Roneitievurery
To Analytisch denkende Leser Roneitievurery Analyseteam
November 2026

Subject

Können oder Glück: Wie ich den Skill-Anteil der Informationsquote isoliere

An alle, die sich diese Frage schon gestellt haben:,

Analyst bewertet Skill-Anteil anhand von Daten

Ich beginne mit einer unbequemen Feststellung: Können und Glück sehen kurzfristig identisch aus. Beide produzieren positive Ergebnisse. Beide lassen sich im Nachhinein mit einer überzeugenden Geschichte erklären. Der Unterschied zeigt sich erst über Zeit — und nur dann, wenn man ihn aktiv sucht. Ich suche ihn, indem ich die Informationsquote über rollierende Zeitfenster berechne und prüfe, ob der Skill-Beitrag über verschiedene Marktphasen hinweg stabil bleibt. Instabilität ist kein Beweis für Glück. Aber sie ist ein starkes Signal, das weitere Untersuchung erfordert. Wer diese Frage nicht stellt, hat die Zerlegung nicht wirklich abgeschlossen.

Eine Fallstudie macht den Unterschied greifbar. Ich habe einen diskretionären Manager analysiert, dessen Informationsquote über einen Dreijahreszeitraum beeindruckend hoch war. Die Zerlegung zeigte: Der Skill-Beitrag war in einem einzigen Zeitraum konzentriert — einem ausgeprägten Trendmarkt, in dem die Strategie besonders gut passte. Außerhalb dieses Fensters war der Beitrag nahe null. Das ist keine Frage der Bewertung des Managers. Es ist eine Frage der Methode. Eine Strategie, deren Können nur unter bestimmten Bedingungen sichtbar wird, ist eine andere Strategie als eine, deren Können robust über verschiedene Marktumgebungen hinweg nachweisbar ist. Ich trenne diese beiden Fälle explizit — weil die Konsequenzen für die Beurteilung grundlegend verschieden sind.

Wie isoliere ich den Skill-Anteil technisch? Ich verwende regressionsbasierte Ansätze, bei denen der aktive Ertrag gegen bekannte Faktorrenditen bereinigt wird. Was nach dieser Bereinigung übrig bleibt, ist der Kandidat für echtes Können — der Teil des Ertrags, der nicht durch systematische Risikoprämien erklärt werden kann. Dieser Ansatz hat Grenzen. Nicht alle relevanten Faktoren sind bekannt oder messbar. Und Faktoren selbst können sich im Zeitverlauf verändern. Ich dokumentiere diese Grenzen offen, weil eine überschätzte Skill-Messung gefährlicher ist als eine konservative. Wer zu viel Können sieht, setzt zu viel Vertrauen in eine Strategie — und unterschätzt das Risiko, das damit verbunden ist.

Eine weitere Methode, die ich ergänzend einsetze, ist der Vergleich mit einem synthetischen Zufallsportfolio. Dabei simuliere ich eine große Anzahl zufälliger aktiver Strategien mit ähnlicher Breite und ähnlichem Risikobudget und prüfe, wie wahrscheinlich die beobachtete Informationsquote rein zufällig entstanden sein könnte. Das ist kein statistischer Trick. Es ist eine direkte Antwort auf die Frage: Wie außergewöhnlich ist dieses Ergebnis wirklich? Wenn die beobachtete Quote im oberen Bereich der Zufallsverteilung liegt — aber nicht weit genug außerhalb, um statistisch bedeutsam zu sein — dann ist Vorsicht geboten. Kein Urteil, aber ein klares Signal zur weiteren Untersuchung.

Was bedeutet das für die Praxis? Skill-Messung ist kein abschließendes Urteil. Es ist ein fortlaufender Prozess. Ich aktualisiere die Zerlegung regelmäßig, weil sich Marktbedingungen ändern und weil neue Datenpunkte das Bild verschieben können. Eine Strategie, die heute einen stabilen Skill-Beitrag zeigt, kann morgen unter veränderten Bedingungen anders aussehen. Das ist keine Schwäche der Methode — es ist ihre Stärke. Sie zwingt zur Auseinandersetzung mit der Frage, ob das, was funktioniert hat, auch unter anderen Umständen funktionieren wird. Und genau diese Frage ist es, die eine ehrliche Zerlegung von einer oberflächlichen Leistungsbewertung unterscheidet.


Mit analytischem Gruß,,

Roneitievurery Redaktion

P.S. Vergangene Ergebnisse bestätigen weder Können noch zukünftige Leistung automatisch. Die Zerlegung zeigt Muster — keine Gewissheiten. Jede Schlussfolgerung bleibt einer laufenden Überprüfung unterworfen.

Diese Website verwendet Cookies, um den Betrieb sicherzustellen und das Nutzungsverhalten anonymisiert auszuwerten. Nicht notwendige Cookies werden nur mit Ihrer Einwilligung gesetzt. Weitere Informationen finden Sie in unserer Cookie-Richtlinie.