Gerrit Roters

Der Einfluss von Marktliquidität auf die Informationseffizienz von Kapitalmärkten

Eine Untersuchung am Beispiel von Schwellenmärkten

Owning Your Brand’s Social Community Drives More Shoppers and Sales


1 Einleitung

In der globalisierten und digitalisierten Welt spielen Kapitalmärkte eine zentrale Rolle,1 indem sie Anleger und Unternehmen vernetzen2 und den Austausch von Risiken und Ressourcen ermöglichen.3 Ihre Effizienz wird von verschiedenen Faktoren beeinflusst, unter anderem von der Marktliquidität.4 Die Marktliquidität wird definiert als die Fähigkeit von Marktteilnehmern, Wertpapiere zügig und ohne signifikante Preisabweichungen in liquide Mittel umzuwandeln.5 Der vorliegende Artikel untersucht den Einfluss der Marktliquidität auf die Informations­effizienz von sieben Schwellenländern6. Ziel der Untersuchung ist es, praxisnahe Handlungs­empfehlungen für Regulierungsbehörden und Marktteilnehmer abzuleiten, um die Informationseffizienz der Märkte gezielt zu verbessern.

Dieser Artikel ist in vier Abschnitte unterteilt. Auf die Darstellung des aktuellen Forschungs­stands folgen eine empirische Untersuchung des Einflusses von Marktliquidität auf die Informationseffizienz sowie eine kritische Würdigung der Untersuchungsergebnisse. Den Abschluss bildet ein Fazit.

2 Einfluss von Marktliquidität auf Informations­effizienz von Kapitalmärkten – Literaturüberblick

Als Ausgangsbasis zur Untersuchung der Forschungsfrage wird ein systematischer Literaturreview durchgeführt. Für Aktualität und Relevanz der Informationen werden ausschließlich Studien aus Fachzeitschriften mit mindestens einem A-Rating im VHB-Jourqual und einem Veröffentlichungsdatum ab dem Jahr 2000 bis Dezember 2024 einbezogen. Der gewählte Zeitraum ermöglicht die Berück­sichtigung des Hochfrequenzhandels und seinem potenziellen Einfluss auf die Marktliquidität. Die Recherche erfolgt über Google Scholar, JSTOR und ScienceDirect mit Suchbegriffen wie „Stock Market Liquidity“, „Stock Liquidity“, „Market Efficiency“, „Information Efficiency“, „Financial Market“, „Trading Activities“ und „Efficiency Improvement“.

Informations­effizienz bezeichnet die Fähigkeit von Märkten, Informationen möglichst schnell in Preise zu integrieren. Die klassische Finanzmarkttheorie definiert Informations­effizienz in drei Stufen: schwache (SIE), semistarke (SSE) und starke (STE) Informations­effizienz.7 Ein liquider Markt erleichtert den schnellen und kostengünstigen Handel, wodurch neue Informationen effizienter in Preise eingepreist werden können. Dies bildet die theoretische Grundlage für den Zusammenhang zwischen Marktliquidität und Informations­effizienz.8 Studien wie die von Chordia et al. (2008) und Bai et al. (2016) zeigen, dass hohe Marktliquidität eine effizientere Preisbildung und einen besseren Informationsfluss begünstigt.9 Bisherige Studien zum Zusammenhang von Marktliquidität und Informations­effizienz analysieren überwiegend die Kapitalmärkte von industrialisierten Ländern. Es wird deutlich, dass Marktliquidität einen signifikant positiven Einfluss auf die Informations­effizienz haben kann. Allerdings zeigen weitere Studien, dass hohe Marktliquidität auf den Kapitalmärkten von Industrienationen nicht zwangsläufig zu höherer Informations­effizienz führen muss.10 Folglich besteht weiterer Forschungsbedarf hinsichtlich der Rahmenbedingungen, unter denen eine Verbesserung der Marktliquidität zu Informations­effizienz auf Kapitalmärkten führt. Zudem fehlen Untersuchungen für Schwellenmärkte, deren Analyse vor dem Hintergrund einer vergleichsweise geringeren Marktliquidität sowie einer tendenziell eingeschränkten Informationsverfügbarkeit bei gleichzeitig zunehmender wirtschaftlicher Bedeutung vielversprechend erscheint. Der vorliegende Artikel adressiert diese Forschungslücke. Folgende Forschungsfrage wird untersucht: Inwieweit stellt die Marktliquidität eine Determinante der Informations­effizienz auf ausgewählten Schwellenmärkten dar.

3 Empirische Untersuchung zum Einfluss von Marktliquidität auf die Informations­effizienz von Kapitalmärkten

3.1 Operationalisierung der Untersuchungsvariablen

Für die Untersuchung werden die in der Literatur gängigen drei Formen der Informations­effizienz verwendet und für das ökonometrische Messmodell operationalisiert. Die SIE basiert auf der Annahme, dass historische Informationen vollständig im Preis enthalten sind.11 Sie wird durch die Autokorrelation täglicher Renditen operationalisiert – signifikante Korrelationen deuten auf Ineffizienz hin.12  Die SSE geht davon aus, dass historische und öffentliche Informationen im Preis reflektiert werden.13  Zur Operationalisierung werden abnormale Renditen um die Veröffentlichung von Inflationsdaten als tägliche Datenpunkte berechnet. Der Unterschied zwischen den tatsächlichen Renditen eines Index und den zu erwartenden Renditen stellt die abnormalen Renditen dar.14  Die Identifikation von abnormalen Renditen deutet auf Ineffizienz hin.15  In der STE wird unterstellt, dass darüber hinaus auch private Informationen vollständig im Preis enthalten sind.16 Die Analyse von Fondsmanagerrenditen als potenzieller Insidergruppe wird herangezogen, um die Hypothese der STE zu überprüfen. Konkret werden Abweichungen zwischen Fondsmanagerrenditen und Marktrendite gemessen, wobei systematische Abweichungen von der Marktrendite auf Ineffizienzen hinweisen.17 

Die Marktliquidität ermöglicht schnellen Handel ohne signifikante Preis­änderungen.18  Um den Einfluss auf die Informations­effizienz zu analysieren, werden folgende Variablen herangezogen: das tägliche Handelsvolumen (HV) als direkter Indikator für Liquidität,19 das tägliche Amihud-Illiquiditätsmaß (ILLIQ), das die Illiquidität durch das Verhältnis von absoluter Rendite zu HV misst,20  sowie die serielle Kovarianz als effektiver Bid-Ask-Spread (eS), der auf der Differenz zwischen Kauf- und Verkaufspreis basiert, die Transaktionskosten widerspiegelt und als Maß für Informationsasymmetrie dient.21 

Tabelle 1: Quantitative Erfassung der Untersuchungsvariablen2

Die operationalisierten Variablen bilden eine Grundlage für die empirische Analyse von Marktliquidität und deren Einfluss auf die Informations­effizienz. Zur präziseren Untersuchung werden zusätzliche Kontrollvariablen einbezogen: die Volatilität der durchschnittlichen Renditen des analysierten Kapitalmarkts im Untersuchungsland (gemessen als Standardabweichung der letzten 20 Renditedatenpunkte), der Leitzins zur Steuerung der Geldpolitik des entsprechenden Untersuchungslandes als kurzfristiger Zins (Zk), die Rendite der zehnjährigen Staatsanleihen als langfristiger Zins (Zl) sowie die Inflationsrate (INF). Diese Kontrollvariablen erhöhen die Verlässlichkeit und Präzision der Analyseergebnisse.

Die durch die Operationalisierung entstandenen Zeitreihendaten dienen als Grundlage für die Analyse des Einflusses von Marktliquidität auf die Informations­effizienz. Da nicht stationäre Zeitreihen zu verzerrten Ergebnissen führen können,23 wird eine Loga­rithmierung vorgenommen, um Varianzinstabilitäten zu reduzieren und die Daten vergleichbarer zu machen.24

3.2 Methodik und Datenbasis der Untersuchung

Der Einfluss der Marktliquidität auf die Informations­effizienz wird mittels schrittweiser multipler linearer Regression (SMLR) analysiert. Die SMLR identifiziert signifikante Variablen basierend auf ihrer Erklärungskraft für das Modell.25 Validität und Robustheit des Modells werden durch Residualplots26 sowie einen Durbin-Watson- und Breusch-Pagan-Test sichergestellt.27 Nichtlinearität, Multikollinearität und Heteroskedastizität werden geprüft und durch geeignete Transformationen, robuste Standardfehler sowie den Ausschluss problematischer Variablen behoben. Diese Methodik ermöglicht eine präzise Analyse unter Berücksichtigung potenzieller Störfaktoren. Zur weiteren Prüfung der Robustheit und zeitlichen Stabilität werden ein Bootstrap-Verfahren mit 5.000 Stichproben28 sowie eine Rolling-Forecast-Validierung mit einem 95%-Trainings- und 5%-Testdatensatz eingesetzt.29

Das zugrunde liegende Modell der SMLR, wobei IE die Informations­effizienz in einer ihrer drei Formen angibt, ist mathematisch wie folgt definiert:

Für die Untersuchung werden Schwellenländer des MSCI ACWI ausgewählt, die demokratisch regiert werden und mehr als 50 Millionen Einwohner:innen haben. Diese Auswahl wird aufgrund hoher Datenverfügbarkeit und ‑qualität getroffen. Die Länder Brasilien, Indien, Indonesien, Mexiko, Philippinen, Südkorea und Thailand – repräsentiert durch ihre Leitindizes30 – finden Berücksichtigung. Da der aktuelle Forschungsstand primär die Kapitalmärkte von Industrieländern untersucht, adressiert der Fokus auf Schwellenländer diese Forschungslücke. Um diverse Marktbedingungen abzudecken, umfasst der Untersu­chungszeitraum (01.04.2013–21.09.2023) kritische Ereignisse wie das „Taper Tantrum“ und die COVID-19-Pandemie. Die Quellen „Yahoo Finance“, „Investing.com“ und „Morningstar“ werden für die Datengrundlage aus 2.240 bis 2.555 täglichen Beobachtungen je Index genutzt.

3.3 Untersuchungsergebnisse

Die bestehende Autokorrelation wird durch die Aufnahme einer zusätzlichen Lag-Variablen der abhängigen Variablen behoben31 und die Heteroskedastizität durch robuste Standardfehler korrigiert.

Abbildung 1: Verteilung der R²-Werte

Die dargestellte Abbildung 1 zeigt Balkendiagramme der sieben Unter­suchungs­länder entlang der horizontalen Achse. Für jedes Land werden drei Balken dargestellt, die jeweils die R²-Werte für die unterschiedlichen Formen der Informations­effizienz repräsentieren. Die vertikale Achse quantifiziert das Bestimmtheitsmaß R². Das Bestimmtheitsmaß quantifiziert in einem linearen Modell den Erklärungsgrad der unabhängigen Variablen bezüglich der Varianz der abhängigen Variablen.32

Die R²-Werte der SSE weisen in allen Untersuchungsmärkten die höchste Modellgüte aus; daher werden die Ergebnisse der SSE genauer betrachtet.

Land

Konstanter Term

p-Wert konstanter Term

Signifikante unabhängige Variablen

Beta-Koeffizient

p-Wert

Brasilien

N = 2550

0,00035985

0,007**

Lag-Variable

0,704

<&nbsp;0,001***

HV

0,00000716

0,008**

Zk

-0,00001805

0,044*

Indien

N&nbsp;=&nbsp;2511

-0,0003304

0,099

Lag-Variable

0,851

<&nbsp;0,001***

INF

0,00001412

0,031*

Indonesien

N&nbsp;=&nbsp;2516

-0,0001232

0,012*

Lag-Variable

0,431

<0,001***

HV

0,00001261

<&nbsp;0,001***

ILLIQ

0,057

<&nbsp;0,001***

eS

0,00001872

<&nbsp;0,001***

Mexiko

N&nbsp;=&nbsp;2270

-0,0001942

0,071

Lag-Variable

0,669

<&nbsp;0,001***

HV

0,00001551

0,019*

Philippinen

N&nbsp;=&nbsp;2268

-0,0001141

0,382

Lag-Variable

0,693

<&nbsp;0,001***

HV

0,00001993

<&nbsp;0,001***

ILLIQ

0,000

<&nbsp;0,001***

eS

0,00003127

0,018*

Südkorea

N&nbsp;=&nbsp;2519

-0,0001845

<&nbsp;0,001***

Lag-Variable

0,859

<&nbsp;0,001***

HV

0,00000329

<&nbsp;0,001***

ILLIQ

0,000

<&nbsp;0,001***

Zk

-0,00001099

0,009**

Thailand

N&nbsp;=&nbsp;2522

0,00010333

0,058

eS

0,00002471

0,005**

*p&nbsp;<&nbsp;0,05; **p&nbsp;<&nbsp;0,01; ***p&nbsp;<&nbsp;0,001

Tabelle 2:  Deskriptive Ausführung der SMLR zur SSE

Die Tabelle 2 führt die signifikanten unabhängigen Variablen auf, die im Modell für jedes Land verblieben sind. Dazu werden die Beta-Koeffizienten und die entsprechenden p-Werte angegeben. Auffällig in Tabelle 2 ist, dass die Lag-Variable am Beispiel von Thailand nicht signifikant ist. In allen anderen untersuchten Ländern ist abzulesen, dass sie ein Signifi­kanzniveau von unter 0,001 ausweist. Die Lag-Variable zeigt mit Beta-Koeffizienten zwischen 0,431 und 0,859 die höchste Effektstärke aller betrachteten Variablen und stellt damit den konstantesten Einflussfaktor im Modell dar. Die konstanten Terme der SSE von Brasilien, Indonesien und Südkorea sind auf einem Signifikanzniveau von α = 0,05 signifikant.

4 Kritische Würdigung zum Einfluss von Marktliquidität auf die Informations­effizienz von Kapitalmärkten

4.1 Implikation und Limitation der Untersuchung

Die Lag-Variable zeigt sich durchweg als signifikanter Einflussfaktor in nahezu allen untersuchten Märkten. Die Implikation daraus ist, dass vergangene Preis­bewegungen für die zukünftige Preisfindung eine zentrale Rolle spielen und dies unabhängig vom jeweiligen Schwellenmarkt. Liquiditätsvariablen wie das HV, das ILLIQ und der eS haben bei der SSE einen signifikanten Einfluss. Dies deutet darauf hin, dass Marktliquidität die Verarbeitung öffentlich verfügbarer Informationen beeinflusst. Die Ergebnisse stützen die Forschungsfrage insofern, als die Variablen der Marktliquidität insbesondere im Rahmen der semistarken Effizienzform einen konsistenten Einfluss auf die Informations­effizienz ausüben. In Abhängigkeit von der unterstellten Effizienzform variieren jedoch die Signifikanz und Effektenstärke dieses Zusammenhangs. Während bei der SSE ein klarer Effekt erkennbar ist, fällt dieser bei der schwachen oder starken Form weniger eindeutig aus. Makro­ökonomische Kontrollvariablen wie der Zk und die INF haben im Ländervergleich nur einen begrenzten Einfluss auf die SSE und sind damit weniger relevant als liquiditätsspezifische Faktoren. Außerdem verdeutlichen die Ergebnisse, dass Kapitalmarktakteure Informationen selektiv verarbeiten und nur bestimmte Variablen regelmäßig in die Preisbildung einfließen. Dies stellt die Theorie der vollkommenen Informations­effizienz infrage. Dass in vielen Fällen nur die Lag-Variable und wenige weitere Faktoren signifikant sind, verdeutlicht, dass Informationen auf Märkten derart effizient verarbeitet werden, dass das Hinzufügen weiterer erklärender Variablen kaum zusätzlichen Erklärungsgehalt besitzt.

Die Untersuchung basiert auf der Hypothese eines signifikanten Einflusses der Marktliquidität auf die Informations­effizienz, vereinfacht dabei jedoch die komplexen Zusammenhänge, da nicht lineare Effekte und mögliche Wechselwirkungen nicht oder nur eingeschränkt berücksichtigt werden. Methodische Einschränkungen der SMLR, wie beispielsweise die Fokussierung auf quantitative Daten33 sowie die Beschränkung auf sieben Schwellenländer und den spezifischen Untersuchungszeitraum, reduzieren die Aussagekraft und Generalisierbarkeit der Ergebnisse. Zudem bleiben mögliche Interaktionen nicht erfasster Variablen unberücksichtigt. Herausforderungen ergeben sich auch aus der Operationalisierung und Auswahl der Variablen, da beispielsweise die drei Formen der Informations­effizienz in der Praxis schwer trennbar sind.34 Die Validität der Ergebnisse wird durch eine begrenzte Anzahl signifikanter Variablen und den Ausschluss vermeintlich relevanter Variablen aufgrund von Multikollinearität weiter eingeschränkt. Eine zusätzliche Limitation besteht darin, dass trotz Logarithmierung und ADF-Test eine vollständige Stationarität nicht in allen Fällen sichergestellt ist.

4.2.Handlungsempfehlungen für Regulierungsbehörden und Marktteilnehmer

Regulierungsbehörden des entsprechenden Kapitalmarktes sollten Maßnahmen ergreifen, um Marktliquidität gezielt zu fördern, da diese insbesondere im Rahmen der SSE und der untersuchten Variablen die schnelle Verarbeitung öffentlich verfügbarer Informationen unterstützt und somit zur Informations­effizienz des Kapitalmarkts beiträgt. Die Ergebnisse legen nahe, dass das eS als Maß für die Transaktionskosten nicht pauschal als hemmender Faktor für die Informations­effizienz zu bewerten ist. Es sollte in seiner Zusammensetzung und Wirkung differenziert analysiert werden, um eine evidenzbasierte und marktspezifische Regulierung zur Steigerung der Marktliquidität zu ermöglichen. Institutionelle Investoren können durch strategische Anreize zur Liquiditätssteigerung beitragen. Ferner sollten Schwellenländer vom „Best Practice“ fortgeschrittener Volks­wirtschaften lernen und profitieren, indem sie moderne Handelssysteme, transparente Regulierungsstandards und neue Technologien nutzen. Internationale Zusammenarbeit ist dabei ein Handlungsfeld für den Erfolg.

Die Untersuchungsergebnisse legen nahe, dass historische Preisbewegungen und weitere Marktliquiditätsvariablen wie HV, ILLIQ und eS von Marktteilnehmern betrachtet werden sollten, da diese die Preisfindung beeinflussen können. Ihre Effektstärke variiert jedoch zwischen den untersuchten Märkten, was eine länderspezifische Analyse der Informationsverarbeitung voraussetzt. Vor diesem Hintergrund erscheint es notwendig, Analyse- und Entscheidungsmodelle flexibel an spezifische Marktbedingungen anzupassen.

4.3 Perspektiven für zukünftige Untersuchungen

Die Untersuchung liefert wertvolle Einblicke in den Einfluss der Marktliquidität auf die Informations­effizienz, eröffnet gleichzeitig jedoch neue Fragestellungen. Künftige Untersuchungen zum Einfluss von Marktliquidität auf Informations­effizienz sollten länderspezifische Variablen und kulturelle Faktoren einbeziehen, um Modelle an den Untersuchungsmarkt anzupassen. Eine erweiterte Datengrundlage, flexiblere Zeiträume und der Einsatz nicht öffentlicher Handelsdaten könnten die bisherigen Limitationen adressieren. Zudem sind dynamische Analysen über verschiedene Marktzyklen hinweg erforderlich, um die Stabilität der Beziehungen zu bewerten. Vor dem Hintergrund der Limitation bezüglich der drei Formen der Informations­effizienz besteht weiterer Forschungsbedarf bei der Entwicklung methodischer Ansätze, die eine klarere empirische Abgrenzung dieser drei Formen ermöglichen und eine differenzierte Analyse im Zusammenhang mit Marktliquidität erlauben. Weiterhin sollten Wechselwirkungen zwischen Transaktionskosten und Informations­effizienz untersucht werden, um Bedingungen zu identifizieren, unter denen diese förderlich oder hinderlich wirken. Langfristige Auswirkungen regulatorischer Maßnahmen bieten weitere Forschungsperspektiven.

5 Fazit

Die Untersuchung zeigt, dass Marktliquidität auch in Schwellenländern einen signifikanten Einfluss auf die Informations­effizienz hat. Die empirischen Ergebnisse bestätigen die Hypothese des Einflusses von Marktliquidität auf Informations­effizienz, weisen jedoch auch Limitationen auf. Die Aussagekraft und Generalisierbarkeit der Ergebnisse sind durch methodische Einschränkungen der SMLR sowie die begrenzte Länder- und Zeitraumauswahl limitiert, was den Bedarf weiterführender Untersuchungen aufzeigt. Zukünftige Analysen sollten weitere Variablen, erweiterte Datengrundlagen und länderspezifische Rahmenbedingungen einbeziehen, um die Zusammenhänge spezifischer erklären zu können. Als Handlungs­empfehlung sollten Regulierungsbehörden gezielt Maßnahmen zur Förderung der Marktliquidität ergreifen, darunter die Analyse von Trans­aktionskosten und die Maximierung des HV. Die Ergebnisse zeigen, dass Marktteilnehmer Analyse- und Entscheidungsmodelle flexibel an spezifische Marktbedingungen anpassen sollten.

Über den Autor

Gerrit Roters arbeitet als Consultant bei zeb und berät Finanzdienstleister bei strategischen Transformationsprojekten. Zuvor absolvierte er nebenberuflich sein Studium an der zeb.business&nbsp;school in Business Management mit Fokus auf Wealth Management.