Artikel

Wissenschaft und Pseudowissenschaft quantitativer Techniken

Eric schrieb neulich einen faszinierenden Artikel über den „Volatilitätsvirus“, der die professionelle Investitionsgemeinschaft befallen hat. Dieser Blog-Artikel baut auf diesem Eintrag auf, indem die Verwendung – oder vielmehr missbräuchliche Verwendung – quantitativer „Analysen“ von einer übergeordneten Ebene aus betrachtet wird.

Ich möchte an dieser Stelle darauf hinweisen, dass ich nicht „anti-quant“ bin. Das Gegenteil ist der Fall. Ich stehe vollkommen für eine wissenschaftliche Analyse, die korrekt und mit Integrität interpretiert wird. Wovor ich warne, ist das falsche Vertrauen, dass häufig in quantitative Analysen gesetzt wird. Pseudowissenschaftliche Vermutungen, die als Wissenschaft ausgegeben werden und mit größter Überzeugung behauptet werden.

Wenn es um Wirtschaft und Finanzen geht, sollten wir anerkennen, dass wir alle anfällig für die Falle der Pseudowissenschaft sind. Dafür gibt es zwei Hauptgründe:

 

  1. Erstens ist es nicht leicht, sich die unvorhersehbare Natur von Volkswirtschaften und Finanzmärkten einzugestehen. Es ist sehr viel beruhigender, sich selbst davon zu überzeugen, dass wir dies oder jenes mit einem gewissen Grad an Gewissheit wissen. Wir legen ein zu starkes Vertrauen in Zahlen und Grafiken, die in mehreren Studien generiert wurden und ignorieren weite Konfidenzintervalle um die Ergebnisse herum. Wir wollen glauben, dass es eine „Antwort“ gibt, und wir sind von denjenigen beeindruckt, die eine solche liefern, vor allem dann, wenn ein „beachtlicher“ statistischer Nachweis als Unterstützung geboten wird. Außerdem möchte auch jeder von uns derart beeindrucken. Allerdings fühlt es sich nicht sehr beeindruckend an, zuzugeben, dass wir nur wenig mit irgendeinem Grad an Gewissheit wissen.

 

  1. Die zweite Schwachstelle ist ein Ergebnis von Selektionsneigungen in der Branche. Viele Personen im Finanzwesen haben eine Veranlagung für Zahlen, wo dementsprechend ihre Klugheit angesiedelt ist. Sie befassen sich lieber mit Zahlen oder erstellen Grafiken, als dass sie über die oft zweifelhaften Voraussetzungen nachdenken, auf die sich diese Analysen stützen. Steigende Rechenleistungen und der institutionelle Wunsch, an der Spitze zu sein, bekräftigen diesen Trend.

 

Die andere Selektionsneigung ist das Ergebnis der äußerst kompetitiven und finanziell lukrativen Natur der Branche. Die renommiertesten Organisationen erfreuen sich zahlreicher selbstbewusster Leistungsträger, die es gewohnt sind, zu gewinnen und richtig zu liegen. Diese Menschen sind in der Regel überzeugt und überzeugend, und wir lassen uns häufig von ihnen vereinnahmen. Das sind auch genau die Menschen, von denen wir hören wollen (das machen wir uns jedenfalls vor).

Einige konkrete Beispiele für die mächtige Anziehungskraft der Pseudowissenschaft veranschaulichen das:

 

Das Niveau des neutralen realen Zinssatzes oder R*

Wir haben bereits in einem früheren Artikel das Konzept von R* infrage gestellt, aber auch unter der Voraussetzung, dass das Konzept weiterhin Gültigkeit hat, hört man nichts darüber, wie unsicher die Schätzungen zu R* tatsächlich sind.

Selbst Vertreter der Fed sind in diese Falle getappt – oder jedenfalls kommt es in der Öffentlichkeit so an:

Die Arbeit von Laubach und Williams hat sich als Standardmodell für die Schätzung von R* etabliert, die weitgehend bei etwa 0% angesiedelt ist. Was nicht berücksichtigt wird, wenn Kommentatoren diese Recherchearbeit zitieren, ist, dass der 95%ige Konfidenzintervall um diese Schätzung in dem Bereich von +5% und -5% liegt (das Thema der Ungewissheit von Schätzungen wird hier explizit besprochen) – kaum ein Grund, um über geringe Veränderungen des geeigneten Niveaus der Fed Funds Rate zu diskutieren. Und was ist mit anderen Modellen?

 

Konjunkturprognosen (beispielsweise mit Blick auf den Brexit)

Kurz vor dem Brexit-Referendum sagte Michael Gove, ehemaliger Bildungsminister: „Ich denke, wir haben genug von Experten“, wofür er stark kritisiert wurde. Wäre sein Kommentar verallgemeinert gewesen, wäre die Kritik verständlich.

Aber er hatte nicht ganz unrecht, denn bei den betreffenden Experten handelte es sich um Konjunkturprognostiker. Auch hier ist nicht das Problem, dass die Wirtschaftsanalysen mit Blick auf den Brexit leichtsinnig oder trügerisch waren, sondern es geht vielmehr um die Art und Weise, wie solche Analysen in den Medien an die breite Öffentlichkeit weitergegeben werden. Konjunkturprognosen gehen mit hohen Fehlerquoten und einer beachtlichen Ungewissheit einher – viele unerwartete Dinge können passieren. Eine nuancierte Analyse kommt im Fernsehen oder in den sozialen Medien nicht gut an. Emotional aufgeladene und ideologische Debatten – Brexit, Trump-Politik, Keynesianische ggü. klassische Wirtschaftswissenschaften – entfernen sich schnell von ehrlichen und objektiven Analysen.

Die Lektion ist, dass Konjunkturprognosen immer differenziert betrachtet werden müssen. Überraschungen wird es immer geben. Aber so werden Wirtschaftsstatistiken oder Prognosen in den Nachrichten nicht dargestellt.

 

Analyse von Anlageportfolios

Die statistische Analyse, die über die Portfolios von Fondsmanagern durchgeführt wird, war nie zuvor detaillierter als heute. Die Analyse von Risikofaktoren, Risikobeiträgen nach Position, Trefferquoten und Korrelation war nie intensiver. Vielerorts wird dies mittlerweile hauptsächlich intern abgedeckt. „Statistical Arbitrage“ ist eine eigene Fondskategorie.

Ist all das hilfreich? Wenn es richtig gemacht wird, wahrscheinlich schon. Aber die „Hurdle“ muss hoch sein. Ist der untersuchte Zeitraum repräsentativ? Ist eine ausreichend lange Historie vorhanden? Wie stabil sind die Korrelationen? Sind das Marktschwankungen oder bin ich da auf etwas gestoßen? Sollte ich Brutto-Long-/ und Short-Positionen auf Basis statistischer Korrelationen anheben oder könnten sich diese Korrelationen verändern?

 

Fazit

So unangenehm es auch ist, zu erkennen, wie mein Kollege Dave Fishwick es ausdrückte: „Man kann das Denken nicht delegieren“. Wir werden heute mehr als je zuvor mit Statistiken und quantitativen Analysen bombardiert. So clever und wissenschaftlich das meiste davon auch scheint, in vielen Fällen ist genau das Gegenteil der Fall. Die wissenschaftliche Methode unterliegt der Infragestellung und Objektivität (so gut es möglich ist). Es ist wissenschaftlicher, Pseudowissenschaft abzulehnen, Unkenntnis zuzugeben und entsprechend zu handeln, anstatt eine fehlerhafte Analyse zu akzeptieren. Vor diesem Hintergrund ist der Investmentansatz von Warren Buffett, der Volatilität, Korrelation und Konjunkturprognosen ignoriert, wissenschaftlich – empirisch betrachtet sind diese Faktoren für langfristige Erträge irrelevant.

Der Punkt ist nicht, dass die quantitative Analyse eine schlechte Sache ist. Wir müssen einfach nur nachdenken. Wir sollten dem Vorbild des großen Physikers Richard Feynman folgen, der sagte: „Seitdem gebe ich nichts auf irgendetwas von „Experten“. Ich berechne alles selbst.“

 


Der Wert von Anlagen kann schwanken, wodurch die Fondspreise steigen oder fallen können und Sie Ihren ursprünglich investierten Betrag möglicherweise nicht zurückerhalten.