Portfolio-Optimierung mit gecachten End-of-Day-Kursen automatisieren
Der Rebalancing-Tag ist eine Checkliste – und die Checkliste ist das Problem.
End-of-Day-Kurse abrufen. Prüfen, ob sich die Korrelationsstruktur zwischen den Kandidaten verschoben hat. Den Optimierer erneut ausführen. Die Gewichte in eine Tabellenkalkulation kopieren. Versuchen, sich daran zu erinnern, welches Risikomodell man im letzten Quartal verwendet hat und ob der Datumsbereich derselbe war. Keiner dieser Schritte ist intellektuell schwierig – genau deshalb sind sie gefährlich. Jede Wiederholung ist eine Gelegenheit, gegen eine veraltete Kursdatei zu optimieren oder gegen Parameter, die stillschweigend von den dokumentierten abgewichen sind.
In diesem Artikel geht es darum, diese Schleife in etwas Wiederholbares zu verwandeln: Kurse lokal gecacht, Parameter einmal festgelegt, jeder Lauf erzeugt eine Allokation, die man archivieren und vergleichen kann. Wir verwenden RSJ Portfolio – eine Windows-Desktop-Anwendung, die aus historischen End-of-Day-Kursen ein statistisch optimiertes Aktienportfolio erstellt – als konkretes Beispiel, weil sich ihr Workflow sauber auf die drei Bausteine abbilden lässt, die Automatisierung praktikabel machen: eine persistente Konfiguration, ein lokaler Kurs-Cache und Datei-Exporte.
Warum Portfolio-Optimierung automatisieren?
Die manuelle Schleife hat feste Kosten, und diese Kosten sind der Grund, warum die meisten Menschen nicht so oft rebalancieren, wie es ihr Modell vorsieht. Das erneute Herunterladen von Jahren täglicher Kurse für ein paar Dutzend Symbole kostet Zeit und Netzwerk-Roundtrips; dies monatlich statt vierteljährlich zu tun, verdreifacht diese Kosten, ohne die Analyse zu verändern, die einem tatsächlich wichtig ist.
Das Cachen von End-of-Day-Kursen verändert die Ökonomie. Sobald die Historie lokal vorliegt, benötigt ein wiederholter Lauf nur die Zeilen, die seit dem letzten Lauf hinzugekommen sind – nicht die gesamte Zeitreihe erneut. Das Ergebnis: Häufige Re-Optimierung wird praktisch statt theoretisch, und häufige Re-Optimierung ist genau das, was die Korrelationsschätzungen aktuell hält.
Das Ziel der Automatisierung ist nicht „öfter laufen, um des Laufens willen“. Es ist ein wiederholbarer, statistisch getriebener Workflow, in dem die Korrelation zwischen den Positionen planmäßig neu gemessen wird, schwache Korrelation in der Allokation belohnt wird und die Volatilität des resultierenden Portfolios näher an dem bleibt, was das Modell vorhergesagt hat. RSJ Portfolio erledigt die statistische Arbeit – es analysiert die Renditekorrelation zwischen Aktien und weist Kapital Kandidaten zu, die schwach korrelieren, unter Verwendung der modernen Portfoliotheorie, mit wählbarem Ziel, Risikoschätzer und einer Reihe von Gewichtungsbeschränkungen. Ihre Aufgabe ist es, diesen Lauf langweilig zu machen.
Einmalige Einrichtung: RSJ Portfolio für automatisierte Läufe konfigurieren
Alles Nachgelagerte hängt davon ab, diese Stunde richtig hinzubekommen. Eine automatisierte Pipeline, die auf undokumentierten Parametern aufbaut, produziert nur schneller falsche Antworten.
1. Installieren und verifizieren. Laden Sie den Windows-Installer von der Download-Seite herunter und prüfen Sie den dort veröffentlichten SHA-512-Hash – er steht in einem versionierten Dateinamen, eine Abweichung ist also ein echtes Signal, kein Tippfehler. Die ausführliche Anleitung finden Sie in How to Verify a SHA-512 Checksum Before Installing Portfolio Software. Die Lizenz ist eine Einzelbenutzerlizenz; die Preisgestaltung listet auf, was sie abdeckt.
2. Die Datenschicht konfigurieren. Auf der Seite für Daten und Währungen finden Sie die unterstützten Datenanbieter, die Kursbereinigungs-Pipeline und den lokalen Cache. Legen Sie in dieser Reihenfolge fest:
- Datenanbieter – wählen Sie einen und bleiben Sie dabei, damit Ihre Historie konsistent ist.
- Lokale Währung – die Währung, in der Ihre Gewichte und Risikokennzahlen ausgedrückt werden sollen.
- Cache-Speicherort – legen Sie ihn auf eine schnelle lokale Festplatte, nicht auf eine Netzwerkfreigabe. Dieses Verzeichnis ist das, worauf Ihre geplanten Läufe angewiesen sein werden.
- Datumsbereich – lang genug, um Korrelation und Risiko aussagekräftig zu schätzen, kurz genug, um das Regime abzubilden, in dem Sie investieren.
- Bereinigungseinstellungen – behalten Sie die Standardwerte bei, sofern Sie keinen dokumentierten Grund für Abweichungen haben; die Pipeline ist das, was später verdächtige Kurse kennzeichnet.
3. Ein Startziel und Risikomodell wählen. Die Funktionsseite zählt die fünf Allokationsmethoden auf – Minimum Volatility, Maximum Sharpe Ratio, Minimum Semi Variance, Hierarchical Risk Parity und Conditional Value at Risk – sowie acht Risikomodelle und mehrere Renditemodelle. Wenn Sie noch keine Meinung haben, sind Minimum Volatility oder Minimum Semi Variance die naheliegenden ersten Wahlmöglichkeiten für ein korrelationsgetriebenes, volatilitätsreduzierendes Mandat. (Die Mechanik des Semi-Variance-Ziels wird gesondert behandelt in How to Build a Minimum Semivariance Portfolio.)
4. Die Kandidatenliste einmal erstellen. Suchen Sie Symbole und stellen Sie das Universum zusammen, über das Sie re-optimieren werden. Diese Liste ist die Eingabe, die über Läufe hinweg stabil bleibt – Sie werden sie bewusst überprüfen, nicht in jeder Periode aus dem Gedächtnis neu aufbauen.
5. Die Einrichtung aufschreiben. Nicht im Kopf. Neben den Exporten, als Manifest, das Sie diffen können:
# run-manifest.yaml — your record of the configuration, not a product file
portfolio: core-mandate
data:
provider: <the provider configured in RSJ Portfolio>
local_currency: EUR
cache_dir: D:\rsj\cache
date_range_start: 2016-01-01
cleaning: defaults
optimizer:
objective: minimum_semivariance
risk_model: <one of the eight available>
weight_constraints: <the bounds you selected>
candidates_source: saved-candidate-list
rebalance: quarterly
export_dir: D:\rsj\exports
Der Leitfaden für den Einstieg behandelt die Voraussetzungen, die Einstellungen, die es sich lohnt vor dem ersten Lauf anzupassen, die empfohlenen Startparameter und wie man die Ausgabe liest – dreißig Minuten wert, bevor Sie sich auf eine Konfiguration festlegen, die Sie jahrelang wiederholen werden.
Die automatisierte Pipeline: Von gecachten Kursen zu optimierten Gewichten
So sieht die Schleife aus:
scheduled trigger
│
├─► cache freshness check ──► stale? ──► refresh prices in the app, stop
│
├─► run optimizer with the saved configuration
│
├─► export allocation (CSV)
│
└─► archive + drift report vs. previous period
Drei Eigenschaften machen das funktionsfähig. Die Konfiguration bleibt erhalten, sodass jeder Lauf denselben Anbieter, Cache, dasselbe Ziel, Risikomodell und dieselben Beschränkungen wie der letzte verwendet. Der Cache bleibt erhalten, sodass der Kurslade-Schritt ein kleines inkrementelles Update statt eines vollständigen erneuten Downloads ist. Und der Export bleibt erhalten – er ist eine Datei auf der Festplatte, was bedeutet, dass alles Nachgelagerte (ein Berichtsblatt, eine Depotbank-Anweisung, ein Review-Memo) ihn nutzen kann, ohne dass Sie den Optimierer anfassen müssen.
Um die Grenze klarzustellen: RSJ Portfolio ist eine Desktop-Anwendung ohne integrierten Scheduler oder öffentliche API. Die Automatisierung lebt um sie herum – eine geplante Aufgabe führt Ihren Wrapper aus, der Wrapper erledigt die Frischeprüfung und die Nachbereitung, und der Optimierer-Lauf selbst ist derselbe kurze, bewusste Klickpfad, den Sie bei der Einrichtung konfiguriert haben. Das ist trotzdem ein großer Gewinn: Die fragilen Teile (Parameter merken, veraltete Daten bemerken, Ergebnisse archivieren) sind die Teile, die jetzt geskriptet sind.
„Skript es einfach“ auf die harte Tour – einen Downloader schreiben, Handelskalender ausrichten, eine Kovarianzmatrix aufbauen, den Optimierer selbst zusammenbauen – bedeutet eine Woche Arbeit, gefolgt von einem Jahr Wartung, und es legt die statistische Korrektheit in Ihre Hände. Der verwaltete Workflow behält die Statistik im Produkt und überlässt Ihnen die Infrastruktur.
So registrieren Sie den Zeitplan unter Windows:
$action = New-ScheduledTaskAction -Execute "python.exe" `
-Argument "D:\rsj\bin\rebalance.py" `
-WorkingDirectory "D:\rsj\bin"
$trigger = New-ScheduledTaskTrigger -Weekly -DaysOfWeek Monday -At 7:30am
Register-ScheduledTask -TaskName "RSJ Portfolio - weekly rebalance" `
-Action $action -Trigger $trigger -RunLevel Limited
Und der Wrapper selbst – Frischeprüfung davor, Archivierung danach:
#!/usr/bin/env python3
"""Wrapper around a quarterly RSJ Portfolio rebalance.
Owns the bookkeeping, not the statistics:
1. is the local price cache fresh?
2. is there an export to archive?
3. archive it and report drift against the previous period
"""
import csv, shutil, sys
from datetime import date, timedelta
from pathlib import Path
CACHE = Path(r"D:\rsj\cache")
EXPORTS = Path(r"D:\rsj\exports")
PERIOD = f"{date.today():%Y}-Q{(date.today().month - 1) // 3 + 1}"
STALE_AFTER = timedelta(days=4) # long weekend + one buffer day
def newest_cache_write() -> date:
files = [p for p in CACHE.rglob("*") if p.is_file()]
if not files:
sys.exit("cache is empty - run RSJ Portfolio once to populate it")
return date.fromtimestamp(max(p.stat().st_mtime for p in files))
def latest_export() -> Path:
found = sorted(EXPORTS.glob("allocation-*.csv"))
if not found:
sys.exit("no allocation export found - run the optimizer in the app")
return found[-1]
def load_weights(path: Path) -> dict[str, float]:
# adjust these column names to match your export
with path.open(newline="") as fh:
return {r["symbol"]: float(r["weight"]) for r in csv.DictReader(fh)}
def main() -> None:
written = newest_cache_write()
if date.today() - written > STALE_AFTER:
sys.exit(f"cache last touched {written} - refresh prices before optimizing")
src = latest_export()
dest_dir = EXPORTS / PERIOD
dest_dir.mkdir(exist_ok=True)
shutil.copy2(src, dest_dir / src.name)
current = load_weights(src)
previous = sorted(EXPORTS.glob("*/*.csv"))[:-1]
if previous:
prior = load_weights(previous[-1])
moved = {s: round(current.get(s, 0) - prior.get(s, 0), 4)
for s in set(current) | set(prior)}
print("drift vs previous period:",
{s: d for s, d in moved.items() if abs(d) >= 0.005})
print(f"archived {src.name} -> {dest_dir}")
if __name__ == "__main__":
main()
Die Drift-Ausgabe ist der günstige Teil der Pipeline und derjenige, den Sie tatsächlich lesen werden. Ein Gewicht, das sich zwischen Perioden um zehn Punkte verschiebt, ist entweder eine echte Korrelationsverschiebung oder ein Konfigurationsfehler – und Sie wollen wissen, welcher, bevor die Orders rausgehen.
Überwachung und Fehlerbehandlung
Eine automatisierte Pipeline, die stillschweigend fehlschlägt, ist schlimmer als eine manuelle, weil Sie ihr vertrauen werden. Achten Sie auf drei Fehlerklassen.
Veraltete Daten. Der häufigste Fehler ist auch der leiseste: Der Cache ist intakt, aber es ist nichts Neues angekommen. Die Frischeprüfung oben fängt den offensichtlichen Fall ab; die Kursbereinigungs-Pipeline fängt den subtileren ab, indem sie verdächtige Kurse aufdeckt, statt sie in den Risikoschätzer fließen zu lassen. Wenn die Bereinigungsausgabe für ein Symbol seltsam aussieht, aktualisieren Sie diese Daten, bevor Sie optimieren – ein fehlerhafter Schlusskurs pflanzt sich in jede Korrelationsschätzung fort, die dieses Symbol berührt.
Unlösbare Beschränkungen. Wenn die von Ihnen gesetzten Gewichtungsbeschränkungen nicht erfüllt werden können, liefert der Lauf keine nutzbare Allokation. Behandeln Sie das als harten Fehler, nicht als ein Ergebnis, das zu interpretieren ist. Lockern Sie die Beschränkung, die mit Ihrem Ziel kollidiert, oder erweitern Sie die Kandidatenliste, und führen Sie dann erneut aus – und notieren Sie die Änderung im Manifest, damit der nächste Lauf kein Rätsel ist.
Fehlgeschlagene oder übersprungene Läufe. Jeder Wrapper sollte bei einem Fehler mit einem Nicht-Null-Code beenden und Alarm schlagen:
python.exe D:\rsj\bin\rebalance.py
if ($LASTEXITCODE -ne 0) {
Invoke-RestMethod -Uri $env:ALERT_WEBHOOK -Method Post -Body (@{
text = "RSJ Portfolio rebalance wrapper failed: exit $LASTEXITCODE"
} | ConvertTo-Json)
}
Fallbacks. Wenn der primäre Lauf fehlschlägt, improvisieren Sie nicht. Halten Sie eine dokumentierte zweite Wahl bereit: erneut mit einem anderen Risikomodell laufen lassen oder das Ziel wechseln (zum Beispiel Minimum Volatility → Minimum Semi Variance) und die beiden Allokationen vergleichen. Wenn beide völlig unterschiedliche Gewichte erzeugen, ist diese Uneinigkeit selbst eine Information darüber, wie instabil Ihr Kandidatenuniversum ist.
Historie. Bewahren Sie jede archivierte Allokation auf. Über ein paar Perioden hinweg können Sie die realisierte Volatilität mit dem vergleichen, was das Modell vorhersagte, als die Gewichte gesetzt wurden. Wenn die realisierte Volatilität durchgängig höher als erwartet ist, liegt das Problem meist vorgelagert – ein veraltetes Universum, ein zu kurzer Datumsbereich oder ein Risikomodell, das nicht zu den gehaltenen Vermögenswerten passt.
Best Practices für die automatisierte Portfolio-Optimierung
- Richten Sie das Ziel am Mandat aus. Minimum Volatility, wenn das Ziel die niedrigstmögliche Varianz ist; Maximum Sharpe Ratio, wenn Sie die Rendite pro Risikoeinheit optimieren; Minimum Semi Variance, wenn für Sie nur das Abwärtsrisiko zählt; Hierarchical Risk Parity, wenn die Allokation von der Korrelationsstruktur selbst getrieben werden soll; Conditional Value at Risk, wenn Ihre Beschränkung der Tail-Verlust ist. RSJ Portfolio lässt Sie zwischen allen fünf wechseln – bewusst zu wechseln ist die Disziplin. Für den Tail-Risk-Fall siehe What Is Conditional Value at Risk in Portfolio Optimization?.
- Nutzen Sie Gewichtungsbeschränkungen, um die Realität abzubilden. Positionslimits, Liquiditätslimits, Mandatsbeschränkungen – die Beschränkungen sind wählbar und kombinierbar, drücken Sie also die realen Grenzen in der Konfiguration aus, statt sie nachträglich von Hand zu korrigieren. Eine Beschränkung, die nach dem Lauf des Optimierers angewendet wird, ist keine Beschränkung; sie ist eine Verzerrung.
- Überprüfen Sie die Kandidatenliste nach Plan, nicht nach Laune. Automatisierung gibt Ihnen Konsistenz, nicht Urteilsvermögen. Korrelationsstrukturen verschieben sich, wenn sich Unternehmen verändern, und ein vor drei Jahren zusammengestelltes Universum enthält möglicherweise keine schwach korrelierten Werte mehr. Koppeln Sie die regelmäßige Überprüfung mit einem automatisierten Screen – How to Screen Stocks for Low Correlation Automatically behandelt die Mechanik.
- Dokumentieren Sie die Parameter. Das Manifest ist das Artefakt, das einen Lauf sechs Monate später reproduzierbar macht. Diffen Sie es, wann immer Sie etwas ändern.
- Überprüfen Sie den Cache-Speicherort nach Upgrades erneut. Eine Neuinstallation, die den Cache-Pfad zurücksetzt, baut die Historie beim nächsten Lauf stillschweigend von Grund auf neu auf – langsamer und mit einer anderen Daten-Vintage.
- Halten Sie den manuellen Klick bewusst. Der Wrapper sagt Ihnen, dass ein Lauf fällig ist, und archiviert, was dabei herauskam. Er sollte nicht vorgeben, der Optimierer zu sein.
FAQ
Kann ich RSJ Portfolio so planen, dass es automatisch läuft? RSJ Portfolio ist eine Windows-Desktop-Anwendung. Sie enthält zwar keinen integrierten Scheduler, aber Sie können wiederkehrende Optimierungen automatisieren, indem Sie den Workflow um die Anwendung herum skripten – unter Nutzung ihrer Konfigurationseinstellungen und Exportfunktionen –, sodass er in festgelegten Intervallen läuft.
Wie hilft das Cachen von End-of-Day-Kursen dabei, Korrelation und Volatilität zu reduzieren? Das Cachen von End-of-Day-Kursen macht das erneute Herunterladen von Daten für jeden Optimierungslauf überflüssig und macht häufiges Rebalancing praktikabel. Dadurch können Sie Korrelationsschätzungen regelmäßig aktualisieren und Allokationen neu optimieren, was hilft, ein Portfolio schwach korrelierter Vermögenswerte zu erhalten und damit die Volatilität zu reduzieren.
Was ist, wenn mein Portfolio mehrere Währungen umfasst? RSJ Portfolio bietet einen Konvertierungspfad für Portfolios, die in mehreren Währungen notiert sind, wie in der Dokumentation zu Daten und Währungen beschrieben. Sie können die lokale Währung konfigurieren, und das Produkt übernimmt die notwendigen Konvertierungen.
Gibt es eine API für die Automatisierung? RSJ Portfolio stellt keine öffentliche API bereit. Die Automatisierung erfolgt über die Konfigurations- und Exportfunktionen der Desktop-Anwendung, mit denen Sie den Optimierer in einen wiederholbaren Workflow integrieren können.
Fazit
Der Unterschied zwischen einem Optimierer, den Sie einmal verwenden, und einem, den Sie tatsächlich planmäßig laufen lassen, ist größtenteils Infrastruktur: ein Cache, der wiederholte Läufe günstig macht, eine Konfiguration, die sie konsistent macht, und Exporte, die die Ausgabe nutzbar machen. Richten Sie diese drei Dinge richtig ein, und das vierteljährliche Rebalancing hört auf, ein Projekt zu sein, und wird zu einer geplanten Aufgabe mit angehängtem Drift-Bericht.
Beginnen Sie mit dem Leitfaden für den Einstieg, konfigurieren Sie Datenanbieter, Cache-Speicherort und lokale Währung einmal, wählen Sie Ihr Ziel und Risikomodell und speichern Sie die Kandidatenliste. Schreiben Sie dann das Manifest, registrieren Sie die Aufgabe und lassen Sie den Cache die repetitive Arbeit erledigen.
Verwandte Beiträge
- How to Build a Minimum Semivariance Portfolio: Tutorial
- Portfolio Optimization Software for Financial Advisors
- What Is Conditional Value at Risk in Portfolio Optimization?