Anomalien am Aktienmarkt: eine marktübergreifende Übersicht (2026)
Ein Katalog dokumentierter Renditeanomalien bei Aktien — Size, Value, Momentum, niedrige Volatilität, kurzfristige Umkehr, Accruals und weitere — mit akademischen Quellenangaben, dazu die Möglichkeit, Faktor-Proxys mit SurgeFlow selbst zu prüfen.
Kategorie: Faktor-Research
Was eine Marktanomalie ist
Anomalien am Aktienmarkt sind dokumentierte Renditemuster im Querschnitt, die gängige Kapitalmarktmodelle nicht erklären — darunter Size, Value, Momentum, niedrige Volatilität, kurzfristige Umkehr (short-term reversal), Profitabilität, Investitionen und Accruals. Jede ist akademisch belegt, ihre Robustheit ist umstritten. Mit SurgeFlow können Sie anhand aktueller Daten prüfen, wie sich Faktor-Proxys für mehrere dieser Anomalien in vier Märkten verhalten.
Genauer gesagt ist eine Anomalie eine Regelmäßigkeit in den Renditen, die das jeweils maßgebliche Referenzmodell — historisch das CAPM, später die Drei- und Fünf-Faktoren-Modelle von Fama-French — nicht erklärt. Ob eine bestimmte Anomalie eine Vergütung für Risiko, eine verhaltensbedingte Fehlbewertung oder schlicht Data-Mining und Survivorship widerspiegelt, ist in der Literatur tatsächlich umstritten. Viele dokumentierte Effekte haben sich out-of-sample oder nach der Veröffentlichung abgeschwächt (McLean and Pontiff, 2016). Diese Seite ist ein Nachschlagekatalog mit Quellenangaben, keine Aussage, dass eines dieser Muster fortbestehen wird, und keine Anlageberatung.
Ein Katalog dokumentierter Anomalien (2026)
Die meistzitierten Querschnittsanomalien mit ihren maßgeblichen akademischen Quellen. Die Robustheit unterscheidet sich je nach Markt, Zeitraum und Definition; betrachten Sie jeden Eintrag als umstritten und nicht als gesichert. - Size — Aktien mit geringer Marktkapitalisierung wiesen historisch höhere Durchschnittsrenditen auf als große Werte; Banz (1981), formalisiert als SMB in Fama and French (1993). Die Prämie war instabil und wird teilweise auf Liquidität und Marktmikrostruktur zurückgeführt. - Value — Aktien mit hohem Buchwert-Marktwert-Verhältnis (günstig) gegenüber niedrigem (teuer); Fama and French (1992, 1993), der HML-Faktor. Blieb über weite Teile der 2010er-Jahre zurück ('value's lost decade'). - Momentum — Gewinner der vergangenen 3 bis 12 Monate schneiden weiterhin besser ab als die Verlierer desselben Zeitraums; Jegadeesh and Titman (1993), Carhart (1997) als WML/MOM. Anfällig für gelegentliche scharfe Einbrüche (Daniel and Moskowitz, 2016). - Niedrige Volatilität / niedriges Beta — Aktien mit geringem Risiko erzielen Renditen, die nicht entsprechend niedriger sind als die von Aktien mit hohem Risiko; Black, Jensen and Scholes (1972); Frazzini and Pedersen (2014), 'betting against beta'. - Kurzfristige Umkehr (short-term reversal) — Verlierer eines Monats erholen sich häufig; Jegadeesh (1990), Lehmann (1990). Weitgehend ein Liquiditäts- und Mikrostruktureffekt. - Profitabilität / Qualität — nachhaltig profitable Unternehmen erzielen höhere Renditen als unprofitable; Novy-Marx (2013), der RMW-Faktor in Fama and French (2015). - Investitionen — konservative Unternehmen (geringes Bilanzsummenwachstum) schneiden besser ab als aggressive; Aharoni, Grundy and Zeng (2013); der CMA-Faktor in Fama and French (2015). - Accruals — Unternehmen mit hohen Accruals im Verhältnis zum zahlungswirksamen Gewinn bleiben anschließend zurück; Sloan (1996). - Liquidität — weniger liquide Aktien wiesen historisch eine Prämie auf; Amihud (2002); Pastor and Stambaugh (2003). - Kursdrift nach Gewinnveröffentlichung (post-earnings-announcement drift) — die Kurse bewegen sich weiter in Richtung einer Gewinnüberraschung; Ball and Brown (1968); Bernard and Thomas (1989).
Wie Faktor-Proxys konstruiert und getestet werden
SurgeFlow behauptet nicht, dass eine der oben genannten Prämien existiert; es bildet Faktor-Proxys und legt die Mechanik offen, damit Sie deren Verhalten selbst prüfen können. Das Faktorsystem setzt Long-Short-Proxys nach dem Vorbild von Fama-French um — SMB (Size), HML (Value), RMW (Profitabilität), CMA (Investitionen), WML (Momentum) und einen Liquiditätsfaktor (LIQ) — und berechnet tägliche Faktorrenditen hinter einer Veröffentlichungsschranke, mit einem Resolver für die effektive Richtung, sodass das Vorzeichen eines Sleeves gegen die Konvention geprüft und nicht einfach angenommen wird.
Schätzung und Tests folgen Standardverfahren: Schätzung der Risikoprämien im Querschnitt nach Fama-MacBeth, gemeinsame Modelltests mit dem GRS-F-Test nach Gibbons-Ross-Shanken (1989) und Prüfung auf Multikollinearität mittels VIF. Für die aktuelle Evidenz aus Factor Backtest V2 gilt ein wichtiger Vorbehalt. Der Phase-1-Lauf ist research_backtest_insample — Faktorattribution in-sample, keine Live-Evidenz out-of-sample auf Basis rollierender Signale. GRS und die übrigen Diagnosen werden als Kennzeichnungen ausgewiesen und nicht als Schranken zum Ausschluss von Sleeves verwendet ('diagnostics are labels, not portfolio gates'). Datenqualitätsschranken — Point-in-Time-Abgleich, Behandlung von Survivorship und Mindestschwellen für die Zahl der Beobachtungen — gelten für die Daten, nicht für die Portfolioauswahl. Der kombinierte Backtest-Score ordnet Sleeves nach einer Kombination aus risikoadjustierter Rendite (Sharpe) und Information Ratio über Varianten mit Gleichgewichtung und Risikoparität. Sieger nach dem kombinierten Score für die USA ist der WML+RMW-Top-30-Sleeve mit Risikoparität, sowohl nach Sharpe als auch nach Information Ratio auf Rang #1 über rund zehn Jahre In-sample-Historie. Lesen Sie das als qualitative In-sample-Rangfolge, nicht als Out-of-sample-Renditeprognose.
Welche SurgeFlow-Daten hier verwendet werden
Dieser Katalog baut auf der offenen, marktübergreifenden Data-Science-Schicht von SurgeFlow für Aktien auf — Research-Daten, keine Anlageberatung — und umfasst vier Märkte: USA, China, Japan und Hongkong. Kurse und Fundamentaldaten stammen von FMP (USA), Tushare (China, Hongkong) sowie J-Quants und EDINET (Japan). Die Faktor-Proxys (SMB, HML, RMW, CMA, WML, LIQ), die täglichen Faktorrenditen, die Veröffentlichungsschranke, der Resolver für die effektive Richtung, Fama-MacBeth-Schätzungen, GRS-Tests und VIF-Diagnosen sind alle abfragbar, ebenso die Sleeve-Ranglisten aus Factor Backtest V2. Kontext zum institutionellen Anteilsbesitz finden Sie im Tab Institutionelle Anleger (Whales), der 13F-Meldungen aus SEC EDGAR in den USA mit Offenlegungen über EDINET, HKEX und CSRC in den übrigen Märkten verbindet — er deckt also den weltweiten Anteilsbesitz ab, nicht nur 13F. All das können Sie schon heute über die öffentlichen CSV/JSON-Snapshots mit =IMPORTDATA(...) oder per Apps Script mit einem kostenlosen API-Schlüssel in Google Sheets laden; ein Add-on für den Google Workspace Marketplace befindet sich in Prüfung und ist noch nicht veröffentlicht.
Prüfen Sie die Proxys selbst
Glaubwürdig nutzt man einen Anomalienkatalog, indem man ihn kritisch hinterfragt, nicht, indem man ihm aufs Wort glaubt. Erstellen Sie unter /account einen kostenlosen (Beta) API-Schlüssel und fragen Sie Faktor-Proxys für die vier Märkte ab: Die kostenlose öffentliche API (Beta) erlaubt 2,000 Anfragen pro Tag und stellt /api/v1/markets/{market}/realtime, /screen und /hotlist sowie /api/v1/summary bereit. Die OpenAPI-Spezifikation liegt unter /api/public/openapi.json, ein KI-lesbarer Index unter /llms.txt. Von dort aus können Sie vergleichen, wie sich ein Size- oder Momentum-Proxy etwa in Japan gegenüber den USA verhält, die Faktormethodik unter /factors nachlesen und die In-sample-Einordnung des Backtests unter /backtesting prüfen. Nichts davon ist Anlageberatung, es werden keine Prämien behauptet, und die oben genannten In-sample-Vorbehalte gelten für die Daten uneingeschränkt weiter.
Quellen und weiterführende Literatur
Primäre, akademische und SurgeFlow-Datenquellen zu den obigen Aussagen: - Banz, R. (1981). The relationship between return and market value of common stocks. Journal of Financial Economics. - Fama, E. and French, K. (1992, 1993). The cross-section of expected stock returns; Common risk factors in the returns on stocks and bonds. - Fama, E. and French, K. (2015). A five-factor asset pricing model. Journal of Financial Economics. - Jegadeesh, N. and Titman, S. (1993). Returns to buying winners and selling losers. Journal of Finance. - Carhart, M. (1997). On persistence in mutual fund performance. Journal of Finance. - Novy-Marx, R. (2013). The other side of value: the gross profitability premium. Journal of Financial Economics. - Sloan, R. (1996). Do stock prices fully reflect information in accruals and cash flows? The Accounting Review. - Frazzini, A. and Pedersen, L. (2014). Betting against beta. Journal of Financial Economics. - Amihud, Y. (2002). Illiquidity and stock returns. Journal of Financial Markets. - Gibbons, M., Ross, S. and Shanken, J. (1989). A test of the efficiency of a given portfolio. Econometrica. - McLean, R. and Pontiff, J. (2016). Does academic research destroy stock return predictability? Journal of Finance.