Skip to main content
SpringerLink
Log in

Rapid Trading bei deutschen Aktienfonds: Evidenz aus einer großen deutschen Fondsgesellschaft

Rapid trading among German equity mutual funds

  • Forschung
  • Published:
Zeitschrift für Betriebswirtschaft Aims and scope Submit manuscript

Zusammenfassung

Rapid Trading, also der kurzfristige Kauf und Verkauf von Fondsanteilen durch Fondsinvestoren, steht im Widerspruch zur Fondskonzeption, wonach Fonds Instrumente zum langfristigen Vermögensaufbau darstellen. Es kann zu negativen Auswirkungen auf die Performance führen. Wir verwenden Daten einer anonymen Fondsgesellschaft über Zuflüsse und Abflüsse für alle ihre Fonds und dokumentieren erstmals deutliche Hinweise auf Rapid Trading bei deutschen Aktienfonds. Es scheint vor allem dadurch getrieben zu werden, dass manche Anleger Fonds als spekulative, lotterieartige Investments nutzen. Wir finden jedoch allenfalls schwache Evidenz für eine negative Auswirkung des Rapid Trading auf die Fondsperformance vor dem Fondskandal in den USA in 2003, und keinerlei Einfluss danach.

Abstract

This paper is the first to examine rapid trading among German equity mutual fund investors. Using data on inflows and outflows provided by a large German mutual fund company for all of its equity funds, we find strong evidence for rapid trading. It is particularly pronounced for small funds, risky funds, funds with low nominal prices, and international funds. However, we find no evidence of market timing activities. Furthermore, unlike in the US, rapid trading is less pronounced for funds with high loads. This shows that rapid trading among German fund investors is not explained by churning due to brokers’ advice. Rather, our results are consistent with the view that some investors use mutual funds for short-term, speculative purposes. The funds among which we observe the strongest rapid trading show lottery-like characteristics. Regarding fund performance, we find (at most) only very weak evidence for a negative impact of rapid trading on fund performance before the fund scandal of 2003, and no evidence afterwards.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Log in via an institution

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Institutional subscriptions

Abb. 1

Notes

  1. Bei ‚Late Trading‘ erlaubt die Fondsgesellschaft bestimmten bevorzugten Fondsinvestoren, zu veralteten Kursen Fondsanteile zu handeln. Diese können somit Quasi-Arbitragestrategien durchführen. Dies geschieht auf Kosten der langfristig orientieren Fondsanleger (Zitzewitz 2006). Unsere Arbeit konzentriert sich dagegen auf das von Late Trading Praktiken zu unterscheidende Rapid Trading.

  2. Die beschriebenen negativen Effekte treten nicht auf, wenn Fondsanteile über eine Fondsbörse gehandelt werden. In unserem Stichprobenzeitraum sind Fondsbörsen jedoch nur von untergeordneter Bedeutung (s.a. Endnote 6). Ähnliches gilt auch für Exchange Traded Funds (ETF), die von der betrachteten anonymen Fondsgesellschaft nicht angeboten wurden und daher auch nicht in unserer Stichprobe enthalten sind.

  3. Fondsgesellschaften sind sich dieser Problematik durchaus bewusst, wie die Regelungen in vielen Geschäftsbedingungen zeigen. So heißt es in den Allgemeinen Geschäftsbedingungen von Fidelity in Abschn. 10 h z. B. ‚Investmentprodukte sind generell als langfristige Anlagen gedacht und werden auch so verwaltet. Kurzfristige Anlage oder häufiges Handeln der Anteile wird nicht empfohlen, da es die Performance der Fonds durch Störung der Portfolio-Management-Strategien und durch Verursachung höherer Kosten beeinträchtigt.‘

  4. Streng genommen ist das gleichzeitige Auftreten hoher Zu- und Abflüsse nur eine notwendige Bedingung für das kurzfristige Handeln der Investoren eines Fonds. Es ist auch denkbar, dass bestimmte Fonds aus anderen Gründen gleichzeitig hohe Ab- und Zuflüsse aufweisen, während die jeweiligen Investoren grundsätzlich langfristig ausgerichtet sind. Unsere späteren Ergebnisse lassen diese Interpretation jedoch als wenig wahrscheinlich erscheinen. Daher folgen wir dem in der Literatur etablierten Vorgehen (vgl. z. B. O’Neal 2004; Cashman et al. 2006) und interpretieren das gleichzeitige Vorliegen hoher Zu- und Abflüsse als Anzeichen für Rapid Trading.

  5. Zeitzonenarbitrage ist dann möglich, wenn die Preisfeststellung für den Fonds in Deutschland zeitlich nach dem Handelsschluss eines ausländischen Börsenplatzes liegt, in dessen Aktien der Fonds anlegt. Dann liegen dem Fondspreis, zu dem Fondsanleger an diesem Tag noch handeln können, nämlich Kurse zu Grunde, die kursrelevante Informationen, die nach dem ausländischen Börsenschluss bekannt geworden sind, noch nicht enthalten. Diese Kurse sind somit veraltet (sog. ‚stale prices‘) und es können basierend hierauf Quasi-Arbitragestrategien durch Handel in diesen Fondsanteilen betrieben werden. Werden beispielsweise nach dem Börsenschluss in Asien sehr gute Nachrichten bekannt, so können deutsche Fondsanleger, die Zeitzonenarbitrage betreiben wollen, am selben Tag in Asienfonds investieren. Der Kauf wird dann zu Kursen abgerechnet, welche die guten neuen Nachrichten noch nicht widerspiegeln. Voraussichtlich werden die guten Informationen am folgenden Tag eingepreist und die Fondsanteile können dann zu einem höheren Preis wieder verkauft werden. Eine ausführliche Beschreibung der Funktionsweise der auch unter dem Begriff ‚Market Timing‘ bekannten Zeitzonenarbitrage findet sich in Frankel u. Cunningham 2006. Zeitzonenarbitrage wird u. a. auch in Chalmers et al. 2001 und Greene u. Hodges 2002 untersucht.

  6. Basierend auf Daten zu Handelsvolumina der Fondsbörse Hamburg konnten wir die Handelsaktivität an der Börse und über den klassischen Handelsweg (Ausgabe und Rücknahme von Fondsanteilen durch die Fondsgesellschaft) vergleichen. Für diejenigen Fondsmonate, für die sowohl Umsatzzahlen der Börse als auch Flowdaten der Fondsgesellschaft vorliegen, finden wir einen durchschnittlichen Umsatz via Fondsbörse von nur 228.090 € pro Monat (Median: 55.502 €), während die Summe aus absoluten Ab- und Zuflüssen mit im Durschnitt 52.714.400 € (Median: 22.008.030 €) eine ganz andere Dimension aufweist. Der Börsenhandel ist also in unserem Stichprobenzeitraum nicht bedeutsam. Die Korrelation zwischen dem Börsenumsatz und der Summe aus Zu- und Abflüssen ist außerdem sehr klein und insignifikant. Dies deutet darauf hin, dass an der Fondsbörse eine andere Anlegerklientel handelt als direkt mit der Fondsgesellschaft.

  7. Der Zusatz ‚Spezial‘ steht dabei jeweils für Fonds, die einen speziellen Schwerpunkt haben, z. B. Fonds die sich auf bestimmte Industrien konzentrieren. Die in amerikanischen Studien oft verwendete Klassifizierung von Fonds entlang der Dimensionen Growth/Value und Large-Cap/Small-Cap ist in Deutschland erst in der jüngeren Vergangenheit gebräuchlich geworden und liegt für unseren Stichprobenzeitraum nicht vor.

  8. Für einige Fonds werden, beginnend mit dem Jahr 2002, verschiedene Anteilsklassen angeboten. Diese Anteilsklassen sind als getrennte Einträge in unserer Datenbank enthalten. Den Anteilsklassen eines Fonds liegt das selbe Portfolio zugrunde, sie unterscheiden sich jedoch in der Regel bezüglich der Gebührenstruktur. Da wir im Folgenden den Einfluss der verschiedenen Gebührenarten explizit untersuchen (Abschn. 3.3), verwenden wir jede Anteilsklasse als separate Beobachtung und verzichten darauf, diese auf der Fondsebene zu aggregieren.

  9. Es ist zu beachten, dass die in den Daten enthaltenen Ausgabeaufschläge immer die maximal zu zahlenden Ausgabeaufschläge darstellen, die bei der betrachteten Fondsgesellschaft üblicherweise als Kompensation dem Vertrieb zufließen. Es ist möglich, dass manche Anleger niedrigere Gebühren bezahlen, wenn sie Fonds etwa über Discountbroker ordern oder wenn − bei Vorlage gestaffelter Ausgabeaufschläge − sehr große Beträge angelegt werden. Da wir nur Fonds einer Gesellschaft betrachten, ist der genannte Ausgabeaufschlag aber dennoch ein vernünftiger Proxy für die Unterschiede in den tatsächlich gezahlten Ausgabeaufschlägen. Somit gehen wir nicht davon aus, dass unsere folgenden Ergebnisse durch möglicherweise vorhandene Unterschiede zwischen tatsächlich gezahlten und maximalen Ausgabeaufschlägen verzerrt werden.

  10. Es handelt sich dabei um Activest (seit Oktober 2006 Activest Pioneer), Cominvest/Adig, Deka, dit (seit Dezember 2006 mit dbi zu Allianz Global Investors verschmolzen), DWS und Union Investment.

  11. Daten zu den Verwaltungsgebühren im Jahr 2006 für die erweiterte Stichprobe lagen uns noch nicht vor.

  12. Der positive Zusammenhang zwischen vergangener Performance und Zuflüssen wird u. a. von Ippolito (1992) gezeigt, während die Konvexität dieses Zusammenhangs erstmals in Sirri u. Tufano (1998) dokumentiert wird.

  13. Ränge sind gleichmäßig zwischen 0 und 1 verteilt, wobei der beste Fonds die Rangzahl 1 und der schlechteste Fonds die Rangzahl 0 erhält. Der Rang eines Fonds wird gemäß der Formel (Absoluter Rang eines Fonds in seinem Segment in einem Monat -1)/(Anzahl der Fonds im Segment in einem Monat – 1) berechnet. Dabei ist der absolute Rang in ganzen Zahlen ausgedrückt und basiert auf einer aufsteigenden Sortierung, d. h. der schlechteste Fonds hat einen absoluten Rang von 1. Der Fonds mit der viertschlechtesten Rendite in seinem Segment hat z. B. einen absoluten Rang von 4 und hätte in einem Segment mit 20 Fonds dann einen Segmentrang von (4–1)/(20–1) = 0,1579. Verschiedene Studien haben gezeigt, dass Nettoflüsse am besten durch Ränge basierend auf Renditen erklärt werden können (vgl. Patel et al. 1994; Myers 2001).

  14. Die einzelnen Monatskonstanten werden aus Platzgründen in den Tabellen nicht explizit ausgewiesen.

  15. Wir haben alle Modelle auch mit robusten Standardfehlern ohne Klustern auf Fondsebene geschätzt. Die Ergebnisse (nicht explizit berichtet) sind sehr ähnlich.

  16. Wegen der langen Zeitreihe unserer Panel-Stichprobe war eine Schätzung der ABBB Methode basierend auf der maximalen Anzahl an Instrumenten nicht möglich. Daher verwenden wir in der Differenzgleichung nur 10 verzögerte endogene Niveauvariablen (beginnend bei t−3) und in der Niveaugleichung eine verzögerte endogene Differenzvariable als Instrument. Alternativ zur ABBB Methode könnte auch der Arrelano u. Bond (1991) Schätzer (sog. Difference GMM) zur Anwendung kommen. Dabei basieren die GMM Momente-Bedingungen nur auf den Differenzgleichungen und als Instrumente werden die verzögerten Niveauvariablen verwendet. Dieser Ansatz weist jedoch zwei Probleme auf: Zum einen verlieren wir durch den Differenz-Schätzer die reine Fonds-Querschnittsdimension der Daten und die Differenzierung kann die Signal-to-Noise Ratio vermindern (Griliches u. Hausman 1986). Zum anderen haben Alonso-Borrego u. Arellano (1999) und Blundel u. Bond (1998) gezeigt, dass verzögerte Niveauvariablen nur schwache Instrumente sind, wenn die Variablen persistent sind. Der Differenzschätzer weist bei begrenzten Stichproben einen großen Bias auf und hat eine geringe Präzision. Als Alternative wird daher der Arrelano/Bover-Blundell/Bond Schätzer (sog. System GMM) vorgeschlagen. Dabei basieren die GMM Momente-Bedingungen auf Differenz- und Niveaugleichungen, wobei die verzögerten Niveauvariablen als Instrumente für die Differenzgleichung und die verzögerten Differenzvariablen als Instrumente für die Niveaugleichung dienen. Damit kann das Problem der schwachen Instrumente umgangen werden. Es sollte jedoch angemerkt werden, dass auch die ABBB Schätzmethode in unserem Kontext nicht perfekt ist, da sie zwar die dynamische Panel-Struktur berücksichtigt, eigentlich aber für Panel-Stichproben mit großem Querschnitt und kurzer Zeitreihe entwickelt wurde. Daher könnten die Effizienzgewinne der ABBB Methode durch die große Anzahl an benötigten Instrumenten zunichte gemacht werden. Obwohl also keine der genannten Schätzmethoden perfekt ist, können wir von stabilen Ergebnissen ausgehen, wenn alle der Methoden zu ähnlichen Ergebnissen führen.

  17. Mit dieser Methode kann streng genommen nur eine notwendige Bedingung für das Vorliegen von Rapid Trading geprüft werden. Es ist nämlich auch denkbar, dass ein solcher Zusammenhang zwischen Zuflüssen und Abflüssen in einem Monat nicht durch das Rapid Trading bestimmter Investoren entsteht, sondern durch den Einfluss einer anderen Größe, die gleichzeitig zu hohen Zuflüssen bestimmter Investoren und hohen Abflüssen anderer Investoren führt. Da uns keine Daten auf Investorenebene vorliegen, können wir diese alternative Hypothese nicht weiter untersuchen. Allerdings lassen unsere Resultate in Abschn. 3.3 dies als unwahrscheinlich erscheinen.

  18. In einer alternativen Spezifikation nehmen wir zusätzlich in Modell (2) (Modell (3)) neben den Abflüssen AF i,m (Zuflüsse ZF i,m ) auch die verzögerten Abflüsse AF i,m−1 (Zuflüsse ZF i,m−1 ) als erklärende Variable mit auf. Dies ändert unsere Hauptergebnisse nicht. Außerdem ist der Einfluss der zusätzlichen Variablen ökonomisch sehr klein und statistisch nicht bzw. nur schwach signifikant. Zusätzlich haben wir in nicht explizit berichteten Tests auch, sofern verfügbar, die Ratings und Ratingänderungen der Fonds als erklärende Variablen mit aufgenommen. Dies ändert unsere Hauptergebnisse ebenfalls nicht. Wir berichten diese Ergebnisse nicht, da unsere Ratingdaten nicht Survivorship-Bias frei sind und daher die Ergebnisse zum Einfluss dieser Kontrollvariablen nur schwer zu interpretieren wären. Alle nicht explizit im Papier berichteten Ergebnisse sind auf Anforderung von den Autoren erhältlich.

  19. Da die ABBB Methode auf Differenzgleichungen beruht, kann sie nicht zur Anwendung kommen, sobald die Modelle eine für einen Fonds über die Zeit fixe Dummy-Variable wie z. B. \(D_{i,m}^{Int}.\)enthalten. Daher berichten wir nur Schätzergebnisse für Modell (6) ohne \(D_{i,m}^{Int}\)

  20. Für theoretische Arbeiten zu Gebührenstrukturen bei Investmentfonds vgl. Chordia 1996; Nanda et al. 2000 und Ruenzi 2006, Kap. 2.2.

  21. Als Alternative zur hier durchgeführten Analyse haben wir auch den Einfluss von AF i,m in Modell (2) und den Einfluss von ZF i,m in Modell (3) mit interagiert und zusätzlich mit aufgenommen. Die Ergebnisse (nicht explizit berichtet) zeigen, dass Rapid Trading auch bei nur national anlegenden Fonds nachgewiesen werden kann. Es ist bei international anlegenden Fonds jedoch etwa doppelt so stark ausgeprägt.

  22. Vgl. hierzu auch Budescu et al. (2002) und Martin et al. (2008).

  23. Wir verwenden diese einfachen, renditebasierten Performancemaße, da sich Fondsanleger vor allem für diese zu interessieren scheinen und weniger für kompliziertere, risikoadjustierte Maße (Capon et al. 1996). Alternativ unterstellen wir als Kapitalmarktmodell das CAPM und verwenden als Maß für eine risikoadjustierte abnormale Rendite auch das Jensen’s Alpha aus einem einfachen Marktmodell als Perf i,m . Die Ergebnisse (hier nicht explizit berichtet) sind sehr ähnlich. Ähnliche Aussagen ergeben sich auch, wenn wir stattdessen die abnormalen Renditen im Vergleich zum Durchschnitt aller Fonds.

  24. Obwohl auch hier durch Aufnahme der vergangenen Performance im Regressionsmodell eine dynamische Panel-Struktur vorliegt, können wir in diesem Fall keine sinnvolle ABBB Schätzung durchführen, da keine Kombination von Instrumentvariablen gefunden werden kann, die für die Gesamtstichprobe und die untersuchten Teilzeiträume zulässig ist (d. h. unter deren Verwendung sowohl der AR(1)-Test abgelehnt, als auch der AR(2)-Test und der Sargan-Test angenommen wird).

  25. Die Berechnung dieser Werte basiert auf den jeweiligen Schätzwerten zum Einfluss des Rapid Trading in Kombination mit den Angaben aus Tab. 8. Basierend auf den Resultaten für RT1 i,m (RT2 i,m ) ergibt sich der monatliche Renditeunterschied gemäß (0,5527−0,0148) * (−0,007) = −0,0038 ((0,2174−0,0004) * (−0,016) = −0,0035). Die oben genannten Werte ergeben sich durch Annualisierung.

  26. Beispielhaft seien hier außerdem zusätzlich wiederum die bereits in Endnote 3 genannten Geschäftsbedingungen von Fidelity zitiert: ‚Die Fidelity überwacht aktiv die Handelsaktivitäten und behält sich das Recht vor, neue Kaufanträge von Personen abzulehnen, die wegen kurzfristigen Handels von Anteilen aufgefallen sind oder deren Handel störend war oder sein kann.‘ (Abschn. 10h).

  27. Den Einfluss über die durch Rapid Trading verminderte Performance auf die Nettozuflüsse und schlussendlich die Gebühreneinnahmen erhält man, indem man die Performancekonsequenzen einer Änderung von RT1 um 0,19 bzw. 0,58 (eine bzw. drei Standardabweichungen von RT1) mittels des geschätzten Modells (7) bestimmt. Im nächsten Schritt wird basierend auf der so bestimmten Performance der Performancerang neu bestimmt (vgl. Endnote 13) und dann basierend auf der Schätzung von Modell (1) der Einfluss auf die Nettozuflüsse und schließlich auf die Gebühreneinnahmen bei einer durchschnittlichen Verwaltungsgebühr von 1,07 % p. a. bestimmt. Der direkte Einfluss einer RT1 Änderung auf die Nettozuflüsse (nicht via den Kanal einer verminderten Performance) wurde bestimmt, indem wir eine erweiterte Version von Modell (1) geschätzt haben, in der wir zusätzlich das verzögerte RT1 als erklärende Variable mit aufgenommen haben. Der Schätzwert für ihren Einfluss beträgt 0,037 und ist signifikant auf dem 1 %-Niveau. Damit kann der direkte Einfluss einer Rapid Trading Änderung auf die Nettozuflüsse und schließlich auf die Gebühreneinnahmen bestimmt werden.

Literatur

  • Alonso-Borrego C, Arellano M (1999) Symmetrically normalized instrumental-variable estimation using panel data. J Bus Econ Stat 17(1):36–49

    Article  Google Scholar 

  • Arellano M, Bond S (1991) Some tests of spezification for panel data: Monte Carlo evidence and an application to employment equations. Rev Econ Stud 58(2):277–297

    Article  Google Scholar 

  • Arellano M, Bover O (1995) Another look at the instrumental-variable estimation of error-components models. J Econom 68(1):29–52

    Article  Google Scholar 

  • Barber BM, Odean T (2000) Trading is hazardous to your wealth: the common stock investment performance of individual investors. J Finan 55(2):773–806

    Article  Google Scholar 

  • Barber BM, Odean T, Zheng L (2005) Out of sight, out of mind: the effects of expenses on mutual fund flows. J Bus 78(6):2095–2119

    Article  Google Scholar 

  • Beck N, Katz JN (1995) What to do (and not to do) with time series cross-section data. Am Polit Sci Rev 89(3):634–647

    Article  Google Scholar 

  • Ber S, Kempf A, Ruenzi S (2007) Determinanten der Mittelzuflüsse bei deutschen Aktienfonds. Z betriebswirtschaft Forsch 59(2):35–60

    Google Scholar 

  • Bergstresser D, Poterba J (2002) Do after-tax returns affect mutual fund inflows? J Financ Econ 63(3):381–414

    Article  Google Scholar 

  • Blundell R, Bond S (1998) Initial conditions and moment restrictions in dynamic panel data models. J Econom 87(1):115–143

    Article  Google Scholar 

  • Budescu DV, Kuhn KM, Kramer KM, Johnson TR (2002) Modeling certainty equivalents for imprecise gambles. Organ Behav Hum Decis Process 88(2):748–768

    Article  Google Scholar 

  • Capon N, Fitzsimons G, Prince RA (1996) An individual level analysis of the mutual fund investment decision. J Finan Serv Res 10(1):59–82

    Article  Google Scholar 

  • Cashman GD, Deli DN, Nardari F, Villupuram SV (2006) Investors do respond to poor mutual fund performance: evidence from inflows and outflows. Working Paper, Arizona Stata University

  • Chalmers J, Edelen R, Kadlec G (2001) On the perils of security pricing by financial intermediaries: the wildcard option in transacting mutual fund shares. J Finan 56(6):2209–2236

    Article  Google Scholar 

  • Chen J, Hong H, Huang M, Kubik J (2004) Does fund size erode performance? Liquidity, organizational diseconomies and active money management. Am Econ Rev 94(5):1276–1302

    Article  Google Scholar 

  • Chevalier J, Ellison G (1997) Risk taking by mutual funds as a response to Incentives. J Polit Econ 105(6):1167–1200

    Article  Google Scholar 

  • Chordia T (1996) The structure of mutual fund charges. J Finan Econ 41(1):3–39

    Article  Google Scholar 

  • Christoffersen SK, Evans RB, Musto DK (2005) The economics of mutual-fund brokerage: evidence from the cross section of investment channels. Working Paper, McGill University, University of Virginia, University of Pennsylvania

  • Cohn RA, Lewellen WG, Lease RC, Schlarbaum GG (1975) Individual investor risk aversion and investment portfolio composition. J Finan 30(2):605–620

    Article  Google Scholar 

  • Dorn D, Huberman G, Sengmueller P (2008) Correlated trading and returns. J Finan 63(2):885–920

    Article  Google Scholar 

  • Edelen RM (1999) Investor flows and the assessed performance of open-end mutual funds. J Financ Econ 53(3):439–466

    Article  Google Scholar 

  • Ederington LH, Golugeva EV (2009) Evidence on investor behavior from aggregate stock mutual fund flows. Working Paper, University of Okalahoma

  • Frankel T, Cunningham LA (2006) The mysterious ways of mutual funds: market timing. Annu Rev Bank Financ Law 25(1):237–293

    Google Scholar 

  • Goetzmann WN, Kumar A (2008) Equity portfolio diversification. Rev Finan 12(3):433–463

    Article  Google Scholar 

  • Greene J, Hodges C (2002) The dilution impact of daily fund flows on open-end mutual funds. J Financ Econ 65(1):131–158

    Article  Google Scholar 

  • Griliches Z, Hausman J (1986) Errors in variables in panel data. J Econom 31(1):93–118

    Article  Google Scholar 

  • Han B, Kumar A (2009) Speculation, realization utility, and asset prices. Working Paper, University of Texas at Austin

  • Ippolito RA (1992) Consumer reaction to measures of poor quality: evidence from the mutual fund industry. J Law Econ 35(1):45–70

    Article  Google Scholar 

  • Ivkovic Z, Sialm C, Weisbenner S (2007) Portfolio concentration and the performance of individual investors. J Financ Quant Anal 43(3):613–655

    Article  Google Scholar 

  • Kempf A, Ruenzi S (2006) Status quo bias and the number of alternatives: an empirical illustration from the mutual fund industry. J Behav Finan 7(4):204–213

    Article  Google Scholar 

  • Krahnen JP, Schmid FA, Theissen E (2006) Performance and market share: a study of the German mutual fund industry. In: Bessler W (Hrsg) Börsen, Banken und Kapitalmärkte. Duncker & Humblot, Berlin, S 471–491

    Google Scholar 

  • Kumar A (2009) Who gambles in the stock market? J Finan 64(4):1889–1933

    Article  Google Scholar 

  • Martin JM, Barron GM, Norton MI (2008) Variance-seeking for positive (and variance-aversion for negative) experiences: Risk-seeking in the domain of gains? Working Paper, Harvard Business School

  • Myers DH (2001) Asset flow and performance in pension funds. Working Paper

  • Nanda V, Narayanan MP, Warther VP (2000) Liquidity, investment ability, and mutual fund structure. J Financ Econo 57(3):417–443

    Article  Google Scholar 

  • Odean T (1998) Are investors reluctant to realize their losses? J Finan 53(5):1775–1798

    Article  Google Scholar 

  • Odean T (1999) Do investors trade too much? Am Econ Rev 89(5):1279–1298

    Article  Google Scholar 

  • O’Neal ES (2004) Purchase and redemption patterns of US equity mutual funds. Financ Manag 33(1):63–90

    Google Scholar 

  • Patel J, Zeckhauser RJ, Hendricks D (1994) Investment flows and performance: evidence from mutual funds, cross-border investments, and new issues. In: Sato R, Levich RM, Ramachandran RV (Hrsg) Japan, Europe, and international financial markets: analytical and empirical perspectives. Cambridge University Press, Cambridge (UK), S 51–72

    Google Scholar 

  • Ruenzi S (2006) Optimale Gestaltung von Fondsfamilien: Organisation und Intrafirmenwettbewerb, Beiträge zur betriebswirtschaftlichen Forschung, Bd. 112. Deutscher Universitäts Verlag, Wiesbaden

    Google Scholar 

  • Sirri ER, Tufano P (1998) Costly search and mutual fund flows. J Finan 53(5):1589–1622

    Article  Google Scholar 

  • Zitzewitz E (2006) How widespread was late trading in mutual funds? Am Econ Rev 96(2):284–289

    Article  Google Scholar 

Download references

Danksagung

Wir danken Alexandra Niessen und drei anonymen Gutachtern sowie Teilnehmern des Forschungsseminars in Tannheim für hilfreiche Anmerkungen. Wir danken einer anonymen großen deutschen Fondsgesellschaft und der Fondsbörse in Hamburg für das Bereitstellen von in dieser Studie verwendeten Daten.

Author information

Authors and Affiliations

  1. Lehrstuhl International Finance, Universität Mannheim, L9, 1-2, 68161, Mannheim, Deutschland

    Jieyan Fang &  Stefan Ruenzi

Authors
  1. Jieyan Fang
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Stefan Ruenzi
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Jieyan Fang.

Rights and permissions

Reprints and permissions

About this article

Cite this article

Fang, J., Ruenzi, S. Rapid Trading bei deutschen Aktienfonds: Evidenz aus einer großen deutschen Fondsgesellschaft. Z Betriebswirtsch 80, 883–920 (2010). https://doi.org/10.1007/s11573-010-0386-y

Download citation

  • Received:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1007/s11573-010-0386-y

Schlüsselwörter

Keywords

JEL Classification

Search

Navigation