Contributions published at Financial Economics (Thorsten Hens)

This thesis applies graph theory and a new machine learning method, Hierarchical Clustering, to solve strategic asset allocation problem. The major investment context is equity portfolio allocation on the country level. This thesis stands from the view point of a global investor and all countries in MSCI World Index have been taken into account. The portfolio constructed by Hierarchical Risk Parity (HRP) method is compared to traditional Minimum Variance Portfolio (MVP) and Inverse Variance Portfolio (IVP) in out-of-sample backtests. Market portfolio is measured as the benchmark portfolio. Different lookback periods (5 years/3 years) and rebalancing periods (1 year/6 months) have been taken into consideration. T-tests are conducted to check whether the average returns are significantly different. The study also goes further to investigate the how HRP performs in developed and emerging markets separately. This thesis provides the first attempt of applying HRP algorithm to country equity allocation. The out-of-sample backtests results show that HRP delivers better risk-returns performance compared to traditional MVP and IVP methods. However, the HRP performance still cannot beat the market portfolio. The bull market trend of S&P 500 in the last 10 years and underweight of the U.S. equity market of HRP could possibly explain this observation.

null

null

Gut getarnter Lockvogel Dabei zur Hand geht ihm BILANZ, die den Bitcoin-Multimillionär kurzerhand zum Lockvogel im diesjährigen Private-Banking-Rating gemacht hat. In einer Art Mystery Shopping werden so bei den wichtigsten Schweizer Privatbanken zum elften Mal Anlagevorschläge eingeholt und die Dienstleistung als Gesamtpaket bewertet. Um dies möglichst unauffällig zu gestalten, hat BILANZ auf die Dienste von ValueWorks zurückgegriffen. Das Multi-­Family Office hilft Privatpersonen und ­Familien unter anderem bei der Auswahl der passenden Vermögensverwalter. Gut getarnt wurden im Auftrag von BILANZ knapp 100 Banken angeschrieben. Ein grosser Teil schickte detaillierte Anlagevorschläge zurück. Die Jury (siehe unten) unter der Leitung von Finanzprofessor Thorsten Hens wählte die 17 qualitativ höchstwertigen Offerten aus. Banken wie die UBS fielen bereits hier heraus. Das Münchner Institut für Vermögensaufbau (IVA) unterzog die verbliebenen Vorschläge einer umfangreichen Detailanalyse.

null

Gutes Private Banking basiert auf einem Vertrauensverhältnis zwischen dem Kundenberater und dem Kunden. Dieses wird dadurch aufgebaut, dass beide Seiten offen miteinander kommunizieren und der Kundenberater seinen Informationsvorsprung zugunsten des Kunden und nicht etwa der Bank nutzt. Dem Kunden muss umgekehrt klar sein, dass der Kundenberater keine Rendite herbeizaubern kann und trotzdem für seinen Rat etwas verdienen muss.

null

null

null

Das vergangene Jahr hat Anleger in der ganzen Welt enttäuscht, viele erschreckt, Börsenkurse und Stimmung gaben im Herbst derart nach, dass im Dezember Minuszeichen und Ratlosigkeit dominier- ten. Die zwanzig Unternehmen des Schweizer Aktienindexes (SMI) haben 2018 im Durchschnitt 11 Prozent an Marktwert verloren. Die interna- tional tonangebenden amerikanischen Aktienkörbe Dow Jones und S&P 500 standen mit 6 und 7 Prozent Verlust weltweit fast am besten da. Dabei hatte das Jahr mit Optimismus und einem SMI-Rekord begonnen. Die mittlere Grafik zeigt, wie dann vor allem US-Aktien ihren Höhenflug fortsetzten, bis im Oktober Stimmung und Kurs- entwicklung weltweit umschlugen. Plötzlich machte sich Pessimismus breit. Wer an der Börse inves- tiert, tut das auf eigenes Risiko, aber was im Herbst passierte, hat dramatische Fragen aufge- worfen. Sind die Aktien stark überbewertet? Kommt der grosse Absturz? Wird der Bulle, Symbol für steigende Kurse, von seinem Gegner, dem Bär, besiegt?

In this article, the author investigates expected return forecasting methodologies and their application in an asset allocation context. Although present value model–related methods are popular in practice, little is known about their performance when used for asset allocation. An intuitive and traceable carry-based method is developed by the author and tested and benchmarked against competing alternatives. The results are evaluated from different perspectives, and the obtained returns are regressed on well-known risk factors. The proposed methodology outperformed other return forecasting variants on various metrics and generated significant alphas regardless of the weight determination approach used. The methodology can be extended to further asset classes and geographic regions and provides a framework for allocating assets strategically.

This book provides readers with essential concepts from financial economics for an integrated study of the financial system and the real economy. It discusses how long-term market prices are determined and affected by population growth, technological progress and non-renewable resources. The meaning of market prices is examined from the perspective of households and from the perspective of firms. The book therefore connects different fields of finance, which usually focus only on either the households’ side or the firms’ side.

Investor behavior was shown to be considerably different when the risk-return tradeoff is presented by experience sampling as opposed to a descriptive communication. We analyze the persistency of this difference in a setting in which investors are faced with multiple decisions over time and are consequently able to adjust the risk level they initially chose. For this we use an experimental setting with repeated investment decisions over multiple trading days, and we also test a new form of risk simulation in which wealth paths over time are presented rather than just final outcomes. After investors’ initial decisions, for which we confirm previous findings, we do not find persistent differences of simulation-based learning on investors’ risk-taking behavior. With regards to trading volume, only a simulation in which investors see wealth paths and not only final outcomes leads to lower trading frequency soon after the initial asset allocation.

Die Trading-Plattform Wikifolio bleibt ein Phänomen. Das Finanz-Technologie-Unternehmen Financial Technologies AG, das die Plattform betreibt, wurde im August 2012 in Wien gegründet. Seitdem wachsen Nutzerzahl und Umsatz. Gleichzeitig sorgen neue Partner für die Erwei-terung der Produktpalette: Ursprünglich konnten Anleger nur einfache Aktienbaskets bauen. Einziger Emittent für die Umsetzung war das Düsseldorfer Unternehmen Lang & Schwarz. Mittlerweile sind auch die Société Générale und HSBC Trinkaus und die UBS mit im Boot. Anleger können über Wikifolio neben hauptsächlich von Amateuren entwickelten Basket-Zertifikaten auch verschiedene von professionellen Emittenten angebotene strukturierte Produkte wie etwa Bonus-, Discount- und Hebelprodukte handeln. Derzeit stehen ihnen dabei über eine Viertel- million strukturierte Produkte zur Auswahl.

null

null

We study front-running by high-frequency traders (HFTs) in a limit order model with continuous trading. The model describes an evolutionary equilibrium of low-frequency traders who compete in portfolio management services by offering investment styles. The introduction of front-runners inflicts heavy losses on speculators, while leaving passive investors relatively unscathed. This encourages investment in the market portfolio and markedly reduces overall turnover. Speculative trading persists despite its lower profitability. By most measures, market quality is not affected to any significant extent by front-running HFTs.

Am Anfang war eine Bank ein Tisch (auf Italienisch «banco»), an dem Geld gewechselt wurde. 1928, im Geburtsjahr der «Finanz und Wirtschaft», war sie dann ein imposantes Gebäude. Heute verschwinden Banken aus Gebäuden und begeben sich in die Wolken, in die Cloud, und manche Kundenberater sowie Asset-Manager werden durch Roboter ersetzt. Welches Rüstzeug kann eine wissenschaftliche Hochschule unter diesen Umständen den Bankerinnen und Bankern der Zukunft mitgeben?