Content

9.2.2 Anlageentscheidung bei Risiko in:

Hanspeter Gondring, Thomas Wagner

Real Estate Asset Management, page 252 - 256

Handbuch für Studium und Praxis

1. Edition 2010, ISBN print: 978-3-8006-3608-2, ISBN online: 978-3-8006-4468-1, https://doi.org/10.15358/9783800644681_252

Bibliographic information
2439.2 Definition des Entscheidungsfeldes im gleichen Marktsegment. Eine Übersicht zu den Entscheidungssituationen unter Sicherheit und Unsicherheit ist in der Abbildung 110: Differenzierung von Entscheidungssituationen wiedergegeben. 9.2.2 Anlageentscheidung bei Risiko Da in der betriebswirtschaftlichen Realität Entscheidungen über Investitionen in die Zukunft gerichtet sind und daher immer mit einer Unsicherheit bzgl. der Konsequenzen der Investitionsentscheidung behaftet sein werden, liegt der Schwerpunkt der nachfolgenden Betrachtungen auf Entscheidungen unter Risiko. Dies bedeutet konkret, dass Angaben zu den voraussichtlich zu erwartenden Umweltzuständen der Investition (z. B. Returns) und der entsprechenden Wahrscheinlichkeits verteilung gemacht werden können. Zur Bewertung der Wirtschaftlichkeit einer Investitions entscheidung wird wiederum die Rendite bzw. der Return herangezogen (vgl. dazu die Ausführungen in Kapitel 7.5). Die verschiedenen Handlungsalternativen, Umweltzustände und die sich daraus ergebenden Ergebnisse können in einer Ergebnismatrix dargestellt werden. Nach dem Erwartungswertprinzip wird von unterschiedlichen Investitionen diejenige bevorzugt, die den höchsten erwarteten Return aufweist. Der Wert einer Investition ist damit gleich dem Erwartungswert E(x) der Returns. Der Erwartungswert E(x) errechnet sich als Summe der mit den verschiedenen Zuständen zugeordneten objektiven oder subjektiven Wahrscheinlichkeitskoeffizienten f(xi) gewichteten möglichen Renditen. Wird für jeden zukünftigen Umweltzustand eine Rendite in gleicher Höhe erwartet, d. h. ist die erwartete Rendite unabhängig von den Umweltzuständen, handelt es sich um eine risikolose Kapitalanlage. Je größer jedoch der Einfluss der Umweltzustände auf die Höhe der Rendite, desto unsicherer wird das erwartete Ergebnis.5 5 Vgl. Maier, K. (2004), S. 31. s1 s2 ……… sn a1 e11 e12 ……… e1n a2 e21 e22 ……… e2n : : am em1 em2 ……… emn Umweltzustände Handlungsalternativen Ereignisse ErgebnismatrixAbbildung 116: 244 9 Risikomanagement für Immobilien Berechnung des Erwartungswerts bei diskreter Wahrscheinlichkeitsverteilung: n i i i 1 E x   x f(x )P ?¦ mit: ? = E(x): Erwartungswert der Zufallsvariable x f(xi): Wahrscheinlichkeit für x im Umweltzustand i Eine wesentliche Komponente für die zutreffende Bestimmung des Erwartungswerts ist die Kenntnis der Wahrscheinlichkeitsverteilung der Zufallsvariablen. So ist bspw. das Ereignis „Augenzahl beim Werfen eines Würfels“ für alle Ausprägungen von 1 bis 6 mit der Wahrscheinlichkeit 1/6 (16,67 %) gleich verteilt. Alle anderen Ausprägungen wie etwa 0 oder 7 kommen nicht vor und erhalten daher die Wahrscheinlichkeit Null. Man spricht in diesem Fall auch von einer Gleichverteilung der Ereignisse, die anschaulich in der Abbildung 112 dargestellt ist. Für viele in der betriebs- und finanzwirtschaftlichen Realität zu beschreibende Situationen hat jedoch die Normalverteilung eine große Bedeutung. Die Gauß- oder Normalverteilung (nach Karl Friedrich Gauß) ist eine geglättete Binomialverteilung (stetige Funktion) und damit eine kontinuierliche Wahrscheinlichkeitsverteilung. Ihre Wahrscheinlichkeitsdichte wird auch Gauß-Funktion, Gauß-Kurve, Gauß-Glocke oder Glockenkurve genannt. Sie ersetzt empirische Verteilungen ähnlicher Form, die sich üblicherweise beim Zusammenwirken mehrerer voneinander unabhängiger Faktoren ergeben, um die Wahrschein lichkeit für das Auftreten bestimmter Werte angeben zu können. Geschwindigkeiten, Messfehler, Beobachtungsfehler etc. sind z. B. normal verteilt. 0 30, 0,25 0 20, 0,15 0,10 0 05, 0,00 W ah rs ch ei nl ic hk ei t 0 1 2 3 4 5 6 7 8 Diskrete Ereignisse Diskrete Wahrscheinlichkeitsverteilung beim Werfen eines WürfelsAbbildung 117: 2459.2 Definition des Entscheidungsfeldes Die Bedeutung beruht unter anderem auf dem zentralen Grenzwertsatz, der besagt, dass eine Summe von n unabhängigen, identisch verteilten Zufallsvariablen in der Grenze n gegen unendlich normal verteilt ist. Die Grenzverteilung, kann nicht direkt beobachtet werden. Jedoch verläuft die Annäherung mit wachsendem n sehr schnell, so dass schon die Verteilung einer Summe von 30 oder 40 unabhängigen, identisch verteilten Zufallsgrößen einer Normalverteilung recht ähnlich ist.6 Eine Normalverteilung wird durch die folgenden Eigenschaften charakterisiert: Sie wird vollständig durch die beiden Parameter Erwartungswert ? und Standardabwei- • chung ? beschrieben. Sie ist symmetrisch um den Mittelwert ? verteilt. • Rund 68,3 % aller Ausprägungen der Zufallsvariablen liegen in dem Bereich von einer • Standardabweichung, rund 95,4 % der Ausprägungen im Bereich von zwei Standardabweichungen und rund 99,7 % der Ausprägungen im Bereich von drei Standardabweichungen Als Beispiel wird eine Aktie angenommen, deren historische Returns mit einem Mittelwert (?) von 8,0 % und einer Volatilität (annualisierte Standardabweichung) von 25,0 % normalverteilt sind. Sofern die Normalverteilungsannahme auch für die zukünftige Verteilung der Returns gilt, kann mit einer Wahrscheinlichkeit von 68 % erwartet werden, dass der durchschnittliche Return der Aktie für das kommende Jahr nicht unter 6,0 % (8,0 % – 25,0 % x 8,0 %) bzw. über 10,0 % (8,0 % + 25,0 % x 8,0 %) liegen wird. Eine Normalverteilung mit beliebigen ? und ? kann durch sogen. Variablentransformation in eine Standardnormalverteilung umgewandelt werden. Die Standardnormalverteilung ist eine spezielle Normalverteilung, die durch den Mittelwert ? = 0 und die Standardabweichung ? = 1 gekennzeichnet ist. Will man eine normalverteilte Zufallsvariable X in eine standardnormalverteilte Variable Z (? = 0; ? = 1) überführen, so wird die Standardisierung mit der nach folgenden Formel erreicht: 6 Vgl. Gondring, H. (2007), S. 9. x F(x) Dichtefunk?on x f(x) Verteilungsfunk?on Normalverteilung Dichte- und Verteilungsfunktion der NormalverteilungAbbildung 118: 246 9 Risikomanagement für Immobilien X   Z   P V  mit: Z: standard-normalverteilte Zufallsvariable X: normalverteilte Zufallsvariable Die Verteilungs- und Dichtefunktion der Standardnormalverteilung ist in Abbildung 115 wieder gegeben. 7 In Anlehnung an Gondring, H. (2007), S. 11. ? 68,3% 95,4% ?+??-? ?+2??-2? 99,7% ?-3? ?+3? Eigenschaften der NormalverteilungAbbildung 119: 7 Standard-Normalverteilung x F(x) Dichtefunk?on x f(x) Verteilungsfunk?on 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 -4,0 -3,0 -2,0 -1,0 0,0 1,0 2,0 3,0 4,0 0,00 0,05 0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 -4,0 -3,0 -2,0 -1,0 0,0 1,0 2,0 3,0 4,0 ? ? Dichte- und Verteilungsfunktion der Standard-NormalverteilungAbbildung 120: 2479.3 Risikomaße 9.3 Risikomaße Eine wichtige Fragestellung bei der Konkretisierung des Risikobegriffs ist die Definition des Risikomaßes. Es existieren nämlich – abhängig von der Perspektive des Entscheiders – ganz unterschiedliche Interpretationen von Risiko oder Verlust. Am Beispiel der Renditen für Anlagetitel kann Risiko bzw. Verlust u. a. charakterisiert werden als: Abweichung vom Zielwert (z. B. Volatiliät) • Negative Abweichung vom Zielwert • Negative Abweichung von der Benchmark • Rendite geringer als Inflationsrate • Rendite geringer als risikoloser Zins (R • i < Rf) Negative Rendite (R • i < 0) Daraus erschließt sich, dass beispielsweise die alleinige Verwendung der Volatilität (Varianz bzw. Standardabweichung) als Risikomaß oft zu kurz greift, weil es zunächst nur die Schwankungsbreite der Returns (im positiven und negativen Bereich) aufzeigt. In Phasen der Markterholung können volatilere Titel sogar vorgezogen werden, da sich risikofreudige Anleger dadurch eine stärkere Partizipation am positiven Trend erwarten. Neben den zweiseitigen Risikomaßen wie Standardabweichung, Volatilität (annualisierte Standardabweichung) oder Beta-Faktor (Vergleich der Anlage mit einem Marktindex) wird daher oft – ggf. ergänzend – auf einseitige Risikomaße zurückgegriffen, die lediglich das Verlust- 8 In Anlehnung an Beyerle, T., o. J. Risikomaße quantifizierbare Risiken nicht quantifizierbare Risiken mathematisch-statistische Methoden / Kennzahlen indirekte Bewertung Gesamtrisiko • Standardabweichung • Volatilität • Beta-Faktor • Duration • Tracking Error • … Downside Risk • Semivarianz • Lower Partial Moments • Ausfallwahrscheinlichkeit • Value at Risk • … • Scoring • Rating • Nutzwertanalyse • Fragenkataloge / Checklisten • … Differenzierung der RisikomaßeAbbildung 121: 8

Chapter Preview

References

Zusammenfassung

Asset Management ist das beherrschende Thema der immobilienwirtschaftlichen Fachöffentlichkeit seit Anfang 2006. Grund für diese beachtliche Entwicklung ist die dominierende Präsenz ausländischer Investoren auf dem deutschen Immobilienmarkt in der jüngeren Vergangenheit. Diese Investoren - zumeist aus dem angelsächsischen Raum - importierten gleichermaßen ein neues Anspruchsdenken, was die professionelle Betreuung von Immobilien betrifft. Ausgehend von dem Asset Management-Ansatz aus der Finanzwirtschaft wird das aktive Wertmanagement der Immobilien nach international kompatiblen Standards erwartet. Diese Entwicklung bedeutet auch einen kontinuierlichen Reifeprozess der Assetklasse Immobilie als kapitalmarktfähige Anlage. Die immer stärkeren Auswirkungen der globalen Finanzmärkte (vgl. Subprime-Krise) erfordern ein professionelles Asset Management für Immobilien auch in Deutschland.

Dieses Handbuch stellt das komplexe Thema in übersichtlicher und umfassender Form dar.

- Begriffsdefinition und Einordnung

- Ziele und Aufgaben

- Der Wertschöpfungsprozess

- Theoretische Grundlagen

- Immobilien und Kapitalmarkt

- Aspekte der Bewertung und Bilanzierung

- Performancemessung für Immobilienportfolios

- Investment- und Wertschöpfungsstrategien

- Risikomanagement für Immobilien

- Controlling und Reporting

- Informationsmanagement und Informationstechnologie

- Real Estate Asset Management in der Investment-Phase

- Real Estate Asset Management in der Bestandsphase

- Real Estate Asset Management in der Exit-Phase

- Markt und Wettbewerb im Real Estate Asset Management

- Anbieter Real Estate Asset Management

- Immobilienkennzahlen und Formeln

Prof. Dr. oec. Hanspeter Gondring FRICS, Studiengangsleiter Immobilienwirtschaft im Institut für Finanzwirtschaft an BA Stuttgart/University of Cooperative Education und wissenschaftlicher Leiter der ADI Akademie der Immobilienwirtschaft.

Dipl.-Kfm. Thomas Wagner, MRICS war über 8 Jahre Leiter des Bestands- und Portfoliomanagements bei der Union Investment

Real Estate AG. Seit 2005 betreut er internationale Investoren in den Bereichen Asset Management und Investment Management.

Das Buch richtet sich in erster Linie an Praktiker, die ihr Wissen in diesem Bereich erweitern wollen. Hier kommen insbesondere Mitarbeiter und Führungskräfte von Unternehmen in Betracht, die mittelbar oder unmittelbar mit Asset Management Themen konfrontiert sind, d.h. Immobilienverwalter, Projektentwickler, Immobilien-Berater, Makler, Fonds, Immobilien-AGs etc.

Es richtet sich aber auch an Studenten immobilienwirtschaftlicher Studiengänge und Teilnehmer von Aufbaustudiengängen bzw. Weiterbildungslehrgängen.