Credit-Faktormodelle in einer neuen Makrowelt

Können Faktormodelle die geopolitischen Entwicklungen einfangen?

Der März 2025 markiert einen Wendepunkt im aktuellen geopolitischen Umfeld. Europa und die USA befinden sich auf einem Kurswechsel mit weitreichenden Folgen für Sektoren und Einzelunternehmen weltweit.

In Deutschland ist eine jahrzehntelange konservative Finanzpolitik zu Ende gegangen. Die Bundesregierung hat die in der Verfassung verankerte Schuldenbremse gelockert und ein Rüstungs- und Infrastrukturpaket von hunderten Milliarden Euro – finanziert durch neue Schulden – beschlossen. Dies hat Auswirkungen auf das europäische Zinsniveau und mittelfristig auf die Inflationsraten. Die längerfristigen politischen Konsequenzen wie die Nichtdurchsetzbarkeit der Maastricht-Kriterien auf europäischer Ebene nach diesem Präzedenzfall sind noch gar nicht abzusehen.

In den USA setzt Präsident Trump seine unkonventionelle Politik fort und sorgt mit dem Abbau des überbordenden Staatsapparats und der Auflösung von Regierungsstellen sowie der Entlassung von deren Mitarbeiter für eine Anpassungsrezession. Während diese Maßnahmen längerfristig die Wachstumskräfte stärken werden und die vollkommen aus dem Ruder gelaufenen Staatsfinanzen in den Griff zu bekommen versuchen, bedeuten sie kurzfristig konjunkturellen Gegenwind. Die Androhung von Zöllen zur Erreichung besserer Deals für die US-Wirtschaft sorgen für zusätzliche Unsicherheit.

Aus Sicht eines systematischen Credit-Investors stellt sich die Frage: Können Faktormodelle diese Strukturbrüche abfangen? Jede Modellanpassung benötigt immer einige Tage und Wochen, aber können diese Faktoren überhaupt das neue wirtschaftliche Umfeld einfangen? Gibt es Variablen und Mechanismen in solchen Modellen, die sicherstellen, dass Informationen über das deutsche Fiskalpaket oder die aktuelle US-Wirtschaftspolitik und deren Auswirkungen auf Unternehmen und Sektoren in die Prognosen einfließen?

Insbesondere zwei systematische Faktoren in Faktormodellen sollten – sofern sie richtig formuliert sind – diese Informationen einfangen.

1. Aktienmomentum:
   In den meisten systematischen Credit-Modellen ist Aktienmomentum ein wichtiger Faktor. Das Modell untersucht, welche Aktien sich besonders gut (schlecht) entwickeln und nutzt diese Information als Signal, um die Bonds desselben Unternehmens zu kaufen (verkaufen). Dahinter steht die Annahme, dass Aktien eines Unternehmens schneller und vollständiger Informationen über das Unternehmen aufnehmen und damit einen Hinweis für die künftige relative Performance der Bonds des Unternehmens liefern. Für diese Annahme gibt es akademische Evidenz.
   
   Die Aktienmarktreaktion auf die politischen Entwicklungen fließt damit direkt in das Modell ein. Wenn Rüstungsaktien aufgrund der Marktentwicklung den restlichen Markt outperformen, führt dies unmittelbar zu einem positiven Momentumsignal, und die Prognose der Unternehmensanleihe verbessert sich. Gleichermaßen führt die Erwartung steigender Zinsen zu einer Underperformance der Aktien in zinssensitiven Sektoren. Dies führt zu einer verschlechterten Prognose der Unternehmensanleihen aus diesen Sektoren.
   
   
2. Value:
   Value ist ein weiterer Faktor, der in fast jedem systematischen Credit-Modell anzutreffen ist. Value misst, ob ein Bond gegenüber seinem fairen Wert über- oder unterbewertet ist. Dazu wird ein Fair-Value-Modell genutzt, in das verschiedene Variablen einfließen, die das Risiko des Unternehmens messen. Anschließend wird der Markt-Spread der Bonds mit dem fairen theoretischen Spread aus dem Modell verglichen. Wenn die Variablen im Fair-Spread-Modell zeitlich schnell auf das geänderte Marktumfeld reagieren, ändert sich auch schnell die Value-Prognose des Unternehmens.
   
   Solche Variablen können folgende Aspekte umfassen (weitere Variablen sind denkbar):
   • Aktienvolatilität: Aus der akademischen Forschung ist ein starker Zusammenhang zwischen dem Spread der Bonds und der Volatilität der Aktie eines Unternehmens bekannt. Ein Anstieg der Aktienvolatilität führt daher zu einer Erhöhung des vom Modell geforderten fairen Spreads. Wenn der Spread des Unternehmens nicht in gleichem Maße nachzieht, sinkt die Attraktivität der Anleihen.
   • Analystenschätzungen: Schätzungen von Analysten über die Attraktivität von Unternehmen und deren Gewinnentwicklung sind eine mögliche Variable in einem Value-Modell. Analysten reagieren in der Regel sehr schnell auf Entwicklungen, die die Geschäftsentwicklung von Unternehmen nachhaltig beeinflussen, oft innerhalb von Stunden oder wenigen Tagen. Die Änderung dieser Schätzungen beeinflusst den fairen Spread eines Unternehmens und damit seine Attraktivität.
   • Aktienbewertung: Ändern sich die mittelfristigen Aussichten eines Unternehmens, schlägt sich dies oft in der Bewertung des Unternehmens nieder. Eine Änderung des Kurs-Gewinn-Verhältnisses spiegelt häufig die Markterwartungen bezüglich spürbarer Änderungen in der Gewinndynamik des Unternehmens wider. Wird diese Variable in ein Value-Modell integriert, wirkt sich diese Änderung mittelfristig auch auf die Bewertung der Anleihen des Unternehmens aus.

Die Wirkungsweise systematischer Faktoren in einer Credit-Prognose soll an zwei aktuellen Beispielen demonstriert werden.

Der französische Rüstungskonzern Thales ist einer der großen Gewinner des europäischen Rüstungsprogramms. Der Aktienkurs des Unternehmens stieg von 138,65 Euro am 31.12.2024 auf 252,40 Euro am 18.03.2025, also um 82 % innerhalb von zweieinhalb Monaten, während sich der Credit Spread des Bonds im gleichen Zeitraum von 120 auf 77 Basispunkte einengte. Insbesondere Mitte März beschleunigte sich diese Spread-Einengung deutlich.

Die obere Abbildung zeigt, wie sich die Prognose des Unternehmens verbessert hat und welche Komponenten dafür maßgeblich verantwortlich sind. Nachdem die Prognose zum Jahreswechsel bei ca. 50 % und damit im neutralen Bereich lag, schoss sie bis Anfang März auf über 90 % in die Höhe, ein Signal für einen sehr attraktiven Bond. Während sich Anfang Januar insbesondere der Value-Faktor und der Spread gegenüber der Peergroup verbesserten, sorgte das steigende Aktienmomentum im Februar für eine weitere Verbesserung der Prognose.

Am aktuellen Rand ist ein leichter Rückgang der Prognose zu beobachten, getrieben durch die jüngste Korrektur des Aktienpreises (Momentum) bei gleichzeitigem Rückgang des Spreads (Value). Dennoch bleibt der Bond des Unternehmens attraktiv.

Der Immobiliensektor in Deutschland wird vom Markt als einer der Verlierer des neuen Marktumfelds betrachtet. Immobilienunternehmen wie Vonovia sind zinssensitiver als viele andere Sektoren, und der massive Zinsanstieg könnte Gegenwind für die künftige Geschäftsentwicklung des Unternehmens bedeuten. Der Aktienkurs des Unternehmens fiel vom 04.03. bis zum 19.03.2025 um knapp 14 %, während sich die Credit-Spreads vom 05.03. von 151 auf 165 Basispunkte ausweiteten.

Nachdem die Vonovia-Anleihe Anfang März mit einem Gesamtsignal von knapp über 50 % noch neutral bewertet war, verschlechterten sich die Value- und Momentum-Faktoren mit der Marktreaktion auf den Politikwechsel in Deutschland spürbar. Die Underperformance der Aktie führte zu einer deutlichen Verschlechterung des Momentum-Faktors. Ebenso verlangt der Value-Faktor einen höheren Spread-Aufschlag als der Markt mit seiner Spread-Ausweitung von 14 Basispunkten eingepreist hat. Beide Faktoren sorgen somit für eine Verschlechterung der Gesamtprognose in den negativen Bereich, um das 20%-Perzentil.

Fazit

Beide Beispiele zeigen, wie ein systematisches Faktormodell Informationen am Markt aufnehmen und zeitnah in eine Faktorprognose einbauen kann. Aktienmomentum überführt die Bewegung des Aktienmarkts in die Anleiheprognose, während ein Fair-Value-Modell viele weitere Marktvariablen verarbeiten und die Anleiheprognose damit beeinflussen kann. Gut formulierte Faktormodelle, in denen die systematischen Faktoren zeitnah auf Marktvariablen reagieren, sind daher hervorragend geeignet, die Anpassung der Prognosen an ein verändertes Konjunkturumfeld in kurzer Zeit zu erreichen.