization. Pamukkale Univ Muh Bilim Derg, 23(4), 470-476.
Litterman, R., & He, G. (1999). The intuition behind black-litterman model portfolios. Goldman Sachs Investment Management Research.