00:00In diesem Video möchten wir die Optimal Portfolio Choice aus Markt Portfoliotheorie erklären
00:03Die Optimal Portfolio Choice ist deswegen so interessant, weil das CAPM davon ausgeht, dass die Kapitalmarktakteure ihre Portfolios hiernach auswählen
00:10Diese Optimal Portfolio Choice zu verstehen, hilft uns also, das CAPM Modell zu verstehen, welches wir, wie ihr in unseren anderen Videos seht, z.B
00:18dazu benutzen können, die Eigenkapitalkosten eines Unternehmens zu schätzen, was für die Bewertung per DCF entscheidend ist, um jetzt also die Frage, wie Kapitalmarktakteure ihr optimales Portfolio auswählen, Um das zu beantworten, müssen wir erst mal die Entscheidungskriterien der Kapitalmarktakteure kennen und wissen, was ein Portfolio ist
00:37Die Kapitalmarktakteure in Marowitz' Portfoliotheorie wählen nach dem sogenannten Mü-Sigma-Prinzip und sind daher sogenannte Mü-Sigma-Decision-Maker
00:46Ein solcher Entscheider interessiert sich ausschließlich für zwei Sachen, nämlich Mü und Sigma, wobei Mü die erwartete Rendite und Sigma die Standardabweichung dieser Rendite ist
00:55Der Nutzen für einen solchen Entscheider ergibt sich also als Funktion aus dem Erwartungswert und der Standardabweichung der
01:00Rendite des Portfolios, hier seht ihr mögliche Beispiele für solche Funktionen, nämlich einmal einfach den Erwartungswert minus die Varianz, dies ist dann für alle Entscheider gleich, und dann haben wir hier noch eine andere Funktion, bei der wir die Standardabweichung mit einem individuellen Parameter Alpha multiplizieren und dieses Produkt von dem Mühe abziehen
01:18Dieses Alpha erlaubt es uns somit, unterschiedliche Grade der Risikoaversion für verschiedene Personen auszudrücken
01:24Je höher Alpha ist, desto risikoaverser ist die Person, sprich, desto stärker wird der Nutzen dieser Person
01:30von einem steigenden Risiko negativ beeinflusst
01:32Dies waren jetzt nur zwei einfache Beispiele möglicher Mü-Sigma-Funktionen, und manche Mü-Sigma-Funktionen können durchaus sehr komplex werden
01:39Es gelten jedoch für alle diese Funktionen zwei grundlegende Annahmen, nämlich erstens, der Mü-Sigma-Entscheider ist nicht zu sättigen, er bevorzugt also immer ein höheres Mü gegenüber einem geringeren Mü, und außerdem ist er risikoavers, erzielt also ein geringeres Sigma immer einem höheren Sigma vor
01:55Hieraus ergibt sich das Konzept der Mü-Sigma-Dominanz: Ein Wertpapier S1 dominiert ein anderes Wertpapier S2
02:02Wenn die folgenden drei Bedingungen erfüllt sind: erstens, das M von S1 ist größer gleich dem M von S2, zweitens, das σma von S1 ist kleiner gleich dem σma von S2, und drittens, die beiden dürfen nicht identisch sein
02:14Das Ganze kann man anhand eines My-Sigma-Diagramms sehr schön veranschaulichen
02:18In diesem My-Sigma-Diagramm seht ihr fünf verschiedene Wertpapiere, S1 bis S5
02:22S1 dominiert S2, da es ein geringeres σma bei gleichem M hat
02:28S2 dominiert S3, da es bei gleichem Sigma ein höheres Mü hat
02:33S3 dominiert S4, da es sowohl ein höheres Mü als auch ein geringeres Sigma hat
02:38S4 dominiert S5 nicht, da zwar ein geringeres σma, dafür aber auch ein geringeres μ hat, und andersrum dominiert S5 S4 auch nicht, da es zwar ein höheres μ, aber dafür auch ein höheres σma hat
02:49Jeder μ-Sigma-Entscheider würde sich hier also für S1 entscheiden, da es am weitesten links oben ist und damit die höchste Indifferenzkurve berührt
02:57Stünden S1 bis S3 nicht zur Wahl, wäre die Wahl zwischen S4 und S5 nicht so klar und würde von der persönlichen Risikoaversion des Entscheiders abhängen
03:07Wir wissen jetzt also, nach welchen Kriterien die Akteure entscheiden, und können uns jetzt der Frage widmen, was ein Portfolio ist und wie wir es beschreiben können
03:13Ein Portfolio ist die Gesamtheit an Assets, die ein Akteur hält, und kann damit aus einem einzigen, aber auch aus vielen verschiedenen Wertpapieren bestehen
03:20Um ein Portfolio zu beschreiben, nutzen wir die Gewichte XI, also die Anteile der einzelnen Wertpapiere si am Gesamtportfolio
03:28Dadurch sind alle Überlegungen unabhängig vom absoluten Wert des Portfolios
03:30Mit Nutzung dieser Notation gilt automatisch einher, dass die Summe aller XI immer eins ist, und manchmal fügen wir auch die Bedingung hinzu, dass jedes XI zwischen 0 und 1 sein muss
03:41Wir erlauben in diesem Fall also kein Short Selling und nennen Diese Bedingung daher auch Shortsell Constraint
03:47Wenn wir Shortselling erlauben, kann Xᵢ auch unter Null sein, nämlich bei Aktien, die wir geshortet haben, und entsprechend auch über eins, wenn wir die Erlöse aus den Leerverkäufen nutzen, um in eine andere Aktie mehr als die Gesamtsumme unseres Portfolios zu investieren
03:59Durch die verschiedenen möglichen Gewichte gibt es also sehr, sehr viele Portfolios, ohne Shortsell Constraints sogar unendlich viele Portfolios, die man aus N Wertpapieren konstruieren kann
04:08Die Gesamtheit aller möglichen Portfolios, die man mit N Wertpapieren bauen kann
04:14Nennen wir es Set of Portfolios und bezeichnen wir es mit groß R
04:16Mit groß P bezeichnen wir dann immer ein einzelnes Portfolio aus diesem Set
04:21Analog zu den eben genannten Bedingungen haben wir also zwei Portfolio-Sets: einmal groß R, für das nur die Bedingung gilt, dass die Summe aller xi = 1 sein muss, welches also Short Selling erlaubt, und dann das zweite Set, groß R SSC, welches zusätzlich noch die Bedingung einfügt, dass jedes XI zwischen 0 und 1 sein muss, also welches kein Shortselling erlaubt
04:41Eine wichtige Überlegung bezüglich der verschiedenen Portfolios in einem Portfolio-Set ist jetzt, welche
04:47Portfolios aus dem Set My Sigma effizient sind, hier kommt das Konzept der Dominanz von eben wieder ins Spiel
04:53Ein Portfolio aus dem Set Roh ist My Sigma effizient, wenn es nicht von einem anderen Portfolio aus dem Set Roh dominiert wird
04:58Analog gilt das Ganze auch für Roh SSC
05:00Dort ist ein Portfolio My Sigma effizient, wenn es nicht von einem anderen Portfolio aus Roh SSC dominiert wird
05:05Das Ganze haben wir hier anhand eines My Sigma Diagramms noch mal veranschaulicht
05:09Ihr seht ziemlich in der Mitte das Portfolio P1
05:11Alle Portfolios, die im Quadranten links oben von P1 sind, dominieren P1 und alle Portfolios die Im Quadranten unten rechts von P1 liegen werden von P1 dominiert
05:21Die Bedingungen sind dabei genau die gleichen, wie bei den einzelnen Wertpapieren von eben
05:24Es gibt jedoch einen Unterschied: Bei den einzelnen Wertpapieren hatten wir My und Sigma gegeben, bzw
05:30können es uns in der realen Welt ziemlich einfach ausrechnen
05:34Anders ist das Ganze jetzt bei den Portfolios
05:36Hier müssen wir My und Sigma der einzelnen Portfolios anhand der Müs und der Sigmas der einzelnen Wertpapiere im Portfolio und der Portfoliogewichte berechnen
05:44Fangen wir mit dem einfachen an: Das Mü des Portfolios können wir einfach Als gewichteten Durchschnitt der Müs der einzelnen Wertpapiere im Portfolio berechnen, also X<sub>i</sub> mit My<sub>i</sub> multiplizieren und über alle i von 1 bis n aufsummieren
05:59I ist hierbei der Index, der die Wertpapiere nummeriert, X<sub>i</sub> ist der Anteil vom Wertpapier i am gesamten Portfolio, und My<sub>i</sub> ist die erwartete Rendite des Wertpapiers
06:08Für Sigma ist das Ganze leider nicht so einfach, da wir, um die Varianz des Portfolios zu ermitteln, alle Kovarianzen zwischen den einzelnen Wertpapieren berücksichtigen müssen
06:15Tun wir dies, ergibt sich die folgende Formel für die Varianz der erwarteten Rendite des Portfolios
06:21Schauen wir uns die Formel an
06:23Sehen wir direkt, dass wir es hier mit einer Doppelsumme zu tun haben, und zwar summieren wir für alle Pärchen an Wertpapieren den Anteil des ersten Wertpapiers des Pärchens, X<sub>i</sub>, multipliziert mit dem Anteil des zweiten Wertpapiers des Pärchens, X<sub>j</sub>, und mit der Kovarianz der beiden Wertpapiere
06:37Wir haben also zwei Indizes, i und j, die Wertpapier 1 und Wertpapier 2 des jeweiligen Pärchens zählen
06:43X<sub>i</sub> und X<sub>j</sub> sind die Gewichte des entsprechenden Wertpapiers am Gesamtportfolio, und σ<sub>ij</sub> ist die Kovarianz zwischen der Rendite des ersten Wertpapiers i des Pärchens und des zweiten
06:54Wertpapiers J des Pärchens, wir schauen uns das Ganze jetzt anhand einer Kovarianzmatrix an, das ist so deutlich leichter zu verstehen ist
07:00Dazu nehmen wir diese Beispielmatrix für den Fall, dass es drei verschiedene Wertpapiere gibt, also n = 3
07:05Wir haben jetzt unsere 3 x 3 Matrix und wir wissen, dass die Kovarianz von einer Aktie mit sich selber einfach die Varianz der Aktie ist
07:14Dadurch haben wir in der Mitte eine Diagonale von links oben nach rechts unten, in der wir einfach die Varianzen der einzelnen Aktien stehen haben
07:21Die Varianzen haben wir jeweils nur einmal in der Matrix, aber die Kovarianzen haben Wir alle zweimal, da wir ja ein Feld haben mit der Kovarianz von Aktie 1 mit Aktie 2 und ein Feld von der Kovarianz von Aktie 2 mit Aktie 1, was das Gleiche ist
07:35Analog gilt das natürlich für alle anderen Aktienpärchen
07:39Auch unsere Matrix zerteilt sich also in drei Teile: die Diagonale mit den Varianzen und zwei identische Dreiecke mit den Kovarianzen
07:45Dadurch können wir uns den Arbeitsaufwand erleichtern, wenn wir nämlich die Formel nehmen würden, die wir gerade gezeigt haben und beispielsweise eine 10 x 10 Matrix hätten, müssten wir sehr, sehr viel tippen
07:57Mit dieser folgenden Formel machen wir uns den gerade erkannten Aufbau der Matrix zu Nutze, um uns die Arbeit zu erleichtern
08:02Wenn ihr euch diese Formel hier anschaut, seht ihr, dass sie aus zwei Teilen besteht, welche addiert werden, wobei der zweite Teil vorher noch mit zwei multipliziert wird
08:09Der Teil, den wir einzeln haben, ist die Diagonale mit den Varianzen, und der, den wir doppelt haben, ist eins der Dreiecke aus unserer Formel
08:18Vom Anfang wissen wir noch, dass wir hinter dem Doppelsummenzeichen den Anteil von Aktie 1 mit dem Anteil von Aktie 2 mit der Kovarianz von Aktie 1 und 2 multiplizieren
08:25Für unsere Diagonale mit den Varianzen bedeutet das, dass Wir das Gewicht der Aktie quadrieren und mit der Varianz der Aktie multiplizieren, das summieren wir dann über den Index i, der alle Aktien zählt
08:38Auf für unser Dreieck benötigen wir jetzt wieder eine Doppelsumme
08:40Der Index i startet wie gewohnt bei 1 und läuft bis n, da wir jetzt aber nur ein Dreieck berechnen wollen, also ohne das andere Dreieck und ohne die Diagonale mit den Varianzen, lassen wir den Index J jetzt bei I + 1 starten und bis n laufen
08:53Die Diagonale bei der i = j und das andere Dreieck bei der i größer J ist, haben wir damit jetzt ausgeschlossen, der Teil der Formel hinter dem Doppelsummenzeichen
09:05Sieht dann wieder aus wie eben, also Gewicht Aktie 1 mal Gewicht Aktie 2 mal Kovarianz der Aktie 1 mit der Aktie 2
09:12Wir sind jetzt also in der Lage, für jedes einzelne Portfolio aus unserem µ und Sigma zu berechnen, was wir aber noch nicht wissen, und was für weitere Überlegungen sehr interessant ist, ist, wie das Portfolio Set im µ-Sigma Diagramm überhaupt aussieht
09:26Wir schauen uns das Ganze jetzt erst einmal am Beispiel von Portfolios aus zwei Wertpapieren an und erweitern das Ganze dann auf n-Wertpapiere
09:34Bei zwei Wertpapieren ist das Set an möglichen Portfolios keine Fläche, sondern ein Strich, der Die beiden Wertpapiere verbindet und der, je nach dem Korrelationskoeffizienten der beiden Wertpapiere, unterschiedlich geformt ist
09:45Liegt der Korrelationskoeffizient bei +1, also wenn wir eine perfekte positive Korrelation haben, entwickeln sich die Erträge der beiden Wertpapiere in allen möglichen Zuständen der Welt gleich
09:55Wir können also nicht unser Risiko durch Diversifikation verringern
09:58Unser Set of Portfolios ist also einfach eine Gerade, die die beiden Wertpapiere im Myigm-Diagramm verbindet und mit Short-Salells auch über die beiden Endpunkte hinausgeht
10:08Das Ganze sieht Dann so aus
10:10Haben wir hingegen einen Korrelationskoeffizienten von -1, also eine perfekte negative Korrelation, sprich genau umgekehrte Entwicklung der Erträge von Wertpapier 1 und Wertpapier 2 in jedem möglichen Zustand der Welt, ist es uns möglich, durch einen Mix der beiden das gesamte Risiko weg zu diversifizieren, und wir erhalten dann ein Set auf Portfolios, was wie folgt aussieht
10:30Anders als eben ist das Minimum Variance Portfolio ohne Short Sales jetzt nicht mehr die Aktie mit dem geringeren Sigma, sondern eine Kombination aus Aktie 1 und 2, bei der wir sogar σma = 0 erreichen, in der
10:42In der Realität haben wir natürlich nie einen Korrelationskoeffizienten von 1 oder -1, und dementsprechend müssen wir uns jetzt anschauen, wie das Ganze für andere, realistischere Korrelationskoeffizienten aussieht
10:52Dazu habe ich euch das Ganze in diesem MyIGM-Diagramm mal für verschiedene Korrelationskoeffizienten skizziert
10:57Die Extremfälle -1 und +1 kennt ihr von gerade eben, und dazwischen haben wir jetzt immer eine gebogene Linie, die, je nachdem wie groß oder klein der Korrelationskoeffizient ist, verschieden stark gebogen ist und dadurch entweder mehr der einzelnen Gerade im Fall Klein R +1 oder der beiden Graden im Fall klein R -1, ähnelt das
11:18Das Interessante daran ist jetzt, dass für Klein r= 0 und auch meistens für andere Korrelationskoeffizienten ein Portfolio existiert, welches ein geringeres Sigma hat als die beiden Einzelaktien
11:27Wir wissen jetzt also, wie ein Portfolio-Set für ein Portfolio aus zwei Wertpapieren aussehen kann und können das Wissen jetzt nutzen, um zu verstehen, wie das Ganze dann für ein Portfolio aus n-Wertpapieren aussehen muss
11:37Wir schauen uns das Ganze jetzt hier in einem Mü-Sigma-Diagramm am Beispiel N = 4 an
11:41Die schwarzen Punkte sind unsere vier
11:43Einzelaktien, von denen ich ein paar mögliche Verbindungen, also die möglichen Portfolios aus den zwei verbundenen Aktien, eingezeichnet habe
11:51Jeder Punkt auf den Linien ist also ein mögliches Portfolio, so auch diese beispielhaft gewählten roten Punkte
11:55Wir können jetzt die Portfolios wie zwei Einzelaktien behandeln und miteinander oder auch mit anderen Einzelaktien kombinieren, um weitere Portfolios zu erhalten
12:04Das Ganze seht ihr hier in Rot, mit den daraus entstehenden Portfolios können wir dann wieder genau das Gleiche tun, wie ihr hier in Grün seht
12:10Machen wir das dann immer weiter, ergibt
12:13Sich eine ausgefüllte Fläche zwischen der äußeren schwarzen und der äußeren blauen Linie für ein größeres N
12:15Könnte das z.B
12:18dann so aussehen
12:21Wir sehen anhand dieser Darstellung auch schön, dass es eindeutig ein Portfolio gibt, welches die geringste Varianz hat
12:27Wir können also durch Diversifikation ein Portfolio bauen, welches eine deutlich niedrigere Varianz hat, als die beiden Einzelaktien, die wir zum Bau des Portfolios benutzen
12:35Die Frage, die sich dann ergibt, ist, ob wir diese Varianz des Minimum Variance Portfolios durch weitere Diversifikation weiter verringern können und ob es möglich ist
12:44Ist eine Varianz von Null zu erreichen? Die Antwort darauf lautet leider nein, das liegt daran, dass die durchschnittliche Kovarianz zwischen den Aktien als systematisches Risiko verbleibt und sich nicht weg diversifizieren lässt
12:55Entscheidend für die Frage, welche Aktien man also zum Portfolio dazu kauft, um das Risiko zu reduzieren, ist also nicht die Standardabweichung des Returns der Aktie, sondern die Kovarianz von Return der Aktie mit dem Return des bestehenden Portfolios
13:09Wir kommen jetzt endlich zu der Leitfrage des Videos, nämlich der Frage danach, wie die optimale Portfolioowahl eines Mü-Sigma-Entscheiders aussieht
13:15Wir haben hier wieder unser Mü-Sigma-Diagramm mit unserem Set an Portfolios und stellen uns jetzt die Frage, welches der Portfolios überhaupt für die Wahl des optimalen Portfolios eines Mü-Sigma-Entscheiders in Frage kommt
13:27Die Antwort darauf lautet: alle Portfolios auf der Efficient Frontier, welche ich euch in diesem Diagramm gelb markiert habe
13:33Wir haben ja eben gelernt, dass ein Mü-Sigma-Entscheider sich niemals für ein dominiertes Portfolio entscheiden wird
13:41Zu unserem Portfolio Set gehören unter anderem alle Portfolios auf der Efficient Frontier zwischen
13:44dem Minimum Variance Portfolio und hier im Beispiel P2
13:48Alle Portfolios, die in einem Mü-Sigma-Diagramm unten rechts von einem anderen Portfolio liegen, sind ja dominiert
13:53Wenn wir also jetzt die Efficient Frontier vom MVP zu P2 ablaufen und dabei ja an Portfolios wie z.B
14:00P1 vorbeikommen, sehen wir, dass diese Portfolios alle anderen Portfolios im Set dominieren
14:05Ein Mü-Sigma-Entscheider wird also auf jeden Fall ein Portfolio auf der Efficient Frontier wählen, welches können wir aber jetzt nicht genau sagen, da von den Risikopräferenzen des jeweiligen Entscheiders abhängt
14:17Verwerfen wir jetzt die
14:19Annahme, dass unser Entscheider nur zwischen verschiedenen Portfolios aus den verschiedenen riskanten Aktien wählen kann, und wir geben ihm die Möglichkeit, Geld zu einem risikofreien Zins als RF anzulegen
14:27Ändert sich das Ganze jedoch dadurch, hat der Entscheider nämlich jetzt die Möglichkeit, ungeachtet seiner Risikopräferenzen, das attraktivste Portfolio auf der Efficient Frontier zu wählen und es mit der risikofreien Anlage zu mixen, um es auf seine Risikopräferenz anzupassen
14:41So kann er beispielsweise ein Portfolio wählen, was für seine Präferenz eigentlich ein bisschen zu riskant ist
14:48Aber dann halt nur 90 % seines Budgets in dieses Portfolio investieren und 10 % in die risikofreie Anlage, welches Mü und welches Sigma hat dann sein neureiertes Portfolio? Dazu müssen wir erstmal wissen, welche Müs und Sigmas die beiden Komponenten haben
15:02Der risikofreie Asset hat als Mü die risikofreie Rendite RF und als Sigma natürlich Null, da er sonst nicht risikofrei wäre
15:09Das optimale Portfolio aus dem Portfolio Set hat als Mü MP und als Sigma SigP
15:13Für die Berechnung des Müs und des Sigmas des neuen Portfolios gelten jetzt wieder die ganz allgemeinen Formeln zur Berechnung von My und Sigma eines Portfolios, die wir eben kennengelernt haben, also das Mü des Portfolios ist wieder der gewichtete Durchschnitt der Müs der einzelnen Komponenten
15:29In diesem Beispiel also 0,9 x MYP und 0,1 x RF
15:31Das Sigma des neuen Portfolios ist in diesem speziellen Fall, aufgrund der Tatsache, dass der risikofreie Asset ein Sigma von 0 hat, deutlich einfacher zu berechnen, als eben dadurch, dass die Standardabweichung von der Rendite des Riskfree Assets 0 ist, ist auch die Varianz des Riskfree Assets 0, und die Kovarianzen zwischen dem Riskfree Asset und im risikoreichen Portfolio sind auch null, dadurch dass diese Sachen alle Null sind, reduziert sich unsere Formel für das Sigma des neuen Portfolios, welches ja zu einem Teil aus dem riskanten Portfolio und zum anderen Teil aus der risikofreien Anlage besteht, einfach auf den Anteil des riskanten Portfolios am Gesamtportfolio multipliziert mit dem Sigma des riskanten Portfolios
16:12Auch das Sigma lässt sich jetzt also als gewichteter Durchschnitt berechnen
16:15Dadurch sind die möglichen Portfolios, die sich als Kombination aus dem risk-free Asset und dem riskanten Portfolio ergeben können, einfach eine Linie zwischen den beiden Punkten im Mü-Sigma-Diagramm im
16:24Folgendem Mü-Sigma-Diagramm seht ihr den risikofreien Asset und die Portfolios P1 und P2
16:29Die blaue Linie zeigt alle möglichen Portfolios aus dem risikofreien Asset und P1, und die rote Linie zeigt alle möglichen Portfolios aus dem risikofreien Asset und P2
16:40Durch unsere Dominanzüberlegung wird schnell klar, dass sich ein Mü-Sigma-Entscheider immer für ein Portfolio auf der roten Linie entscheiden würde, da für jedes gegebene Sigma ein höheres Mü bietet als das Portfolio auf der blauen Linie
16:52Wir sehen also, dass je größer die Steigung dieser Linie ist, desto attraktiver ist sie für den Mü-Sigma-Entscheider, daher ist die Steigung dieser Linie, eine ganz wichtige Kennzahl, sie heißt Sharpe Ratio von P, und in diesem Beispiel ist die Sharpe Ratio von P2 größer als die Sharpe Ratio von P1
17:08Ihr berechnet die Sharpe Ratio, indem ihr die risikofreie Rendite RF von der Rendite des Portfolios MP abzieht und das ganze Ergebnis dann durch die Standardabweichung von P, also σP, teilt
17:20Das bedeutet jetzt, dass jeder Entscheider aus den riskanten Portfolios des Portfolio Sets groß R das Portfolio P raussucht, welches die höchste Sharpe Ratio aufweist, und dann dieses Portfolio mit dem risikofreien Asset kombiniert, um ein Portfolio zu bilden
17:33Welches zu den individuellen Risikopräferenzen des jeweiligen Entscheiders passt, das bedeutet, dass alle Akteure von den riskanten Portfolios das gleiche halten und sich nur darin unterscheiden, wie viel ihres Budgets sie in dieses Portfolio und wie viel in den risikofreien Asset investiert haben
17:48Jetzt stellt sich aber noch die Frage, welches der Portfolios aus dem Set groß R nun die höchste Sharpe Ratio hat
17:54Dazu können wir einfach versuchen, die steilste Linie zu zeichnen, die bei RF startet und durch eins der Portfolios aus Groß R geht
18:00Man merkt dann ziemlich schnell, dass die steilste Linie, die wir zeichnen können, die Tangente ist die, die bei RF startet und gerade so die Efficient Frontier berührt, und der Punkt, wo sie die Efficient Frontier berührt, ist das Tangentialportfolio T
18:13Diese Tangente nennen wir ab jetzt Capital Market Line, kurz CML
18:18Die Formel für die CML seht ihr hier
18:21Die Steigung dieser CML ist, wie eben schon gesagt, die Sharpe Ratio des Tangentialportfolios
18:25Der Achsenabschnitt ist offensichtlich RF, und diese Formel gibt uns jetzt an, welche Rendite sich entlang dieser Linie, also für unterschiedliche Kombinationen von dem Tangentialportfolio und dem risikofreien, Asset bei gegebenem Risiko Sigma erzielen lässt
18:40Das Ganze, was ich euch gerade zuletzt erzählt habe, nennt sich Toben Separation Theorem, und die Kernaussage ist eben, dass jeder Entscheider, egal welche Risikoaversion er nun hat, das gleiche riskante Portfolio, nämlich das Tangentialportfolio, hält und es lediglich unterschiedlich mit dem risikofreien Asset kombiniert
18:59Damit haben wir jetzt alle Grundlagen, die wir brauchen, um das CAPM zu verstehen, womit wir dann endlich die Eigenkapitalkosten eines Unternehmens, welche wir für die Bewertung des Unternehmens per DCF brauchen, berechnen bzw
19:05Schätzen können
19:12Falls ihr die anderen Videos unserer Playlist Unternehmensbewertung noch nicht gesehen habt, solltet ihr sie euch unbedingt anschauen, um das gerade Besprochene im Kontext einordnen zu können
19:18Gerne könnt ihr euch auch andere Videos von uns, z.B
19:23unsere hier verlinkte aktuellste Aktienanalyse, anschauen
19:24Falls euch unsere Videos gefallen und vor allem weiterhelfen, würden wir uns sehr freuen, wenn ihr die Produktion der Videos durch einen virtuellen Kaffee auf Buy Me A Coffee unterstützt
19:34Vielen Dank fürs Zuschauen und bis zum nächsten Mal, Tristan und Malte von Einfach Gut! investieren.