WDRT
WisdomTree Defined Return Autocallable EUR Active UCITS ETF - EUR Acc

Veröffentlicht am 4. November 2026
Head of Research, Europe
Director, Quantitative Research
Quantitative Researcher
Aktien haben langfristige Anleger in der Vergangenheit mit hohen, über der Inflationsrate liegenden Renditen belohnt, doch der Kursverlauf ist selten vorhersehbar. Anlagen mit festgelegter Rendite, die auf einem Portfolio aus Autocallables1 basieren, streben nach besser vorhersehbaren Ergebnissen und zugleich nach langfristigen Renditen, die denen von Aktien ähneln. Lesen Sie unsere Portfolioeinblicke zur Rolle von Autocallables mit festgelegter Rendite in Portfolios.
Dank ihrer größeren Vorhersehbarkeit spielen Autocallables mit festgelegter Rendite bei der strategischen Vermögensallokation eine wichtige Rolle als Anker für Aktienanlagen. Die in diesem Blog dargelegten Erkenntnisse sprechen für eine bedeutende strategische Allokation statt einer marginalen Portfolioposition über mittel- bis langfristige Zeithorizonte. Die genaue Gewichtung hängt vom Risikoziel, von den Annahmen und von der Haltedauer des Anlegers ab, doch historische Portfolioanalysen weisen diesen Strategien durchweg einen erheblichen Teil des Aktiensegments zu.
Durch den Einsatz von aktiengebundenen Derivaten (in diesem Fall Autocallables) können Strategien mit festgelegter Rendite Anlegern differenzierte Anlageergebnisse bieten, die andere Vermögenswerte in Multi-Asset-Portfolios ergänzen. Hier sind fünf Merkmale, die Autocallable-Strategien mit festgelegter Rendite auszeichnen:
Angesichts dieser Merkmale untersuchen wir als Nächstes, welchen Anteil ein Anleger einer Strategie mit festgelegter Rendite zuweisen könnte. Dazu erstellen wir eine Markowitz-Effizienzgrenze für Portfolios, die eine defensive US-Step-Down-Autocallable-Strategie2, einen globalen Aktienindex (den MSCI AC World Net TR Index) und einen globalen Anleihenindex (den Bloomberg Global-Aggregate Total Return) kombinieren. Die Effizienzgrenze gibt die höchste erwartete Rendite und die entsprechenden Gewichtungen der Anlagewerte für jedes Risikoniveau an.
Ein Vergleich der Effizienzgrenzen mit und ohne die Autocallable-Strategie mit festgelegter Rendite zeigt, dass deren Einbeziehung historisch gesehen bei allen Volatilitätszielen eine höhere annualisierte Rendite gebracht hat. Bei einer Zielvolatilität von 12 % beispielsweise führte die Beimischung einer Autocallable-Strategie mit festgelegter Rendite in den letzten 23 Jahren zu einer um 0,4 % höheren annualisierten Rendite.
Abbildung 1: Markowitz-Effizienzgrenze mit und ohne die Autocallable-Strategie mit festgelegter Rendite

Quelle: WisdomTree, Bloomberg Finance L.P., GS Marquee, Stand: 24. August 2026. Die historische Wertentwicklung ist kein Hinweis auf die künftige Wertentwicklung, und Anlagen können im Wert sinken.
Bei Betrachtung der Zusammensetzung dieser optimalen Portfolios besteht ein Portfolio mit einem Volatilitätsziel von 12 % zu 75 % aus Aktien und zu 25 % aus Anleihen, wenn nur Anleihen und Aktien zur Verfügung stehen. Bei gleichem Volatilitätsziel steigt die Gewichtung der Autocallable-Strategie mit festgelegter Rendite auf 64 %, wenn man ein Portfolio mit drei Anlageklassen betrachtet, während der Anteil von Anleihen unter 4 % sinkt.
Es ist anzumerken, dass bei Portfolios mit geringer Volatilität (bis zu 12 %) die Defined-Return-Autocallable-Strategie Aktien zu ersetzen scheint (sich also als Aktienersatz verhält), während bei höherer Volatilität Anleihen aus dem Portfolio entfernt werden und die Strategie diese Anleihen ersetzt.
Abbildung 2: Optimale Gewichtungen nach Effizienzgrenze nach Beimischung der Autocallable-Strategie mit festgelegter Rendite

Quelle: WisdomTree, Bloomberg Finance L.P., GS Marquee, Stand: 24. August 2026. Die historische Wertentwicklung ist kein Hinweis auf die künftige Wertentwicklung, und Anlagen können im Wert sinken.
Es ist zu beachten, dass die vorstehende Analyse Backtesting verwendet, um eine längere Zeitreihe für die Defined-Return-Autocallable-Strategie zu liefern. Eine Wiederholung der Analyse anhand der 13-jährigen Wertentwicklung des bestehenden WisdomTree Defined Return Fund sowie der Renditen britischer Aktien und Anleihen zeigt jedoch ein ähnliches Muster, wobei sich bei einer Zielvolatilität von 10 % eine optimale Allokation von 65 % im Fonds ergibt.
Die oben genannten Ergebnisse basieren auf Daten aus 23 Jahren in einem einzigen Szenario, aber wie robust sind diese Ergebnisse? Um das weiter zu überprüfen, wiederholen wir die Portfoliooptimierung mithilfe von rollierenden Schätzfenstern von einem, drei, fünf und zehn Jahren. Dabei fallen zwei Erkenntnisse ins Auge:
Der Unterschied zwischen kurzen und langen Schätzzeiträumen spiegelt die jeweiligen Marktbedingungen wider, die sie erfassen. Das begrenzte Aufwärtspotenzial von Autocallables kann Aktien bei anhaltenden Rallyes begünstigen, während Anleihen bei starken Kursrückgängen einen besseren Schutz bieten können. Das bedeutet, dass bei kurzen Anlagehorizonten und abhängig von den Marktbedingungen eine Strategie mit festgelegter Rendite unter Umständen nicht optimal ist. Längere Betrachtungszeiträume erfassen ein breiteres Spektrum an Bedingungen, was die höhere durchschnittliche Allokation in Defined-Return-Autocallables in diesen Analysen erklärt.
Abbildung 3: Verteilung der Autocallable-Allokation über unterschiedliche rollierende Schätzfenste

Quelle: WisdomTree, Bloomberg Finance L.P., GS Marquee, Stand: 24. August 2026. Die historische Wertentwicklung ist kein Hinweis auf die künftige Wertentwicklung, und Anlagen können im Wert sinken.
Die optimale Allokation in einer Defined-Return-Strategie hängt kurzfristig stark von der Marktentwicklung in diesem Zeitraum ab. Beispielsweise kann die Allokation in einem starken Bullenmarkt gering ausfallen.
Mit zunehmendem Zeithorizont werden die Allokationen in der Strategie jedoch konsistenter, da sich die Märkte nicht sehr lange in eine Richtung bewegen und die Diversifikation sowie die engeren Verteilungen der Strategie diese im Laufe der Zeit relevanter machen. Bei langfristigen Aktienanlagen zeigen die Erfahrungen der Vergangenheit, dass diese Strategien als Anker innerhalb einer strategischen Vermögensallokation mit unterschiedlichen Volatilitätszielen dienen können.
1 Autocallables nutzen Derivatekontrakte, deren Auszahlungen an einen Basiswert – häufig einen wichtigen Aktienindex – gekoppelt sind. Befindet sich der Basiswert an einem festgelegten Beobachtungstermin auf oder über einem vorab festgelegten Niveau, wird der Autocallable vorzeitig fällig und zahlt in der Regel das Kapital zuzüglich des festen Kupons zurück. Andernfalls verlängert sich die Laufzeit bis zum nächsten Beobachtungstag. Erreicht das Autocallable-Produkt die Fälligkeit ohne vorzeitige Kündigung kann der Anleger Kapital verlieren, wenn der Basiswert unter eine Schutzbarriere gefallen ist, die häufig etwa -30 % beträgt. Autocallable-Investments mit festgelegter Rendite werden in der Regel aus einem gestaffelten Portfolio aus Autocallables zusammengestellt.
2 Für diese Analyse führen wir ein Backtesting einer Autocallable-Strategie mit festgelegter Rendite durch, die auf US-Step-Down-Autocallables im Zeitraum von Januar 2003 bis August 2026 basiert. Das Portfolio investiert in bis zu 52 Autocallable-Kontrakte auf den S&P 500, die in wöchentlichen Abständen abgeschlossen und bei vorzeitiger Rückzahlung oder Fälligkeit ersetzt werden, wodurch ein diversifiziertes Portfolio aus Autocallables entsteht, bei dem das Fälligkeits- und das Ausstiegsrisiko („Pin Risk“) reduziert sind. Jeder Kontrakt hat eine Laufzeit von maximal sechs Jahren, jährliche Beobachtungstermine und Call-Barrieren, die stufenweise von 100 % auf 95 %, 90 %, 85 %, 80 % und 69 % des anfänglichen Indexstands sinken. Bei Fälligkeit gilt eine Kapitalbarriere von 64 % des anfänglichen Indexstands.

Head of Research, Europe
Pierre Debru leitet das europäische Researchteam von WisdomTree und spielt eine entscheidende Rolle bei der strategischen Ausrichtung unserer europäischen Researchaktivitäten. Seine Kernkompetenzen liegen in den Bereichen Aktienfaktoren und quantitative Strategien, Portfoliokonstruktion und Modellportfolios sowie thematische und Krypto-Anlagen.
Vor seinem Eintritt in das Unternehmen im Jahr 2019 war Pierre Debru mehr als fünf Jahre lang im Investmentresearch für DWS und die XTrackers-Serie tätig. In dieser Zeit befasste er sich schwerpunktmäßig mit Smart-Beta-Investitionen, der Konstruktion von Modellportfolios und Thought Leadership. Pierre Debru hat über 20 Jahre Erfahrung im Bereich Anlagen und strukturierte Vermögensverwaltung. Er absolvierte die École Centrale Paris und erwarb einen Master of Science in Finanzmathematik.

Director, Quantitative Research
Luca Berlanda ist Director im Research-Team von WisdomTree Europe. Dort führt er quantitative Analysen durch, um neue Anlagestrategien zu verbessern oder zu entwickeln, insbesondere im Bereich Rohstoffe und thematische Aktien. Er konzentriert sich auch auf die Konstruktion und Optimierung von Portfolios. Bevor er 2022 zu WisdomTree kam, arbeitete er als quantitativer Portfoliomanager bei Euclidea SIM, einem in Mailand ansässigen Fintech-Unternehmen. Dort verwaltete er quantitativ Multi-Asset-Portfolios und entwickelte und implementierte statistische und maschinelle Lernmodelle für Anlagestrategien und Fondsauswahl. Luca hat an der Universität Bocconi in Mailand einen Master-Abschluss in Finanzwissenschaften erworben.

Quantitative Researcher
Ganchi Zhang ist Quantitative Investment Specialist bei WisdomTree. Bevor er zu WisdomTree kam, war er in verschiedenen Positionen im Bereich Quantitative Analysis bei Goldman Sachs, der Deutschen Bank und Schroders tätig, wo er sich auf die Entwicklung und Umsetzung quantitativer Anlagestrategien konzentrierte.
Ganchi promovierte 2016 an der Universität Cambridge im Fach Informatik-Ingenieurwesen.