Investment writer
• Aktive ETFs im Fokus
Aus Small-Caps das Optimum rausholen
Der NextGen Global Small-Cap Equity ETF
Aktive ETFs verändern die globalen Anlagemärkte und bieten Anlegern eine flexible und transparente Möglichkeit, auf aktive Strategien zuzugreifen. Die zunehmende Verbreitung von Lösungen wirft aber auch eine praktische Frage auf: Wo und wie können sie in den Portfolios den größten Mehrwert bringen?
In dieser Serie gehen wir dieser Frage nach, indem wir uns auf bestimmte Bereiche des Marktes konzentrieren, in denen strukturelle Ineffizienzen oder eine sich entwickelnde Dynamik ein überzeugendes Anlageargument darstellen. Für jede dieser Möglichkeiten prüfen wir die Chance selbst, bevor wir überlegen, wie ein systematischer aktiver Ansatz dazu beitragen kann, sie effektiver zu nutzen.
Autoren/Autorinnen
Anna Heldring
Jessica Monkivitch
Investment Writer
Small-Caps machen mehr als 10 % der weltweiten Marktkapitalisierung im Streubesitz aus, sind aber in vielen Portfolios nach wie vor wenig vertreten. In der Vergangenheit haben sie langfristig attraktive Renditen erzielt und für eine sinnvolle Diversifizierung gegenüber Large-Caps gesorgt. In der Zeit nach der Pandemie war allerdings eine anhaltende relative Underperformance in diesem Segment zu verzeichnen.
In jüngster Zeit verschiebt sich die relative Performance zwischen Small- und Large-Caps allerdings allmählich.
Abbildung 1 – Relative Performance von Small-Caps gegenüber Large-Caps
Die bisherige Performance bietet keine Garantie im Hinblick auf zukünftige Ergebnisse. Der Wert von Kapitalanlagen kann schwanken.
Quelle: Robeco, LSEG, MSCI. In der Abbildung sind die relative Performance des MSCI World Index gegenüber dem MSCI World Small Cap Index dargestellt. Ein neuer Zyklus beginnt nach dem Höchststand des Marktes, der zuvor eine überdurchschnittliche Performance erzielt hat, sobald der Markt, der zuvor eine unterdurchschnittliche Performance erbracht hat, um mindestens 20 % gegenüber dem vorangegangenen Tiefstand zugelegt hat (mit Ausnahme des letzten Small-Cap-Zyklus, der im Februar 2025 begann). Die Performance basiert auf den Indizes der Gesamtrendite zum Monatsende in USD. Der Betrachtungszeitraum erstreckt sich von Dezember 2000 bis Februar 2026.
Die Abbildung veranschaulicht den zyklischen Charakter der relativen Renditen, wobei sich die Zeiträume der Outperformance oft über einen längeren Zeitraum erstrecken, wenn die Führung wechselt. Wichtig ist, dass die Bewertung in diesem Zyklus eine wesentliche Rolle gespielt hat: Während Small-Caps in der Vergangenheit mit einem Aufschlag von bis zu 30 % gegenüber Large-Caps gehandelt wurden, hat sich dies in den letzten Jahren umgekehrt. Heute werden sie mit einem Abschlag von rund 30 % gehandelt1, einem seit mehr als zwei Jahrzehnten nicht mehr erreichten Niveau und stellen eine großartige Gelegenheit dar.
Zugang zu einem komplexen Markt
Es ist gar nicht so einfach, diese Chance zu nutzen. Das globale Small-Cap-Universum umfasst beinahe 4.000 Aktien, gekennzeichnet durch eine geringere Analystenabdeckung, eine größere Streuung und vielfältigere Geschäftsmodelle. Es schafft einen fruchtbaren Boden für Alpha, erschwert aber auch die traditionelle Aktienauswahl. Passive Ansätze hingegen können zu einem unbeabsichtigten Engagement in Unternehmen mit niedrigerer Anlagequalität führen. Ein effizienter Zugang zu Small-Caps erfordert daher einen selektiveren und systematischeren Ansatz.
Fortschrittlicherer Ansatz erforderlich
Diese Herausforderungen haben die Entwicklung von systematischeren Ansätzen für Small-Cap-Anlagen vorangetrieben. Vor allem die Kombination von quantitativen Methoden mit maschinellem Lernen gewinnt in diesem Segment zunehmend an Bedeutung. Durch die Überwindung der traditionellen linearen Modelle2 wird es möglich, Muster in unklaren und weniger strukturierten Daten besser zu erkennen und sich effizienter an veränderte Marktbedingungen anzupassen. So können wir die vielfältigen Chancen besser und konsequenter ergreifen und gleichzeitig einen disziplinierten und skalierbaren Anlageprozess beibehalten.
Der NextGen Global Small-Cap Equity ETF von Robeco wurde aufgelegt, um diese Komplexität zu bewältigen, indem er die gesamte Bandbreite des Universums mit einem innovativen, evidenzbasierten Ansatz kombiniert.
Wie Anleger profitieren
1. Disziplinierter Zugang zu Small-Caps
Die Quant Engien für diesen ETF durchleuchtet systematisch das globale Small-Cap-Universum und wendet bewährte Signale wie Value, Quality, Momentum und Gewinnrevisionen auf konsistente und unvoreingenommene Weise an.
2. KI-gestützte Robustheit
Unser NextGen-Ansatz baut darauf auf, indem er maschinelles Lernen integriert. So lassen sich nichtlineare Beziehungen und Wechselwirkungen zwischen Signalen erkennen, wodurch sich das Modell an unterschiedliche Unternehmensmerkmale und Marktbedingungen anpassen kann – das ist ein wichtiger Vorteil im vielfältigen Small-Cap-Universum.
3. Sinnvolle Diversifizierung
In einem mit zunehmender Marktkonzentration konfrontierten Umfeld bieten Small-Caps eine differenzierte Renditequelle. Mit einem durchschnittlichen langfristigen Tracking Error von etwa 3 % ist dieser ETF als diversifizierte Allokation positioniert, die vielfältige Chancen in Small-Caps ohne übermäßige Konzentration erfassen soll.
NextGen Global Small-Cap Equity UCITS ETF USD Acc
- SFDR (31-3)
- Article 8
- Ertragsverwendung (31-3)
- No
- Aktueller Preis (22-4)
- 5.04
- Inception date (31-3)
Frühere Wertentwicklungen, Simulationen oder Prognosen sind kein verlässlicher Indikator für die zukünftige Wertentwicklung.
Für einen komplexen Markt konzipiert
Small-Caps bieten eine attraktive Gelegenheit, die jedoch nur schwer effizient genutzt werden kann und einen fortschrittlicheren und systematischen Ansatz erfordert. Der NextGen Global Small-Cap Equity ETF von Robeco wurde aufgelegt, um diesen Bedarf zu decken, indem er ein breites Marktengagement mit einem disziplinierten, datengestützten Prozess verbindet.
Fußnoten
1 Quelle: Robeco, „Small-Caps, verbesserte Signale: Unser neuer NextGen ETF“. Die Bewertung basiert auf einer Zusammensetzung von Bewertungskennzahlen, darunter Kurs-Buchwert-Verhältnis, Kurs-Gewinn-Verhältnis, Kurs-Cashflow-Verhältnis und Kurs-Dividenden-Verhältnis.
2 Lineare Modelle gehen davon aus, dass jedes Anlagesignal einen festen und unabhängigen Effekt auf die Rendite hat. In der Realität sind die Beziehungen zwischen den Signalen häufig komplexer: Ihre Wirkung kann sich je nach Kontext und Wechselwirkungen mit anderen Faktoren ändern. Mithilfe des maschinellen Lernens können diese nichtlinearen Muster erfasst werden, woraus sich ein flexibleres und anpassungsfähigeres Modell ergibt.
Unsere Kernstärken
