boersenpsychologie.de

Was gegen Denkfehler wirklich hilft – und was nur gut klingt

Journal, Checkliste, Sparplan, Aufklärung: Welche Maßnahmen gegen Denkfehler beim Anlegen belegt sind – und welche nur plausibel klingen.

Von Mathias ZieglerVeröffentlicht am

Bücher über Anlegerpsychologie haben oft denselben Aufbau: Erst kommen zwanzig Denkfehler, dann ein Kapitel mit Tipps. Führe ein Tagebuch. Nutze eine Checkliste. Schlaf eine Nacht drüber. Und vor allem: Kenne deine Schwächen.

Das klingt alles vernünftig. Aber die Frage, die selten gestellt wird, ist unbequem: Woher weiß man eigentlich, dass diese Tipps wirken? Die Forschung dazu ist dünner, als man denkt – und sie zeigt ein überraschendes Muster.

Die unbequemste Erkenntnis zuerst: Wissen allein schützt kaum

Beginnen wir beim beliebtesten Rat: Wer seine Denkfehler kennt, fällt nicht mehr darauf herein. Leider spricht einiges dagegen. Menschen halten sich selbst für weniger anfällig für Verzerrungen als andere. Psychologen nennen das den blinden Fleck für Verzerrungen. In Studien hielten viele Teilnehmende ihr eigenes Urteil auch dann noch für objektiv, nachdem ihnen die betreffende Verzerrung erklärt worden war.1 Diese Studien stammen allerdings nicht aus dem Anlagekontext.

Auch klassische Finanzbildung hilft, aber nur wenig. Eine große Auswertung von 76 randomisierten Studien mit mehr als 160.000 Teilnehmenden fand kleine, aber reale Effekte auf Wissen und Verhalten.2 Gemessen wurde dabei meist Sparen und Umgang mit Krediten, kaum Börsenhandel. Eine ältere Auswertung kam zu noch kleineren Effekten, die mit der Zeit verblassten, und schlug vor, Wissen möglichst direkt vor einer anstehenden Entscheidung zu vermitteln.3

Das heißt nicht, dass Wissen wertlos ist. Es heißt, dass Verstehen allein nicht reicht.

Training mit Rückmeldung: vielversprechend, aber nicht an der Börse getestet

Etwas besser sieht es für Übungen aus, bei denen man nicht nur liest, sondern übt und eine Rückmeldung bekommt. In einem Experiment senkte ein einmaliges Training per Computerspiel gemessene Verzerrungen direkt danach um mindestens rund 32 Prozent und nach etwa zwei Monaten noch um mindestens rund 24 Prozent; ein Lehrvideo wirkte schwächer.4 In einer Folgestudie mit Studierenden einer Business School wählten Trainierte in einer unangekündigten Fallstudie seltener die schlechtere, bloß bestätigende Lösung; relativ waren es etwa 19 Prozent weniger. Die ursprünglich veröffentlichte Zahl wurde später nach unten korrigiert.5 Und in einem großen Prognoseturnier verbesserte ein kurzes Training im Umgang mit Wahrscheinlichkeiten die Treffsicherheit messbar, über die zwei Jahre des Wettbewerbs.6

Der Haken: Keine dieser Studien hat Anlageentscheidungen untersucht. Ob der Effekt auf dein Depot übergeht, weiß niemand.

Besser belegt: die Situation ändern, nicht nur das Wissen

Nach der Forschung, die wir ausgewertet haben, sind Maßnahmen, die die Situation verändern, besser belegt als solche, die nur Wissen vermitteln, vor allem Voreinstellungen und die Art der Anzeige. Für Regeln, die ohne Neuverhandlung ausgeführt werden, gibt es erste Laborhinweise. Diese Zusammenschau ist unsere eigene.

Voreinstellungen. Als ein US-Unternehmen seine Beschäftigten automatisch in die betriebliche Altersvorsorge aufnahm, statt auf eine Anmeldung zu warten, stieg die Teilnahme bei vergleichbarer Betriebszugehörigkeit von 37 auf 86 Prozent. Viele blieben allerdings auch beim niedrigen voreingestellten Beitragssatz und im vorsichtigen Standardfonds hängen.7 Trägheit wirkt in beide Richtungen.

Vorab festgelegte Steigerungen. In einem Programm, bei dem sich Beschäftigte verpflichteten, einen Teil künftiger Gehaltserhöhungen zu sparen, stieg die Sparquote in der ersten Umsetzung innerhalb von 40 Monaten von 3,5 auf 13,6 Prozent.8 Diese Studie war nicht randomisiert, und Sparen ist nicht dasselbe wie Anlageentscheidungen.

Regeln, die sich selbst ausführen. In einem Laborexperiment senkte die Möglichkeit, Verkaufsaufträge vorab automatisch festzulegen, den Dispositionseffekt, also die Neigung, Gewinner eher zu verkaufen als Verlierer. Eine bloße Erinnerung an den eigenen Verkaufsplan wirkte dagegen nicht.9 Der übertragbare Gedanke ist nicht ein bestimmtes Orderprodukt, sondern ein Prinzip: Die Regel steht vorher fest und wird nicht jedes Mal neu verhandelt. Automatische Verkaufsaufträge haben im echten Markt übrigens eigene Risiken; eine Empfehlung dafür ist das nicht.

Die Anzeige verändern. Wurde der Kaufpreis im Labor nicht angezeigt, verschwand der Dispositionseffekt im Mittel; optimal handelten die Teilnehmenden trotzdem nicht.10 Als ein chinesischer Broker umgekehrt begann, Gewinne und Verluste gegenüber dem Kaufpreis groß anzuzeigen, verstärkte sich diese Neigung bei seinen Kunden um 17 Prozent.11

Regelbasierte Verwaltung. Auch automatisierte Anlagedienste gehören in diese Reihe, mit Nebenwirkungen. Bei Kunden eines indischen Brokers verringerte ein Optimierungswerkzeug mit Ein-Klick-Umsetzung einige typische Fehler, etwa den Dispositionseffekt und das Nachlaufen hinter Trends, ohne sie zu beseitigen; bereits gut gestreute Nutzer handelten danach mehr, ohne besser abzuschneiden.12 Kunden einer großen deutschen Bank hatten nach dem Wechsel zu einem Robo-Dienst breiter gestreute Depots, aber auch mehr Risiko und mehr Käufe.13 Beide Studien kämpfen mit dem Problem, dass sich die Kunden selbst für den Dienst entschieden haben. Eine Produktempfehlung lässt sich daraus nicht ableiten.

Den Blickwinkel wechseln. Eine kleine Denkübung hat zumindest im Labor gewirkt: Teilnehmende, die jede einzelne Wahl „wie ein Händler“ als Teil eines größeren Portfolios betrachten sollten, gewichteten Verluste im Mittel um rund 16 Prozent weniger stark.14 Das war eine einzige Sitzung mit etwa 30 Personen und kleinen Beträgen. Aber die Frage „Was bedeutet diese Position für mein Depot als Ganzes?“ ist so einfach, dass sie einen Versuch wert sein kann.

Was plausibel ist, aber kaum getestet

Und die Klassiker aus den Ratgebern?

  • Entscheidungsjournal: Für ein Journal, in dem man vor einem Kauf Gründe und Erwartungen aufschreibt und später auswertet, haben wir keine Studie mit Anlageergebnissen gefunden.15 Es gibt aber eine gute Teilbegründung: Anleger erinnern ihre vergangenen Renditen besser, als sie waren. Wer seine echten Renditen nachschlug, statt sich zu erinnern, überschätzte sich weniger und plante weniger Trades – ein kleiner Effekt, gemessen an Absichten, nicht an tatsächlichem Handeln.16
  • Checklisten: Die bekannten Erfolge stammen aus der Medizin, und selbst dort sind die Ergebnisse gemischt. Nach einem Pilotprojekt in acht Kliniken sanken Komplikationen und Sterblichkeit,17 bei der verpflichtenden Einführung in 101 Kliniken in Kanada fand man dagegen keine Wirkung, die sich vom Zufall unterscheiden ließ; Checklisten wurden dort offenbar oft nur abgehakt.18
  • Pre-Mortem (vorab durchspielen, warum eine Entscheidung gescheitert sein könnte): In einer kleinen Laborstudie senkte es die Zuversicht in einen Plan.19 Ob die Entscheidungen dadurch besser wurden, hat niemand gemessen.
  • Eine Nacht drüber schlafen: Eine Wartezeit vor eigenen Anlageentscheidungen hat keine Studie direkt getestet. Es gibt nur Laborhinweise zu Verwandtem, etwa weniger Kurzfristinformation oder verzögerten Auftragsbestätigungen in Labormärkten, und die kennen wir nur aus Zusammenfassungen.20

Und die berühmten „Nudges“?

Kleine Anstupser – Erinnerungen, Hinweise, geschickte Formulierungen – gelten als Wunderwaffe der Verhaltensökonomie. Die Daten sind ernüchternder. In veröffentlichten Studien erhöhten Nudges die Teilnahme im Mittel um 8,7 Prozentpunkte, in der vollständigen Sammlung aller Studien zweier US-Nudge-Einheiten, die mit Behörden zusammenarbeiten, nur um 1,4 Prozentpunkte. Der Unterschied erklärt sich vor allem dadurch, dass auffällige Ergebnisse eher veröffentlicht werden.21 Eine Neuauswertung einer großen Nudge-Meta-Analyse fand nach Korrektur für diese Verzerrung keinen belastbaren Durchschnittseffekt mehr, im Bereich Finanzen sogar keinen.22 Diese Debatte ist noch nicht entschieden.

Was daraus folgt

Wenn du nur eine Sache mitnimmst, dann diese: Verlass dich nicht darauf, dass du im entscheidenden Moment klüger bist. Richte die Situation so ein, dass du es nicht sein musst. Ein Sparplan, der automatisch läuft, eine Regel, die du vorher festgelegt hast, eine Anzeige, die nicht deinen Kaufkurs in den Vordergrund stellt – für solche Maßnahmen spricht nach unserer Auswertung mehr als für reines Wissen, auch wenn nur Voreinstellungen und Anzeige im Feld gut belegt sind.

Denkwerkzeuge wie Journal, Checkliste oder Pre-Mortem können trotzdem sinnvoll sein. Sie machen Entscheidungen nachvollziehbar und überprüfbar. Nur solltest du sie als das nehmen, was sie nach heutigem Wissen sind: plausibel, aber im Depot nicht bewiesen.

Quellen

  1. A-IN-301 · PRON2002 – Pronin, Lin & Ross (2002), Personality and Social Psychology Bulletin 28(3), S. 369.
  2. A-IN-303 · KAIS2022 – Kaiser, Lusardi, Menkhoff & Urban (2022), Journal of Financial Economics 145(2); Zahlen aus NBER WP 27057.
  3. A-IN-302, A-IN-304 · FERN2014 – Fernandes, Lynch & Netemeyer (2014), Management Science 60(8). Nur Abstract/Einleitung geprüft; durch KAIS2022 relativiert.
  4. A-IN-305 · MORE2015 – Morewedge et al. (2015), Policy Insights from the Behavioral and Brain Sciences. Vorläufig; kein Finanzkontext.
  5. A-IN-306 · SELL2019 – Sellier, Scopelliti & Morewedge (2019), Psychological Science 30(9), S. 1374–1375; Korrektur 2020. Wortlaut der Korrektur nicht gelesen.
  6. A-IN-307 · MELL2014 – Mellers et al. (2014), Prognoseturnier. Kein Anlagekontext.
  7. A-IN-318 · MADR2001 – Madrian & Shea (2001), Quarterly Journal of Economics 116(4); Zahlen aus NBER WP 7682.
  8. A-IN-317 · THAL2004 – Thaler & Benartzi (2004), Journal of Political Economy 112(1), S. S164–S175.
  9. A-IN-315 · FISC2017 – Fischbacher, Hoffmann & Schudy (2017), Review of Financial Studies 30(6), S. 2110, 2118–2119. Labor, vorläufig.
  10. A-IN-308 · FRYD2014 – Frydman & Rangel (2014), Journal of Economic Behavior & Organization 107. Labor.
  11. A-IN-309 · FRYD2020 – Frydman & Wang (2020), Journal of Finance 75(1). Zahl (17 %) aus der Zusammenfassung der Zeitschriftenfassung; das Arbeitspapier nannte ca. 20 %.
  12. A-IN-320 · DACU2019 – D’Acunto, Prabhala & Rossi (2019), Review of Financial Studies 32(5). Nur Abstract/Einleitung geprüft.
  13. A-IN-321 · LOOS2020 – Loos, Previtero, Scheurle & Hackethal, Working Paper 2020. Vorläufig; Selbstselektion.
  14. A-IN-329 · SOKO2009 – Sokol-Hessner et al. (2009), PNAS 106(13), S. 5036–5037. Labor, kleine Stichprobe.
  15. A-IN-328 · Suchprotokoll F3 (Lückenbefund).
  16. A-IN-326, A-IN-327 · WALT2021 – Walters & Fernbach (2021), PNAS 118(36).
  17. A-IN-324 · HAYN2009 – Haynes et al. (2009), New England Journal of Medicine. Nur Abstract; Analogie.
  18. A-IN-325 · URBA2014 – Urbach et al. (2014), New England Journal of Medicine 370(11). Nur Abstract; Analogie.
  19. A-IN-322 · VEIN2020 – Keysor, Wojtyna & Veinott (2020), Poster SJDM. Sehr kleine Stichproben.
  20. A-IN-313, A-IN-314, A-IN-403 · TRUT2023, FERR2021. Nur Abstracts; keine dieser Studien testet eine Wartezeit vor eigenen Anlageentscheidungen.
  21. A-IN-331 · DELL2022 – DellaVigna & Linos (2022), Econometrica 90(1).
  22. A-IN-332 · MAIE2022 – Maier et al. (2022), PNAS. Debatte offen.

Allgemeine Finanzbildung, keine Anlageberatung. Fehler gefunden? Schreib uns über das Kontaktformular; Korrekturen stehen offen auf der Seite Korrekturen.

Weiterlesen