Test anfragen
Im Kontext des Capital Asset Pricing Model (CAPM) stellt das Beta den Risikomaßstab für das systematische Risiko dar. Dieses Risiko ist jener Anteil der Schwankung einer Aktienrendite, der auch innerhalb eines voll diversifizierten Aktienportfolios nicht eliminiert werden kann und somit vom Anleger getragen werden muss.
Risikoaverse Investoren erwarten für diesen Teil des Risikos eine Kompensation in Form einer Risikoprämie. Der Preis für das Risiko ist die sogenannte Marktrisikoprämie, und die Menge des Risikos wird durch den Beta-Faktor gemessen. Der Preis des Risikos multipliziert mit der Menge des Risikos ergibt die Höhe der gesamten Risikoprämie der Aktienrendite.
Die Parameter im CAPM sind zukunftsgerichtete Erwartungswerte. Dies betrifft insbesondere die erwarteten Kovarianzen der Aktienrenditen, die maßgeblich für die Bildung eines volldiversifizierten Aktienportfolios sind. Der Beta-Faktor als preisbestimmendes Element der erwarteten Aktienrendite ist ebenfalls ein Erwartungswert. Klassisch wird der Beta-Faktor auf Basis historischer Aktienrenditen empirisch ermittelt.
In der Bewertungspraxis erfolgt die Bestimmung des Beta-Faktors durch Rückgriff auf historische Kapitalmarktdaten. Dies stellt methodisch kein Problem dar, wirft aber die Frage auf, inwieweit historische Daten ein guter Indikator für das zukünftige Risikoprofil einer Kapitalanlage sein können.
Empirisch ermittelte Betas zeigen statistisch eine sogenannte Mean-Reversion-Eigenschaft hin zu einem Wert von 1. Historische Betas größer 1 tendieren dazu, zu sinken, während Betas kleiner 1 dazu neigen, zu steigen.
Die Mean-Reversion-Eigenschaft deutet darauf hin, dass historische Betas nur bedingt für zukunftsgerichtete Unternehmensbewertungen geeignet sind. Dieses Problem kann jedoch durch die Verwendung des Adjusted Beta anstelle des Raw Beta minimiert werden.
Das sogenannte Blume-Adjustment (M. Blume 1971) ist die am häufigsten verwendete Anpassung. Die zeitliche Instabilität und Rücklauftendenz des Beta-Faktors Richtung 1,0 wird im Blume-Adjustment durch folgende Gleichung approximiert:
adjusted Beta = α0 +α1 * raw Beta mit α0 = 1/3 und α1 = 2/3
Das Adjusted Beta wird hier also durch einen Mean-Reversion-Prozess bestimmt, bei dem das historisch gemessene Beta mit einem Koeffizienten von 2/3 einfließt. Obwohl es auch komplexere Adjustierungs-Algorithmen gibt (z.B. O. Vasicek, 1973), hat sich das relativ einfach anzuwendende und hinreichend valide Blume-Adjustment in der Bewertungspraxis durchgesetzt.
Die Wahl zwischen Raw Beta und Adjusted Beta ist entscheidend für die Risikobewertung im CAPM. Während Raw Beta auf historischen Daten basiert, berücksichtigt Adjusted Beta die Tendenz zur Mean-Reversion und bietet somit eine verlässlichere Schätzung für zukünftige Risiken. Das Blume-Adjustment ist eine praktikable Methode, um diese Tendenz zu berücksichtigen und wird daher in der Bewertungspraxis häufig verwendet. smartZebra’s Tools und Expertise unterstützen die genaue Bestimmung und Anwendung dieser Beta-Faktoren effizient und zuverlässig.
Raw Beta basiert auf historischen Aktienrenditen, während Adjusted Beta diese Daten anpasst, um die Tendenz zur Mean-Reversion zu berücksichtigen und eine verlässlichere Schätzung für zukünftige Risiken zu bieten.
Die Mean-Reversion-Eigenschaft zeigt, dass historische Beta-Werte dazu neigen, sich im Laufe der Zeit einem Wert von 1 anzunähern, was bedeutet, dass sie langfristig weniger extrem sind als kurzfristig gemessen.
DasBlume-Adjustment ist eine Methode, um Raw Beta anzupassen, indem es mit einem Koeffizienten von 2/3 in die Berechnung des Adjusted Beta eingeht, um die Mean-Reversion-Eigenschaft zu berücksichtigen.
AdjustedBeta sollte verwendet werden, wenn eine verlässlichere Schätzung für zukünftige Risiken benötigt wird, insbesondere wenn historische Daten nicht repräsentativ für die zukünftige Risikolage sind.
Ja, neben dem Blume-Adjustment gibt es auch komplexere Methoden wie das Vasicek-Adjustment, jedoch hat sich das Blume-Adjustment aufgrund seiner Einfachheit und Zuverlässigkeit in der Praxis durchgesetzt.
smartZebra bietet Tools und Daten, die den komplexen Prozess der Beta-Bestimmung vereinfachen, genaue Analysen ermöglichen und die Einhaltung von Compliance-Anforderungen sicherstellen.
%20Loans%20in%20Private%20Credit.png)
