Factor Harvester

Marktrisikoprämien können über die Zeit schwanken und bergen dadurch das Potential einer Überrendite. Meiner Recherche zufolge werden sie dabei besonders durch die allgemeine wirtschaftliche Lage beeinflusst. Wissenschaftliche Studien haben gezeigt, dass bestimmte Faktoren in unterschiedlichen Marktphasen eine Outperformance gegenüber klassischen Vergleichs-Indizes erzielen können (z.B. Oertmann (2018): „Factor-based equity strategies in the business cycle“). Mit Hilfe des eigens entwickelten Business Cycle Prediction Models (BCPM) können Marktphasen - entsprechend eigener statistischer Analysen - mit hoher Signifikanz vorhergesagt werden. Das Modell soll dabei auf Methoden aus dem Bereich Machine Learning setzen. Das Anlageuniversum soll sich über ein global diversifiziertes Aktienportfolio erstrecken mit einer Über- bzw. Untergewichtung der Faktoren Value, Size, Quality und Momentum entsprechend der von meinem Modell vorhergesagten Marktphase. Die einzelnen Faktoren können dabei durch Einzelaktien und/oder ETFs abgebildet werden. Innerhalb der Faktoren sollen die einzelnen Titel anhand von wissenschaftlich fundierten Kennzahlen gefiltert werden (z.B. ROA > 0, Gross Margin (aktuelles Jahr) > Gross Margin (vorheriges Jahr), etc.). Anschließend sollen die dabei identifizierten Unternehmen noch einmal im Detail qualitativ (z.B. Supply Chain, aktuelle Nachrichtenlage, etc.) und quantitativ (z.B. PE, Debt/Equity, etc.) analysiert werden. Für die Analyse soll auf qualitativ hochwertige Daten von Anbietern wie z.B. Bloomberg und Factset gesetzt werden. Die Umschichtung des Portfolios soll quartalsweise erfolgen und/oder bei Änderung der von meinem Modell vorhergesagten Marktphase. Sofern diese im wikifolio anfallen, sollen Dividenden reinvestiert werden. Der Anlagehorizont soll überwiegend mittel- bis langfristig sein.