Die teuerste Entscheidung beim Investieren ist die, die niemand treffen will

Kluge, gut informierte Investoren tun dies genauso zuverlässig wie alle anderen, denn die Ursache liegt in einem bestimmten, messbaren Merkmal der menschlichen Risikobewertung, das seit annähernd fünfzig Jahren dokumentiert ist.

Der Befund, der die Frage veränderte

Über den Grossteil des zwanzigsten Jahrhunderts ging die Finanzwissenschaft davon aus, dass Menschen gut rechnen. Vor eine risikobehaftete Wahl gestellt, sollte ein Investor jedes Ergebnis mit seiner Wahrscheinlichkeit gewichten und die grösste Zahl wählen. Die Erwartungsnutzentheorie war elegant, lehrbar und, wie sich herausstellte, empirisch falsch.

1979 veröffentlichten Daniel Kahneman und Amos Tversky die Prospect Theory. Dass Menschen Fehler machen, war bereits offensichtlich; was sie zeigten, war, dass sich die Fehler wiederholen, in derselben Form, in dieselbe Richtung, unter denselben Bedingungen.

Diese Unterscheidung wiegt schwerer, als es zunächst scheint, denn zufällige Fehler heben sich über ein Portfolio hinweg auf: Manche helfen, manche schaden, und über genügend Entscheidungen hinweg verschwinden sie. Systematische Fehler wirken in eine Richtung und verstärken sich, und alles, was sich vorhersehbar verstärkt, lässt sich messen, modellieren und gezielt aus einem Entscheidungsprozess herauskonstruieren. Die Arbeit begründete die Behavioural Finance und brachte Kahneman 2002 den Nobelpreis für Wirtschaftswissenschaften ein.

Warum das Realisieren eines Verlusts die schwierigste Entscheidung beim Investieren ist

Von den Mustern, welche die Forschung identifizierte, erklärt eines mehr kostspieliges Anlegerverhalten als jedes andere.

Stellt man jemandem die Wahl zwischen garantierten 500 und einem Münzwurf um 1'000, nehmen die meisten das sichere Geld, obwohl beides im Durchschnitt gleich viel wert ist. Dreht man die Frage jedoch um, kippt das Verhalten: Vor die Wahl gestellt, 500 mit Sicherheit zu verlieren oder einen Münzwurf zu wagen, der entweder 1'000 oder nichts kostet, entscheiden sich die meisten für das Wagnis, denn ein garantierter Verlust ist unangenehm genug, dass jede Chance, ihm zu entgehen, attraktiv zu erscheinen beginnt.

Dieselbe Person ist am selben Nachmittag in eine Richtung vorsichtig und in die andere risikofreudig, und diese Umkehrung erklärt einen erheblichen Teil dessen, was in Portfolios schiefgeht: eine einbrechende Position zu halten, statt den Verlust einzugestehen, nach einer schlechten Phase nachzukaufen, ein Projekt weiter zu finanzieren, das vor Jahren hätte beendet werden sollen. Einen Verlust zu realisieren bedeutet, einen sicheren Verlust zu akzeptieren. Es ist genau jene Option, die die menschliche Psyche von Natur aus meidet.

Vier weitere, alle belegt

Die Risikoumkehr ist das teuerste dieser Muster, doch sie kommt nicht allein. Dieselbe Forschung dokumentiert vier weitere Neigungen, die prägen, wie Kapital tatsächlich allokiert wird: Wir beurteilen Positionen an einem unsichtbaren Referenzpunkt statt an ihren Verdiensten, wir empfinden Verluste etwa doppelt so intensiv wie gleichwertige Gewinne, wir verschätzen uns bei kleinen Wahrscheinlichkeiten in beide Richtungen, und wir antworten auf die Art, wie eine Frage gestellt ist, statt auf die Frage selbst.

Alle vier sind gut belegt; jede hat direkte und messbare Kosten, und alle treten am zuverlässigsten unter Druck auf, also genau dann, wenn Allokationsentscheidungen am meisten zählen.

Strukturelle Probleme haben technische Antworten

Diese Fehler sind strukturell, und strukturellen Problemen lässt sich mit technischen Lösungen begegnen.

Ein systematischer, vollständig automatisierter Investmentprozess hat diese Verzerrungen von Anfang an nicht, sodass Willenskraft nie ins Spiel kommt. Da er keinen Referenzpunkt kennt, kann er sich nicht an einem Einstandskurs verankern; da er Gewinne und Verluste nach identischen Massstäben gewichtet, verbindet er mit der Reduktion von Exposure keine emotionalen Kosten; und weil er Wahrscheinlichkeiten so nimmt, wie sie angegeben sind, und an jedem Geschäftstag ein einziges Eingabeformat liest, lässt er sich nicht davon beeinflussen, wie eine Geschichte erzählt wird.

Der Vorteil ist hier mechanischer und nicht intellektueller Natur. Bei einer Reihe dokumentierter, wiederkehrender Fehler macht ein regelbasierter Prozess sie einfach nicht, während ein menschlicher Prozess sie unter Druck macht, genau in den Momenten, die am meisten zählen.

Wo die Automatisierung endet

Es lohnt sich, bei den Grenzen präzise zu sein, denn ein ernsthafter Allokator wird sie ohnehin ansprechen.

Menschen entwerfen und wählen die Modelle weiterhin aus, und das Urteilsvermögen aus der täglichen Schleife zu nehmen, lässt den Prognosefehler unberührt, da jedes Modell eine vereinfachte Projektion einer komplexen und verrauschten Umgebung bleibt.

Verlustaversion kann zudem vollkommen rational sein, insofern ein Investor mit zu erfüllenden Verbindlichkeiten zu Recht Verluste stärker gewichtet als Gewinne. Was ein systematischer Prozess herausnimmt, ist der Reflex, während das Mandat die Führung behält: Zielvolatilität und maximaler Drawdown bestimmen die Positionsgrössen, sodass das Exposure widerspiegelt, was der Investor tragen kann.

Und eine Prognose, die ohne Zögern umgesetzt wird, wird auch dann ohne Zögern umgesetzt, wenn sie falsch ist.

Der Vorteil ist verhaltensbedingt

Märkte werden ebenso von Verhalten getrieben wie von Fundamentaldaten, was bedeutet, dass jeder Teilnehmer, der bei einem sicheren Verlust zögert, eine Geschichte zu lange hält oder auf die Darstellung statt auf die Frage antwortet, Wert an eine Gegenpartei überträgt, die keines dieser Dinge tut.

Dieser Transfer hat fünfzig Jahre überdauert, in denen er genau jenen Menschen erklärt wurde, die ihn zeigen, und dauerhafter wird eine Ineffizienz kaum, was das stärkste Argument dafür ist, die Entscheidung von vornherein aus menschlicher Hand zu nehmen.

Quellen

Kahneman, D. & Tversky, A., «Prospect Theory: An Analysis of Decision under Risk», Econometrica 47(2), 1979.

Tversky, A. & Kahneman, D., «The Framing of Decisions and the Psychology of Choice», Science 211, 1981.

Kahneman, D., Knetsch, J. & Thaler, R., «Experimental Tests of the Endowment Effect and the Coase Theorem», Journal of Political Economy 98(6), 1990.

Shefrin, H. & Statman, M., «The Disposition to Sell Winners Too Early and Ride Losers Too Long», Journal of Finance, 1985.

Wichtige Hinweise (Disclaimer)

Marketingmaterial. Dieser Artikel dient ausschliesslich der allgemeinen Information. Er stellt keine Anlage-, Steuer-, Rechts- oder Buchhaltungsberatung dar, ebenso wenig ein Angebot oder eine Aufforderung zum Kauf oder Verkauf eines Wertpapiers oder Finanzinstruments, und er kann die Beratung durch einen persönlichen Anlageberater nicht ersetzen. Die hier zusammengefasste Verhaltensforschung stammt aus veröffentlichten wissenschaftlichen Arbeiten und beschreibt dokumentierte Muster menschlicher Entscheidungsfindung; sie stellt keine Aussage über die künftige Wertentwicklung einer Strategie, eines Fonds oder einer Anteilsklasse dar. Die frühere sowie die simulierte frühere Wertentwicklung ist kein verlässlicher Indikator für künftige Ergebnisse. Der Wert von Anlagen kann sowohl fallen als auch steigen, und Investoren erhalten möglicherweise nicht den ursprünglich investierten Betrag zurück, bis hin zum Totalverlust des Kapitals. Setzt eine Strategie Hebelung ein, kann dies sowohl Gewinne als auch Verluste verstärken.