Portfolio LabKnowledgeSign inCreate account

Private Markets messen: J-Kurve, Cashflows, Glättung und Public Proxy

Advanced12 min read · updated 22 October 2026 · 24 sources

Private Markets (Private Equity, Private Debt, Infrastruktur und Immobilien in geschlossenen Fonds) lassen sich nicht wie ein ETF an Tageskursen messen. Es gibt Kapitalabrufe, Ausschüttungen und einen Fondswert, den der Verwalter meist nur vierteljährlich schätzt. Dieser Artikel erklärt die J-Kurve, rechnet IRR, TVPI, DPI und den Public Market Equivalent an einem Fonds über zehn Jahre nach und zeigt, warum geglättete Bewertungen das Risiko zu klein aussehen lassen und wie Desmoothing (Entglättung) und börsennotierte Stellvertreter mit Hebel das korrigieren.

Wie ein geschlossener Fonds funktioniert

Die meisten Private-Markets-Fonds sind geschlossen: Ein Verwalter (General Partner, GP) sammelt Zusagen von Anlegern (Limited Partners, LPs) ein und ruft das Geld erst ab, wenn er es braucht. Laut Kaplan und Strömberg (2009) läuft ein Buyout-Fonds meist zehn Jahre, verlängerbar um bis zu drei Jahre; investiert wird in den ersten Jahren, danach werden die Beteiligungen verkauft. Die Bausteine:

  • Kapitalzusage (Commitment): der Betrag, den du verbindlich zusagst. Er bleibt zunächst bei dir, muss aber auf Abruf bereitstehen.
  • Capital Calls (Contributions): Abrufe von Teilen der Zusage für Käufe, Kosten und Gebühren. Ihre Summe heißt Paid-in Capital.
  • Ausschüttungen (Distributions): Rückflüsse aus Verkäufen, Dividenden und Zinsen. Sie kommen vor allem, wenn Beteiligungen verkauft werden; laut Kaplan und Strömberg (2009) liegt die mittlere Haltedauer bei Buyouts bei rund sechs Jahren.
  • Nettoinventarwert (NAV): der vom Verwalter geschätzte Wert der noch gehaltenen Beteiligungen, meist vierteljährlich berichtet.
  • Dry Powder: zugesagtes, noch nicht abgerufenes Kapital, für einen Fonds oder den ganzen Markt.

Das heißt: Investiert ist nie die ganze Zusage, und den Zeitpunkt der Zahlungen bestimmt der Verwalter. Deshalb misst man solche Fonds geldgewichtet und nicht mit der zeitgewichteten Rendite.

Die J-Kurve: erst Minus, dann Plus

Trägt man die aufsummierten Nettozahlungen oder den laufenden IRR über die Jahre auf, entsteht meist ein J: die J-Kurve. Verwaltungsgebühren fallen von Anfang an auf die Zusage an, beim Kauf kommen Transaktionskosten hinzu, und neue Beteiligungen stehen anfangs zu Anschaffungskosten oder vorsichtig bewertet in den Büchern. Gewinne zeigen sich erst, wenn Werte steigen und Beteiligungen verkauft werden; wie tief die Delle ist, hängt am Tempo der Abrufe und Ausschüttungen.

Die Kurve lässt sich gestalten. Mit einer Subscription Line kauft der Fonds zuerst auf Kredit und ruft das Geld später ab. Das ist ein kurzer Kredit, besichert durch die offenen Zusagen. Laut ILPA (2017) wirkt das auf den IRR am stärksten früh in der Laufzeit: Eine dort zitierte Auswertung von 498 Fonds fand im Median 2,06 Prozentpunkte mehr IRR nach drei Jahren und zum Laufzeitende noch 0,35 bis 0,45 Prozentpunkte. Im Rechenbeispiel des Leitfadens steigt der IRR durch eine zweijährige Kreditlinie von 6,62 % auf 7,98 %, das Multiple sinkt wegen der Zinsen von 1,45 auf 1,35. Der Fonds wird nicht besser, nur die Kennzahl.

Rechenbeispiel: ein Fonds über zehn Jahre

Ein ausgedachter Fonds mit einer Zusage von 100, Gebühren in den Abrufen enthalten, dazu ein Aktienindex als Vergleich. Alle Werte am Jahresende:

JahrAbrufAusschüttungNAVNetto kumuliertIndex
025023−25100
125046−50115
220072−70104
315588−80122
4101098−80138
502092−60130
603075−30150
703550+5168
803026+35160
90209+55180
100100+65200
J-Kurve des Beispielfonds

Zahlen aus der Tabelle oben. Bar liegt der Fonds bis Jahr 6 im Minus; mit dem NAV gerechnet sieht er schon ab Jahr 2 besser aus.

Kennzahlen: IRR, Multiples und PME

DPI = Σ D_t / Σ C_t RVPI = NAV / Σ C_t TVPI = DPI + RVPI 0 = Σ (D_t − C_t) / (1 + IRR)^t (+ NAV am Ende)
C_t, D_t
Abrufe (Contributions) und Ausschüttungen (Distributions) im Jahr t
NAV
geschätzter Restwert der noch gehaltenen Beteiligungen
TVPI
Multiple auf das eingezahlte Kapital, oft auch MOIC genannt

Der DPI zeigt, was schon zurückgeflossen ist, und hängt nicht an Schätzungen. Der TVPI enthält dagegen den geschätzten NAV. Der interne Zinsfuß (IRR) berücksichtigt die Zeit, hat aber Schwächen: Er unterstellt, dass Ausschüttungen wieder zum IRR angelegt werden; ein früher Erfolg mit kleinem Betrag kann den IRR des ganzen Fonds dauerhaft hochhalten; bei wechselnden Vorzeichen kann es mehrere Lösungen geben; und der Verwalter steuert mit Abrufen, Kreditlinien und frühen Ausschüttungen den Zeitpunkt der Zahlungen. Laut ILPA (2024) haben auch vorzeitige Ausschüttungen aus einer NAV-Finanzierung einen erheblichen Einfluss auf IRR und DPI.

Der Public Market Equivalent (PME) vergleicht die Zahlungen mit einem Index. Die älteste Variante von Long und Nickels (1996) legt jeden Abruf in einem Schattenportfolio aus dem Index an, entnimmt dort jede Ausschüttung und vergleicht die IRRs; bei hohen Ausschüttungen wird dieses Portfolio negativ (im Beispiel ab Jahr 8, am Ende −33,82). Kaplan und Schoar (2005) teilen stattdessen alle Zahlungen durch den Indexstand zum jeweiligen Zeitpunkt (KS-PME): Über 1 hat der Fonds den Index geschlagen. Sorensen und Jagannathan (2015) zeigen, dass der KS-PME einer Bewertung mit einem dynamischen CAPM entspricht, keine Betas braucht und sich anders als der IRR nicht über den Zeitpunkt der Zahlungen beeinflussen lässt. Der Index sollte dabei zum übrigen Vermögen des Anlegers passen. Direct Alpha nach Gredil u. a. (2023) macht daraus eine jährliche Überrendite: Alle Zahlungen werden mit dem Index auf einen Stichtag aufgezinst, davon wird der IRR berechnet.

Cashflows planen: das Yale-Modell

Wer Private Markets dauerhaft halten will, muss vorhersagen, wann Geld abgerufen wird und zurückfließt. Takahashi und Alexander (2002) von der Yale-Stiftung stellten dafür ein Modell vor, das als Yale-Modell bekannt ist; es braucht wenige Annahmen und erlaubt Szenarien für Zusagen, Abruf- und Ausschüttungsraten und Renditen. In der üblichen Darstellung:

C_t = RC_t × (CC − PIC_t) D_t = RD_t × NAV_t−1 × (1 + G) RD_t = max(Y; (t / L)^B) NAV_t = NAV_t−1 × (1 + G) + C_t − D_t
CC, PIC_t
Zusage und bis zum Jahr t schon eingezahltes Kapital
RC_t
Abrufrate: Anteil der offenen Zusage, der im Jahr t abgerufen wird
G, Y
Wachstum des NAV pro Jahr und Mindestausschüttung (Yield)
L, B
Laufzeit und Bow-Faktor, der bestimmt, wie spät ausgeschüttet wird

Wie das Modell Jahr für Jahr rechnet, wie man seine Parameter aus Fondsdaten schätzt und wie viel man über viele Jahrgänge zusagen muss, um eine Zielquote zu halten, zeigt der Artikel zum Takahashi-Alexander-Modell.

Bewertung und Glättung: warum die Volatilität zu niedrig aussieht

Der NAV ist eine Schätzung, oft aus Multiples vergleichbarer Börsenwerte oder Discounted-Cashflow-Modellen, und wird selten und verzögert angepasst. Die gemeldeten Quartalsrenditen folgen dem Markt deshalb gedämpft und mit Verzögerung: Sie sind autokorreliert, die gemessene Volatilität, Korrelation und das Beta sind zu niedrig, die Sharpe Ratio ist zu hoch. Ein Rechenbeispiel dazu steht im Artikel Private Credit. Ilmanen u. a. (2020) halten fest, dass die geglätteten Renditen von Private Equity das wirtschaftliche Risiko unterschätzen, und vermuten, dass viele Anleger gerade diese Glättung schätzen. Driessen u. a. (2012) finden zudem, dass die gemeldeten NAVs reifer und inaktiver Fonds den Wert deutlich überzeichnen.

Warum geglättete Bewertungen das Risiko verstecken

Schema mit ausgedachten Quartalsrenditen, geglättet mit θ = 0,6 nach der Formel im Abschnitt zum Desmoothing unten.

Desmoothing Schritt für Schritt

Beim einfachsten Verfahren nach Geltner (1993) ist die gemeldete Rendite ein Mittel aus der wahren Rendite und der zuletzt gemeldeten. Den Glättungsgrad θ schätzt man als Autokorrelation erster Ordnung einer langen Reihe; dann lässt sich zurückrechnen:

r_beob,t = (1 − θ) × r_wahr,t + θ × r_beob,t−1 ⇒ r_wahr,t = (r_beob,t − θ × r_beob,t−1) / (1 − θ)
θ
Glättungsgrad zwischen 0 und 1
r_beob
gemeldete Quartalsrendite
r_wahr
geschätzte Marktrendite
Gemeldete und entglättete Quartalsrenditen

Die gemeldete Reihe verteilt den Einbruch auf mehrere flache Quartale; entglättet ist er tiefer und die Schwankung gut doppelt so groß.

Erweiterungen erlauben mehr Verzögerungen: Getmansky u. a. (2004) modellieren die gemeldete Rendite als gewichteten Durchschnitt der wahren Renditen mehrerer Perioden, Loudon u. a. (2006) beschreiben ein Verfahren, das Autokorrelation beliebiger Ordnung entfernt (nach Okunev und White). Couts u. a. (2024) zeigen, dass Fonds mit ähnlichen Anlagen eine gemeinsame Glättung teilen, die solche Einzelfondsverfahren nicht ganz beseitigen. Das systematische Risiko bleibt dann unterschätzt.

Public Proxy: börsennotierte Stellvertreter mit Hebel

Statt geglättete Reihen zu reparieren, kann man Private Markets durch börsengehandelte Anlagen mit ähnlichem Risiko ersetzen, durch einen Public Proxy. Phalippou (2014) zeigt, dass Buyout-Fonds vor allem in kleine Value-Unternehmen investieren; gegen gehebelte Small- und Value-Indizes lagen sie im Mittel 3,1 % pro Jahr darunter. L’Her u. a. (2016) finden gegen einen gehebelten, nach Größe und Branche angepassten Index keine signifikante Überrendite mehr. Stafford (2022) bildet die Auswahl und den zusätzlichen Hebel mit Aktien und Wertpapierkredit nach und erzielt im Mittel mehr als direkte Fondsanlagen. Chingono und Rasmussen (2015) wählen kleine, günstige, verschuldete US-Aktien, die Schulden abbauen: 25,1 % Durchschnittsrendite pro Jahr von 1965 bis 2013, aber bei 39,4 % Standardabweichung. Börsennotierte Private-Equity-Gesellschaften haben laut Jegadeesh u. a. (2015) ein Beta nahe eins und mehr systematisches Risiko als ein Index aus gemeldeten NAVs.

Der Hebel lässt sich über das Beta abschätzen. Das Beta des Unternehmens ist das gewichtete Mittel aus dem Beta des Eigenkapitals und dem der Schulden; mit Schulden-Beta null und ohne Steuern folgt:

β_L = β_U × (1 + D / E) Hebelfaktor auf den Proxy: L = (1 + D/E_Ziel) / (1 + D/E_Proxy)
β_U
Beta ohne Verschuldung (Asset-Beta)
β_L
Beta des Eigenkapitals bei Verschuldung D/E
D / E
Schulden zu Eigenkapital

Folgen für Optimierung und Rebalancing

Gibt man geglättete Renditen in eine Optimierung, wirken Private Markets wie eine Anlage mit hoher Rendite, kleiner Schwankung und niedriger Korrelation. Sie bekommen zu viel Gewicht. Mit entglätteten Reihen oder gehebeltem Proxy fällt der Vorteil viel kleiner aus. Beim Rebalancing kommt der Denominator-Effekt hinzu: Fallen die Börsen, sinkt der Nenner der Quote, die privaten Bewertungen fallen aber kaum oder später, und die Private-Markets-Quote steigt über ihr Ziel. Laut Saccone (2024) lösten sich 2022 die Bewertungen privater Fonds von Aktien und Anleihen; wer am Zweitmarkt verkaufte, bekam im Schnitt nur 81 % des NAV.

Für Fortgeschrittene: Risiko aus Cashflows schätzen

  • Zeitreihen aus Zahlungen: Ang u. a. (2018) gewinnen aus den Zahlungen an Anleger eine Renditereihe für Private Equity und zerlegen sie in börsengehandelte Faktoren und eine schwankende Private-Equity-Prämie.
  • Beta aus Cashflows: Driessen u. a. (2012) schätzen Risiko und Überrendite direkt aus den Zahlungsströmen von 958 Fonds: Venture Capital mit hohem Marktbeta und Underperformance, Buyout mit eher niedrigem Beta und ohne Überrendite.
  • Annualisieren: Bei autokorrelierten Quartalsrenditen ist die Hochrechnung mit √4 verzerrt (Lo 2002); positive Autokorrelation lässt die Jahresvolatilität zu klein erscheinen.
  • Liquiditätsrisiko: Laut Franzoni u. a. (2012) trägt Private Equity dasselbe Liquiditätsrisiko wie Aktien; die Prämie dafür liegt bei etwa 3 % pro Jahr und erklärt das gemessene Alpha.

Was die Forschung zeigt

Grenzen und typische Fehler

  • IRR mit Indexrendite vergleichen: Geldgewichtet gegen zeitgewichtet ist kein fairer Vergleich; dafür gibt es PME und Direct Alpha.
  • TVPI vor dem Ende überschätzen: Ein hoher TVPI mit kleinem DPI ruht auf Schätzungen.
  • Desmoothing überschätzen: θ ist selbst geschätzt, die Korrektur verstärkt Messfehler, und kurze Reihen streuen stark.
  • Den falschen Proxy wählen: Ein Large-Cap-Index unterschätzt das Risiko von Buyouts; Venture Capital, Infrastruktur oder Private Debt brauchen eigene Stellvertreter.

So rechnet Portfolio Lab

Für die Cashflows eines einzelnen Fonds gibt es das Werkzeug Private Markets im Bereich Planen. Aus Datum, Abruf, Ausschüttung und NAV rechnet es den IRR wie die Excel-Funktion XIRR, PIC, DPI, RVPI, TVPI und die J-Kurve, gegen einen frei wählbaren Index den KS-PME, Direct Alpha und den PME-IRR nach Long und Nickels und aus den NAV-Renditen das Desmoothing nach Geltner, auf Wunsch auch nach Getmansky, Lo und Makarov. Dazu kommen die Prognose nach dem Takahashi-Alexander-Modell und die Planung der Zusagen über mehrere Jahrgänge. Die Einzelheiten stehen in der Methodik von Private Markets.

In den übrigen Werkzeugen arbeitet Portfolio Lab mit Kursreihen. Private Markets bildet es dort über börsennotierte Stellvertreter in den Anlageklassen ab, etwa Private Equity gelistet (börsennotierte Beteiligungsgesellschaften, über einen ETF ab 2007, davor einen US-ETF), Infrastruktur gelistet ab 2006 oder Private Credit gelistet (BDCs), jeweils in Euro. Diese Börsenkurse sind nicht geglättet. Volatilität und Korrelation im Backtest, in der Optimierung und in der Monte-Carlo-Simulation liegen eher über dem, was Fondsberichte zeigen. Einen Proxy mit Hebel wie oben kannst du nachbauen: Aktien USA Small Cap Value wählen und im Backtest einen Hebel je Wertpapier setzen, finanziert zum Geldmarktzins plus Aufschlag (Voreinstellung 1 % pro Jahr). Mehr in der Methodik der Anlageklassen.

Frequently asked questions

Was ist die J-Kurve bei Private Equity?

Der typische Verlauf der aufsummierten Nettozahlungen oder des laufenden IRR eines Fonds: In den ersten Jahren negativ, weil Gebühren und Kosten anfallen und Beteiligungen vorsichtig bewertet sind, später positiv, wenn Werte steigen und Beteiligungen verkauft werden.

Was bedeuten DPI, RVPI und TVPI?

Alle drei beziehen sich auf das eingezahlte Kapital: DPI auf das, was schon ausgeschüttet wurde, RVPI auf den geschätzten Restwert, TVPI auf beides zusammen. Ein TVPI von 1,68 heißt, dass aus jedem eingezahlten Euro 1,68 Euro geworden sind, ohne Zeitbezug.

Wie berechnet man den PME nach Kaplan und Schoar?

Jede Ausschüttung und jeden Abruf durch den Indexstand am Zahlungstag teilen, die geteilten Ausschüttungen (plus NAV) summieren und durch die Summe der geteilten Abrufe teilen. Ein Wert über 1 bedeutet, dass der Fonds besser war als der Index mit denselben Zahlungszeitpunkten.

Warum ist die Volatilität von Private Equity so niedrig?

Weil die Fondswerte geschätzt und verzögert angepasst werden. Entglättet oder über einen gehebelten Börsen-Proxy gemessen ist das Risiko deutlich höher.

Was ist der Denominator-Effekt?

Fallen die Börsen stark, steigt die Quote privater Anlagen, weil ihre Bewertungen später nachgeben. Anleger liegen dann über ihrer Zielquote und sagen weniger zu oder verkaufen Anteile, oft mit Abschlag.

Literature

  1. Ang, Andrew; Chen, Bingxu; Goetzmann, William N.; Phalippou, Ludovic (2018): Estimating Private Equity Returns from Limited Partner Cash Flows. The Journal of Finance 73 (4), pp. 1751–1783. doi:10.1111/jofi.12688
  2. Chingono, Brian; Rasmussen, Daniel (2015): Leveraged Small Value Equities. SSRN Working Paper, August 2015. doi:10.2139/ssrn.2639647
  3. Couts, Spencer J.; Gonçalves, Andrei S.; Rossi, Andrea (2024): Unsmoothing Returns of Illiquid Funds. Review of Financial Studies 37 (7), pp. 2110–2155. doi:10.1093/rfs/hhae006
  4. Driessen, Joost; Lin, Tse-Chun; Phalippou, Ludovic (2012): A New Method to Estimate Risk and Return of Nontraded Assets from Cash Flows: The Case of Private Equity Funds. Journal of Financial and Quantitative Analysis 47 (3), pp. 511–535. doi:10.1017/s0022109012000221
  5. Franzoni, Francesco; Nowak, Eric; Phalippou, Ludovic (2012): Private Equity Performance and Liquidity Risk. The Journal of Finance 67 (6), pp. 2341–2373. doi:10.1111/j.1540-6261.2012.01788.x
  6. Geltner, David (1993): Estimating Market Values from Appraised Values without Assuming an Efficient Market. Journal of Real Estate Research 8 (3), pp. 325–345. doi:10.1080/10835547.1993.12090713
  7. Getmansky, Mila; Lo, Andrew W.; Makarov, Igor (2004): An econometric model of serial correlation and illiquidity in hedge fund returns. Journal of Financial Economics 74 (3), pp. 529–609. doi:10.1016/j.jfineco.2004.04.001
  8. Gredil, Oleg R.; Griffiths, Barry; Stucke, Rüdiger (2023): Benchmarking private equity: The direct alpha method. Journal of Corporate Finance 81, pp. 102360. doi:10.1016/j.jcorpfin.2023.102360
  9. Harris, Robert S.; Jenkinson, Tim; Kaplan, Steven N. (2014): Private Equity Performance: What Do We Know?. The Journal of Finance 69 (5), pp. 1851–1882. doi:10.1111/jofi.12154
  10. Ilmanen, Antti; Chandra, Swati; McQuinn, Nicholas (2020): Demystifying Illiquid Assets: Expected Returns for Private Equity. The Journal of Alternative Investments 22 (3), pp. 8–22. doi:10.3905/jai.2019.1.086
  11. Institutional Limited Partners Association (2017): Subscription Lines of Credit and Alignment of Interests: Considerations and Best Practices for Limited and General Partners. ILPA, Juni 2017; abgerufen am 25.10.2026. Source
  12. Institutional Limited Partners Association (2024): NAV-Based Facilities: Guidance for Limited Partners and General Partners. ILPA, Juli 2024; abgerufen am 25.10.2026. Source
  13. Jegadeesh, Narasimhan; Kräussl, Roman; Pollet, Joshua M. (2015): Risk and Expected Returns of Private Equity Investments: Evidence Based on Market Prices. Review of Financial Studies 28 (12), pp. 3269–3302. doi:10.1093/rfs/hhv046
  14. Kaplan, Steven N.; Schoar, Antoinette (2005): Private Equity Performance: Returns, Persistence, and Capital Flows. The Journal of Finance 60 (4), pp. 1791–1823. doi:10.1111/j.1540-6261.2005.00780.x
  15. Kaplan, Steven N.; Strömberg, Per (2009): Leveraged Buyouts and Private Equity. Journal of Economic Perspectives 23 (1), pp. 121–146. doi:10.1257/jep.23.1.121
  16. L’Her, Jean-François; Stoyanova, Rossitsa; Shaw, Kathryn; Scott, William; Lai, Charissa (2016): A Bottom-Up Approach to the Risk-Adjusted Performance of the Buyout Fund Market. Financial Analysts Journal 72 (4), pp. 36–48. doi:10.2469/faj.v72.n4.1
  17. Lo, Andrew W. (2002): The Statistics of Sharpe Ratios. Financial Analysts Journal 58 (4), pp. 36–52. doi:10.2469/faj.v58.n4.2453
  18. Loudon, Geoff; Okunev, John; White, Derek (2006): Hedge Fund Risk Factors and the Value at Risk of Fixed Income Trading Strategies. The Journal of Fixed Income 16 (2), pp. 46–61. doi:10.3905/jfi.2006.656009
  19. Phalippou, Ludovic; Gottschalg, Oliver (2009): The Performance of Private Equity Funds. Review of Financial Studies 22 (4), pp. 1747–1776. doi:10.1093/rfs/hhn014
  20. Phalippou, Ludovic (2014): Performance of Buyout Funds Revisited?. Review of Finance 18 (1), pp. 189–218. doi:10.1093/rof/rft002
  21. Saccone, Massimiliano (2024): Times Change: The Era of the Private Equity Denominator Effect. CFA Institute Research and Policy Center, Enterprising Investor, 4.3.2024; abgerufen am 25.10.2026. Source
  22. Sorensen, Morten; Jagannathan, Ravi (2015): The Public Market Equivalent and Private Equity Performance. Financial Analysts Journal 71 (4), pp. 43–50. doi:10.2469/faj.v71.n4.4
  23. Stafford, Erik (2022): Replicating Private Equity with Value Investing, Homemade Leverage, and Hold-to-Maturity Accounting. The Review of Financial Studies 35 (1), pp. 299–342. doi:10.1093/rfs/hhab020
  24. Takahashi, Dean; Alexander, Seth (2002): Illiquid Alternative Asset Fund Modeling. The Journal of Portfolio Management 28 (2), pp. 90–100. doi:10.3905/jpm.2002.319836

Full bibliography

This article explains a method; it is not investment or tax advice. Worked examples are simplified and rounded. All terms in the glossary.