ArticlePDF Available

Rapid Trading bei deutschen Aktienfonds: Evidenz aus einer großen deutschen Fondsgesellschaft

Authors:

Abstract

Rapid Trading, d.h. der kurzfristige Kauf und Verkauf von Fondsanteilen durch Fondsinvestoren, steht im Widerspruch zur Fondskonzeption, wonach Fonds Instrumente zum langfristigen Vermögensaufbau darstellen, und kann zu negativen Auswirkungen auf die Performance führen. Wir verwenden Daten einer anonymen Fondsgesellschaft über Zuflüsse und Abflüsse und dokumentieren erstmals deutliche Hinweise auf Rapid Trading bei deutschen Aktienfonds. Es scheint vor allem dadurch getrieben zu werden, dass manche Anleger Fonds als spekulative, lotterie-artige Investments nutzen. Wir finden jedoch allenfalls schwache Evidenz für eine negative Auswirkung des Rapid Trading auf die Fondsperformance vor dem Fondsskandal in den USA in 2003, und keinerlei Einfluss danach.
econstor www.econstor.eu
Der Open-Access-Publikationsserver der ZBW – Leibniz-Informationszentrum Wirtschaft
The Open Access Publication Server of the ZBW – Leibniz Information Centre for Economics
Nutzungsbedingungen:
Die ZBW räumt Ihnen als Nutzerin/Nutzer das unentgeltliche,
räumlich unbeschränkte und zeitlich auf die Dauer des Schutzrechts
beschränkte einfache Recht ein, das ausgewählte Werk im Rahmen
der unter
→ http://www.econstor.eu/dspace/Nutzungsbedingungen
nachzulesenden vollständigen Nutzungsbedingungen zu
vervielfältigen, mit denen die Nutzerin/der Nutzer sich durch die
erste Nutzung einverstanden erklärt.
Terms of use:
The ZBW grants you, the user, the non-exclusive right to use
the selected work free of charge, territorially unrestricted and
within the time limit of the term of the property rights according
to the terms specified at
→ http://www.econstor.eu/dspace/Nutzungsbedingungen
By the first use of the selected work the user agrees and
declares to comply with these terms of use.
zbw Leibniz-Informationszentrum Wirtschaft
Leibniz Information Centre for Economics
Fang, Jieyan; Ruenzi, Stefan
Working Paper
Rapid Trading bei deutschen Aktienfonds: Evidenz
aus einer großen deutschen Fondsgesellschaft
CFR working paper, No. 09-04
Provided in cooperation with:
Universität Köln
Suggested citation: Fang, Jieyan; Ruenzi, Stefan (2009) : Rapid Trading bei deutschen
Aktienfonds: Evidenz aus einer großen deutschen Fondsgesellschaft, CFR working paper, No.
09-04, http://hdl.handle.net/10419/41368
CFR-Working Paper NO. 09-04
Rapid Tradin
g
bei deutschen
Aktienfonds:
Evidenz aus einer großen
deutschen Fondsgesellschaft
J. Fang • S. Ruenzi
1
Rapid Trading bei deutschen Aktienfonds:
Evidenz aus einer großen deutschen
Fondsgesellschaft*
Jieyan Fang
Universität zu Köln
Centre for Financial Research (CFR) Cologne
Stefan Ruenzi
Universität zu Köln
Centre for Financial Research (CFR) Cologne
Zusammenfassung: Rapid Trading, d.h. der kurzfristige Kauf und Verkauf von
Fondsanteilen durch Fondsinvestoren, steht im Widerspruch zur Fondskonzeption, wonach
Fonds Instrumente zum langfristigen Vermögensaufbau darstellen, und kann zu negativen
Auswirkungen auf die Performance führen. Wir verwenden Daten einer anonymen
Fondsgesellschaft über Zuflüsse und Abflüsse und dokumentieren erstmals deutliche
Hinweise auf Rapid Trading bei deutschen Aktienfonds. Es scheint vor allem dadurch
getrieben zu werden, dass manche Anleger Fonds als spekulative, lotterie-artige Investments
nutzen. Wir finden jedoch allenfalls schwache Evidenz für eine negative Auswirkung des
Rapid Trading auf die Fondsperformance vor dem Fondsskandal in den USA in 2003, und
keinerlei Einfluss danach.
Schlüsselwörter: Investmentfonds; Rapid Trading; Fondsskandal
JEL-Klassifikation: G23
* Jieyan Fang, Diplom-Kauffrau, Seminar für Finanzierungslehre und Centre for Financial Research (CFR) an
der Universität zu Köln, Albertus-Magnus Platz, 50923 Köln. e-mail: fang@wiso.unikoeln.de. Dr. Stefan
Ruenzi, Centre for Financial Research (CFR) an der Universität zu Köln. e-mail: ruenzi@wiso.uni-koeln.de. Wir
danken einer anonymen großen deutschen Fondsgesellschaft für die zur Verfügung Stellung der in dieser Studie
verwendeten Zu- und Abflußdaten und den Teilnehmern des CFR Forschungsseminars in Tannheim sowie
Alexandra Niessen für hilfreiche Anmerkungen.
2
1 Einleitung
Im Jahr 2003 wurde die amerikanische Fondsindustrie, ausgelöst durch die vom New
Yorker Generalstaatsanwalt Elliott Spitzer eingeleiteten Ermittlungen gegen mehrere
Investmentfirmen, durch einen ihrer bislang schwersten Skandale erschüttert. Im Mittelpunkt
des Interesses stand dabei neben dem explizit illegalen ‚Late Trading‘1 das soganannte ‚Rapid
Trading‘. Unter Rapid Trading versteht man das kurzfristige Handeln mit Fondsanteilen durch
Fondsanleger, wobei Kauf und Verkauf in der Regel nur wenige Tage auseinander liegen.
Anleger versuchen durch Rapid Trading von kurzfristigen Marktbewegungen zu profitieren.2
Rapid Trading steht somit im Widerspruch zur Grundidee der Fondskonzeption, wonach
Fonds eine eher langfristig Anlagealternative zum Vermögensaufbau darstellen. Mit dieser
Studie legen wir die erste Untersuchung des Rapid Trading bei deutschen Aktienfonds vor.
Rapid Trading ist aus drei Gründen kritisch zu bewerten: (1) Die damit verbundene hohe
Handelsaktivität führt zu einem hohen administrativen Aufwand für den Fonds, der von allen
Anlegern getragen werden muss. (2) Der Fonds muss einen relativ hohen Kassenbestand
aufrecht erhalten, um die Liquiditätsbedürfnisse der kurzfristig handelnden Anleger zu
befriedigen. (3) Die ständigen Zuflüsse und Abflüsse von Mitteln machen es für den Fonds
schwierig, eine langfristige Anlagepolitik umzusetzen. Somit kann Rapid Trading zu
negativen externen Effekten in Form von Performanceeinbußen für langfristig orientierte
Fondsanleger führen (vgl. Greene/Hodges 2002).3
1 Bei ‚Late Trading‘ erlaubt die Fondsgesellschaft bestimmten bevorzugten Fondsinvestoren, zu veralteten
Kursen Fondsanteile zu handeln. Diese können somit Quasi-Arbitragestrategien durchführen. Dies geschieht auf
Kosten der langfristig orientieren Fondsanleger (Zitzewitz 2006). Diese vorliegende Arbeit konzentriert sich
dagegen auf das von Late Trading Praktiken zu unterscheidende Rapid Trading.
2 Von Rapid Trading abzugrenzen ist die sogenannte Zeitzonenarbitrage, die nur eine mögliche Form des Rapid
Trading darstellt. Zeitzonenarbitrage ist dann möglich, wenn die Preisfeststellung für den Fonds in Deutschland
zeitlich nach dem Handelsschluss eines ausländischen Börsenplatzes liegt, in dessen Aktien der Fonds anlegt.
Dann liegen dem Fondspreis, zu dem Fondsanleger an diesem Tag noch handeln können, nämlich Kurse zu
Grunde, die kursrelevante Informationen, die nach dem ausländischen Börsenschluss bekannt geworden sind,
noch nicht enthalten. Diese Kurse sind somit veraltet (sog. ‚stale prices‘) und es können basierend hierauf Quasi-
Arbitragestrategien durch Handel in diesen Fondsanteilen betrieben werden. Werden beispielsweise nach dem
Börsenschluss in Asien sehr gute kursrelevante Nachrichten bekannt, so können deutsche Fondsanleger, die
Zeitzonenarbitrage betreiben wollen, am selben Tag in Asienfonds investieren. Der Kauf wird dann zu Kursen
abgerechnet, welche die guten neuen Nachrichten noch nicht widerspiegeln. Voraussichtlich werden die guten
Informationen am folgenden Tag eingepreist und die Fondsanteile können dann zu einem höheren Preis wieder
verkauft werden. Eine ausführliche Beschreibung der Funktionsweise der auch unter dem Begriff ‚Market
Timing‘ bekannten Zeitzonenarbitrage findet sich in Frankel/Cunningham 2006. Zeitzonenarbitrage wird u.a.
auch in Chalmers et al. 2001 und Greene/Hodges 2002 untersucht.
3 Fondsgesellschaften sind sich dieser Problematik durchaus bewusst, wie die Regelungen in vielen
Geschäftsbedingungen zeigen. So heißt es in den Allgemeinen Geschäftsbedingungen von Fidelity in Abschnitt
10h z.B. ‚Investmentprodukte sind generell als langfristige Anlagen gedacht und werden auch so verwaltet.
Kurzfristige Anlage oder häufiges Handeln der Anteile wird nicht empfohlen, da es die Performance der Fonds
durch Störung der Portfolio-Management-Strategien und durch Verursachung höherer Kosten beeinträchtigt.‘
3
Daher führte die Bundesanstalt für Finanzdienstleistungsaufsicht (BaFin) in der Folge des
Fondsskandals in den USA eine Umfrage unter den deutschen Investmentgesellschaften zum
Late Trading und Rapid Trading durch. Viele Gesellschaften berichteten dabei von
Unsicherheiten im Umgang mit Rapid Trading Praktiken (vgl. Jahresbericht der BaFin für das
Jahr 2003, S. 214). Dies führte dazu, dass der Branchenverband der Investmentindustrie
(BVI) die Wohlverhaltensrichtlinien für seine Mitglieder erweiterte, in denen nun gefordert
wird, dass ‚Maßnahmen zu ergreifen (sind), um Anleger vor Nachteilen durch den
kurzfristigen Kauf und Verkauf von Anteilen durch andere Anleger (...) zu schützen‘ (BVI
Jahrbuch 2004, S. 30). Bislang liegt jedoch keine systematische Untersuchung über Rapid
Trading in Deutschland vor. Unsere Arbeit schließt diese Lücke und liefert drei
Hauptbeiträge: 1. Wir untersuchen, ob sich bei deutschen Aktienfonds Hinweise auf Rapid
Trading finden. 2. Wir betrachten verschiedene mögliche Determinanten des Rapid Trading
und analysieren erstmals verschiedene Erklärungsansätze für Rapid Trading. 3. Wir
untersuchen die Konsequenzen von Rapid Trading für die Fondsperformance. Damit können
wir auch prüfen, ob in Deutschland geeignete Maßnahmen ergriffen wurden, um die potentiell
negativen Auswirkungen von Rapid Trading auf die Performance abzumildern oder zu
verhindern.
Um zunächst zu untersuchen, ob es Hinweise auf Rapid Trading in Deutschland gibt,
verwenden wir nicht öffentlich verfügbare monatliche Daten zu Mittelzuflüssen und
Mittelabflüssen aller Aktien-Publikumsfonds einer großen deutschen Fondsgesellschaft für
den Zeitraum Januar 1992 bis Dezember 2006. Wenn Fondsinvestoren Rapid Trading
betreiben, so zeigt sich dies darin, dass bei den betroffenen Fonds hohe Zuflüsse und
gleichzeitig hohe Abflüsse zu beobachten sind.4 Unsere Ergebnisse zeigen deutliche Hinweise
auf Rapid Trading. Wir finden einen sehr starken positiven Zusammenhang zwischen den
Zuflüssen in einer Periode und den Abflüssen in der gleichen Periode. Das Handelsvolumen
in Fonds ist wesentlich höher, als man bei alleiniger Betrachtung von Nettoflüssen
(=Zuflüsse - Abflüsse) vermuten würde. Das Volumen der Zuflüsse und das Volumen der
Abflüsse sind in den meisten Jahren unserer Stichprobe jeweils um ein Vielfaches höher als
die Nettoflüsse.
4 Streng genommen ist das gleichzeitige Auftreten hoher Zu- und Abflüsse nur eine notwendige Bedingung für
das kurzfristige Handeln der Investoren eines Fonds. Es ist auch denkbar, dass bestimmte Fonds aus anderen
Gründen gleichzeitig hohe Ab- und Zuflüsse aufweisen, während die jeweiligen Investoren grundsätzlich
langfristig ausgerichtet sind. Unsere späteren Ergebnisse lassen diese Interpretation jedoch als wenig
wahrscheinlich erscheinen. Daher folgen wir dem in der Literatur etablierten Vorgehen (vgl. z.B. O’Neal 2004,
Cashman et al. 2007) und interpretieren das gleichzeitige Vorliegen hoher Zu- und Abflüsse als Anzeichen für
Rapid Trading.
4
Im zweiten Schritt entwickeln wir einen empirischen Proxy für Rapid Trading und
analysieren basierend darauf die Eigenschaften von Fonds, die besonders von Rapid Trading
betroffen sind. Wir finden, dass unser Proxy für Rapid Trading im Dezember geringfügig
niedriger und im Januar geringfügig höher als in den anderen Monaten ist. Die Unterschiede
sind jedoch relativ klein und Rapid Trading ist über das gesamte Kalenderjahr stark
ausgeprägt. Darüber hinaus können wir zeigen, dass Rapid Trading besonders bei Fonds mit
niedrigen Ausgabeaufschlägen, kleinen Fonds, riskanten Fonds und international anlegenden
Fonds stark ausgeprägt ist, nicht jedoch speziell bei in Asien anlegenden Fonds. Letztere
wären geeignet, um sog. Zeitzonenarbitrage zu betreiben. Dieses Resultat zeigt, dass Rapid
Trading in unserer Stichprobe nicht durch Zeitzonenarbitrage erklärt werden kann (vgl.
Fußnote 2).
Vielmehr ergeben unsere Analysen insgesamt, dass Rapid Trading eher dadurch erklärt
werden kann, dass bestimmte Fonds von Anlegern als spekulative, kurzfristige, lotterie-artige
Investments angesehen werden. Sie werden in der Hoffnung auf schnelle Gewinne gekauft
und ebenso rasch wieder abgestoßen. Da Aktienfonds in Deutschland zu einem großen Teil
von Kleinanlegern gehalten werden, ist dieses Resultat konsistent mit neueren Ergebnissen
von Kumar (2007) und Han/Kumar (2008). Diese Arbeiten zeigen, dass Kleinanleger
verstärkt zu Aktieninvestments mit solchen lotterie-artigen Charakteristika neigen.
Im letzten Schritt untersuchen wir, ob von Rapid Trading tatsächlich negative externe
Effekte in Form einer verminderten Fondsperformance auf langfristig orientierte Anleger
ausgehen. Unsere Ergebnisse zeigen einen negativen aber nur sehr schwachen und
methodisch nicht stabilen Einfluss von Rapid Trading auf die Performance für den Zeitraum
vor dem publik werden des Fondsskandals in den USA im August 2003. Danach findet sich
kein Einfluss mehr. Diese Ergebnisse legen nahe, dass die in der Folge des Skandals in den
USA vom BVI erlassenen Wohlverhaltensrichtlinien gegriffen haben. Es scheinen (zumindest
von der betrachteten Fondsgesellschaft) geeignete Maßnahmen ergriffen worden zu sein, um
den potentiell negativen Auswirkungen von Rapid Trading vorzubeugen.
Unser Papier trägt zur breiten Literatur über Zuflussdeterminanten bei Aktienfonds bei,
die sich bislang hauptsächlich auf den Zusammenhang zwischen vergangener Performance
und Nettoflüssen konzentriert. Zentrale Studien zum amerikanischen Markt sind hierbei
Ippolito (1992), Chevalier/Ellison (1997) und Sirri/Tufano (1998). Der Zusammenhang
zwischen Performance und Zuflüssen bzw. Marktanteilen bei deutschen Aktienfonds wird in
Krahnen et al. (2006) und Ber et al. (2007) untersucht. Während zum amerikanischen Markt
inzwischen auch einige Studien vorliegen, die Zuflüsse und Abflüsse getrennt betrachten (vgl.
5
z.B. Bergstresser/Poterba 2002, O’Neal 2004, Christoffersen et al. 2005, Cashman et
al. 2007), gibt es hierzu zum deutschen Fondsmarkt bislang noch keine Evidenz. Explizit mit
Rapid Trading im US-Fondsmarkt beschäftigt sich der mit unserer Studie verwandte Artikel
von O’Neal (2004). Er findet Hinweise auf Rapid Trading bei den 200 größten US
Aktienfonds für den Zeitraum 1994 bis 1998. Er führt jedoch keine systematische
Untersuchung der Determinanten des Rapid Trading durch und betrachtet auch die möglichen
Performancekonsequenzen von Rapid Trading nicht. Unsere Studie unterscheidet sich von
dieser Arbeit außerdem darin, dass wir Rapid Trading erstmals für deutsche Aktienfonds und
zudem mit einem wesentlich längeren Stichprobenzeitraum untersuchen. Ebenfalls verwandt
mit unserem Papier ist die Arbeit von Edelen (1999). Der Schwerpunkt seiner Arbeit liegt
jedoch nicht auf einer Untersuchung des Rapid Trading oder der Charakteristika von Fonds,
bei denen hohes Rapid Trading vorliegt, sondern auf einer Analyse des Einflusses von
Abfluss-induziertem Handeln auf die Performance amerikanischer Aktienfonds. Unser Papier
trägt darüber hinaus auch zur Literatur zum Verhalten von Kleinanlegern bei, die sich jedoch
bislang hauptsächlich auf das Verhalten von Aktieninvestoren konzentriert hat (vgl. z.B. Cohn
et al. 1975, Odean 1998, Odean 1999, Barber/Odean 2000, Ivkovic et al. 2007,
Han/Kumar 2008, Kumar/Goetzmann 2008, Dorn et al. 2008).
Die Arbeit ist wie folgt aufgebaut. Im folgenden Abschnitt 2 stellen wir die verwendeten
Daten vor. In Abschnitt 3 präsentieren wir unsere Ergebnisse und Abschnitt 4 schließt.
2 Daten
Wir verwenden Daten über deutsche Aktienfonds vom ‚Bundesverband Investment und Asset
Management e.V.‘ (BVI), aus den Hoppenstedt Fondsführern, sowie Daten, die uns von einer
anonymen großen deutschen Fondsgesellschaft zur Verfügung gestellt wurden. Die von uns
verwendeten Daten der anonymen Fondsgesellschaft beinhalten Angaben über monatliche
Zuflüsse und Abflüsse für alle Aktienfonds dieser Gesellschaft für den Zeitraum Januar 1992
bis Dezember 2006. Zudem enthält dieser Datensatz Angaben über das Fondsvolumen, die
Verwaltungsgebühren und die Netto-Renditen (d.h. Rendite nach Abzug von
Verwaltungsgebühren). Die Ausgabeaufschläge werden aus den Daten des BVI berechnet.
Die von uns betrachtete anonyme Fondsgesellschaft hat in unserem Stichprobenzeitraum
keine Rücknahmegebühren für ihre Fonds erhoben. Basierend auf den Angaben in der
Datenbank des BVI bestimmen wir auch die Zugehörigkeit der Fonds zu einem der vier
Marktsegmente ‚Aktien National‘, ‚Aktien National Spezial‘, ‚Aktien International‘ und
6
‚Aktien International Spezial‘.5 Die Verwaltungsgebühren erheben wir aus den Hoppenstedt
Fondsführern. Deskriptive Statistiken über die Fonds der anonymen Fondsgesellschaft sind
im Panel A der Tabelle 1 zusammengefasst.
+++ Bitte Tabelle 1 hier einfügen +++
Die Anzahl der Aktienfonds dieser Gesellschaft ist von 14 im Jahr 1992 auf 129 im Jahr
2006 gestiegen.6 Im gleichen Zeitraum ist das durchschnittlich verwaltete Vermögen (FV)
pro Fonds von 108,29 Mio. Euro auf 332,09 Mio. Euro angestiegen, während das mittlere
Alter der Fonds von über 16 Jahren auf unter 11 Jahre gefallen ist. In diesen Zahlen spiegeln
sich das rapide Wachstum der gesamten Branche und die große Anzahl neu gegründeter
Fonds in diesem Zeitraum wider. Die Ausgabeaufschläge sind im Stichprobenzeitraum relativ
konstant und liegen bei etwa 4%.7 Die Verwaltungsgebühren sind von 0,52% in 1992 auf
1,37% in 2006 gestiegen. Die mittleren monatlichen Nettoflüsse NF (bezogen auf das
Fondsvolumen) schwanken zwischen -1,65% und 3,33%. Betrachtet man die Zuflüsse (ZF)
und Abflüsse (AF) jedoch getrennt, so zeigt sich, dass die Nettoflüsse keineswegs größtenteils
nur von Käufen oder größtenteils nur von Verkäufen getrieben werden. So ergeben sich
beispielsweise die mittleren monatlichen Nettoflüsse von 0,68% in 2006, dem letzten Jahr
unserer Stichprobe, aus relativen Zuflüssen in Höhe von 8,15% und relativen Abflüssen in
Höhe von 7,47% des Fondsvermögens. Ähnliche Zahlenrelationen finden sich auch für die
anderen Jahre. Die Höhe der durchschnittlichen monatlichen relativen Zuflüsse und relativen
Abflüsse sowie die Höhe der entsprechenden relativen Nettoflüsse über die Zeit ist in
Abbildung 1 dargestellt.
5 Die Zusatz ‚Spezial‘ steht dabei jeweils für Fonds, die einen speziellen Schwerpunkt haben, z.B. Fonds die sich
auf bestimmte Industrien konzentrieren. Die in amerikanischen Studien oft verwendet Klassifizierung von Fonds
entlang der Dimensionen Growth/Value und Large-Cap/Small-Cap ist in Deutschland erst in der jüngeren
Vergangenheit gebräuchlich geworden und liegt für unseren Stichprobenzeitraum nicht vor.
6 Für einige Fonds werden beginnend mit dem Jahr 2002 verschiedene Anteilsklassen angeboten. Diese
Anteilsklassen sind als getrennte Einträge in unserer Datenbank enthalten. Den Anteilsklassen eines Fonds liegt
das selbe Portfolio zugrunde, sie unterscheiden sich jedoch in der Regel bezüglich der Gebührenstruktur. Da wir
im Folgenden den Einfluss der verschiedenen Gebührenarten explizit untersuchen (Abschnitt 3.2), verwenden
wir jede Anteilsklasse als separate Beobachtung und verzichten darauf, diese auf der Fondsebene zu aggregieren.
7 Es ist zu beachten, dass die in den Daten enthaltenen Ausgabeaufschläge immer die maximal zu zahlenden
Ausgabeaufschläge darstellen. Es ist möglich, dass manche Anleger niedrigere Gebühren bezahlen, wenn sie
Fonds etwas über Discountbroker ordern oder wenn bei Vorlage gestaffelter Ausgabeaufschläge sehr große
Beträge angelegt werden. Da wir nur Fonds einer Gesellschaft betrachten scheint der genannte
Ausgabeaufschlag aber dennoch ein vernünftiger Proxy für die Unterschiede in den tatsächlich gezahlten
Ausgabeaufschlägen zu sein. Somit gehen wir nicht davon aus, dass unsere folgenden Ergebnisse durch
möglicherweise vorhandene Unterschiede zwischen tatsächlich gezahlten und maximalen Ausgabeaufschlägen
verzerrt werden.
7
+++ Bitte Abbildung 1 hier einfügen +++
Es zeigt sich auch hier deutlich, dass Anleger Fondsanteile wesentlich aktiver handeln, als
man bei alleiniger Betrachtung von Nettoflüssen vermuten würde. Diese Zahlen deuten
bereits deutlich auf das Vorliegen von Rapid Trading in Deutschland hin. Sie sind qualitativ
mit den Resultaten zum US-Fondsmarkt vergleichbar, deuten jedoch auf ein wesentlich
stärkeres Rapid Trading Ausmaß in Deutschland im Vergleich zu den USA hin. So zeigen
z.B. Cashman et al. (2007), dass die durchschnittlichen monatlichen Nettoflüsse zwischen
1997 und 2003 2% betragen, während die durchschnittlichen Zuflüsse und Abflüsse mit 5,4%
bzw. 3,4% wesentlich höher sind.
Um sicherzustellen, dass die Daten unserer Fondsgesellschaft repräsentativ für den
deutschen Fondsmarkt sind, haben wir zusätzlich Daten von fünf weiteren großen
Fondsgesellschaften erhoben. Diese Daten stammen ebenfalls vom BVI. Die erweiterte
Stichprobe umfasst somit die Daten der sechs größten deutschen Fondsgesellschaften.8 Das in
den Aktienfonds dieser Gesellschaften verwaltete Vermögen deckt bis zu 88% des insgesamt
in Deutschland in Aktienfonds verwalteten Vermögens ab. Die deskriptiven Statistiken für
diese Vergleichsstichprobe sind im Panel B der Tabelle 1 wiedergegeben.9 Die
Größenordnungen der einzelnen Variablen zeigen keine auffälligen Unterschiede zwischen
den Daten der anonymen Fondsgesellschaft und den Daten der erweiterten Stichprobe. Wir
können somit davon ausgehen, dass die uns vorliegenden Daten der anonymen großen
Fondsgesellschaft repräsentativ für die Aktienfonds einer typischen großen deutschen
Fondsgesellschaft sind.
3 Ergebnisse
3.1 Evidenz für Rapid Trading
Rapid Trading liegt dann vor, wenn eine signifikante Anzahl an Investoren Fondsanteile kauft
und sie kurzfristig, d.h. bspw. innerhalb des gleichen Monats, wieder verkauft. Unsere
empirische Strategie basiert daher auf der in O’Neal (2004) und Cashman et al. (2007)
vorgeschlagenen Idee, dass sich Rapid Trading durch einen ausgeprägten positiven
Zusammenhang zwischen der Höhe der Zuflüsse in einem Monat und der Höhe der Abflüsse
8 Es handelt sich dabei um Activest (seit Oktober 2006 Activest Pioneer), Cominvest/Adig, Deka, dit (seit
Dezember 2006 mit dbi zu Allianz Global Investors verschmolzen), DWS, und Union Investment.
9 Daten zu den Verwaltungsgebühren im Jahr 2006 für die erweiterte Stichprobe liegen uns nicht vor.
8
im gleichen Monat nachweisen lässt.10 Betrachtet man nur Nettoflüsse, so lässt sich Rapid
Trading demnach nicht nachweisen, da sich hohe Zu- und Abflüsse gegenseitig kompensieren
würden. Liegt kein Rapid Trading vor, so würde man eigentlich intuitiv erwarten, dass hohe
Zuflüsse mit niedrigen Abflüssen einhergehen und umgekehrt. Der Grund hierfür ist, dass
man davon ausgehen kann, dass bestimmte Charakteristika eines Fonds, wie zum Beispiel
eine gute vergangene Performance, zu hohen Zuflüssen und gleichzeitig niedrigen Abflüssen
führen sollten. Sirri/Tufano (1998) merken an, dass die absolute Höhe von Flussgrößen
zwischen Fonds mit unterschiedlicher Größe nicht direkt miteinander verglichen werden
kann. Daher beziehen wir Zuflüsse und Abflüsse auf das verwaltete Vermögen des Fonds i
am Ende des Vormonats m-1, FVi,m-1. Die Zuflüsse in einen Fonds i in Monat m, ZFi,m, und
die Abflüsse aus einem Fonds i in Monat m, AFi,m, werden daher definiert als:
,
,
,1
im
im
im
EuroZF
ZF FV
= und ,
,
,1
im
im
im
EuroAF
AF FV
=,
wobei EuroZFi,m (EuroAFi,m) die absoluten Zuflüsse (Abflüsse) in Euro bezeichnen. Da beide
Flussgrößen als positive Größen definiert sind, ergeben sich die Nettoflüsse als Differenz aus
Zuflüssen und Abflüssen, d.h. NFi,m=ZFi,m - AFi,m. Unsere beiden Basismodelle zur Erklärung
von Zuflüssen und Abflüssen lauten:
,,
( ,...)
im im
ZF f AF= und ,,
( ,...)
im im
AF g ZF
=
.
Hierbei werden die Zuflüsse, ZFi,m, in einen Fonds (Abflüsse, AFi,m, aus einem Fonds) i
im Monat m als abhängige Variable erklärt durch die entsprechenden Abflüsse aus dem
(Zuflüsse in den) gleichen Fonds im gleichen Monat. Ein signifikant positiver Zusammenhang
ist ein Hinweis auf Rapid Trading. Die „…“ stehen für weitere erklärende Variablen und
werden im Folgenden beschrieben.
Eine der wichtigsten Determinanten der Investitionsentscheidung von Fondsinvestoren ist
die vergangene Fondsperformance (vgl. z.B. Capon et al. 1996). Die Literatur zu den
10 Mit dieser Methode kann streng genommen nur eine notwendige Bedingung für das Vorliegen von Rapid
Trading geprüft werden. Es ist nämlich auch denkbar, dass ein solcher Zusammenhang zwischen Zuflüssen und
Abflüssen in einem Monat nicht durch das Rapid Trading bestimmter Investoren entsteht, sondern durch den
Einfluss einer anderen Größe, die gleichzeitig zu hohen Zuflüssen bestimmter Investoren und hohen Abflüssen
anderer Investoren führt. Da uns keine Daten auf Investorenebene vorliegen, können wir diese alternative
Hypothese nicht weiter untersuchen. Allerdings lassen unsere Resultate in Abschnitt 3.2 dies als
unwahrscheinlich erscheinen.
9
Determinanten von Nettoflüssen zeigt, dass von der vergangenen Performance eines Fonds
ein positiver Einfluss ausgeht, wobei die Fonds mit den besten Renditerängen in ihrem
jeweiligen Segment besonders stark von zusätzlichen Zuflüssen profitieren, während sich die
Nettoflüsse in mittlere und schlechte Fonds weniger deutlich unterscheiden.11 Um einen nicht-
linearen Einfluss der vergangenen Performance auf ZFi,m beziehungsweise AFi,m zu erfassen,
schätzen wir eine stückweise lineare Regression. Diese von Sirri/Tufano (1998)
vorgeschlagene Methode ermöglicht es, den Zusammenhang zwischen vergangener
Performance und Zuflüssen beziehungsweise zwischen vergangener Performance und
Abflüssen für unterschiedliche Performanceabschnitte als geschlossenen, stückweise linearen
Streckenzug zu schätzen. Wir schätzen die Steigung dieses Zusammenhangs getrennt für das
schlechteste, das mittlere, und das beste Terzil vergangener Performance. Performance
definieren wir dabei als den relativen Rang der Rendite eines Fonds im Vorjahr im Vergleich
zur Rendite aller anderen Fonds im gleichen Marktsegment im Vorjahr, d.h. in den
vergangenen 12 Monaten bis einschließlich Monat m-1, 1
,1
J
im
SegRang
, wobei der beste Fonds
den Rang 1 und der schlechteste Fonds den Rang 0 zugewiesen bekommt.12 Unsere
empirischen Modelle für die Zuflüsse und Abflüsse lauten somit:
3
,, ,1,
1
()
im im k im im
k
ZF AF Terzil k Y
α
βδ γε
=
=+⋅ + ++
(1)
3
,, ,1,
1
()
im im k im im
k
AF ZF Terzil k Y
α
βδ γε
=
=+ + ++
(2)
Wobei
()
()
1
,1
,
1min0,33; J
im
im
Terzil SegRang
=,
() ()
(
1
,1
,,
2min0,33; 1
J
im
im im
Terzil SegRang Terzil
=−
und
()
(
)
(
)
1
,1
,,,
312
J
im
im im im
Terzil SegRang Terzil Terzil
=−
.
Der Vektor Y enthält weitere Kontrollvariablen, die in Tabelle 2 beschrieben werden.
+++ Bitte Tabelle 2 hier einfügen +++
11 Der positive Zusammenhang zwischen vergangener Performance und Zuflüssen wird u.a. von Ippolito (1992)
gezeigt, während die Konvexität dieses Zusammenhangs detailliert in Sirri/Tufano (1998) dokumentiert wird.
12 Verschiedene Studien haben gezeigt, dass Nettoflüsse am besten durch Ränge basierend auf Renditen erklärt
werden können (vgl. z.B. Patel et al. 1994).
10
Diese Variablen werden auch in vergleichbaren Studien zu Nettoflüssen wie
beispielsweise Sirri/Tufano (1998) als Kontrollvariablen verwendet. In diesen Studien werden
üblicherweise die verzögerten Nettoflüsse als Kontrollvariable aufgenommen. Diese Größe
ersetzen wir in unseren Regressionen durch die verzögerten Werte der entsprechenden
abhängigen Variablen, d.h. ZFi,m-1 in Modell (1) und AFi,m-1 in Modell (2).13 Die
Schätzergebnisse für diese beiden Modelle präsentieren wir in Tabelle 3.
+++ Bitte Tabelle 3 hier einfügen +++
Wir schätzen die Modelle zunächst getrennt als gepoolte OLS Regression mit zeitfixen
Effekten (OLS, Spalten 1 und 6)14 und zusätzlich mit auf der Fondsebene geclusterten
robusten Standardfehlern (CRE, Spalten 2 und 7).15 Da die Modelle die verzögerte endogene
Variable als unabhängige Variable enthalten, liegt eine dynamische Panel-Struktur der Daten
vor. Dies berücksichtigen wir, indem wir außerdem die Modelle mit panel-korrigierten
Standardfehlern (PCSE, vgl. Beck/Katz 1995, Spalten 3 und 8) schätzen sowie den
Arrelano/Bover-Bond/Blundell Schätzer anwenden (ABBB, Arellano/Bover 1995,
Blundell/Bond 1998, Spalten 4 und 9).16 Da die beiden Modelle jeweils die abhängige
13 In einer alternativen, nicht explizit berichteten, Spezifikation nehmen wir zusätzlich in Modell (1) (Modell (2))
neben den Abflüssen AFi,m (Zuflüsse ZFi,m) auch die verzögerten Abflüsse AFi,m-1 (Zuflüsse ZFi,m-1) als
erklärende Variable mit auf. Dies ändert unsere Hauptergebnisse nicht. Außerdem ist der Einfluss der
zusätzlichen Variablen ökonomisch sehr klein und statistisch nicht bzw. nur schwach signifikant. Zusätzlich
haben wir in nicht explizit berichteten Tests auch, sofern verfügbar, die Ratings und Ratingänderungen
(basierend auf Morningstar Ratings) der Fonds als erklärende Variablen mit aufgenommen. Dies ändert unsere
Hauptergebnisse ebenfalls nicht. Wir berichten diese Ergebnisse nicht, da unsere Ratingdaten nicht
survivorshipbias frei sind und daher die Ergebnisse zum Einfluss dieser Kontrollvariablen nur schwer zu
interpretieren wären. Alle nicht explizit im Papier berichteten Ergebnisse sind auf Anforderung von den Autoren
erhältlich.
14 Die einzelnen Monatskonstanten werden aus Platzgründen in den Tabellen nicht explizit ausgewiesen.
15 Wir haben alle Modelle auch mit robusten Standardfehlern ohne Cluster auf Fondsebene geschätzt. Die
Ergebnisse (nicht explizit berichtet) sind sehr ähnlich.
16 Wegen der langen Zeitreihe unserer Panel-Stichprobe war eine Schätzung der ABBB Methode basierend auf
der maximalen Anzahl an Instrumenten nicht möglich. Daher verwenden wir in der Differenzgleichung nur 10
verzögerte endogene Niveauvariablen (beginnend bei t-3) und in der Niveaugleichung eine verzögerte endogene
Differenzvariable als Instrument. Alternativ zur ABBB Methode könnte auch der Arrelano-Bond (1991)
Schätzer (sog. Difference GMM) zur Anwendung kommen. Dabei basieren die GMM Momente-Bedingungen
nur auf den Differenzgleichungen und als Instrumente werden die verzögerten Niveauvariablen verwendet.
Dieser Ansatz weist jedoch zwei Probleme auf: Zum einen verlieren wir durch den Differenz-Schätzer die reine
Fonds-Querschnittsdimension der Daten und die Differenzierung kann die Signal-to-Noise Ratio vermindern
(Griliches/Hausman, 1986). Zum anderen haben Alonso-Borrego/Arellano (1999) und Blundel/Bond (1997)
gezeigt, dass verzögerte Niveauvariablen nur schwache Instrumente sind, wenn die Variablen persistent sind.
Der Differenzschätzer weist bei begrenzten Stichproben einen großen Bias auf und hat eine geringe Präzision.
Als Alternative wird daher der von uns verwendete Arrelano/Bover-Blundell/Bond Schätzer (sog. System
GMM) vorgeschlagen. Dabei basieren die GMM Momente-Bedingungen auf Differenz- und Niveaugleichungen,
wobei die verzögerten Niveauvariablen als Instrumente für die Differenzgleichung und die verzögerten
Differenzvariablen als Instrumente für die Niveaugleichung dienen. Damit kann das Problem der schwachen
Instrumente umgangen werden. Es sollte jedoch angemerkt werden, dass auch die ABBB Schätzmethode in
11
Variable des anderen Modells als unabhängige Variable enthalten, schätzen wir die beiden
Gleichungen schließlich auch simultan als ein System (Spalten 5 und 10).
Unabhängig von der gewählten Methode zeigen unsere Resultate eine starke
Abhängigkeit der Zuflüsse von den Abflüssen (Spalten 1 bis 5) und umgekehrt (Spalten 6 bis
10). Der Schätzwert für den Einfluss der Abflüsse auf die Zuflüsse in Modell (1) ist immer
positiv und statistisch signifikant auf dem 1% Niveau. Ein entsprechender Effekt zeigt sich
für den Einfluss der Zuflüsse auf die Abflüsse in Modell (2). Die Effekte sind auch
ökonomisch bedeutsam. So beträgt der Schätzwert für den Einfluss der Zuflüsse auf die
Abflüsse zum Beispiel zwischen 0,31 und 0,49. Dies besagt, dass ein Fonds der in einem
Monat beispielsweise zusätzliche Zuflüsse in Höhe von 10% seines Volumens generiert im
gleichen Monat, ceteris paribus, auch zusätzliche Abflüsse in Höhe von 3,1% bis 4,9% seines
Volumens erleidet. Eine sogar etwas stärker ausgeprägte Beziehung findet sich für den
Einfluss der Abflüsse auf die Zuflüsse. Insgesamt spricht der stark ausgeprägte
Zusammenhang zwischen Zuflüssen und Abflüssen nach O’Neal (2004) und Cashman et
al. (2007) deutlich für das Vorliegen von Rapid Trading.
3.2 Determinanten des Rapid Trading
Zur Untersuchung der Determinanten des Rapid Trading entwickeln wir zunächst zwei
fondsindividuelle Proxies für Rapid Trading (Abschnitt 3.2.1). Wir untersuchen dann, ob
Rapid Trading besonders stark in bestimmten Kalendermonaten ausgeprägt ist (Abschnitt
3.2.2) und welche Charakteristika Fonds aufweisen, die besonders von Rapid Trading
betroffen sind (Abschnitt 3.2.3). Mit diesen Untersuchungen können wir alternative
Erklärungen für Rapid Trading näher analysieren.
3.2.1 Proxies für Rapid Trading
Wir entwickeln zwei fondsindividuelle Proxies für Rapid Trading, RT1i,m und RT2i,m. Der
erste Proxy ist definiert als die Summe aus Zuflüssen und Abflüssen in einem Monat dividiert
durch das verwaltete Vermögen des Fonds am Ende des Vormonats:
unserem Kontext nicht perfekt ist, da sie zwar die dynamische Panel-Struktur berücksichtigt, eigentlich aber für
Panel-Stichproben mit großem Querschnitt und kurzer Zeitreihe entwickelt wurde. Daher könnten die
Effizienzgewinne der ABBB Methode durch die große Anzahl an benötigten Instrumenten zunichte gemacht
werden. Obwohl also keine der genannten Schätzmethoden perfekt ist, können wir von stabilen Ergebnissen
ausgehen, wenn alle der Methoden zu ähnlichen Ergebnissen führen.
12
,,
,,,
,1
1.
im im
im im im
im
EuroZF EuroAF
RT ZF AF
FV
+
==+
(3)
Dieser Proxy erfasst somit das gesamte absolute Handelsvolumen der Fondsanleger bezogen
auf das Fondsvermögen, ohne dass sich Zu- und Abflüsse gegenseitig aufheben können.
Eine mögliche Kritik an diesem Maß ist, dass RT1i,m auch dann große Wert annehmen
kann, wenn entweder nur ZFi,m oder nur AFi,m groß ist, nicht aber beide gleichzeitig. Die
Ergebnisse aus Abbildung 1 sowie Abschnitt 3.1 lassen diesen Fall zwar als relativ
unwahrscheinlich erscheinen. Um dieser Möglichkeit aber dennoch Rechnung zu tragen,
definieren wir als Alternative einen zweiten Proxy für Rapid Trading als das Minimum aus
Zuflüssen und Abflüssen:
()
()
,,
,,,
,1
min ,
2min,.
im im
im im im
im
EuroZF EuroAF
RT ZF AF
FV
==
(4)
Der durchschnittliche Wert über alle Fonds beträgt 14,20% für RT1i,m und 4,7% für RT2i,m.
Die beiden Proxies sind mit 0.91 korreliert.17
3.2.2 Rapid Trading über das Kalenderjahr
Wir wollen zunächst prüfen, ob unsere Proxies für Rapid Trading auffällige zeitliche Muster
innerhalb des Kalenderjahres aufweisen. Hierzu berechnen wir für jeden Monat den
Mittelwert über unsere Proxies 11,
11
n
miim
n
RT RT
=
= und 11,
22
n
miim
n
RT RT
=
= über alle n
Fonds in unserer Stichprobe. Wir berechnen dann den Mittelwert aller 1m
R
T und 2m
R
T
über alle Januar-Werte, Februar-Werte usw. Die Ergebnisse sind in Tabelle 4 enthalten.
+++ Bitte Tabelle 4 hier einfügen +++
Die Werte weisen über die Monate eine ähnliche Größenordnung auf. Der Wert für
1m
R
T(2)
m
RT schwankt zwischen 0,11 (0,03) im Dezember und 0,15 (0,05) im Januar. Der
17 Ein direktes Maß für Rapid Trading ist auch die Korrelation zwischen den Zuflüssen und den Abflüssen eines
Fonds über die Zeit (oder alternativ der Schätzwert für β aus dem Modell (1) bzw. (2)). Da zur Bestimmung
dieses Proxies jedoch ein gewisser Mindestzeitraum nötig ist, verwenden wir ihn nicht in unserer
Regressionsanalyse, da wir ansonsten zu viele Beobachtungen ausschließen müssten. Zudem könnte es zu
verzerrten Ergebnissen aufgrund eines möglichen Survivorship Bias kommen. Wird die Korrelation zwischen
Zuflüssen und Abflüssen z.B. auf Jahresebene berechnet, so ist deren Korrelation mit dem durchschnittlichen
Wert für RT1i,m (RT2i,m) im entsprechenden Jahr 0,54 (0,62) und ist signifikant auf dem 1%-Niveau.
13
Großteil des Rapid Trading kann also nicht dadurch erklärt werden, dass in einem oder
wenigen Monaten besonders viel und in anderen Monaten sehr wenig in Fondsanteilen
gehandelt wird. Um zu prüfen, ob es dennoch ein erkennbares zeitliches Muster gibt,
subtrahieren wir vor der Mittelwertbildung über die Jahre von 1m
R
T beziehungsweise 2m
R
T
jeweils den Mittelwert des jeweiligen Proxies in dem entsprechenden Jahr.18 Im letzten Schritt
berechnen wir dann wiederum den Mittelwert über alle Werte für Januar bis Dezember über
die Jahre in unserer Stichprobe. Wir erhalten somit das durchschnittliche abnormale (im
Vergleich zum jeweiligen Jahresdurchschnitt) Rapid Trading in einem bestimmten
Kalendermonat. Die entsprechenden Werte sind in den Panels A und B der Abbildung 2
dargestellt.
+++ Bitte Abbildung 2 hier einfügen +++
Hier zeigt sich ebenfalls, dass unsere Proxies für Rapid Trading im Januar höher sind, als
in den restlichen Monaten. Eine mögliche Erklärung hierfür ist, dass Anleger im Januar die
Anlagestrategie für das neue Jahr bestimmen und entsprechend umsetzen. Der erhöhte Wert
im Januar ist also vermutlich nicht direkt auf Rapid Trading (d.h. auf das rasche Kaufen und
Verkaufen der gleichen Anleger) zurückzuführen, sondern darauf, dass bestimmte Anleger im
Rahmen der Umsetzung ihrer Anlagestrategie manche Fonds stark verkaufen, während andere
Anleger diese Fonds kaufen. Der niedrige Wert im Dezember hängt dagegen möglicherweise
mit den Weihnachtsfeiertagen zusammen. Diese Effekte werden wir in den folgenden
Untersuchungen dadurch berücksichtigen, dass wir unsere Erklärungsmodelle für Rapid
Trading mit zeitfixen Effekten schätzen. Damit wird für jeden Monat eine einzelne Konstante
mitgeschätzt, wodurch sowohl für Unterschiede im Rapid Trading zwischen den
Kalendermonaten als auch über die Jahre korrigiert wird.
3.2.3 Determinanten des Rapid Trading und Erklärungsansätze
Um einen ersten Eindruck von den Charakteristika der Fonds zu bekommen, die in
unterschiedlichem Ausmaß von Rapid Trading betroffen sind, teilen wir alle Fonds basierend
auf RT1i,m beziehungsweise RT2i,m in zehn Dezile ein. Die durchschnittlichen Eigenschaften
der Fonds aus jedem Dezil sind in Tabelle 5 dargestellt.
18 Wir subtrahieren den Mittelwert im entsprechenden Jahr anstatt des Mittelwerts über den gesamten
Stichprobenzeitraum, um etwaige Unterschiede im Rapid Trading Niveau zwischen den Jahren (vgl. Abbildung
1) zu berücksichtigen.
14
+++ Bitte Tabelle 5 hier einfügen +++
Dezil 1 enthält die Beobachtungen mit den niedrigsten und Dezil 10 die Beobachtungen
mit den höchsten Werten für den jeweiligen Proxy. In Spalte 3 finden sich die
durchschnittlichen Werte für RT1i,m (Panel A) beziehungsweise RT2i,m (Panel B) pro Dezil.
Sie zeigen deutlich, dass die Proxies eine starke Querschnittsvariation aufweisen. Der Proxy
RT1i,m (RT2i,m) variiert dabei zwischen 1,48% (0,04%) im niedrigsten Dezil und 55,27%
(21,74%) im höchsten Dezil. In Spalte 4 ist der jeweilige verzögerte durchschnittliche Wert
für die Fonds im entsprechenden Dezil angegeben. Diese Werte zeigen, dass Rapid Trading
sehr persistent ist. Das Muster der Werte ist sehr ähnlich wie in Spalte 3, d.h. bestimmte
Fonds scheinen immer wieder durch hohe Werte für die Proxies gekennzeichnet zu sein,
während andere Fonds konsistent niedrige Werte aufweisen. Die weiteren Ergebnisse aus
Tabelle 5 weisen darauf hin, dass insbesondere Fonds mit niedrigeren Ausgabeaufschlägen,
Fonds mit höheren laufenden Gebühren und riskantere Fonds von Rapid Trading betroffen
sind. Bezüglich vergangener Performance, Fondsgröße und Fondsalter zeigen sich keine
systematischen oder nur kleinen Unterschiede. Schließlich finden wir, dass der Anteil
international anlegender Fonds in Dezil 10 deutlich höher ist als in Dezil 1. Allerdings sind
diese Ergebnisse nur univariater Natur. Sie erlauben uns daher zwar Aussagen über die
durchschnittlichen Charakteristika von Fonds zu machen, bei denen ein unterschiedliches
Ausmaß an Rapid Trading zu beobachten ist. Sie erlauben jedoch keine Rückschlüsse
bezüglich möglicher Erklärungsansätze für Rapid Trading. Wir untersuchen die
Determinanten des Rapid Trading daher nun mit Hilfe des folgenden multivariaten Modells:
1
,1,12,13,14 ,1
1
5,16 ,17 ,18,,
,
J
im im im it im
JInt
im im im im im
RT RT AA lfdGeb SegRang
Std lnFV lnAlter D
αβ β β β
ββ β βε
−−
−−
=+ + + +
+⋅ +⋅ +⋅ +⋅ + (5)
wobei RTi,m für RT1i,m oder RT2i,m stehen kann. ,
Int
im
D bezeichnet eine Dummy-Variable, die
den Wert 1 annimmt, wenn der entsprechende Fonds i ein international anlegender Fonds ist,
und 0 sonst. Die restlichen Variablen sind so definiert wie oben beschrieben (vgl. Tabelle 2).
Die Schätzergebnisse mit zeitfixen Effekten für eine gepoolte OLS Regression ohne und mit
15
auf Fondsebene geclusterten robusten Standardfehlern, für PCSE, und mit der ABBB
Methode geschätzt (wenn dies möglich ist)19 präsentieren wir in Tabelle 6.
+++ Bitte Tabelle 6 hier einfügen +++
Die Ergebnisse zeigen zunächst eine starke Persistenz des Rapid Trading über die Zeit.
Der Schätzwert für den Einfluss der verzögerten Variablen RT1i,m-1 beträgt unabhängig von
der Wahl des Proxies und der konkreten Schätzmethode etwa 0,7 und ist immer signifikant
auf dem 1%-Niveau.
Die weiteren Ergebnisse erlauben es uns, die folgenden vier möglichen Erklärungen für
unsere Resultate aus Abschnitt 3.1 auf ihre Plausibilität hin zu überprüfen:
1. Unsere Proxies erfassen gar nicht Rapid Trading, sondern manche Fonds sind für
Anleger einfach stärker ‚gedanklich verfügbar‘ und werden daher verstärkt gehandelt:
Anleger, die einer Verfügbarkeits-Heuristik folgen, berücksichtigen bei ihren Entscheidungen
insbesondere diejenigen Fonds, die ihnen noch frisch in Erinnerung, also gedanklich
‚verfügbar‘, sind (vgl. Shefrin 2000). Dies trifft insbesondere auf Fonds zu, die für Anleger
gut sichtbar sind. Solche Fonds werden dann von Anlegern, die einer Verfügbarkeits-
Heuristik folgen, häufiger gekauft als andere Fonds. Sie werden von ihnen aber auch häufiger
verkauft, wenn eine Verkaufentscheidung getroffen werden muss (gegeben der Anleger hat
den Fonds in seinem Portfolio). Sirri/Tufano (1998) argumentieren, dass insbesondere große
Fonds und Fonds mit einer besonders guten vergangenen Performance für Anleger gut
sichtbar und somit gedanklich verfügbar sind. Wir finden jedoch keinen signifikanten Einfluss
der vergangenen Performance auf unsere Proxies für Rapid Trading. Zudem finden wir einen
signifikant negativen Einfluss der Fondsgröße, d.h. besonders sichtbare Fonds scheinen
gerade nicht betroffen zu sein. Dies zeigt, dass unser Ergebnis nicht dadurch getrieben wird,
dass manche Fonds einfach deshalb stärker gehandelt werden als andere, weil sie für Anleger
‚gedanklich verfügbarer‘ sind.
2. Broker drängen Fondsanleger zu einem ständigen Umschichten ihrer Investments, um
von Verkaufsprovisionen zu profitieren: Nach dieser Erklärung würden wir Rapid Trading
vor allem bei Fonds mit hohen Ausgabeaufschlägen erwarten, da diese für Broker in der
Regel eine höhere Verkaufsprovision erbringen. Tatsächlich weist O’Neal (2004) für die USA
stärkeres Rapid Trading bei Fonds mit Ausgabeaufschlag nach. Wir finden jedoch, dass Rapid
19 Da die ABBB Methode auf Differenzgleichungen beruht kann sie nicht zur Anwendung kommen, sobald die
Modelle eine für einen Fonds über die Zeit fixe Dummy-Variable wie z.B. ,
Int
im
Denthalten. Daher berichten wir
nur Schätzergebnisse für Model (5) ohne ,.
Int
im
D
16
Trading bei Fonds mit hohen Ausgabeaufschlägen besonders schwach ausgeprägt ist. Der
Einfluss der einmaligen Gebühren ist in der Regel signifikant negativ. Unsere Ergebnisse
zeigen also, dass Broker vermutlich nicht für Rapid Trading verantwortlich sind. Vielmehr
schrecken Ausgabeaufschläge von zu häufigem Handeln ab. Der Grund hierfür ist, dass
Gebührenstrukturen zu einer Selbstselektion von Anlegern bezüglich ihrer Haltedauer führen
können.20 Dabei investieren Rapid Trader, d.h. Anleger mit kurzer geplanter Anlagedauer und
damit einher gehender höherer Handelshäufigkeit, vermehrt in Fonds mit möglichst niedrigen
Ausgabeaufschlägen, während langfristig orientierte Anleger tendenziell eher auf niedrige
laufende Gebühren achten. Unsere Ergebnisse zeigen, dass Ausgabeaufschläge ein wirksames
Instrument sein können, um Rapid Trader abzuschrecken.
3. Fondsanleger betreiben Zeitzonenarbitrage und kaufen und verkaufen daher Fondsanteile
in kurzem zeitlichen Abstand: Unter Zeitzonenarbitrage versteht man den Versuch, bei in
anderen Zeitzonen anlegenden Fonds von aufgrund des dort früheren Handelsschlusses
vorhersehbaren Kursbewegungen zu profitieren. Zeitzonenarbitrage ist naturgemäß nur bei
international anlegenden Fonds möglich. Tatsächlich ist der Einfluss von ,
Int
im
D in allen
Spezifikationen positiv und statistisch signifikant auf dem 1%-Niveau, d.h. Rapid Trading
findet sich vermehrt bei international anlegenden Fonds.21 Zeitzonenarbitrage macht aus Sicht
deutscher Anleger vor allem bei in Asien investierenden Fonds Sinn, da dort die Börsen
früher schließen als in Europa. Daher erweitern wir Modell (5), indem wir zusätzlich eine
Dummyvariable ,
Asien
im
D aufnehmen, die den Wert 1 annimmt, wenn der Fonds seinen
Anlageschwerpunkt in Asien hat, und 0 sonst. Die in Tabelle 6 in den Spalten 2, 5 und 8
präsentierten Ergebnisse zeigen keinen ökonomisch oder statistisch signifikanten Einfluss
dieses zusätzlichen Dummies. Besonders für Zeitzonenarbitrage anfällige Fonds sind also
nicht in stärkerem Ausmaß von Rapid Trading betroffen als die restlichen internationalen
Fonds. Dies legt den Schluss nahe, dass Zeitzonenarbitrage allenfalls für einen kleinen Teil
des beobachteten Rapid Trading verantwortlich ist.
4. Fondsinvestments werden von Anlegern als kurzfristige, spekulative Investments -
vergleichbar etwa mit einem Lotterielos - gesehen und werden daher in der Hoffnung auf
einen schnellen Erfolg gekauft, aber auch ebenso rasch wieder abgestoßen: Für den
20 Für theoretische Arbeiten zu Gebührenstrukturen bei Investmentfonds vgl. Chordia 1996 und Nanda et al.
2000.
21 Als Alternative zur hier durchgeführten Analyse haben wir auch den Einfluss von AFi,m in Modell (1) und den
Einfluss von ZFi,m in Modell (2) mit ,
Int
im
D interagiert und zusätzlich mit aufgenommen. Die Ergebnisse (nicht
explizit berichtet) zeigen, dass Rapid Trading auch bei nur national anlegenden Fonds nachgewiesen werden
kann. Es ist bei international anlegenden Fonds jedoch etwa doppelt so stark ausgeprägt.
17
Aktienmarkt zeigt Kumar (2007), dass vor allem kleine und riskante Aktien von Anlegern, die
lotterie-artige Investments bevorzugen, gekauft werden.22 Konsistent damit zeigen unsere
Ergebnisse tatsächlich, dass das Fondsrisiko einen positiven und die Fondsgröße einen
negativen Einfluss auf Rapid Trading hat.23 Kumar (2007) weist außerdem nach, dass von
Spekulationsmotiven getriebene Investoren Aktien mit einem niedrigen nominalen Kurs
bevorzugen, da diese somit auch preislich eher mit einem Lotterielos verwandt sind. Wenn
Rapid Trading also durch spekulative Kleinanleger getrieben wird, dann sollten wir finden,
dass es auch insbesondere bei Fonds mit niedrigem Preis (Net Asset Value (NAV) pro
Fondsanteil) besonders stark ausgeprägt ist. Um dies zu analysieren erweitern wir Modell (5),
indem wir zusätzlich den Preis des Fonds in Cent am Ende des Vormonats, Pi,m-1 , mit
aufnehmen. Diese Resultate finden sich in den Spalten 3, 6, 9 und 10 der Tabelle 6. Der
signifikant negative Einfluss dieser Variablen zeigt, dass Rapid Trading tatsächlich bei
nominal billigen Fonds stärker ausgeprägt ist als bei Fonds mit höheren Anteilspreisen.
Han/Kumar (2008) präsentieren darüber hinaus Evidenz, dass amerikanische Kleininvestoren
in ausländische Aktien vor allem aus spekulativen Gründen investieren. Somit ist auch unser
Ergebnis, dass vor allem international anlegende Fonds von Rapid Trading betroffen sind,
konsistent mit der Sichtweise, dass Rapid Trading aus der Suche von Fondsanlegern nach
spekulativen, lotterie-artigen Investments resultiert.
Obwohl wir das Vorliegen von Rapid Trading aufgrund fehlender Transaktionsdaten auf
Einzelinvestorenebene nur indirekt zeigen konnten (Abschnitt 3.1), zeichnen die Resultate zu
den Determinanten unserer Proxies für Rapid Trading doch ein sehr einheitliches Bild: Die
nach unseren Proxies besonders stark von Rapid Trading betroffenen Fonds weisen genau die
Charakteristika spekulativer Investments auf, die auch jene Aktien aufweisen, die von
kurzfristig und spekulativ orientierten Anlegern gehandelt werden. Die Resultate liefern
dagegen keine Unterstützung für eine auf der Sichtbarkeit einzelner Fonds basierenden
Erklärung unserer Ergebnisse. Somit können wir zuversichtlich sein, dass die von uns
verwendeten Proxies auch tatsächlich Rapid Trading abbilden.
22 Vgl. hierzu auch Budescu et al. 2002 und Martin et al. 2008.
23 Kumar (2007) zeigt darüber hinaus, dass spekulative Investoren Aktien mit hohem idiosynkratischem Risiko
bevorzugen. In zusätzlichen Regressionen nehmen wir daher auch das idiosynkratische Risiko des Fonds im
Vorjahr als erklärende Variable zusätzlich mit auf. Der Einfluss auf Rapid Trading ist zwar wie erwartet
signifikant positiv, allerdings ist das idiosynkratische Risiko insbesondere für internationale Fonds nur schwer
messbar, da in vielen Fällen keine geeigneten Benchmarks vorliegen. Daher haben wir diese Variable bei den
berichteten Ergebnissen nicht aufgenommen.
18
3.3 Auswirkungen von Rapid Trading auf die Fondsperformance
Wir untersuchen nun, ob Rapid Trading einen negativen Einfluss auf die Performance der
betroffenen Fonds hat. Basierend auf den Ergebnissen in Greene/Hodges (2002) sollte eine
negative Auswirkung allerdings insbesondere von Zeitzonenarbitrage ausgehen. Dies scheint
jedoch bei den hier betrachteten Fonds keine große Rolle zu spielen (Abschnitt 3.2). Daher
erwarten wir nicht notwendigerweise einen besonders starken negativen Einfluss von Rapid
Trading auf die Fondsperformance.
Wir wählen einen multivariaten Regressionsansatz, um den Einfluss von Rapid Trading
auf die Fondsperformance zu analysieren und gleichzeitig für den Einfluss weiterer
Fondscharakteristika auf die Fondsperformance kontrollieren zu können:
, 1 ,1 2 ,1 3 ,1 4 ,1
5,16 ,1,
.
im im im im it
im im im
Perf RT Perf AA lfdGeb
lnFV lnAlter
α
ββ β β
ββ ε
−−
−−
=
+ +⋅ +⋅ +⋅
+⋅ +⋅ + (6)
Als Performancemaße verwenden wir die Netto-Rendite des Fonds, Ri,m, sowie die
Überrendite des Fonds im Vergleich zur mittleren Rendite aller anderen Fonds im gleichen
Marktsegment und Monat, ÜRi,m.24 Die uns vor allem interessierende unabhängige Variable
ist das Rapid Trading des betrachteten Fonds, RTi,m-1. Hierbei kann RTi,m-1 wiederum für einen
unserer beiden Proxies für Rapid Trading, RT1i,m-1 oder RT2i,m-1, stehen. Wir verwenden das
um eine Periode verzögerte Rapid Trading Maß, um potentielle Endogenitätsprobleme zu
vermeiden. Als Kontrollgrößen nehmen wir die vergangene Performance, Perfi,m-1, das
Fondsalter, lnAlteri,m-1, und die Gebührenstruktur, AAi,m-1 und lfdGebi,t-1, auf Es ist möglich,
dass durch Rapid Trading die durchschnittlichen Fondsvolumina höher sind im Vergleich
zum Fall, dass es bei einem bestimmten Fonds gar kein Rapid Trading gibt. Da dies durch
Skaleneffekte einen Einfluss auf die Fondsperformance haben kann (Chen et al. 2004),
nehmen wir auch die Fondsgröße, lnFVi,m-1, als Kontrollvariable explizit mit auf.
Falls Rapid Trading ernsthafte adverse Auswirkungen auf die Fondsperformance hat, so
sollten wir einen statistisch und ökonomisch signifikanten negativen Einfluss von RTi,m-1 auf
Perfi,m-1 finden. Die Schätzergebnisse mit zeitfixen Effekten, für eine gepoolte OLS
24 Wir verwenden diese einfachen, renditebasierten Performancemaße, da sich Fondsanleger vor allem für diese
zu interessieren scheinen und weniger für kompliziertere, risikoadjustierte Maße (Capon et al. 1996). Alternativ
verwenden wir auch das Jensen’s Alpha aus einem einfachen Marktmodell als Perfi,m. Die Ergebnisse (hier nicht
explizit berichtet) sind sehr ähnlich. Mehrfaktormodelle werden dagegen nicht analysiert, da unsere Stichprobe
klar von international anlegenden Fonds dominiert wird und die Fama/French (1993) bzw. Carhart (1997)
Faktoren nicht für alle Anlageschwerpunkte dieser Fonds vorliegen.
19
Regression ohne und mit auf Fondsebene geclusterten robusten Standardfehlern, sowie mit
PCSE präsentieren wir in Tabelle 7.25
+++ Bitte Tabelle 7 hier einfügen +++
Die geschätzten Koeffizienten für den Einfluss von Rapid Trading in Panel A sind zwar
durchgängig negativ, aber in der Regel nicht statistisch signifikant und ökonomisch klein.
Insgesamt scheint es also in Deutschland keine schwerwiegenden Auswirkungen von Rapid
Trading auf die Fondsperformance zu geben. Entweder ist also Rapid Trading nicht
ausgeprägt genug, um ein ernsthaftes Problem für die Fonds in unserer Stichprobe
darzustellen, oder die hier betrachtete Fondsgesellschaft hat geeignete Maßnahmen ergriffen,
um negative Auswirkungen auf die Performance zu verhindern oder zumindest
abzuschwächen.
Es ist möglich, dass Fonds keine Schwierigkeiten haben, mit einem konstant hohen Level
an Rapid Trading umzugehen und nur von unerwartetem Rapid Trading eine negative
Auswirkung auf die Performance ausgeht. Daher analysieren wir in nicht explizit berichteten
Tests auch den Einfluss eines Maßes für unerwartetes Rapid Trading: Hierzu schätzen wir
zunächst das Modell (1) für die Zuflüsse (aber nehmen die kontemporären Abflüsse nicht als
Kontrollvariable mit auf) und extrahieren die jeweiligen εi,m. Dann schätzen wir Modell (2)
für die Abflüsse (aber nehmen die kontemporären Zuflüsse nicht als Kontrollvariable mit auf)
und extrahieren wiederum die jeweiligen εi,m. Schließlich definieren wird RT in diesem Fall
als die Summe der beiden εi,m. Die Verwendung des so definierten unerwarteten Rapid
Tradings in Modell (6) liefert praktisch identische Ergebnisse.
Da die mit Rapid Trading in Zusammenhang stehenden Probleme vor allem mit dem
Fondsskandal in den USA im August 2003 ins Zentrum des Interesses gerückt sind (in dessen
Folge auch die Wohlverhaltensrichtlinien des BVI angepasst wurden, siehe Abschnitt 1),
betrachten wir den Zeitraum vor und nach dem Skandal getrennt. Die Ergebnisse für diese
Subperioden finden sich in Panel B und C in Tabelle 7. Der Schätzwert von -0,007 (-0,016)
für den Einfluss von RT1i,m (RT2i,m) im Zeitraum vor dem Skandal ist ökonomisch signifikant
und sagt aus, dass ein Fonds, der zum Dezil mit dem höchsten Rapid Trading gehört, eine im
Mittel um etwa 4,5% p.a. (4,2% p.a.) niedriger Rendite erzielt als ein Fonds der zum Dezil
25 Obwohl auch hier durch Aufnahme der vergangenen Performance im Regressionsmodell eine dynamische
Panel-Struktur vorliegt, können wir in diesem Fall keine sinnvolle ABBB Schätzung durchführen, da wir keine
Kombination von Instrumentvariablen gefunden haben, die für die Gesamtstichprobe und die untersuchten
Teilzeiträume zulässig ist (d.h. unter deren Verwendung sowohl der AR(1)-Test abgelehnt, als auch der AR(2)-
Test und der Sargan-Test angenommen wird).
20
mit dem niedrigsten Rapid Trading gehört.26 Ein ökonomisch signifikanter Unterschied zeigt
sich auch für weniger extreme Ausprägungen von RT1. Steigt der Wert von RT1 etwa um eine
Standardabweichung (0,1938), so schlägt sich dies in einer jährlich um 1,6% niedrigeren
Fondsrendite nieder.
Allerdings ist der Schätzwert jeweils nur in der OLS Spezifikation ohne robuste
Standardfehler auf dem 5%- oder 10%-Niveau signifikant. Sowohl unter Verwendung
robuster Standardfehlern als auch mit PCSE verschwindet die Signifikanz. Selbst vor dem
Skandal findet sich also keine stabile Evidenz für einen negativen Einfluss von Rapid Trading
auf die Fondsperformance. Für den Zeitraum nach dem Skandal (Panel C) findet sich dagegen
gar kein Einfluss mehr. Dies legt die Vermutung nahe, dass zumindest die von uns betrachtete
Fondsgesellschaft geeignete Maßnahmen ergriffen hat, um die negativen Auswirkungen des
Rapid Trading zu verhindern. Tatsächlich haben viele Fondsgesellschaften nach der
Erweiterung der Wohlverhaltensrichtlinien des BVI im Januar 2004 entsprechende
Regelungen in ihre Verkaufsprospekte aufgenommen, die das Rapid Trading in Fondsanteilen
explizit verbieten.27
Aufgrund mangelnder Datenverfügbarkeit können wir in der vorliegenden Studie nur die
Performance auf Fondsebene betrachten. Die Frage, ob Anleger davon profitieren oder sich
schaden, wenn sie Rapid Trading betreiben, muss daher unbeantwortet bleiben. Aus
regulatorischer Sicht ist jedoch sowieso eher die hier betrachtete Frage relevant, ob es zu
negativen externen Effekten in Form einer verminderten Performance für die Gesamtheit der
Anleger in einem Fonds kommt, wenn dieser von Rapid Trading betroffen ist.
4 Zusammenfassung
Im Zentrum dieser Arbeit steht eine Analyse des Rapid Trading bei deutschen Aktienfonds.
Unsere auf den Daten einer großen deutschen Fondsgesellschaft basierenden Untersuchungen
zeigen zunächst, dass in deutschen Fonds überraschend viel gehandelt wird. Der von uns
dokumentierte stark ausgeprägte positive Zusammenhang zwischen monatlichen Zuflüssen
und monatlichen Abflüssen eines Fonds liefert deutliche Hinweise auf das Vorliegen von
26 Die Berechnung dieser Werte basiert auf den jeweiligen Schätzwerten zum Einfluss des Rapid Trading in
Kombination mit den Angaben aus Tabelle 5. Basierend auf den Resultaten für RT1i,m (RT2i,m) ergibt sich der
monatliche Renditeunterschied gemäß
(
)
(
)
0,5527 0,0148 0,007 0,0038 −⋅=
(
)( )
(
)
0,2174 0,0004 0,016 0,0035−⋅=.
Die Annualisierung ergibt dann die oben genannten Werte.
27 Beispielhaft sei hier wiederum aus den bereits in Fußnote 2 genannten Geschäftsbedingungen von Fidelity
zitiert: ‚Die Fidelity überwacht aktiv die Handelsaktivitäten und behält sich das Recht vor, neue Kaufanträge von
Personen abzulehnen, die wegen kurzfristigen Handels von Anteilen aufgefallen sind oder deren Handel störend
war oder sein kann.‘ (Abschnitt 10h).
21
Rapid Trading. Die Analyse möglicher Determinanten des Rapid Trading ergibt, dass
besonders kleine, riskante Fonds mit niedrigen oder keinen Ausgabeaufschlägen und
international anlegende Fonds davon betroffen sind. Unsere Resultate sind konsistent damit,
dass viele Fondsanleger Fonds als kurzfristige und spekulative Investitionen mit Lotterie-
Charakter nutzen. Die Handelsaktivitäten dieser Anlegergruppe scheinen also das ausgeprägte
Rapid Trading erklären zu können. Alternative Erklärungsansätze wie etwa vermehrtes
Handeln im Rahmen der Zeitzonenarbitrage oder getrieben durch Broker finden dagegen
keine Unterstützung.
Aus Sicht der Fondsgesellschaft und aus Sicht der langfristig orientierten Anleger ist
Rapid Trading vor allem dann problematisch, wenn davon negative externe Effekte in der
Form einer schlechteren Performance ausgehen. Tatsächlich finden wir Evidenz für einen
negativen Einfluss von Rapid Trading auf die Performance. Dieser ist allerdings relativ
schwach und lässt sich selbst für den Zeitraum vor dem Fondsskandal in den USA nicht stabil
nachweisen. Danach findet sich kein Einfluss von Rapid Trading auf die Performance mehr.
Dies deutet darauf hin, dass geeignete Maßnahmen ergriffen wurden, um potentiell
schädlichen Auswirkungen von Rapid Trading vorzubeugen. Die Umsetzung der
Wohlverhaltensrichtlinien des BVI scheint also erfolgreich zu sein und die Selbstregulierung
der Fondsbranche in Deutschland in diesem Fall zu funktionieren. Da die Regulierung bei
Fonds im deutschen Investmentrecht (im Vergleich etwa zu den USA) nur schwach
ausgeprägt ist, ist eine funktionierende Selbstregulierung in diesem Bereich ein wichtiger
Mechanismus, um eine effiziente Funktionsweise des Fondsmarktes zu gewährleisten.
Aufgrund der Datenverfügbarkeit können wir Rapid Trading in dieser Arbeit nur anhand
von auf der Fondsebene aggregierten Daten zu Zuflüssen und Abflüssen der Fonds einer
großen Fondsgesellschaft untersuchen. Der Vergleich mit den Charakteristika der Fonds
anderer Gesellschaften hat zwar gezeigt, dass die hier verwendeten Fonds repräsentativ für
eine breitere Stichprobe sind. Dennoch ist es für die Zukunft wünschenswert, unsere
Untersuchung des Rapid Trading auf Basis einer größeren Stichprobe, möglichst auf Basis
von Tagesdaten oder sogar unter Verwendung individueller Transaktionsdaten auf
Anlegerebene, zu wiederholen.
22
Literatur
Alonso-Borrego C., Arellano M. (1999): Symmetrically Normalized Instrumental-Variable
Estimation Using Panel Date. Journal of Business and Economc Statistics 17(1): 36-49.
Arellano M., Bond S. (1991): Some Tests of Spezification for Panel Data: Monte Carlo
Evidence and an Application to Employment Equations. Review of Economic Studies
58(2): 277-297.
Arellano M., Bover O. (1995): Another Look at the Instrumental-Variable Estimation of
Error-Components models. Journal of Econometrics 68(1): 29-52.
Blundell R., Bond S. (1998): Initial Conditions and Moment Restrictions in Dynamic Panel
Data Models. Journal of Econometrics 87(1): 115-143.
Barber B. M., Odean T. (2000): Trading Is Hazardous to Your Wealth: The Common Stock
Investment Performance of Individual Investors. The Journal of Finance 55(2): 773–806.
Beck N., Katz J. N. (1995): What to do (and not to do) with Time Series Cross-Section Data.
American Political Science Review 89(3): 634–647.
Ber S., Kempf A., Ruenzi S. (2007): Determinanten der Mittelzuflüsse bei deutschen
Aktienfonds. Zeitschrift für betriebswirtschaftliche Forschung 59(2): 35–60.
Bergstresser D., Poterba J. (2002): Do After-Tax Returns Affect Mutual Fund Inflows?
Journal of Financial Economics 63(3): 381–414.
Budescu D. V., Kuhn K. M., Kramer K. M., Johnson T. R. (2002): Modeling Certainty
Equivalents for Imprecise Gambles. Organizational Behavior and Human Decision
Processes 88: 748–768.
Capon N., Fitzsimons G., Prince R. A. (1996): An Individual Level Analysis of the Mutual
Fund Investment Decision. Journal of Financial Services Research 10(1): 59–82.
Cashman G. D., Deli D. N., Nardari F., Villupuram S. V. (2007): Investors Do Respond to
Poor Mutual Fund Performance: Evidence from Inflows and Outflows. Working Paper,
Arizona Stata University.
Chalmers J., Edelen R., Kadlec G. (2001): On the Perils of Security Pricing by Financial
Intermediaries: The Wildcard Option in Transacting Mutual Fund Shares. Journal of
Finance 56(6): 2209–2236.
Chen J., Hong H., Huang M., Kubik J. D. (2004): Does Fund Size Erode Performance?
Liquidity, Organizational Diseconomies and Active Money Management. American
Economic Review 94(5): 1276–1302.
Chevalier J., Ellison G. (1997): Risk Taking by Mutual Funds as a Response to Incentives.
Journal of Political Economy 105(6): 1167–1200.
Chordia T. (1996): The Structure of Mutual Fund Charges. Journal of Financial Economics
41(1): 3–39.
Christoffersen S. K., Evans R. B., Musto D. K. (2005): The Economics of Mutual-Fund
Brokerage: Evidence from the Cross Section of Investment Channels. Working Paper,
McGill University, University of Virginia, University of Pennsylvania.
Cohn R. A., Lewellen W. G., Lease R. C., Schlarbaum G. G. (1975): Individual Investor Risk
Aversion and Investment Portfolio Composition. Journal of Finance 30(2): 605–620.
Dorn D., Huberman G., Sengmueller P. (2008): Correlated Trading and Returns. Journal of
Finance 63(2): 885–920.
23
Edelen R. M. (1999): Investor Flows and the Assessed Performance of Open-End Mutual
Funds. Journal of Financial Economics 53(3): 439–466.
Frankel T., Cunningham L. A. (2006): The Mysterious Ways of Mutual Funds: Market
Timing. Annual Review of Banking & Financial Law 25(1): 237–293.
Goetzmann W. N., Kumar A. (2008): Equity Portfolio Diversification. Review of Finance
12(3): 433-463.
Greene J., Hodges C. (2002): The Dilution Impact of Daily Fund Flows on Open-End Mutual
Funds. Journal of Financial Economics 65(1): 131–158.
Griliches Z., Hausman J. (1986): Errors in Variables in Panel Data. Journal of Econometrics
31(1): 93-118.
Han B., Kumar A. (2008): Retail Clienteles and the Idiosyncratic Volatility Puzzle. Working
Paper, University of Texas at Austin.
Ippolito R. A. (1992): Consumer Reaction to Measures of Poor Quality: Evidence from the
Mutual Fund Industry. Journal of Law and Economics 35(1): 45–70.
Ivkovic Z., Sialm C., Weisbenner S. (2007): Portfolio Concentration and the Performance of
Individual Investors. Journal of Financial and Quantitative Analysis 43(3): 613-655.
Krahnen, J. P., Schmid F. A., Theissen E. (2006): Performance and Market Share: A Study of
the German Mutual Fund Industry. In: Bessler W. (Hrsg.) Börsen, Banken und
Kapitalmärkte, Duncker & Humblot, Berlin, S. 471–491.
Kumar A. (2007): Who Gambles in the Stock Market? Journal of Finance, Forthcoming,
August 2009.
Martin J. M., Barron G. M., Norton M. I. (2008): Variance-Seeking for Positive (and
Variance-Aversion for Negative) Experiences: Risk-Seeking in the Domain of Gains?
Working Paper, Harvard Business School.
Myers D. H. (2001): Asset Flow and Performance in Pension Funds, Working Paper.
Nanda V., Narayanan, M. P., Warther V. P. (2000): Liquidity, Investment Ability, and Mutual
Fund Structure. Journal of Financial Economics 57(3): 417–443.
Odean T. (1998): Are Investors Reluctant to Realize Their Losses? Journal of Finance 53(5):
1775–1798.
Odean T. (1999): Do Investors Trade Too Much? American Economic Review 89(5): 1279–
1298.
O’Neal E. S. (2004): Purchase and Redemption Patterns of US Equity Mutual Funds.
Financial Management 33 (1): 63–90.
Patel J., Zeckhauser R. J., Hendricks D. (1994): Investment Flows and Performance: Evidence
from Mutual Funds, Cross-Border Investments, and New Issues. In: Sato R., Levich
R. M., Ramachandran R. V. (Hrsg.) Japan, Europe, and International Financial Markets:
Analytical and Empirical Perspectives, Cambridge University Press, Cambridge (UK), S.
51–72.
Shefrin H. (2000): Beyong Greed and Fear: Understanding Behavioral Finance and the
Psychology of Investing. Oxford University Press, Oxford.
Sirri E. R., Tufano P. (1998): Costly Search and Mutual Fund Flows. Journal of Finance
53(5): 1589–1622.
Zitzewitz E. (2006): How Widespread was Late Trading in Mutual Funds? American
Economic Review 96(2): 284–289.
24
Abb. 1: Nettofondsflüsse, Mittelzuflüsse und Mittelabflüsse
Abb. 2: Abnormales Rapid Trading in den einzelnen Kalendermonaten
Panel A: Proxy 1
()
,
1im
RT Panel A: Proxy 2
()
,
2im
RT
25
Tab. 1: Deskriptive Statistiken
Panel A: Deskriptive Statistiken für die Aktienfonds der anonymen Fondsgesellschaft
Jahr Anzahl
Fonds FV pro Fonds
in Mio. EUR Alter in
Jahren Ausgabe-
aufschlag in % laufende Gebühren
p.a. in % NF
in % ZF
in % AF
in %
1992 14 108,29 16,16 4,08 0,52 -0,39 1,38 1,78
1993 15 133,27 16,28 3,87 0,57 -3,33 6,38 3,05
1994 18 241,33 15,02 4,27 0,57 -3,28 5,86 2,57
1995 20 253,00 14,35 4,23 0,76 -1,65 1,49 3,14
1996 29 201,55 10,69 3,61 0,77 -1,59 8,21 6,62
1997 35 226,11 10,22 3,57 0,68 -1,80 7,50 5,69
1998 46 349,24 09,66 3,94 0,75 -1,79 6,36 4,57
1999 52 429,29 09,76 3,66 0,78 -1,40 9,27 7,88
2000 64 679,56 09,37 3,69 0,86 -1,48 9,75 8,27
2001 71 502,31 09,19 3,59 0,90 -0,86 8,07 8,93
2002 79 353,63 09,30 3,54 1,08 -1,57 7,55 9,13
2003 98 270,56 09,45 3,67 1,24 -0,89 6,16 7,05
2004 90 374,13 10,25 3,77 1,34 -0,38 6,29 6,67
2005 118 309,09 09,87 4,00 1,35 -0,58 8,03 7,45
2006 129 332,09 10,74 3,81 1,37 -0,68 8,15 7,47
Die Gesamtzahl an Beobachtungen beträgt 8777.
Panel B: Deskriptive Statistiken für die Aktienfonds der 6 größten deutschen Fondsgesellschaft
Jahr Anzahl
Fonds FV pro Fonds
in Mio. EUR Alter in
Jahren Ausgabe-
aufschlag in % laufende Gebühren
p.a. in % NF
in %
1992 48 148,90 16,63 4,31 0,62 -0,03
1993 49 181,57 17,15 4,28 0,66 -1,95
1994 58 256,78 15,74 4,38 0,73 -2,32
1995 76 231,93 13,48 4,36 0,78 -0,94
1996 100 203,55 11,22 4,01 0,86 -0,56
1997 121 237,77 10,71 3,87 0,81 -1,64
1998 127 358,65 10,77 3,93 0,90 -1,24
1999 176 462,48 19,89 3,69 0,96 -0,88
2000 216 659,66 19,43 3,67 0,98 -1,04
2001 259 509,35 18,91 3,57 1,05 -0,08
2002 306 331,20 18,60 3,56 1,18 -1,08
2003 343 253,13 19,03 3,65 1,19 -0,25
2004 270 367,31 10,36 3,74 1,26 -0,09
2005 289 339,30 10,80 3,81 1,29 -0,04
2006 313 354,65 11,54 3,77 --- -0,55
Die Gesamtzahl an Beobachtungen beträgt 31369.
26
Tab. 2: Beschreibung der Kontrollvariablen
Variable Beschreibung
1
,1
J
im
Std Renditestandardabweichung eines Fonds i in den letzten 12 Monaten, d.h. von Monat m-12 bis
einschließlich Monat m-1
,1im
AA Ausgabeaufschlag eines Fonds i in Monat m-1
,1
ln im
FV Das logarithmierte Fondsvermögen eines Fonds i am Ende des Monats m-1
,1it
lfdGeb Laufende Gebühren eines Fonds i in Jahr t-1 (hierzu liegen keine monatliche Angaben vor)
,im
Seg NF Wachstumsrate der Nettoflüsse des Segments, zu dem Fonds i gehört, in Monat m (ohne Fonds i)
,1
ln im
Alter Das logarithmierte Alter (in Monaten) eines Fonds i am Ende des Monats m-1
Tab. 3: Zusammenhang zwischen Zuflüssen und Abflüssen
1 2 3 4 5 6 7 8 9 10
Abhängige Variable:
,
im
Z
F Abhängige Variable:
,
im
A
F
OLS CRE PCSE
Dyn.
Modell Syst. OLS CRE PCSE
Dyn.
Modell Syst.
,im
A
F -0,440
*
**
-0,440
***
-0,447
***
-0,710
***
-0,407
***
,im
Z
F -0,386
***
-0,386
***
-0,392
***
-0,490
***
-0,310
***
,1
(1)im
Terzil -0,038
***
-0,038
***
-0,035
**
-0,091 -0,035
***
-0,060
***
-0,060
***
-0,059
***
-0,043 -0,058
***
,1
(2)im
Terzil -0,009 -0,009 -0,010 -0,036 -0,009 -0,004 -0,004 -0,008 -0,017 -0,003
,1
(3)im
Terzil -0,068
***
-0,068
***
-0,070
***
-0,067
*
-0,066
***
-0,038
***
-0,038
***
-0,045
***
-0,002 -0,028
***
,1im
ZF -0,437
***
-0,437
***
-0,436
***
-0,121
**
-0,451
***
,1im
AF -0,372
***
-0,372
***
-0,369
***
-0,121
***
-0,415
***
1
,1
J
im
Std -0,123
***
-0,123
**
0,072
*
-0,778
**
-0,139
***
-0,197
***
-0,197
***
-0,180
***
-0,238 -0,231
***
,1im
AA -0,130
**
-0,130
*
-0,117 -1,586
***
-0,149
**
-0,230
***
-0,230
**
-0,196
***
-0,791 -0,266
***
,1
ln im
FV -0,001
**
-0,001 -0,001 -0,025
***
-0,001
**
-0,001 -0,001 -0,001 -0,001 -0,001
,1it
lfdGeb -0,731
***
-0,731
**
-0,879
***
-0,416 -0,708
***
-0,720
***
-0,720
*
-0,337 -0,971 -0,644
***
,im
Seg NF -0,124
**
-0,124
**
-0,280
***
-0,008 -0,118
**
-0,109
**
-0,109
**
-0,231
***
-0,094 -0,095*
,1
ln im
A
lter -0,001 -0,001 -0,001 -0,016 -0,001 -0,001 -0,001 -0,001 -0,003 -0,001
Konstante -0,011 -0,011 -0,009 -0,361
***
-0,008 -0,032 -0,032
*
-0,042
***
-0,078 -0,036
2
R
60,44% 60,44% 58,89% 60,38% 55,76% 55,76% 53,77% 55,33%
2
.
A
dj R 59,50% 54,72%
AR(1)-Test
(p value) 0,000 0,000
AR(2)-Test
(p value) 0,194 0,118
Sargan-Test
(p value) 1,000 1,000
N 8172 8172 8172 8172 8172 8172 8172 8172 8172 8172
***, **, * bezeichnet einen Einfluss auf dem 1%-, 5%-, bzw. 10%-Signifikanzniveau.
27
Tab. 4: Rapid Trading in den einzelnen Kalendermonaten
Monat 1m
RT 2m
RT Monat 1m
RT 2m
RT
Januar 0,147 0,045 Juli 0,125 0,041
Februar 0,126 0,038 August 0,115 0,035
März 0,133 0,042 September 0,109 0,035
April 0,126 0,038 Oktober 0,126 0,041
Mai 0,123 0,040 November 0,126 0,038
Juni 0,118 0,039 Dezember 0,113 0,033
Tab. 5: Fondseigenschaften nach Rapid Trading Dezilen
Panel A: Rapid Trading Dezile basierend auf Proxy ,
1im
RT
1 2 3 4 5 6 7 8 9 10 11
Dezil N RT1
in % RT1 in % im
Vormonat AA
in % lfdGEB
in % SegRang STD der
Rendite in % FV in
Mio.EUR Alter in
Jahren Ant. Int.
Fonds in %
1 818 01,48 03,64 4,18 0,81 0,54 4,92 138,47 11,46 79,34
2 817 02,99 04,79 3,99 0,91 0,54 4,67 338,69 12,20 76,87
3 817 04,22 06,12 3,81 0,95 0,53 4,78 620,54 13,09 80,05
4 817 05,64 07,63 3,72 1,01 0,53 4,94 515,17 10,34 83,60
5 817 07,32 09,05 3,79 1,02 0,54 5,12 467,13 10,33 84,58
6 817 09,55 11,33 3,97 1,04 0,57 5,40 473,45 10,03 86,29
7 817 12,65 14,11 3,80 1,06 0,59 5,59 373,68 09,13 90,33
8 817 17,29 17,32 3,75 1,06 0,60 5,88 373,67 09,75 92,66
9 817 24,54 24,12 3,65 1,05 0,59 6,38 238,12 08,97 92,04
10 818 55,27 43,96 2,85 1,14 0,55 7,01 153,04 07,46 93,15
Panel B: Rapid Trading Dezile basierend auf Proxy ,
2im
RT
1 2 3 4 5 6 7 8 9 10 11
Dezil N RT2
in % RT2 in % im
Vormonat AA
in % lfdGEB
in % SegRang STD der
Rendite in % FV in
Mio.EUR Alter in
Jahren Ant. Int.
Fonds in %
1 818 00,04 00,49 3,88 0,86 0,45 4,05 91,82 06,68 87,16
2 817 00,40 00,94 4,13 0,92 0,49 4,47 101,99 09,21 85,43
3 817 00,87 01,51 3,95 0,92 0,56 4,76 327,75 13,34 77,85
4 817 01,38 02,09 3,95 0,91 0,57 5,15 596,41 13,52 80,29
5 817 01,96 02,41 3,79 0,98 0,58 5,45 687,99 12,62 78,58
6 817 02,77 03,32 3,79 1,03 0,59 5,49 508,77 10,15 85,56
7 817 03,92 04,27 3,93 1,07 0,60 5,73 491,19 10,30 86,90
8 817 05,69 05,83 3,76 1,11 0,61 5,95 365,38 09,64 90,82
9 817 08,74 08,77 3,67 1,07 0,60 6,32 341,37 09,69 92,66
10 818 21,74 18,31 2,68 1,18 0,53 7,31 179,31 07,59 93,64
28
Tab. 6: Determinanten des Rapid Trading
Panel A: Proxy RT1i,m als abhängige Variable
1 2 3 4 5 6 7 8 9 10
OLS CRE PCSE
Dyn.
Modell
,1
1im
RT -0,673
***
-0,673
***
-0,673
***
-0,673
***
-0,673
***
-0,673
***
-0,674
***
-0,674
***
-0,673
***
-0,299
***
,1im
AA -0,643
***
-0,637
***
-0,625
***
-0,643
*
-0,637
*
-0,625
*
-0,574
***
-0,570
**
*
-0,565
***
-5,858
***
,1it
lfdGeb -0,014 -0,045 -0,229 -0,014 -0,045 -0,229 -0,948
*
-0,967
*
-1,034
**
-11,961
**
1,
1
J
im
SegRang -0,005 -0,005 -0,007 -0,005 -0,005 -0,007 -0,004 -0,004 -0,006 -0,073
*
1
,1
J
im
Std -0,634
***
-0,640
***
-0,635
***
-0,634
***
-0,640
***
-0,635
***
-0,491
***
-0,497
***
-0,496
***
-2,731
*
i,m-1
lnFV -0,003
***
-0,003
***
-0,003
**
-0,003 -0,003 -0,003 -0,003
**
-0,003
**
-0,002
**
-0,019
*
i,m-1
lnAlter -0,002 -0,002 -0,003 -0,002 -0,002 -0,003 -0,003 -0,003 -0,003 -0,012
,
I
nt
im
D -0,013
***
-0,014
***
-0,014
***
-0,013
***
-0,014
***
-0,014
***
-0,013
***
-0,013
***
-0,013
***
,
Asien
im
D -0,004 -0,004 -0,005
,1im
P -0,003
**
-0,003
*
-0,003
***
-0,041
*
Konstante -0,033 -0,031 -0,027 -0,033 -0,031 -0,027 -0,039
**
-0,037
**
-0,033
*
-0,315
2
R
55,74% 55,75% 55,77% 55,74% 55,75% 55,77% 53,19% 53,19% 53,22%
2
.
A
dj R 54,71% 54,71% 54,73%
AR(1)-Test
(p value) -0,002
AR(2)-Test
(p value) -0,409
Sargan-Test
(p value) -1,000
N 8172 8172 8172 8172 8172 8172 8172 8172 8172 8172
Panel B: Proxy RT2i,m als abhängige Variable
1 2 3 4 5 6 7 8 9 10
OLS CRE PCSE
Dyn.
Modell
,1
2im
RT -0,717
***
-0,717
***
-0,716
***
-0,717
***
-0,717
***
-0,716
***
-0,718
***
-0,717
***
-0,717
***
-0,344
***
,1im
AA -0,289
***
-0,286
***
-0,281
***
-0,289
*
-0,286
*
-0,281
*
-0,265
***
-0,262
***
-0,261
***
-2,606
***
,1it
lfdGeb -0,217 -0,237 -0,324
*
-0,217 -0,237 -0,324 -0,541
***
-0,554
***
-0,582
***
-1,053
1,1
J
im
SegRang -0,001 -0,001 -0,002 -0,001 -0,001 -0,002 -0,000 -0,001 -0,001 -0,025
1
,1
J
im
Std -0,246
***
-0,250
***
-0,247
***
-0,246
***
-0,250
***
-0,247
***
-0,191
***
-0,195
***
-0,194
***
-1,176
*
i,m-1
lnFV -0,000 -0,000 -0,000 -0,000 -0,000 -0,000 -0,000 -0,000 -0,000 -0,013
i,m-1
lnAlter -0,002
***
-0,002
***
-0,002
***
-0,002
*
-0,002
*
-0,002
*
-0,002
***
-0,002
***
-0,002
***
-0,002
,
I
nt
im
D -0,005
***
-0,005
***
-0,005
***
-0,005
***
-0,005
***
-0,005
***
-0,004
***
-0,005
***
-0,005
***
,
Asien
im
D -0,003 -0,003 -0,003
*
,1im
P -0,002
**
-0,002
**
-0,002
***
-0,010
Konstante -0,004 -0,005 -0,007 -0,004 -0,005 -0,007 -0,005 -0,006 -0,008 -0,256
**
2
R
61,58% 61,59% 61,60% 61,58% 61,59% 61,60% 59,70% 59,71% 59,73%
2
.
A
dj R 60,68% 60,69% 60,71%
AR(1)-Test
(p value) -0,015
AR(2)-Test
(p value) -0,154
Sargan-Test
(p value) -1,000
N 8172 8172 8172 8172 8172 8172 8172 8172 8172 8172
***, **, * bezeichnet einen Einfluss auf dem 1%-, 5%-, bzw. 10%-Signifikanzniveau.
29
Tab. 7: Einfluss des Rapid Trading auf die Fondsperformance
Panel A: Gesamtzeitraum (Januar 1992 – Dezember 2006)
1 2 3 4 5 6 7 8 9 10 11 12
RT1i,m-1 RT2i,m-1
R
i
,
m ÜRi
,
m
R
i
,
m ÜRi
,
m
OLS CRE PCSE OLS CRE PCSE OLS CRE PCSE OLS CRE PCSE
,1
1im
RT -0,003 -0,003 -0,007 -0,003 -0,003 -0,002
,1
2im
RT -0,008 -0,008 -0,021 -0,009
*
-0,009 -0,006
,1im
R -0,080
***
-0,080
***
-0,134
**
-0,079
***
-0,079
***
-0,134
**
,1im
ÜR -0,085
***
-0,085
***
-0,086
**
-0,084
***
-0,084
***
-0,085
**
,1im
AA -0,025 -0,025 -0,109
*
-0,022 -0,022 -0,009 -0,023 -0,023 -0,100
*
-0,020 -0,020 -0,007
i,m-1
lnFV -0,001
***
-0,001
***
-0,003
***
-0,001
***
-0,001
***
-0,001
**
-0,001
***
-0,001
***
-0,003
***
-0,001
***
-0,001
***
-0,001
**
,1it
lfdGeb -0,088 -0,088 -0,738 -0,076 -0,076 -0,099 -0,095 -0,095 -0,759 -0,084 -0,084 -0,095
i,m-1
lnAlter -0,001
***
-0,001
**
-0,003
*
-0,001
***
-0,001
**
-0,001
*
-0,001
***
-0,001
**
-0,003
**
-0,002
***
-0,002
**
-0,001
*
Konstante -0,016 -0,016 -0,014 -0,014 -0,014 -0,007 -0,016 -0,016 -0,014 -0,014 -0,014 -0,007
2
R
-63,37% -63,37% -2,71% -4,35% -4,35% -0,95% -63,37% -63,37% -2,75% -4,36% -4,36% -0,95%
2
.
A
d
j
R -62,53% -2,15% -62,53% -2,15%
N -8172 -8172 -8172 -8172 -8172 -8172 -8172 -8172 -8172 -8172 -8172 -8172
Panel B: Zeitraum vor dem Skandal (Januar 1992 – August 2003)
1 2 3 4 5 6 7 8 9 10 11 12
RT1i,m-1 RT2i,m-1
R
i
,
m ÜRi
,
m
R
i
,
m ÜRi
,
m
OLS CRE PCSE OLS CRE PCSE OLS CRE PCSE OLS CRE PCSE
,1
1im
RT -0,007
**
-0,007 -0,012 -0,006
*
-0,006 -0,005
,1
2im
RT -0,016
*
-0,016 -0,037 -0,016
**
-0,016 -0,011
,1im
R -0,098
***
-0,098
***
-0,176
**
-0,097
***
-0,097
***
-0,176
**
,1im
ÜR -0,106
***
-0,106
***
-0,106
**
-0,106
***
-0,106
***
-0,105
**
,1im
AA -0,094
*
-0,094 -0,048 -0,095
*
-0,095 -0,078 -0,094
*
-0,094 -0,054 -0,096
*
-0,096 -0,078
i,m-1
lnFV -0,001
***
-0,001
***
-0,004
**
-0,001
***
-0,001
***
-0,001
***
-0,001
***
-0,001
***
-0,004
**
-0,001
***
-0,001
***
-0,001
***
i,t-1
lfdGeb -0,308 -0,308 -0,065 -0,294 -0,294 -0,213 -0,293 -0,293 -0,124 -0,276 -0,276 -0,200
i,m-1
lnAlter -0,001
*
-0,001 -0,003
*
-0,001
*
-0,001
*
-0,001
*
-0,001
*
-0,001 -0,003
**
-0,002
**
-0,002
*
-0,001
*
Konstante -0,038
**
-0,038
***
-0,034
**
-0,013 -0,013 -0,016
**
-0,037
**
-0,037
***
-0,032
**
-0,012 -0,012 -0,016
**
2
R
-65,45% -65,45% -3,78% -5,24% -5,24% -1,44% -65,45% -65,45% -3,84% -5,25% -5,25% -1,44%
2
.
A
d
j
R -64,40% -2,37% -64,40% -2,38%
N -4907 -4907 -4907 -4907 -4907 -4907 -4907 -4907 -4907 -4907 -4907 -4907
30
Panel C: Zeitraum nach dem Skandal (September 2003 – Dezember 2006)
1 2 3 4 5 6 7 8 9 10 11 12
RT1i,m-1 RT2i,m-1
R
i
,
m ÜRi
,
m
R
i
,
m ÜRi
,
m
OLS CRE PCSE OLS CRE PCSE OLS CRE PCSE OLS CRE PCSE
,1
1im
RT -0,001 -0,001 -0,002 -0,001 -0,001 -0,000
,1
2im
RT -0,000 -0,000 -0,001 -0,001 -0,001 -0,002
,1im
R -0,017 -0,017 -0,061 -0,018 -0,018 -0,061
,1im
ÜR -0,012 -0,012 -0,015 -0,012 -0,012 -0,015
,1im
AA -0,101
***
-0,101
**
-0,169
***
-0,100
***
-0,100
**
-0,104
***
-0,098
***
-0,098
*
-0,163
***
-0,097
***
-0,097
*
-0,100
***
i,m-1
lnFV -0,001 -0,001 -0,001
**
-0,001 -0,001 -0,001 -0,001 -0,001 -0,001
**
-0,001 -0,001 -0,001
i,t-1
lfdGeb -0,241
*
-0,241 -0,576 -0,213 -0,213 -0,244 -0,248
*
-0,248 -0,595 -0,222
*
-0,222 -0,254
i,m-1
lnAlter -0,001
*
-0,001 -0,001 -0,001
*
-0,001 -0,001 -0,001
*
-0,001 -0,001 -0,001
*
-0,001 -0,001
Konstante -0,051
***
-0,051
***
-0,008 -0,003 -0,003 -0,006 -0,051
***
-0,051
***
-0,008 -0,003 -0,003 -0,006
2
R
-53,71% -53,71% -1,13% -2,39% -2,39% -0,61% -53,71% -53,71% -1,12% -2,38% -2,38% -0,61%
2
.
A
d
j
R -53,06% -1,02% -53,06% -1,02%
N -3265 -3265 -3265 -3265 -3265 -3265 -3265 -3265 -3265 -3265 -3265 -3265
***, **, * bezeichnet einen Einfluss auf dem 1%-, 5%-, bzw. 10%-Signifikanzniveau.
31
Rapid Trading among German Equity Mutual Funds
Abstract: This paper is the first to examine rapid trading among German equity mutual fund
investors. Using data on inflows and outflows provided by a large German mutual fund
company, we find strong evidence for rapid trading. It is particularly pronounced for small
funds, risky funds, funds with low nominal prices, and international funds. However, we find
no evidence of market timing activities. Furthermore, unlike in the US, rapid trading is less
pronounced for funds with high loads. This shows that rapid trading among German fund
investors is not explained by churning due to brokers’ advice. Rather, our results are
consistent with the view that some investors use mutual funds for short-term, speculative
purposes. The funds among which we observe the strongest rapid trading show lottery-like
characteristics. Regarding fund performance, we find (at most) only very weak evidence for a
negative impact of rapid trading on fund performance before the fund scandal of 2003, and no
evidence afterwards.
Keywords: Mutual Funds · Rapid Trading · Mutual Fund Scandal
Cfr/Working Paper Series
Centre for Financial Research
Look deeper
CFR Working Papers are available for download from www.cfr-cologne.de.
Hardcopies can be ordered from: Centre for Financial Research (CFR),
Albertus Magnus Platz, 50923 Koeln, Germany.
2009
No. Author(s) Title
09-04 J. Fang, S. Ruenzi Rapid Trading bei deutschen Aktienfonds:
Evidenz aus einer großen deutschen Fondsgesellschaft
09-03 A. Banegas, B. Gillen,
A. Timmermann,
R. Wermers
The Performance of European Equity Mutual Funds
09-02 J. Grammig, A. Schrimpf,
M. Schuppli
Long-Horizon Consumption Risk and the Cross-Section
of Returns: New Tests and International Evidence
09-01 O. Korn, P. Koziol The Term Structure of Currency Hedge Ratios
2008
No. Author(s) Title
08-12 U. Bonenkamp,
C. Homburg, A. Kempf
Fundamental Information in Technical Trading Strategies
08-11 O. Korn Risk Management with Default-risky Forwards
08-10 J. Grammig, F.J. Peter International Price Discovery in the Presence
of Market Microstructure Effects
08-09 C. M. Kuhnen, A. Niessen Is Executive Compensation Shaped by Public Attitudes?
08-08 A. Pütz, S. Ruenzi Overconfidence among Professional Investors: Evidence from
Mutual Fund Managers
08-07 P. Osthoff What matters to SRI investors?
08-06 A. Betzer, E. Theissen Sooner Or Later: Delays in Trade Reporting by Corporate
Insiders
08-05 P. Linge, E. Theissen Determinanten der Aktionärspräsenz auf
Hauptversammlungen deutscher Aktiengesellschaften
08-04 N. Hautsch, D. Hess,
C. Müller
Price Adjustment to News with Uncertain Precision
08-03 D. Hess, H. Huang,
A. Niessen
How Do Commodity Futures Respond to Macroeconomic
News?
08-02 R. Chakrabarti,
W. Megginson, P. Yadav
Corporate Governance in India
08-01 C. Andres, E. Theissen Setting a Fox to Keep the Geese - Does the Comply-or-Explain
Principle Work?
2007
No. Author(s) Title
07-16 M. Bär, A. Niessen,
S. Ruenzi
The Impact of Work Group Diversity on Performance:
Large Sample Evidence from the Mutual Fund Industry
07-15 A. Niessen, S. Ruenzi Political Connectedness and Firm Performance:
Evidence From Germany
07-14 O. Korn Hedging Price Risk when Payment Dates are Uncertain
07-13 A. Kempf, P. Osthoff SRI Funds: Nomen est Omen
07-12 J. Grammig, E. Theissen,
O. Wuensche
Time and Price Impact of a Trade: A Structural Approach
07-11 V. Agarwal, J. R. Kale On the Relative Performance of Multi-Strategy and Funds of
Hedge Funds
07-10 M. Kasch-Haroutounian,
E. Theissen
Competition Between Exchanges: Euronext versus Xetra
07-09 V. Agarwal, N. D. Daniel,
N. Y. Naik
Why is Santa so kind to hedge funds?
The December return puzzle!
07-08 N. C. Brown, K. D. Wei,
R. Wermers
Analyst Recommendations, Mutual Fund Herding, and
Overreaction in Stock Prices
07-07 A. Betzer, E. Theissen Insider Trading and Corporate Governance:
The Case of Germany
07-06 V. Agarwal, L. Wang Transaction Costs and Value Premium
07-05 J. Grammig, A. Schrimpf Asset Pricing with a Reference Level of Consumption:
New Evidence from the Cross-Section of Stock Returns
07-04 V. Agarwal, N.M. Boyson,
N.Y. Naik
Hedge Funds for retail investors?
An examination of hedged mutual funds
07-03 D. Hess, A. Niessen The Early News Catches the Attention:
On the Relative Price Impact of Similar Economic Indicators
07-02 A. Kempf, S. Ruenzi,
T. Thiele
Employment Risk, Compensation Incentives and Managerial
Risk Taking - Evidence from the Mutual Fund Industry -
07-01 M. Hagemeister, A. Kempf CAPM und erwartete Renditen: Eine Untersuchung auf Basis
der Erwartung von Marktteilnehmern
2006
No. Author(s) Title
06-13 S. Čeljo-Hörhager,
A. Niessen
How do Self-fulfilling Prophecies affect Financial Ratings? - An
experimental study -
06-12 R. Wermers, Y. Wu,
J. Zechner
Portfolio Performance, Discount Dynamics, and the Turnover
of Closed-End Fund Managers
06-11 U. v. Lilienfeld-Toal,
S. Ruenzi
Why Managers Hold Shares of Their Firm: An Empirical
Analysis
06-10 A. Kempf, P. Osthoff The Effect of Socially Responsible Investing on Portfolio
Performance
06-09 R. Wermers, T. Yao,
J. Zhao
The Investment Value of Mutual Fund Portfolio Disclosure
06-08 M. Hoffmann, B. Kempa The Poole Analysis in the New Open Economy
Macroeconomic Framework
06-07 K. Drachter, A. Kempf,
M. Wagner
Decision Processes in German Mutual Fund Companies:
Evidence from a Telephone Survey
No. Author(s) Title
06-06 J.P. Krahnen, F.A.
Schmid, E. Theissen
Investment Performance and Market Share: A Study of the
German Mutual Fund Industry
06-05 S. Ber, S. Ruenzi On the Usability of Synthetic Measures of Mutual Fund Net-
Flows
06-04 A. Kempf, D. Mayston Liquidity Commonality Beyond Best Prices
06-03 O. Korn, C. Koziol Bond Portfolio Optimization: A Risk-Return Approach
06-02 O. Scaillet, L. Barras, R.
Wermers
False Discoveries in Mutual Fund Performance: Measuring
Luck in Estimated Alphas
06-01 A. Niessen, S. Ruenzi Sex Matters: Gender Differences in a Professional Setting
2005
No. Author(s) Title
05-16 E. Theissen An Analysis of Private Investors´ Stock Market Return
Forecasts
05-15 T. Foucault, S. Moinas,
E. Theissen
Does Anonymity Matter in Electronic Limit Order Markets
05-14 R. Kosowski,
A. Timmermann,
R. Wermers, H. White
Can Mutual Fund „Stars“ Really Pick Stocks?
New Evidence from a Bootstrap Analysis
05-13 D. Avramov, R. Wermers Investing in Mutual Funds when Returns are Predictable
05-12 K. Griese, A. Kempf Liquiditätsdynamik am deutschen Aktienmarkt
05-11 S. Ber, A. Kempf,
S. Ruenzi
Determinanten der Mittelzuflüsse bei deutschen Aktienfonds
05-10 M. Bär, A. Kempf,
S. Ruenzi
Is a Team Different From the Sum of Its Parts?
Evidence from Mutual Fund Managers
05-09 M. Hoffmann Saving, Investment and the Net Foreign Asset Position
05-08 S. Ruenzi Mutual Fund Growth in Standard and Specialist Market
Segments
05-07 A. Kempf, S. Ruenzi Status Quo Bias and the Number of Alternatives
- An Empirical Illustration from the Mutual Fund
Industry –
05-06 J. Grammig,
E. Theissen
Is Best Really Better? Internalization in Xetra Best
05-05 H. Beltran,
J. Grammig,
A.J. Menkveld
Understanding the Limit Order Book: Conditioning on Trade
Informativeness
05-04 M. Hoffmann Compensating Wages under different Exchange rate Regimes
05-03 M. Hoffmann Fixed versus Flexible Exchange Rates: Evidence from
Developing Countries
05-02 A. Kempf, C. Memmel On the Estimation of the Global Minimum Variance Portfolio
05-01 S. Frey, J. Grammig Liquidity supply and adverse selection in a pure limit order
book market
2004
No. Author(s) Title
04-10 N. Hautsch, D. Hess Bayesian Learning in Financial Markets – Testing for the
Relevance of Information Precision in Price Discovery
No. Author(s) Title
04-09 A. Kempf,
K. Kreuzberg
Portfolio Disclosure, Portfolio Selection and Mutual Fund
Performance Evaluation
04-08 N.F. Carline, S.C. Linn,
P.K. Yadav
Can the Stock Market Systematically make Use of Firm- and
Deal-Specific Factors when Initially Capitalizing the Real Gains
from Mergers and Acquisitions
04-07 J.J. Merrick, Jr., N.Y.
Naik, P.K. Yadav
Strategic Trading Behavior and Price Distortion in a
Manipulated Market: Anatomy of a Squeeze
04-06 N.Y. Naik, P.K. Yadav Trading Costs of Public Investors with Obligatory and
Voluntary Market-Making: Evidence from Market Reforms
04-05 A. Kempf, S. Ruenzi Family Matters: Rankings Within Fund Families and
Fund Inflows
04-04 V. Agarwal,
N.D. Daniel, N.Y. Naik
Role of Managerial Incentives and Discretion in Hedge Fund
Performance
04-03 V. Agarwal, W.H. Fung,
J.C. Loon, N.Y. Naik
Liquidity Provision in the Convertible Bond Market:
Analysis of Convertible Arbitrage Hedge Funds
04-02 A. Kempf, S. Ruenzi Tournaments in Mutual Fund Families
04-01 I. Chowdhury, M.
Hoffmann, A. Schabert
Inflation Dynamics and the Cost Channel of Monetary
Transmission
Cfr/University of cologne
Albertus-Magnus-Platz
D-50923 Cologne
Fon +49(0)221-470-6995
Fax +49(0)221-470-3992
Kempf@cfr-Cologne.de
www.cfr-cologne.de
ResearchGate has not been able to resolve any citations for this publication.
Article
Full-text available
Open-end equity funds provide a diversified equity positions with little direct cost to investors for liquidity. This study documents a statistically significant indirect cost in the form of a negative relation between a fund's abnormal return and investor flows. Controlling for this indirect cost of liquidity changes the average fund's abnormal return (net of expenses) from a statistically significant −1.6% per year to a statistically insignificant −0.2% and also fully explains the negative market-timing performance found in this and other studies of mutual fund returns. Thus, the common finding of negative return performance at open-end mutual funds is attributable to the costs of liquidity-motivated trading.
Article
Full-text available
In der vorliegenden Arbeit werden erstmals die Determinanten der Zuflüsse deutscher Aktienfonds empirisch untersucht. Für den Untersuchungszeitraum von 1991 bis 2003 finden wir einige interessante Unterschiede zum US-Markt. Zunächst bestätigen wir die in der Literatur dokumentierte positiv konvexe Beziehung zwischen vergangener Performance eines Fonds und seinen Netto-Zuflüssen, die aber in Deutschland weniger stark ausgeprägt ist als in den USA. Wir zeigen außerdem, dass die Eigenschaften der Fondsgesellschaft, zu der ein Fonds gehört, einen wesentlichen Einfluss auf dessen Zuflüsse haben. Insbesondere zeigen wir erstmals, dass es einen Kannibalisierungseffekt innerhalb von Fondsfamilien gibt, der besonders zwischen Fonds zu beobachten ist, die im gleichen Marktsegment angeboten werden. Unsere Ergebnisse haben wichtige Implikationen für das Risikoverhalten von Fondsmanagern sowie die Produktpolitik von Fondsgesellschaften. -- The determinants of German mutual fund flows have not been considered in the literature on Mutual Funds so far. In this paper we document some interesting differences between the German and the US mutual fund market. In our study, which covers the time period from 1991 to 2003, we confirm the positive and convex performance-flow-relationship, which is well documented for the US Mutual fund market. However, in Germany it is not as pronounced as in the US. Additionally we show that net inflows in German mutual funds depend vitally on the characteristics of the fund company the fund belongs to. Particularly, we are able to provide evidence of funds offered by the same family acting as rivals, which applies especially for funds belonging to the same market segment. Our results have important implications for the risk taking behaviour of fund managers and the product policy of fund families.
Article
We examine how fund flows that are correlated with subsequent fund returns can impact the performance of open-end mutual fund through a dilution effect. Since these flows tend to put cash into a fund just prior to positive returns on the fund?s risky assets, the cash dilutes the fund?s return. Our analysis reveals that active trading of open-end funds occurs and has a meaningful economic effect on the passive, non-trading shareholders in the fund. While in the overall sample of domestic equity funds we find no dilution impact from daily fund flows, we estimate an annualized benefit of nearly 5 basis points in low-flow funds. In examining the fund flows in international funds, we find an overall annualized negative impact of 0.48%. For the sub-sample of funds in which flows are particularly large, this negative impact is nearly 1% per year. Our results suggest that the structure and design of mutual funds, such as exchange and pricing policies, can have important performance-related implications independent of the value added by the portfolio manager.
Article
We present results from two experiments on the relative importance of, and subjects' differential sensitivity to, vagueness on both probabilities and outcomes. Subjects in these studies made certainty equivalent (CE) judgments for precise and vague gambles. In the first study subjects responded to gain gambles only; in the second they judged both gain and loss gambles. Model-free analyses of the results indicate (a) a higher concern for the precision of the outcomes than that of the probabilities, (b) vagueness seeking for positive outcomes and (c) vagueness avoidance for negative outcomes and (d) no strong modal attitude toward vagueness on the probability dimension. The greater salience of the outcomes can be explained by the nature of the response mode (CEs). The reflection of attitudes towards outcome vagueness in the two domains can be explained by the distinct goals of the DMs in the two cases, which cause them to focus on the highest (most desirable) possible gain or the largest (most dreaded) conceivable loss. We propose and fit a new model of decision making with vaguely specified attributes that generalize the Prospect Theory model for the precise case. The new generalized model combines the two submodels (preference among precise lotteries and effects of vagueness) and allows estimation of the vagueness parameters. These estimated parameters are consistent with, and confirm, the patterns uncovered by the qualitative analysis.
Article
We examine some issues in the estimation of time-series cross-section models, calling into question the conclusions of many published studies, particularly in the field of comparative political economy. We show that the generalized least squares approach of Parks produces standard errors that lead to extreme overconfidence, often underestimating variability by 50% or more. We also provide an alternative estimator of the standard errors that is correct when the error structures show complications found in this type of model. Monte Carlo analysis shows that these "panel-corrected standard errors" perform well. The utility of our approach is demonstrated via a reanalysis of one "social democratic corporatist" model.
Article
This study examines whether the puzzling negative relation between idiosyncratic volatility and expected returns (Ang, Hodrick, Xing, and Zhang (2006, 2008)) is influenced by the preferences and the trading behavior of volatility-seeking retail investors. First, we show that volatility-seeking retail clienteles exist. Retail investors prefer to hold and actively trade high idiosyncratic volatility stocks due to their greater propensity to speculate or gamble (Dorn and Huberman (2007)) and also because those stocks offer a greater opportunity for experiencing higher levels of realization utility (Barberis and Xiong (2008)). In contrast, institutional investors prefer low idiosyncratic volatility stocks. Next, we show that the negative return-volatility relation is concentrated among stocks that are actively traded by retail investors and exhibit strong speculative characteristics (e.g., high idiosyncratic skewness). Among stocks with low levels of retail trading, future returns increase with idiosyncratic volatility. Collectively, our results indicate that the level of retail trading is a critical determinant of the volatility-return relation.