Bisher wurde nur ex post nachgewiesen, dass Aktienmarktblasen vorhanden waren. Allerdings ist es interessanter - und auch das Ziel der Wissenschaft – ex-ante Aktienmarktblasen und somit auch Renditen zu prognostizieren. Wie schon zuvor beschrieben dürfte dies nach der EMH nicht möglich sein.
Die empirische Forschung über Renditeprognosen begann mit der Hinterfragung der EMH in den 1980er Jahren. Seitdem ist eine breite und auch unübersichtliche Literatur zu diesem Themengebiet entstanden. Dies beruht zum einen auf unterschiedlichen Testarten und zum anderen auf unterschiedlichsten Prognosevariablen. Alles begann mit der Nutzung von Bewertungskennzahlen – darunter versteht man u.a. Dividendenrendite, KGV und KBV – als Prognosevariablen. Aber auch Modelle zu Konsumenten- und Anlegerverhalten, makroökonomische Indikatoren sowie die Nutzung von Big Data erfreuen sich mittlerweile einer großen Beliebtheit. Auf diese drei Kategorien wird in den folgenden Abschnitten eingegangen.
Die empirische Forschung begann gleichzeitig mit der Entstehung des Forschungsgebiets von Behavioral Finance Anfang der 1980er Jahre – aus der Anzweiflung der EMH folgt direkt die Prognostizierbarkeit von Renditen - und fokussierte sich zunächst auf Bewertungskennzahlen wie z.B. der Dividendenrendite, KGV und dem CAPE.[44] Aber auch kurz- und langfristige Zinsen wurden auf ihren Prognosegehalt untersucht.[45] Die meisten, darunter Campbell/Shiller und Fama/French, kamen zu dem Ergebnis, dass Bewertungskennzahlen positiv mit Aktienrenditen korreliert sind. Dabei nimmt der Prognosegehalt in der langen Frist zu.[46]
Diese Ergebnisse blieben allerdings nicht ohne Kritik. Hauptkritikpunkt war die ökonometrische Vorgehensweise. Die benutzten Messmethoden basieren meistens auf einer OLS (ordinary least squares) Regression von Aktienrenditen auf die nachlaufende Kennzahlenvariable. In der Literatur wurde größtenteils fälschlicherweise angenommen, dass die untersuchten Variablen stationär sind – d.h. sie zu jedem Zeitpunkt in einer Zeitreihe den gleichen Erwartungswert und die gleiche Varianz aufweisen.[47] Vielmehr sind diese nichtstationär und weisen eine hohe Autokorrelation auf. [48] Des Weiteren waren die Forscher den Vorwürfen von Data-Mining und schlechter Performance bei Out-of-Sample Tests ausgesetzt.[49] Cochrane (2006) widerspricht jedoch der Folgerung, dass aus einer schlechten Out-of-Sample Performance die Prognostizierbarkeit von Renditen verworfen werden muss.[50] Einen maßgeblichen Einfluss auf die Forschungsergebnisse kann auch die Wahl der zu untersuchenden Zeiträume haben. So können Goyal/Welch (2007) mit dem gleichen Testverfahren - jedoch unterschiedlichen Testzeiträumen - wie Fama/French (1988) die Nullhypothese der Unvorhersagbarkeit von Renditen nicht verwerfen.[51]
Die neuere Literatur fokussiert sich seitdem auf andere ökonometrische Modelle um die beschriebenen Probleme zu umgehen.[52] Diese liefern unterschiedlichste Ergebnisse. Campbell/Yogo (2005) weisen einen signifikanten Zusammenhang von Zinsen und Aktienrenditen nach. Die Messung des Zusammenhangs von Bewertungskennzahlen und Aktienrenditen gestaltet sich hingegen schwieriger, da aufgrund der vorhandenen Autokorrelationen verschiedene statistische Verfahren benutzt und die Daten bereinigt werden müssen. Trotzdem können sie einen signifikanten Zusammenhang bei der Dividendenrendite auf jährlicher Basis und beim KGV auf monatlicher und jährlicher Basis nachweisen, die indes schwieriger nachzuweisen sind als zuvor angenommen.[53] Ang/Bekaert (2007) weisen im Gegensatz dazu für die Dividendenrendite nach, dass nach der Korrektur der vorliegenden Heteroskedastizität der langfristige Prognosegehalt komplett verschwindet. Lediglich in Kombination mit kurzfristigen Zinsen ist ein kurzfristiger Prognosegehalt vorhanden.[54]
Die Forschungsergebnisse zu Renditeprognosen mit Bewertungskennzahlen bleiben widersprüchlich. Nachdem sich Ende der 90er die langfristige Prognostizierbarkeit scheinbar manifestiert hatte – Cochrane bezeichnete dies als new facts in finance[55] - widerlegten neue Forschungsergebnisse die Prognostizierbarkeit entweder nahezu vollständig oder wiesen in der kurzen Frist eine höhere Signifikanz nach. Unter anderem wurde deswegen Mitte der 90er begonnen andere Variablen auf ihren Prognosegehalt zu überprüfen. Nachfolgend werden einige dieser dargestellt.
Ende der 90er und Anfang der 2000er versuchten u.a. Baker/Wurgler, Cooper/Priestley und Ludvigson mit anderen Variablen Renditen zu prognostizieren. Schwerpunkte waren dabei das Verbrauchervertrauen, Konsumausgaben, Investorenvertrauen oder auch die Produktionslücke (Output Gap). Der Hintergedanke dabei ist, die Risikoaversion von Marktteilnehmern zu messen um Rückschlüsse auf zukünftige Renditen zu ziehen.
Die theoretische Grundlage für die Investorenstimmung lieferte Black (1986) mit dem sogenannten Noise-Trader-Ansatz.[56] Die Theorie geht davon aus, dass Aktien von rationalen und irrationalen Anlegern gehalten werden. Letztere werden auch Noise-Trader genannt. Diese handeln Aktien auf Grundlage von Informationen, die noch nicht vorhanden sind.[57] Aktien, die von Noise-Tradern gehalten werden, können von ihrem fundamentalen Wert abweichen. Diese Fehlbewertung geht mit hoher Investorenstimmung einher und löst sich später wieder auf. Dies induziert einen negativen Zusammenhang zwischen Investorenstimmung und Aktienrenditen.[58] Die Herleitung der Investorenstimmung kann dabei über die Messung des Investoren- oder des Konsumentenvertrauens erfolgen. Empirische Ergebnisse zur Messung des Investorenvertrauens liefern u.a. Baker/Wurgler 2006 und 2007. Sie fanden einen Zusammenhang zwischen niedrigem Investorenvertrauen und folgenden hohen Renditen und andersherum.[59] Allerdings besteht dieser negative Zusammenhang nicht in allen Ländern und es ist unklar über welchen Zeitraum dieser besteht.[60] Erklärungsansätze liefern Campbell/Cochrane (1999) sowie Baker/Wurgler (2006) und Brown/Cliff (2005). Campbell/Cochrane (1999) nehmen an, dass Zeitabschnitte mit hoher Investorenstimmung mit hohem Wirtschaftswachstum einhergehen. Die Risikoaversion von Anlegern ist während dieser Zeit niedrig, was dazu führt, dass diese bereit sind in schon sehr hoch bewertete riskante Anlagen zu investieren.[61] Baker/Wurgler (2006) und Brown/Cliff (2005) argumentieren, dass Investoren in guten Zeiten überdrehen und somit die Preise - relativ zum Konjunkturzyklus – über ihren fairen Wert drücken.[62] Die darauf folgende Mean Reversion spiegelt den negativen Zusammenhang von Renditen und Investorenvertrauen in den Daten wider. Es bleibt jedoch anzumerken, dass Investorenstimmung schwer zu messen ist[63] und nur während eines wirtschaftlichen Aufschwungs Renditen prognostizieren kann.[64]
Einen etwas anderen Ansatz verfolgen Lemmon/Portniaguina (2006) und Cooper/Priestley (2009). Beide versuchen die Investorenstimmung über makroökonomische Kennzahlen herzuleiten. Lemmon/Portniaguina (2006) nutzen dabei das Konsumentenvertrauen als Proxy für Investorenoptimismus.[65] Ein Vorteil der Nutzung des Konsumentenvertrauens besteht darin, dass dieses eine Verbindung zwischen Investorenstimmung und zukünftigen Konsumausgaben herstellt. So weisen Qiu/Welch (2004) eine positive Korrelation von Konsumentenvertrauen und Investorenstimmung[66] und Ludvigson (2004) einen Prognosegehalt des Konsumentenvertrauens für zukünftige Konsumausgaben nach.[67] Das Ergebnis von Lemmon/Portniaguina (2006) ist konsistent mit den Ergebnissen von Baker/Wurgler (2006). Somit folgen auf Perioden mit hohem Konsumentenvertrauen niedrige Renditen bei Aktien mit niedriger Markkapitalisierung und geringem Aktienanteil von institutionellen Investoren.[68] Der Ansatz von Cooper/Priestley (2009) ist noch sehr jung und führt eine neue, finanzmarktunabhängige Variable ein um Aktien zu bewerten. Diese Variable wird Output Gap oder auf Deutsch Produktionslücke genannt. Die Output Gap beschreibt die Differenz des aktuellen Bruttoinlandsprodukts (BIP) und des Produktionspotenzials. Wird diese Lücke kleiner, werden wirtschaftliche Ressourcen effizient verwendet. Sobald diese größer wird, werden Produktionsfaktoren nicht effizient benutzt. Durch diese Variable soll es möglich sein, die Risikoprämien während eines Konjunkturzyklus zu bestimmen.[69] In der Nutzung der Output Gap ergeben sich zwei Vorteile....