RSJ Portfolio Portfolio Optimization

← Alle Beiträge

2026-10-31

So erstellst du ein Minimum-Semivarianz-Portfolio: Tutorial

So erstellst du ein Minimum-Semivarianz-Portfolio: Tutorial
portfolio optimization modern portfolio theory portfolio correlation portfolio optimization hierachical risk parity minimize volatility minimize semivariance maximize sharpe

So erstellen Sie ein Portfolio mit minimaler Semivarianz: Tutorial

Die Optimierung der minimalen Semivarianz stellt eine engere Frage als das Lehrbuchproblem der Mittelwert-Varianz. Statt jede Abweichung vom Mittelwert zu bestrafen, bestraft sie nur die Abweichungen, die unter ein Ziel fallen – die Verluste. Eine Aktie, die jede zweite Woche um +4 % und −4 % schwankt, und eine Aktie, die ruhig nach oben driftet, werden von einer Semivarianz-Zielfunktion sehr unterschiedlich behandelt, selbst wenn ihre Standardabweichungen ähnlich aussehen.

Diese Unterscheidung ist wichtig, wenn Ihnen Drawdowns mehr bedeuten als die Streuung im Allgemeinen. Dieses Tutorial führt Sie durch den vollständigen Aufbau eines solchen Portfolios in RSJ Portfolio, einer Windows-Desktop-Anwendung, die aus historischen End-of-Day-Kursen eine statistisch optimierte Allokation berechnet. Die Anwendung erledigt die Matrixarbeit; in diesem Artikel geht es um die sechs Entscheidungen, die Sie darum herum treffen.

Am Ende verfügen Sie über eine Allokation, deren Gewichte die Semivarianz über einen gewählten Zeitraum minimieren, unter Einhaltung der von Ihnen gesetzten Gewichtsgrenzen, exportiert und auf Plausibilität geprüft. Wenn Sie stattdessen die Version mit der Gesamtvolatilität durchführen möchten, wird diese separat in How to Calculate Minimum Variance Portfolio Weights behandelt; hier bleiben wir bei der Unterseite.

Voraussetzungen

  • Ein Windows-Rechner. RSJ Portfolio ist eine Windows-Desktop-Anwendung; in der Produktdokumentation ist keine Browser- oder Linux-Version beschrieben.
  • Ein Datenanbieter-Konto, falls Ihr Anbieter Zugangsdaten benötigt. Die unterstützten Anbieter sind auf der Seite Daten und Währungen aufgeführt, zusammen mit der Kursbereinigungs-Pipeline und dem Verhalten des lokalen Caches.
  • Ausreichend Kurshistorie. Der Optimierer benötigt einen Datumsbereich, der breit genug ist, damit die Schätzung der Unterseite nicht von einer Handvoll Beobachtungen getrieben wird. Tägliche Daten über mehrere Jahre sind der vernünftige Standard.
  • Der Installer, verifiziert. Laden Sie ihn von der Seite Downloads herunter – der SHA-512-Digest wird dort neben einem versionierten Dateinamen veröffentlicht. Prüfen Sie ihn, bevor Sie irgendetwas ausführen; das Verfahren ist in How to Verify a SHA-512 Checksum Before Installing Portfolio Software beschrieben.
  • Eine Kandidatenliste. Entweder handverlesen oder vorgefiltert. Wenn Sie den vorgefilterten Weg wählen möchten, siehe How to Screen Stocks for Low Correlation Automatically.
  • Grundkenntnisse zu Renditen, Risiko und Korrelation. Das Konzeptkapitel der Benutzeranleitung ist die Referenz für den statistischen Hintergrund.

Schritt für Schritt: Das Portfolio aufbauen

Schritt 1: Datenanbieter, Cache, Währung und Datumsbereich konfigurieren

Alles Nachfolgende hängt von diesem Schritt ab. Auf dem Bildschirm Konfiguration legen Sie den Datenanbieter, den lokalen Cache, Ihre lokale Währung, den Datumsbereich und die Einstellungen zur Kursbereinigung fest.

Die Bereinigungs-Pipeline ist keine optionale Dekoration – Splits, Dividenden und veraltete Kurse würden andernfalls als falsche Renditen erscheinen und die Semivarianz-Schätzung verzerren. Lassen Sie die Bereinigung aktiviert, es sei denn, Sie haben einen konkreten Grund, dies nicht zu tun.

Notieren Sie Ihre Auswahl, bevor Sie klicken, denn Sie werden für alle späteren Vergleichsläufe dieselben Werte benötigen:

# Configuration worksheet - the values you enter on the Configuration screen.
# This is a checklist, not a file the application imports.
data_provider: "<the provider you have access to>"
local_currency: EUR            # the currency your results should be quoted in
date_range:
  start: 2019-01-01            # long enough to cover a real drawdown
  end:   2026-10-30
price_cleaning: enabled        # adjustments for splits and dividends
local_cache: enabled           # reuse downloaded prices across runs

Wenn Ihre Kandidatenliste mehrere Märkte umfasst, lesen Sie die Seite Daten und Währungen, bevor Sie fortfahren – sie dokumentiert den Konvertierungspfad für Portfolios, die in mehr als einer Währung notiert sind, und ein Fehler dort ist ein stiller Weg, ein Portfolio zu erzeugen, das gut aussieht, aber keines ist.

Schritt 2: Die Kandidatenliste erstellen

Öffnen Sie Auswahl und suchen Sie Symbole einzeln, wobei Sie jeden Treffer zur Kandidatenliste hinzufügen. Bewahren Sie Ihr beabsichtigtes Universum in einer einfachen Textdatei auf, damit ein zweiter Lauf – oder ein Vergleich mit Gleichgewichtung – dieselbe Menge verwendet:

# universe-2026-10.txt - search each symbol in Selection and add it
AAPL
MSFT
JNJ
XOM
PG
KO
UNH
CVX

Zwei praktische Hinweise.

Erstens ist die Kandidatenliste eine Modellierungsentscheidung. Semivarianz belohnt Anlagen, deren Verluste nicht gleichzeitig mit denen aller anderen eintreten, daher gibt eine Liste mit zehn nahezu identischen Large-Cap-Tech-Werten dem Optimierer fast nichts, womit er arbeiten kann. Deshalb lohnt sich das Korrelations-Screening vor diesem Schritt.

Zweitens sollten Sie das Universum zwischen Läufen nicht stillschweigend ändern. Wenn Sie eine schlecht laufende Aktie entfernen und erneut ausführen, erhalten Sie ein besser aussehendes Portfolio und lernen nichts.

Schritt 3: Minimale Semivarianz als Zielfunktion auswählen

Wählen Sie im Modul Empfehlung minimale Semivarianz als Optimierungsziel. Die vollständige Menge der von der Anwendung angebotenen Ziele ist minimale Volatilität, maximales Sharpe-Verhältnis, minimale Semivarianz, hierarchische Risikoparität und Conditional Value at Risk (CVaR).

Die Zielfunktion definiert, was minimiert wird: die Streuung der Renditen unterhalb Ihres Ziels, nicht die Streuung um den Mittelwert. Bestätigen Sie die Auswahl, bevor Sie fortfahren – es ist leicht, das Ziel eines vorherigen Laufs stehen zu lassen, und die resultierenden Gewichte sehen dann vollkommen vernünftig aus, während sie die falsche Frage beantworten.

Wenn Sie dies gegen CVaR abwägen, das ebenfalls auf den Verlustschwanz abzielt, aber eine andere Frage stellt (durchschnittlicher Verlust jenseits eines Quantils statt quadrierter Unterseitenabweichung), behandelt What Is Conditional Value at Risk in Portfolio Optimization? den Unterschied.

Schritt 4: Ein Risikomodell wählen und Gewichtsbeschränkungen festlegen

Dies sind zwei getrennte Einstellungen, und sie scheitern auf unterschiedliche Weise.

Risikomodell. RSJ Portfolio enthält acht Risikomodelle, darunter Stichproben-Kovarianz und Shrinkage-Schätzer. Der Stichproben-Kovarianz-Schätzer ist die ehrliche Standardeinstellung, wenn Sie viele Beobachtungen pro Anlage haben. Shrinkage-Schätzer ziehen die Schätzung in Richtung eines strukturierten Ziels und verhalten sich tendenziell besser, wenn die Kandidatenliste im Verhältnis zur Länge der Historie lang ist – das ist eine Entscheidung zur numerischen Stabilität, keine Marktmeinung. Die Seite Methoden und Funktionen listet alle acht auf, zusammen mit den Renditemodellen und den verfügbaren Gewichtsbeschränkungen.

Gewichtsbeschränkungen. Legen Sie ein maximales Gewicht pro Anlage fest, das widerspiegelt, was Sie tatsächlich zu halten bereit sind. Eine Obergrenze ist keine kosmetische Präferenz: Sie ist der Unterschied zwischen einem Portfolio, das Sie umsetzen können, und einem, das ein Drittel des Kapitals in diejenige Aktie steckt, die die am wenigsten korrelierten schlechten Tage hatte.

Beginnen Sie mit etwas, das Sie in einem Gespräch mit einem Kunden verteidigen würden, und verschärfen Sie es nur, wenn das uneingeschränkte Ergebnis wirklich nicht haltbar ist. Übermäßig eingeschränkte Läufe sind die häufigste Ursache für enttäuschende Ergebnisse.

Schritt 5: Den Optimierer ausführen

Starten Sie den Lauf. Die Anwendung berechnet die Gewichte, die die Semivarianz über Ihren Datumsbereich minimieren, unter Einhaltung der Zielfunktion, des Risikomodells und der von Ihnen gesetzten Beschränkungen. Sie schreiben keine Solver-Schleife, laden keine Kursdateien von Hand herunter und gleichen keine Kovarianzmatrix ab – das ist der Teil, den die Anwendung aus dem Arbeitsablauf entfernt.

Wenn sie fertig ist, zeigt der Bildschirm Empfehlung die resultierende Allokation. Lesen Sie die Gewichte, bevor Sie irgendetwas anderes lesen.

Schritt 6: Die Allokation prüfen und exportieren

Prüfen Sie drei Dinge der Reihe nach:

  1. Summieren sich die Gewichte zu 1? Sie sollten es tun, bis auf Rundung.
  2. Liegt jedes Gewicht innerhalb Ihrer Obergrenze? Suchen Sie nach dem Grenzwert; wenn er wiederholt auftritt, leistet die Beschränkung echte Arbeit, und Sie sollten fragen, ob die Obergrenze oder die Kandidatenliste das Problem ist.
  3. Entspricht die Allokation dem, was Sie aufgrund der Korrelationen erwartet haben? Eine Aktie, die Sie speziell hinzugefügt haben, weil sie ausschlug, als der Rest einbrach, sollte Gewicht tragen. Wenn sie null erhalten hat, war der Optimierer anderer Meinung als Ihre Intuition, und die Korrelationsschätzung ist der Ort, an dem Sie nachsehen sollten.

Exportieren Sie dann die Allokation. Der Export liefert Ihnen die Gewichte in einer Form, die Sie in ein Handelssystem oder eine Tabellenkalkulation übernehmen können; bewahren Sie die Datei auf, denn der Abschnitt zur Verifikation unten verwendet sie.

Ihre Ergebnisse überprüfen

Ein Optimierer liefert immer Gewichte. Die Verifikation ist der Weg, herauszufinden, ob sie etwas bedeuten.

Prüfung 1: Die Beschränkungen wurden eingehalten

Dies ist eine Prüfung mit fünf Zeilen auf der exportierten Datei. Passen Sie die Obergrenze an den Wert an, den Sie in Schritt 4 festgelegt haben:

import pandas as pd

weights = pd.read_csv("allocation_2026-10-31.csv", index_col=0)["weight"]
print(weights.round(4).to_string())
print("max weight:", round(weights.max(), 4))   # must be <= your cap
print("sum:       ", round(weights.sum(), 6))   # must be ~1.0

Prüfung 2: Unterseitenrisiko gegenüber einer naiven Benchmark

Berechnen Sie die Semi-Abweichung Ihrer Allokation und eines gleichgewichteten Portfolios über dasselbe Fenster und dasselbe Universum. Wenn das optimierte Portfolio bei diesem Maß nicht besser ist, wurde entweder die Zielfunktion nicht angewendet oder die Beschränkungen haben die Lösung zu etwas nahezu Gleichgewichteten verflacht.

import numpy as np
import pandas as pd

prices = pd.read_csv("prices.csv", index_col=0, parse_dates=True).sort_index()
returns = prices.pct_change().dropna()

weights = pd.read_csv("allocation_2026-10-31.csv", index_col=0)["weight"]
weights = weights.reindex(returns.columns)

port = returns.mul(weights, axis=1).sum(axis=1)
target = 0.0                                   # "below zero" as the downside threshold
downside = np.minimum(port - target, 0.0)
semi_dev = np.sqrt((downside ** 2).mean())

print(f"semi-deviation per period: {semi_dev:.6f}")
print(f"annualized (252d):         {semi_dev * np.sqrt(252):.6f}")

Führen Sie denselben Block mit weights = pd.Series(1 / len(returns.columns), index=returns.columns) für den Gleichgewichtsvergleich aus und mit der Ausgabe eines Laufs zur minimalen Volatilität, wenn Sie den Kontrast Varianz versus Semivarianz auf Ihren eigenen Daten sehen möchten.

Prüfung 3: Verhalten außerhalb der Stichprobe

Führen Sie die Optimierung mit einem früheren Enddatum erneut aus und bewerten Sie dann die Gewichte auf dem Zeitraum danach. Dies ist der günstigste verfügbare Test, ob die Allokation Struktur erfasst oder Rauschen anpasst, und es lohnt sich, ihn mindestens einmal durchzuführen, bevor Sie Kapital einsetzen.

Fehlerbehebung bei häufigen Problemen

Der Optimierer schlägt fehl oder liefert etwas Unplausibles. Lockern Sie zuerst die Gewichtsbeschränkungen – eine Obergrenze, die für die Anzahl der Anlagen zu eng ist, kann das Problem ohne komfortable Lösung zurücklassen. Wenn das nicht hilft, wechseln Sie zu einem Shrinkage-Risikomodell, das stabiler ist, wenn die Kandidatenliste im Verhältnis zur Historie lang ist.

Die Ergebnisse werden von ein oder zwei Werten dominiert. Prüfen Sie, ob die Zielfunktion tatsächlich auf minimale Semivarianz und nicht auf eine übrig gebliebene Einstellung gesetzt ist. Sehen Sie sich dann die Korrelationsmatrix auf nahezu Duplikate in Ihrer Kandidatenliste an; zwei zu 0,95 korrelierte Aktien verhalten sich wie eine Anlage, und der Optimierer wird sie so behandeln.

Die Gewichte sehen wie Gleichgewichtung aus. Das bedeutet meist, dass die Beschränkungen überall binden oder das Universum zu homogen ist, als dass die Korrelation differenzieren könnte. Erweitern Sie die Kandidatenliste, bevor Sie die Obergrenzen lockern.

Datenlücken oder veraltete Kurse. Prüfen Sie, ob der Datumsbereich genug Historie abdeckt, ob die Bereinigungs-Pipeline aktiviert ist und ob der lokale Cache für jedes Symbol eine vollständige Reihe enthält. Ein fehlender Tag ist keine Nullrendite.

Währungsinkongruenzen. Wenn das Portfolio mehrere Währungen umfasst, bestätigen Sie den Konvertierungspfad in den Dateneinstellungen, bevor Sie ein Gewicht interpretieren. Ein Portfolio, das in der falschen Basiswährung notiert ist, kann Anlagen in einer Reihenfolge einordnen, die nichts mit Risiko zu tun hat.

FAQ

Was ist der Unterschied zwischen minimaler Varianz und minimaler Semivarianz?

Die minimale Varianz minimiert die Gesamtvolatilität und behandelt Aufwärts- und Abwärtsabweichungen gleich. Die minimale Semivarianz bestraft nur negative Abweichungen und konzentriert sich daher auf das Abwärtsrisiko. Die beiden können deutlich unterschiedliche Allokationen erzeugen, insbesondere wenn die Renditeverteilungen asymmetrisch sind.

Kann ich RSJ Portfolio für andere Ziele wie das maximale Sharpe-Verhältnis verwenden?

Ja. RSJ Portfolio unterstützt mehrere Ziele, darunter minimale Volatilität, maximales Sharpe-Verhältnis, minimale Semivarianz, hierarchische Risikoparität und Conditional Value at Risk (CVaR). Sie wählen das Ziel pro Lauf aus, sodass der Vergleich auf derselben Kandidatenliste bedeutet, die Schritte 3 bis 5 zu wiederholen.

Wie viele Risikomodelle sind in RSJ Portfolio verfügbar?

Acht, darunter Stichproben-Kovarianz und Shrinkage-Schätzer. Damit können Sie die Risikoschätzung an die Länge Ihrer Historie und die Größe Ihrer Kandidatenliste anpassen.

Gibt es eine kostenlose Testversion von RSJ Portfolio?

Die Produktinformationen erwähnen keine kostenlose Testversion. Lizenzdetails finden Sie auf der Preisseite; eine Einzelnutzerlizenz ist verfügbar.

Fazit

Die Abfolge ist kurz: Anbieter, Währung und Datumsbereich konfigurieren; eine Kandidatenliste erstellen, die nicht aus zehn Kopien desselben Trades besteht; minimale Semivarianz als Ziel auswählen; ein Risikomodell wählen und Obergrenzen setzen, die Sie verteidigen würden; ausführen; dann die Gewichte gegen eine gleichgewichtete Benchmark und auf Daten außerhalb der Stichprobe überprüfen. Der größte Teil der Arbeit steckt in den Schritten 2 und 4, und der größte Teil des Werts in der Verifikation.

RSJ Portfolio übernimmt die Teile, die üblicherweise den Nachmittag verschlingen – Kurserfassung, Bereinigung, den lokalen Cache, die Kovarianzschätzung und die beschränkte Lösung – und überlässt Ihnen die Entscheidungen. Wenn Sie bereit sind, es auf Ihrem eigenen Universum auszuführen, laden Sie den Installer und die Benutzeranleitung von der Seite Downloads herunter und sehen Sie in der Einstiegsanleitung nach, welche Einstellungen vor dem ersten Lauf festgelegt werden sollten. Die Lizenzierung erfolgt über eine Einzelnutzerlizenz, die über die Kasse auf der Preisseite erworben wird.

Verwandte Beiträge

EU label: AI-generated content