{# File Endings #} {# #} {# #} {# #} {# Contact #} {# Social Media #}
• Forschungs-Impuls

Gleich und Gleich gesellt sich gern: Wie die Psychologie Analystenprognosen auf Kapitalmärkten beeinflusst

Alexandra Niessen-Ruenzi

Allgemeine Betriebswirtschaftslehre und Corporate Governance | Universität Mannheim
Mehr

Die klassische Finanzmarkttheorie basiert auf der Prämisse, dass verfügbare Informationen rational verarbeitet werden und sich entsprechend in Preisen und Bewertungen niederschlagen. Tatsächlich treffen aber auch professionelle Marktteilnehmer ihre Entscheidungen nicht frei von psychologischen Einflüssen. Die Studie „Ingroup Bias in Financial Markets“ untersucht, ob ein aus der Sozialpsychologie bekannter Mechanismus auch bei Aktienanalysten eine Rolle spielt: der In-Group Bias, also die Tendenz, Personen aus der eigenen sozialen Gruppe positiver einzuschätzen. Obwohl Analysten unter hohem Wettbewerbs- und Leistungsdruck arbeiten und ihre Prognosequalität messbar ist, fallen Gewinnprognosen und Aktienempfehlungen günstiger aus, wenn Analyst und CEO derselben sozialen Gruppe angehören. Der Effekt zeigt sich besonders deutlich beim Geschlecht, ist aber nicht darauf beschränkt. Damit liefert die Studie Evidenz dafür, dass soziale Nähe selbst in einem stark informationsgetriebenen Marktumfeld Urteile beeinflussen kann.

Warum der Effekt ökonomisch relevant ist

Aktienanalysten gehören zu den zentralen Informationsintermediären am Kapitalmarkt. Ihre Gewinnschätzungen und Empfehlungen fließen in die Erwartungen von Investoren ein. Die Studie nutzt Analystenprognosen aus den Jahren 1992 bis 2021 und verknüpft sie mit Informationen über die Analysten, die von ihnen beobachteten Unternehmen und deren CEOs. Die zentrale Frage ist dabei nicht, ob weiblich und männlich geführte Unternehmen unterschiedlich sind, sondern ob die Einschätzung des­selben Unternehmens systematisch davon abhängt, wer es beurteilt. Genau dafür findet die Analyse Hinweise: Analysten bewerten Unter­nehmen positiver, wenn der CEO zu ihrer eigenen demografischen Gruppe gehört.

Analysten bewerten Unter­nehmen positiver, wenn der CEO zu ihrer eigenen demografischen Gruppe gehört.

Unterschiede, die in der Größenordnung relevant sind

Für Unternehmen mit weiblichen CEOs fallen die Prognosefehler männ­licher Analysten im Durchschnitt um 0,11 Prozentpunkte negativer aus als für Unternehmen mit männlichen CEOs. Bei weiblichen Analysten zeigt sich das umgekehrte Muster: Der Interaktionseffekt zwischen weiblichem Analysten und weiblichem CEO beträgt rund 0,13 Prozentpunkte und wirkt damit der negativen Bewertung weiblich geführter Unternehmen durch männliche Analysten weitgehend entgegen. Diese Größenordnungen sind nicht trivial. Der durchschnittliche Prognosefehler in der Stichprobe beträgt rund 0,12 Prozentpunkte. Der Zusammenhang mit der Gruppen­zugehörigkeit ist damit in einer ähnlichen Größenordnung wie der durchschnittliche Prognosefehler selbst. 

Ein möglicher Nachteil für weiblich geführte Unternehmen

Besonders relevant ist dieses Ergebnis vor dem Hintergrund der Zusammensetzung der Analystenzunft. Die große Mehrheit der Analysten in der Stichprobe ist männlich. Wenn männliche Analysten weiblich ge­führte Unternehmen im Durchschnitt pessimistischer beurteilen, kann sich ein individueller In-Group Bias daher asymmetrisch auswirken: Weibliche CEOs treffen deutlich häufiger auf Analysten, die nicht ihrer eigenen Gruppe angehören. In den Aktienempfehlungen zeigt sich entsprechend, dass weiblich geführte Unternehmen mit einer um mehr als zwei Prozent höheren Wahrscheinlichkeit eine Verkaufs- oder starke Verkaufsempfehlung erhalten; der Effekt ist vor allem in der Gruppe der männlichen Analysten zu finden.

Dieses Muster hängt nicht nur an der Geschlechtszugehörigkeit, sondern ist Ausdruck eines allgemeineren Mechanismus sozialer Nähe. Auch weitere Abgrenzungen von In- und Out-Groups, z.B. nach ethnischer beziehungsweise kultureller Zuordnung zeigen, dass Analystenprognosen günstiger ausfallen, wenn Analyst und CEO derselben Gruppe angehören.

Auch weitere Abgrenzungen von In- und Out-Groups, z.B. nach ethnischer beziehungsweise kultureller Zuordnung zeigen, dass Analystenprognosen günstiger ausfallen, wenn Analyst und CEO derselben Gruppe angehören.

Ein ähnlicher Zusammenhang zeigt sich bei Namen. Hier wird der Soundex-Algorithmus genutzt, um phonetisch ähnlich klingende Namen zu identi­fizie­ren. Analysten äußern günstigere Einschätzungen über CEOs, deren Namen ihrem eigenen ähnlich klingen. Das ist insofern interessant, als bereits ein vergleichsweise schwaches Signal sozialer Ähnlichkeit mit unter­schiedlichen Einschätzungen verbunden ist. Die Ergebnisse sprechen damit für einen In-Group-Effekt, der über das Geschlecht hinaus­geht.

Informationsvorsprung oder In-Group Bias?

Eine naheliegende alternative Erklärung wäre, dass Analysten innerhalb ihrer eigenen sozialen Gruppe besseren Zugang zu Informationen haben. Dann wären die unterschiedlichen Prognosen nicht Ausdruck einer ver­zerrten Einschätzung, sondern das Ergebnis unterschiedlicher Informations­stände. Die Studie untersucht diese alternative Erklärung in mehreren Tests.

Hierfür wird die Einführung der Regulation Fair Disclosure in den USA im Jahr 2000 genutzt. Die Regelung erschwerte es Unternehmen, wesentliche Informationen selektiv an einzelne Marktteilnehmer weiterzugeben. Wäre ein Informationsvorsprung innerhalb sozialer Netzwerke die zentrale Erklärung, sollte der Zusammenhang nach Einführung der Regel schwächer werden. Das ist nicht der Fall. Auch im Zeitraum nach 2000 bleiben die Prognoseunterschiede bestehen. Zusätzlich wird untersucht, ob Prognosen für In-Group-CEOs früher abgegeben werden, was auf einen Informationsvorsprung hindeuten könnte. Auch dafür findet die Studie keine Evidenz.

Um mögliche Selektionseffekte zu untersuchen, vergleicht die Studie unter anderem dieselben Analysten bei Unternehmen, deren CEO-Geschlecht sich im Zeitverlauf ändert. In einem Falsifikationstest wird das Merkmal eines weiblichen CEOs zufällig Unternehmen zugewiesen. Unter dieser zufälligen Zuordnung verschwindet der zuvor beobachtete Zusammen­hang. Zusammengenommen machen diese Tests alternative Erklärungen weniger plausibel und stützen die Interpretation als In-Group Bias.

Mehr Vielfalt, weniger Verzerrung?

Besonders interessant ist, dass die Stärke des Zusammenhangs mit dem Arbeitsumfeld variiert. In Brokerhäusern mit einem höheren Anteil weiblicher Analysten ist die pessimistischere Bewertung weiblich ge­führter Unternehmen durch männliche Analysten nicht mehr statistisch nachweisbar. Dasselbe gilt für Branchen mit einem höheren Anteil weiblicher CEOs. Die Ergebnisse sind konsistent mit der Idee, dass häufigerer Kontakt mit Mitgliedern der jeweiligen Out-Group den In-Group Bias abschwächt.

Damit erhält Diversität neben der häufig diskutierten Verteilungs- und Repräsentationsdimension auch ökonomische Relevanz. Wenn die Zusammensetzung des beruflichen Umfelds mit geringeren systemati­schen Prognoseunterschieden einhergeht, betrifft Diversität auch die Qualität von Informationsverarbeitung am Kapitalmarkt. Das ist gerade deshalb wichtig, weil Analystenprognosen und -empfehlungen eine zentrale Grundlage für Investitionsentscheidungen darstellen.

Was lässt sich daraus für Unternehmen und Politik ableiten?

Für Unternehmen folgt aus den Ergebnissen zunächst, dass die Wahr­nehmung des Managements nicht notwendigerweise unabhängig von der Identität des Beurteilenden ist.

Für Unternehmen folgt aus den Ergebnissen zunächst, dass die Wahr­nehmung des Managements nicht notwendigerweise unabhängig von der Identität des Beurteilenden ist. Das gilt auch in einem professionellen Umfeld, in dem starke Anreize für präzise Prognosen bestehen. Für Investor Relations spricht dies für eine möglichst klare und konsistente Kommunikation, die Interpretationsspielräume reduziert.

Darüber hinaus legt die Studie nahe, Diversität in der Finanzbranche nicht ausschließlich als Repräsentationsfrage zu betrachten. Ein stärker durch­mischtes Umfeld ist in den Daten mit geringeren In-Group-Verzerrungen verbunden. Für die Funktionsfähigkeit von Kapitalmärkten ist das rele­vant: Wenn soziale Nähe systematisch in Prognosen und Empfehlun­gen einfließt, können selbst wettbewerbsintensive Märkte solche Ver­zerrungen offenbar nicht vollständig eliminieren. Genau darin liegt die übergeordnete Erkenntnis der Studie.