Was multifaktorielle Anlage­modelle sind

Multifaktorielle Anlage­modelle erklären die Rendite einer Anlage nicht aus einer einzigen Eigenschaft, sondern aus mehreren gleichzeitig. Statt nur auf den Buchwert oder nur auf den Kurs­trend zu schauen, kombinieren sie verschiedene Faktoren, die historisch mit Über- oder Unterrenditen einhergingen. Die Frage ist dabei weniger, ob ein einzelner Faktor funktioniert, sondern wie mehrere Faktoren zusammenwirken und wie stabil diese Wirkungs­weise über Zeit bleibt.

Was ein Faktor ausmacht

Ein Faktor ist eine messbare Eigenschaft, die systematisch mit künftigen Renditen zusammenhängt — nicht zufällig, sondern in einer Weise, die sich über längere Zeiträume und verschiedene Märkte beobachten ließ. Drei Merkmale unterscheiden einen belastbaren Faktor von einer bloßen Daten­regelmäßigkeit:

• Robustheit über Zeit — der Zusammenhang zeigt sich in unterschiedlichen Jahrzehnten, nicht nur in einem.
• Übertragbarkeit — er ist in mehreren Märkten und Anlage­klassen nachgewiesen, nicht nur in einem Land.
• ökonomische Plausibilität — es gibt eine Erklärung, etwa Risiko­prämie, Struktur­effekt oder Verhaltens­neigung, die den Zusammenhang begründet.

Die klassischen Bausteine

In der Praxis tauchen immer wieder ähnliche Gruppen von Faktoren auf. Value misst Unterbewertung über Verhältnisse wie Buchwert-Kurs oder Gewinn-Kurs. Momentum hält an bestehenden Trends fest und nutzt die Beobachtung, dass Titel mit positiver Kurs­entwicklung diese Tendenz oft eine Weile behalten. Quality filtert nach Rentabilität, Verschuldung und Gewinnstabilität. Low Volatility stellt auf geringere Schwankung ab, die historisch oft mit einem günstigeren Risiko-Rendite-Verhältnis einherging. Size und Liquidität erfassen Größen- und Handels­effekte, die vor allem kleine oder illiquide Titel betreffen.

Warum mehrere Faktoren zusammenwirken

Ein einzelner Faktor kann über Jahre schlechte Phasen durchleben — Value etwa verlor über lange Strecken, Momentum brach in Wendepunkten ein. Wer mehrere Faktoren kombiniert, sucht nicht nach dem jeweils besten, sondern nach einer Mischung, die Schwächen des einen durch Stärken des anderen ausgleicht. Das Zusammenspiel, nicht der einzelne Baustein, bestimmt das Verhalten des Modells.

Wo KI ins Spiel kommt

Klassische Faktoren beruhen auf wenigen, gut beschreibbaren Kennzahlen. KI-gestützte Verfahren erweitern das Spektrum: Sie können aus großen Daten­mengen zusätzliche Signale gewinnen, etwa aus Markt­stimmung, Texten von Unternehmens­meldungen oder unregelmäßigen Mustern in Handels­daten. Die Beiträge dieser Reihe behandeln, wie solche Verfahren die Faktor-Auswahl ergänzen — und wo sie an Grenzen stoßen. Der nächste Beitrag betrachtet, wie ein Modell Faktoren überhaupt auswählt und gewichtet.