Smart Beta & Faktor-ETFs erklärt: Value, Momentum, Quality & Co.

Ein klassischer Aktien-ETF auf den MSCI World, S&P 500 oder einen anderen marktbreiten Index wählt seine Unternehmen nicht danach aus, ob sie günstig bewertet, besonders profitabel oder zuletzt stark gestiegen sind. In der Regel bestimmt vor allem die Marktkapitalisierung, wie stark eine Aktie im Index gewichtet wird.

Smart-Beta- und Faktor-ETFs gehen einen anderen Weg. Sie verwenden zusätzliche Regeln, um bestimmte Eigenschaften von Aktien gezielt stärker oder schwächer zu gewichten. Dazu gehören beispielsweise Value, Momentum, Quality, Size oder Low Volatility.

Damit bewegen sich solche ETFs zwischen klassischem passivem Indexinvestment und aktiver Aktienauswahl. Die Entscheidungen werden nicht laufend von einem Fondsmanager getroffen, sondern bereits vorher in einem regelbasierten Index festgelegt.

Die Deutsche Börse beschreibt Smart-Beta-ETFs entsprechend als indexbasierte Produkte, deren Indizes andere Auswahl- oder Gewichtungsregeln verwenden als klassische marktkapitalisierungsgewichtete Indizes.

Doch die Bezeichnung „Smart Beta“ beantwortet noch nicht die entscheidende Frage:

Welche Faktoren besitzen tatsächlich eine wissenschaftliche Grundlage – und was davon kommt beim Anleger in einem realen ETF überhaupt an?

„Beta“ bezeichnet im klassischen Kapitalmarktmodell vereinfacht die Abhängigkeit einer Anlage von den Bewegungen des Gesamtmarktes.

Ein normaler marktbreiter ETF akzeptiert weitgehend die Zusammensetzung des jeweiligen Marktes. Wird ein Unternehmen an der Börse größer, steigt normalerweise auch sein Gewicht im Index.

Smart-Beta-Indizes verändern dieses Prinzip gezielt.

Sie können Aktien beispielsweise nach:

• Bewertung,
• Profitabilität,
• vergangener Kursentwicklung,
• Unternehmensgröße,
• Volatilität oder
• Dividendenmerkmalen

auswählen oder anders gewichten.

Der Begriff Smart Beta ist allerdings nicht einheitlich wissenschaftlich definiert. Er ist vielmehr ein Sammelbegriff für regelbasierte Indexstrategien, die von der klassischen Marktkapitalisierungsgewichtung abweichen. Auch Equal-Weight-, Dividenden- oder fundamentale Indizes werden teilweise darunter eingeordnet. justETF nennt beispielsweise Value, Small Cap, Momentum, Low Volatility, Quality, Equal Weight, Dividenden und Multi-Faktor-Strategien als typische Smart-Beta-Kategorien.

Smart Beta und Faktor-ETF sind deshalb nicht exakt dasselbe

• Ein Faktor-ETF versucht gezielt, ein bestimmtes empirisch untersuchtes Merkmal von Aktien stärker abzubilden.
• Ein Smart-Beta-ETF kann dagegen auch lediglich eine alternative Gewichtungsmethode verwenden.
• Ein Equal-Weight-ETF beispielsweise gewichtet alle enthaltenen Unternehmen gleich. Dadurch kann indirekt eine stärkere Ausrichtung auf kleinere Unternehmen entstehen, obwohl der Index nicht ausdrücklich als Size-Faktor-Index konstruiert wurde.

Deshalb lohnt sich immer der Blick in die tatsächliche Indexmethodik.

Die wissenschaftliche Grundlage entstand nicht mit ETFs.

Das klassische Capital Asset Pricing Model (CAPM) versuchte Aktienrenditen im Wesentlichen über deren Marktrisiko zu erklären. Spätere empirische Untersuchungen zeigten jedoch, dass weitere Unternehmensmerkmale systematisch mit Aktienrenditen zusammenhängen.

Fama und French erweiterten die Betrachtung zunächst insbesondere um Size und Value. Ihr späteres Fünf-Faktoren-Modell ergänzt außerdem Profitability und Investment. Fama und French zeigten, dass das Fünf-Faktoren-Modell viele Renditemuster besser beschreibt als das frühere Drei-Faktoren-Modell. Interessanterweise wurde in ihrer untersuchten Stichprobe der Value-Faktor durch Profitability und Investment teilweise redundant.

Eine andere wichtige Entwicklung kam durch Momentum.

Jegadeesh und Titman dokumentierten 1993, dass Aktien mit relativ hoher vergangener Rendite über bestimmte mittlere Zeiträume dazu tendierten, Aktien mit schwacher zurückliegender Entwicklung zunächst weiter zu übertreffen.

Mark Carhart nahm Momentum 1997 zusätzlich zu Market, Size und Value in sein bekanntes Vier-Faktoren-Modell auf.

Damit ist bereits ein wichtiger Punkt erreicht:

Die wissenschaftlichen Faktormodelle und die heute angebotenen ETF-Faktoren sind nicht deckungsgleich.

Diese Einordnung ist eine redaktionelle Zusammenfassung der Forschung und keine Aussage darüber, welcher Faktor zukünftig die höchste Rendite erzielen wird.

MSCI zählt für seine praktische Faktorindex-Systematik Value, Low Size, Low Volatility, High Dividend Yield, Quality und Momentum zu sechs langfristig untersuchten Aktienfaktoren.

Die akademische Forschung verwendet teilweise andere Kategorien. Das Fama-French-Fünf-Faktoren-Modell beispielsweise enthält Market, Size, Value, Profitability und Investment, aber kein Momentum.

Die Aussage, die du im Podcast gehört hast, besitzt also durchaus einen sachlichen Kern.

Momentum gehört zu den robustesten bekannten Renditemustern der Kapitalmarktforschung.

Besonders interessant ist, dass die Evidenz nicht auf einen einzigen US-Datensatz beschränkt geblieben ist.

Jegadeesh und Titman dokumentierten den Effekt bereits 1993. Asness, Moskowitz und Pedersen fanden später konsistente Value- und Momentum-Prämien über acht unterschiedliche Märkte und Anlageklassen hinweg.

Eine 2025 im Review of Finance veröffentlichte Untersuchung von Goyal, Jegadeesh und Subrahmanyam findet Momentum ebenfalls in entwickelten Märkten außerhalb der USA sowie in Schwellenländern. Die Autoren untersuchen außerdem mögliche Ursachen und finden insbesondere Hinweise darauf, dass Märkte neue Informationen teilweise nur schrittweise verarbeiten.

Auch Untersuchungen historischer Aktienmärkte aus der ersten Hälfte des 20. Jahrhunderts fanden Momentum in zahlreichen Ländern. Gerade solche zeitlich unabhängigen Datensätze sind interessant, weil sie die Gefahr reduzieren, dass ein Effekt lediglich durch die ursprüngliche Auswahl eines modernen Datensatzes entstanden ist.

Die Umsetzung ist anspruchsvoller als die bloße wissenschaftliche Beobachtung.

Ein Momentum-Portfolio muss regelmäßig jene Aktien stärker gewichten, deren Kursdynamik nachlässt oder zunimmt. Dadurch kann der Portfolio-Turnover höher sein als bei einem klassischen Weltindex.

Außerdem kann Momentum gerade bei schnellen Marktumbrüchen empfindlich reagieren. Wenn sich ehemalige Verlierer plötzlich stark erholen und bisherige Gewinner zurückfallen, kann eine Momentumstrategie erhebliche relative Verluste erleiden.

Die deutschsprachige Robeco-Darstellung weist deshalb sowohl auf das Risiko abrupter Trendumkehrungen als auch auf höhere Transaktionskosten infolge des notwendigen Portfolioumschlags hin.

Wissenschaftlich robust bedeutet deshalb nicht automatisch leicht und kostenlos investierbar.

Der Value-Gedanke bevorzugt Unternehmen, deren Aktien im Verhältnis zu fundamentalen Größen vergleichsweise günstig bewertet erscheinen.

Typische Größen können beispielsweise sein:

Kurs-Buchwert-Verhältnis, Kurs-Gewinn-Verhältnis, Cashflow oder andere fundamentale Kennzahlen.

Value gehört zu den am längsten untersuchten Renditemustern. Gemeinsam mit Size war Value bereits Bestandteil des klassischen Fama-French-Drei-Faktoren-Modells.

Das bedeutet jedoch nicht, dass Value ständig eine Überrendite erzielen muss.

Faktorprämien können über sehr lange Zeiträume schwach oder sogar negativ ausfallen. Außerdem können Aktien aus gutem Grund günstig erscheinen. Eine niedrige Bewertung kann beispielsweise strukturelle Probleme eines Unternehmens widerspiegeln.

Ein zusätzlicher wissenschaftlicher Einwand ist interessant: Im späteren Fünf-Faktoren-Modell von Fama und French verliert Value in der dort untersuchten Stichprobe einen Teil seiner eigenständigen Erklärungskraft, wenn Profitability und Investment berücksichtigt werden.

Gleichzeitig fanden andere internationale Untersuchungen weiterhin relevante Value-Muster. Die wissenschaftliche Diskussion ist daher differenzierter als die Aussage „Value funktioniert“ oder „Value funktioniert nicht“.

Quality-ETFs gehören mittlerweile zu den bekanntesten Faktorprodukten.

Der Begriff Quality ist allerdings erheblich weniger eindeutig als „Momentum“.

Ein Indexanbieter kann Qualität beispielsweise anhand von:

Profitabilität, Eigenkapitalrendite, Gewinnstabilität, Verschuldung oder Cashflow

definieren.

Die wissenschaftliche Grundlage dafür ist vor allem die Erkenntnis, dass Profitabilität mit Renditeunterschieden zwischen Aktien zusammenhängen kann.

Das Fama-French-Fünf-Faktoren-Modell enthält deshalb den Profitability-Faktor RMW – „Robust Minus Weak“.

Ein ETF mit der Bezeichnung „Quality“ bildet diesen akademischen Faktor allerdings nicht zwangsläufig exakt nach.

Das ist für Anleger entscheidend:

Quality ist eine Faktoridee. Die konkrete Definition bestimmt der jeweilige Index.

Deshalb können zwei World-Quality-ETFs trotz identischer Faktorbezeichnung unterschiedliche Unternehmen und Gewichtungen besitzen.

Der Size-Effekt beschreibt die historische Beobachtung, dass kleinere Unternehmen teilweise höhere Renditen als große Unternehmen erzielten.

Size gehört bereits zum frühen Fama-French-Modell.

Die spätere Forschung hat das Bild allerdings relativiert.

Eine große Replikationsstudie von Hou, Xue und Zhang untersuchte 452 veröffentlichte Anomalien und stellte fest, dass zahlreiche vermeintliche Effekte erheblich schwächer werden, wenn sehr kleine Aktien und statistische Verzerrungen angemessen berücksichtigt werden. Insgesamt konnten 65 Prozent der untersuchten Anomalien bereits eine konventionelle Signifikanzhürde nicht mehr überwinden; bei strengeren Tests fiel die Ausfallquote noch höher aus.

Das bedeutet nicht, dass der Size-Faktor widerlegt wäre.

Es zeigt aber, warum:

Small Cap = automatisch höhere langfristige Rendite

zu einfach wäre.

Außerdem kann ein gewöhnlicher Small-Cap-ETF einfach das Marktsegment kleiner Unternehmen abbilden, ohne eine besonders starke akademische Faktorstrategie zu implementieren.

Low-Volatility- beziehungsweise Minimum-Volatility-Strategien verfolgen eine andere Idee.

Klassische Kapitalmarkttheorie würde zunächst erwarten lassen, dass Anleger für höheres systematisches Risiko langfristig eine höhere erwartete Rendite verlangen.

Empirisch wurde jedoch wiederholt beobachtet, dass Aktien mit geringerem Risiko teilweise überraschend gute risikoadjustierte Ergebnisse erzielten.

Low-Volatility-Indizes versuchen, diese Eigenschaft regelbasiert auszunutzen.

Dabei sollte allerdings zwischen zwei Zielen unterschieden werden:

höhere Rendite

und

günstigeres Verhältnis zwischen Rendite und Schwankung.

Ein Minimum-Volatility-ETF muss einen Marktindex nicht zwangsläufig bei der absoluten Rendite schlagen, um seinen Zweck zu erfüllen.

Außerdem können solche Indizes starke Branchen- oder Bewertungsverzerrungen entwickeln. In bestimmten Marktphasen kann ein defensives Portfolio deshalb deutlich hinter stark steigenden, wachstumsorientierten Marktsegmenten zurückbleiben.

Hier wird die Abgrenzung besonders unscharf.

MSCI führt High Dividend Yield als einen seiner sechs etablierten Faktoransätze.

Gleichzeitig ist eine hohe Dividendenrendite akademisch nicht dasselbe wie Value oder Profitability.

Viele Dividendenunternehmen sind gleichzeitig:

günstiger bewertet, profitabel, etabliert und weniger wachstumsorientiert.

Ein Dividenden-ETF kann deshalb ungewollt mehrere Faktor-Exposures kombinieren.

Genau deshalb sollte nicht allein die Bezeichnung „Dividend ETF“ betrachtet werden. Dein bereits vorhandener Vergleich von Dividenden-ETFs mit Qualitätsfiltern zeigt, wie unterschiedlich die Regeln solcher Indizes ausfallen können.

Darüber besteht in der Wissenschaft keine abschließend geklärte Einigkeit.

Zwei große Erklärungslinien stehen sich gegenüber.

Risikobasierte Erklärungen gehen davon aus, dass bestimmte Aktien höhere erwartete Renditen bieten, weil Anleger dafür Risiken übernehmen, die in klassischen Modellen nicht vollständig erfasst werden.

Verhaltensbasierte Erklärungen führen Faktorprämien teilweise auf systematische Anlegerfehler zurück.

Momentum wird beispielsweise häufig damit erklärt, dass Anleger neue Informationen zunächst unterschätzen und Preise deshalb nur schrittweise reagieren. Die aktuelle internationale Untersuchung von Goyal, Jegadeesh und Subrahmanyam findet Hinweise auf eine solche verzögerte Informationsverarbeitung, betont aber selbst, dass alternative Erklärungen nicht vollständig ausgeschlossen werden können.

Value könnte dagegen beispielsweise entstehen, weil Anleger besonders attraktive Wachstumsgeschichten überbewerten oder weil günstige Unternehmen tatsächlich höhere Risiken besitzen.

Die Existenz eines empirischen Renditemusters beweist daher noch nicht eindeutig, warum es existiert.

Genau hier wird wissenschaftliche Zurückhaltung wichtig.

Inzwischen wurden in der Finanzforschung Hunderte mögliche Aktienanomalien veröffentlicht.

Das erzeugt ein statistisches Problem: Werden genügend Kennzahlen, Zeiträume und Aktiengruppen getestet, findet man irgendwann auch scheinbar signifikante Zusammenhänge rein zufällig.

Die Forschung spricht deshalb teilweise vom „Factor Zoo“.

Hou, Xue und Zhang konnten einen großen Teil von 452 untersuchten Anomalien nicht unter strengeren Bedingungen replizieren. Andere Untersuchungen kommen ebenfalls zu dem Ergebnis, dass klassische Signifikanzhürden angesichts der enormen Zahl getesteter Strategien häufig zu niedrig angesetzt wurden.

Für Anleger ergibt sich daraus eine wichtige Konsequenz:

Ein rückgerechneter ETF-Index mit beeindruckender historischer Überrendite ist noch kein wissenschaftlich überzeugender Faktor.

Stärker ist die Evidenz, wenn ein Effekt:

über lange Zeiträume, in unterschiedlichen Ländern, außerhalb des ursprünglichen Untersuchungszeitraums und möglichst mit einer ökonomisch plausiblen Erklärung

beobachtet wurde.

Gerade deshalb besitzt Momentum eine vergleichsweise starke Stellung.

Viele Faktor-ETFs konzentrieren sich bewusst auf einen Faktor.

Ein World-Momentum-ETF kann beispielsweise aus dem MSCI-World-Universum Unternehmen mit besonders hoher vergangener Kursdynamik auswählen. BlackRock beschreibt seinen MSCI World Momentum ETF entsprechend als eine Teilmenge des MSCI World mit Fokus auf Aktien mit Aufwärtstendenz.

Andere Produkte kombinieren mehrere Faktoren.

Ein Multi-Factor-Index kann beispielsweise gleichzeitig versuchen, Aktien mit:

attraktiver Bewertung, hoher Profitabilität und positiver Kursdynamik

zu bevorzugen.

MSCI besitzt sowohl eigenständige Faktorindexfamilien als auch Multiple-Factor-Indizes.

Multi-Factor klingt zunächst logisch, denn einzelne Faktoren durchlaufen unterschiedliche Stärke- und Schwächephasen.

Es entsteht allerdings ein neues Problem:

Faktoren können miteinander konkurrieren.

Eine stark gefallene Aktie kann beispielsweise plötzlich attraktiv nach Value-Kriterien aussehen, gleichzeitig aber ein sehr schlechtes Momentum besitzen.

Der Indexanbieter muss dann entscheiden, wie beide Signale miteinander verrechnet werden.

Deshalb ist ein Multi-Factor-ETF nicht automatisch besser diversifiziert oder wissenschaftlich überlegen. Seine Qualität hängt besonders stark von der Indexkonstruktion ab.

Noch eine Besonderheit wird bei ETF-Vergleichen häufig übersehen.

Ein offiziell als „Momentum ETF“ bezeichnetes Portfolio kann gleichzeitig unbeabsichtigt Eigenschaften von:

Quality, Growth, Size oder anderen Faktoren

besitzen.

Genauso kann ein Quality-ETF zeitweise stark in Richtung Momentum tendieren.

Der Name des ETF beschreibt deshalb lediglich den gewünschten primären Faktor, nicht sämtliche Eigenschaften seines Portfolios.

Das erklärt auch, warum zwei ETF-Produkte auf denselben vermeintlichen Faktor unterschiedlich abschneiden können.

Gerade Momentum zeigt dieses Problem besonders deutlich: Ein theoretisches Portfolio kann häufig umgeschichtet werden, während ein realer ETF Kosten, Spreads und Marktliquidität berücksichtigen muss.

Die wissenschaftliche Existenz einer Faktorprämie und die Fähigkeit eines konkreten ETF, sie nach Kosten einzufangen, sind deshalb zwei unterschiedliche Fragen.

Der zuvor betrachtete A41WW6 zeigt gut, warum nicht jede regelbasierte Abweichung vom Weltmarkt sofort als klassischer Faktor-ETF bezeichnet werden sollte.

Sein S&P Global Select Capped Index verwendet unter anderem einen Profitabilitätsfilter bei Small Caps und verändert die Gewichtung besonders großer Unternehmen.

Damit besitzt er faktorähnliche Elemente, ist aber kein reiner World-Quality-, Momentum- oder Value-ETF.

Gerade solche Mischformen zeigen, warum der Blick auf das konkrete Indexregelwerk wichtiger ist als ein Marketingbegriff.

Das lässt sich nicht allgemein beantworten.

Ein Faktor-ETF ist zunächst einmal eine bewusste Abweichung vom Marktportfolio.

Damit entstehen zwei Möglichkeiten:

Der ausgewählte Faktor erzielt langfristig die erwartete Prämie und der ETF profitiert davon.

Oder der Faktor bleibt über viele Jahre hinter dem Gesamtmarkt zurück.

Eine deutsche Auswertung von Strategie-ETFs durch die Börse Frankfurt zeigt beispielsweise, dass die Ergebnisse je nach Faktor und Zeitraum erheblich auseinandergehen. Einige Faktorgruppen konnten über bestimmte Perioden überzeugen, andere nicht. Die Auswertung verdeutlicht damit gerade, dass „Smart Beta“ keine automatische Outperformance bedeutet.

Ein Anleger muss daher bereit sein, möglicherweise jahrelang schlechter als der bekannte Marktindex abzuschneiden, ohne zu wissen, ob die Faktorprämie anschließend wieder auftritt.

Das ist wahrscheinlich eine der größten praktischen Herausforderungen von Factor Investing.

Factor Investing besitzt eine deutlich fundiertere wissenschaftliche Grundlage als viele kurzfristige Börsenstrategien.

Besonders Momentum fällt durch seine breite empirische Dokumentation über unterschiedliche Zeiträume, Länder und sogar Anlageklassen auf. Die Aussage, Momentum gehöre zu den wissenschaftlich besonders robusten Faktoren, lässt sich deshalb gut vertreten.

Es wäre jedoch zu weitgehend, daraus abzuleiten, dass nur Momentum wissenschaftlich belastbar sei.

Value, Profitability beziehungsweise Quality, Size und weitere Renditemuster spielen ebenfalls eine wichtige Rolle in der Kapitalmarktforschung. Gleichzeitig zeigt die moderne Replikationsforschung, dass längst nicht jede publizierte Aktienanomalie robust ist.

Für ETF-Anleger entsteht deshalb eine zusätzliche Ebene:

Nicht nur der Faktor muss überzeugen. Auch Indexdefinition, Gewichtung, Rebalancing, Kosten und tatsächliches Faktor-Exposure müssen sinnvoll umgesetzt werden.

Ein Faktor-ETF ist damit zwar regelbasiert, aber keineswegs neutral.

Wer einen Faktor-ETF kauft, entscheidet sich bewusst dafür, vom Gesamtmarkt abzuweichen.

Ob diese Abweichung langfristig belohnt wird, lässt sich trotz wissenschaftlicher Evidenz niemals garantieren.