Die Anlage von Kapital auf dem Finanzmarkt stellt eine der grundsätzlichsten Problemstellungen in den Wirtschaftswissenschaften dar. Wissenschaftler, Praktiker, Berater sowie Anleger sehen sich mit der Frage konfrontiert, wie das zur Verfügung stehende Kapital sinnvoll auf dem Kapitalmarkt eingesetzt werden kann. Aus einer normativen Perspektive existieren mit der Portfoliotheorie nach Markowitz sowie dem Capital Asset Pricing Modell zwei etablierte Modellansätze zur Bewertung und Ableitung optimaler Portfoliostrukturen. Aus einer Vielzahl von verhaltenswissenschaftlichen Untersuchungen ist jedoch bekannt, dass reale Privatanleger häufig den normativen Ansätzen widersprechende Anlageentscheidungen treffen. Im Bewusstsein dieser Entscheidungsdefizite bevorzugen die meisten Privatinvestoren eine professionelle Unterstützung bei der Kapitalanlage. Diese steht in ihrer traditionellen Form in Ausprägung eines menschlichen Finanzberaters jedoch erst ab einem hohen Anlagevolumen zur Verfügung. Automatisierte Vermögensverwalter, auch Robo-Advisor genannt, bieten in diesem Zusammenhang eine digitalisierte, internetbasierte Finanzberatung für quasi jeden Interessenten an. Die Qualität und Vorteilhaftigkeit dieses innovativen Beratungskonzeptes ist jedoch aktuell noch als weitgehend ungeklärt zu bezeichnen.

Die Beantwortung dieser Fragestellung steht im Mittelpunkt der Dissertation. Auf Basis von Modellanlegern werden dazu in einem ersten Schritt repräsentative Anlageentscheidungen der drei Vergleichsmaßstäbe des eigenständig agierenden Anlegers, des Robo-Advisors sowie eines normativ optimalen Benchmarkportfolios generiert. Zur Nachbildung der Anlageentscheidungen des Privatinvestors werden die Erkenntnisse des Forschungszweiges der verhaltensorientierten Finanz- und Kapitalmarkttheorie (auch Behavioral Finance genannt) zur Modellierung des beobachtbaren Verhaltens realer Finanzmarktakteure genutzt. Konkret wird auf die Behavioral Portfolio Theorie zurückgegriffen und diese in einem umfangreichen empirischen Setting eingesetzt und modellseitig erweitert. Für die Robo-Advisor wiederum erfolgt eine empirische Analyse der Anlage- und Handelsstrategien ausgewählter deutscher Anbieter. Zur Integration eines normativen Benchmarkportfolios wird ein handelbares Marktportfolio aus aktuellen wissenschaftlichen Untersuchungen operationalisiert. Im Ergebnis lassen sich theoretisch fundiert und nachvollziehbar Portfoliostrukturen mit unterschiedlichem Grad an Rationalität für die Untersuchung ableiten. Die erzeugten Portfolios bilden insbesondere die Basis, um typische Entscheidungsmuster und Defizite der drei Anlagestrategien auswerten zu können.

Neben dieser entscheidungstheoretischen Betrachtung wird im Rahmen einer ökonometrischen Untersuchung zusätzlich analysiert, ob der aktuelle Entwicklungsstand der Anlage- und Handelsstrategien deutscher Robo-Advisor im Vergleich mit dem rationalen Benchmark und den eigenständigen Entscheidungen vorteilhaft ist. Zu diesem Zweck wird auf einen performancebasierten Hypothesentest auf Basis von Stationary Bootstrapping Simulationen zurückgegriffen. Die Ergebnisse werden anschließend differenziert analysiert, mittels Robustheitstests validiert und zur Ableitung zukünftiger Weiterentwicklungen der Robo-Advisory eingesetzt. Eine der Haupterkenntnisse lautet, dass die postulierte Vorteilhaftigkeit des Robo-Advisors gegenüber dem Selbstentscheider nur für kleinsten Risikoklassen statistisch signifikant festgestellt werden kann. Für die mittleren bis hohen Risikoklassen liegt eine Vorteilhaftigkeit der Anlageentscheidungen eines eigenständig agierenden Investors vor. Das Benchmarkportfolio bietet jedoch in Übereinstimmung mit den normativen Theorien in fast allen untersuchten Szenarien die höchste Performance.

Die Dissertation und die dabei resultierenden Ergebnisse ergänzen und erweitern den Informationsstand von Wissenschaftlern, Robo-Advisor Unternehmen, potenziellen Kunden sowie Aufsichtsstellen.

Schlagwörter: Robo-Advisor; Automatisierte Vermögensverwaltung; Behavioral Finance; Behavioral Portfolio Theory; Stationary Bootstrapping; Performancebasierter Hypothesentest

Schriftenreihe Finanz- und Risikomanagement