RSJ Portfolio Portfolio Optimization

← Alle Beiträge

2026-11-10

So überprüfen Sie die Allokationsergebnisse eines Portfolio-Optimierers

So überprüfen Sie die Allokationsergebnisse eines Portfolio-Optimierers
portfolio optimization modern portfolio theory portfolio correlation portfolio optimization hierachical risk parity minimize volatility minimize semivariance maximize sharpe

So überprüfen Sie die Allokationsergebnisse eines Portfolio-Optimierers

Jeder Portfolio-Optimierer liefert Gewichte, die sich zu 100 % summieren. Genau das macht ihn gefährlich: Die Arithmetik ist immer korrekt, selbst wenn die Eingaben, die Einstellungen oder die Interpretation falsch sind. Zu wissen, wie man die Ergebnisse eines Portfolio-Optimierers überprüft, ist der Unterschied zwischen einer plausibel aussehenden Tabelle und einer Allokation, hinter die Sie tatsächlich Kapital stellen können.

Dieser Artikel ist eine Prüf-Checkliste. Er führt durch, was ein vertrauenswürdiger Lauf hinterlassen sollte, wie Sie jedes Artefakt in RSJ Portfolio prüfen und wie Sie Ergebnisse lesen, die auf den ersten Blick seltsam erscheinen. Er gilt für jeden Optimierer, aber die konkreten Schritte nutzen die Bildschirme und das Benutzerhandbuch von RSJ Portfolio, denn eine Checkliste, auf die man zeigen kann, ist mehr wert als ein Prinzip.

Warum die Überprüfung wichtig ist, bevor Sie den Gewichten vertrauen

Ein Optimierer ist eine Funktion: Eingaben hinein, Gewichte hinaus. Ist eine einzelne Eingabe veraltet oder eine einzelne Nebenbedingung lockerer als beabsichtigt, sieht die Ausgabe trotzdem wie ein Portfolio aus. Nichts in der Gewichtstabelle markiert den Fehler.

Die Kosten des Überspringens der Überprüfung sind meist eines von vier Dingen:

  • Stille Datenfehler. Eine Preisreihe, die einen Monat zu früh endet, ein Symbol, das sein Ticker-Kürzel gewechselt hat, eine Kapitalmaßnahme, die die Bereinigungs-Pipeline anders behandelt hat, als Sie angenommen haben. Die Korrelationsmatrix wird aus dem gebaut, was die Pipeline produziert hat.
  • Falsch gesetzte Nebenbedingungen. Eine Obergrenze pro Asset, die Sie eigentlich verschärfen wollten, oder eine Untergrenze, die Sie aus einem früheren Lauf übernommen haben. Nebenbedingungen formen die zulässige Menge, daher erzeugt eine falsche Nebenbedingung eine falsche – aber perfekt formatierte – Allokation.
  • Nicht passende Zielfunktion. Minimale Semivarianz und maximales Sharpe-Verhältnis beantworten unterschiedliche Fragen. Passt die Zielfunktion nicht dazu, wie der Investor über Risiko denkt, sind die Gewichte gleichzeitig korrekt und nutzlos. Den Zielkonflikt behandeln wir in Maximum Sharpe Ratio vs Minimum Semivariance Allocation.
  • Währungsdrift. Ein Portfolio, das in mehreren Währungen notiert ist, erbt den Konvertierungspfad. Ist die lokale Währungseinstellung nicht die, die Sie gemeint haben, verschieben sich die Risikoschätzungen mit ihr.

Behandeln Sie die Überprüfung als wiederholbare Checkliste, nicht als einmalige Plausibilitätsprüfung, die beim ersten Mal durchgeführt und nie wiederholt wird. Führen Sie sie jedes Mal durch, wenn sich die Kandidatenliste, der Zeitraum oder die Zielfunktion ändert. Die Konfigurationsfragen, die vor Ihrem ersten Lauf am wichtigsten sind, werden separat behandelt in First Run Setup: Portfolio Optimizer Configuration That Matters; dieser Artikel setzt voraus, dass diese Entscheidungen bereits getroffen sind, und fragt, ob der Lauf, den Sie gerade erzeugt haben, sie tatsächlich verwendet hat.

Wie ein überprüfbares Ergebnis aussieht

Ein überprüfbares Ergebnis ist eines, das Sie rekonstruieren können, ohne jemanden fragen zu müssen, was passiert ist. Sechs Artefakte machen das möglich:

  1. Die Kandidatenliste – die genauen Symbole, die in die Optimierung eingegangen sind, zu einem Zeitpunkt eingefroren.
  2. Die Zielfunktion – minimale Volatilität, maximales Sharpe-Verhältnis, minimale Semivarianz, hierarchische Risikoparität oder Conditional Value at Risk.
  3. Das Risikomodell und das Renditemodell – welcher Schätzer die Preishistorie in Zahlen verwandelt hat, die der Optimierer minimieren oder maximieren konnte.
  4. Die Gewichts-Nebenbedingungen – die Grenzen, die jede Position einhalten musste.
  5. Der Gewichtsvektor – die Allokation selbst.
  6. Das Datenfenster – der Datenanbieter, die Bereinigungseinstellungen, die lokale Währung und der Zeitraum.

Die Punkte 1 bis 5 erklären, was der Optimierer entschieden hat. Punkt 6 erklärt, worauf er geschaut hat. Ohne Punkt 6 ist ein Gewichtsvektor eine Zahl ohne Kontext; Sie können ihn nicht erneut ausführen und nicht prüfen.

Das ist die eigentliche Trennlinie. Ein Blackbox-Ergebnis ist eine Reihe von Gewichten, die Ihnen jemand in die Hand gedrückt hat. Ein überprüfbares Ergebnis ist eine Reihe von Gewichten plus die Konfiguration, die sie erzeugt hat, sodass ein Kollege den Lauf auf seinem eigenen Rechner reproduzieren und dieselbe Antwort erhalten könnte.

In RSJ Portfolio erscheinen die Parameter des Optimierers und die resultierende Allokation gemeinsam in der Ansicht Recommendation, was sie zum natürlichen Ausgangspunkt für jede Prüfung macht. Der Bildschirm Configuration enthält die datenseitigen Einstellungen, und Selection enthält die Kandidatenliste. Drei Bildschirme, ein Lauf.

Schritt für Schritt: Einen Lauf in RSJ Portfolio überprüfen

Schritt 1 – Die Daten-Pipeline bestätigen

Öffnen Sie den Bildschirm Configuration und prüfen Sie vier Dinge, bevor Sie sich auch nur ein einziges Gewicht ansehen:

  • Den Datenanbieter, den Sie konfiguriert haben.
  • Die Preisbereinigungs-Einstellungen, die auf die Rohreihen angewendet wurden.
  • Die lokale Währung für das Portfolio.
  • Den Zeitraum, der für die Schätzung verwendet wurde.

Die Seite Data and currencies dokumentiert die Preisbereinigungs-Pipeline, den lokalen Cache und den Konvertierungspfad für Portfolios, die in mehreren Währungen notiert sind – lesen Sie sie einmal und verwenden Sie sie dann als Referenz, wenn eine Zahl Sie überrascht. Der Sinn dieses Schritts ist zu bestätigen, dass das, was der Optimierer verarbeitet hat, dem entspricht, was Sie Ihrer Meinung nach angefordert haben.

Schritt 2 – Die Kandidatenliste prüfen

Wechseln Sie zu Selection und lesen Sie die Symbole als Liste, nicht als Anzahl. Sie suchen nach zwei Fehlermodi:

  • Unbeabsichtigte Mitglieder. Ein Symbol, das während der Erkundung hinzugefügt und nie entfernt wurde; ein Proxy für ein Asset, das Sie nicht direkt halten können.
  • Veraltete Mitglieder. Ein Ticker mit kurzer Historie, eine Reihe, die vor dem Ende Ihres Zeitraums endet, oder ein Symbol, dessen Name nicht mehr zum Instrument passt.

Eine Kandidatenliste mit 40 Namen, bei der drei eine sechsmonatige Historie haben, ist kein Universum von 40 Namen. Es ist ein Universum von 37 Namen plus Rauschen.

Schritt 3 – Die Optimierer-Einstellungen lesen

Bestätigen Sie in der Ansicht Recommendation die drei Einstellungen, die das Problem definieren:

  • Zielfunktion. Minimale Volatilität, maximales Sharpe-Verhältnis, minimale Semivarianz, hierarchische Risikoparität oder Conditional Value at Risk – die, die Sie beabsichtigt haben, nicht die, die zufällig ausgewählt geblieben ist.
  • Risikomodell. RSJ Portfolio enthält acht Risikomodelle plus auswählbare Renditemodelle. Die Wahl verändert die Risikoschätzung, und die Allokation folgt der Schätzung.
  • Gewichts-Nebenbedingungen. Grenzen pro Asset und alle weiteren Limits, die Sie gesetzt haben.

Wenn Sie die Zielfunktion, das Risikomodell und die Nebenbedingungen nicht jeweils in einem Satz formulieren können, sind Sie noch nicht bereit, die Gewichte zu lesen.

Schritt 4 – Die Gewichte gegenprüfen

Jetzt die Arithmetik. Drei Prüfungen, in dieser Reihenfolge:

import json
from pathlib import Path

# weights as exported from the Recommendation view
weights = json.loads(Path("allocation-2026-11-10.json").read_text())

total = sum(weights.values())
assert abs(total - 1.0) < 1e-6, f"weights sum to {total:.6f}"

cap, floor = 0.10, 0.00
violations = {s: w for s, w in weights.items() if not (floor <= w <= cap + 1e-9)}
print("constraint violations:", violations or "none")

top = sorted(weights.items(), key=lambda kv: kv[1], reverse=True)[:5]
for symbol, weight in top:
    print(f"{symbol:<8} {weight:>7.2%}")

Zuerst die Summe. Zweitens die Nebenbedingungen. Drittens die Form der Verteilung – die fünf größten Positionen sagen Ihnen mehr über den Lauf als die fünfunddreißig kleinsten.

Dann stellen Sie die qualitative Frage: Ist die Korrelationsbegründung sichtbar? Die Methode allokiert hin zu Kandidaten, die schwach miteinander korrelieren oder deren Abwärtsrisiko schwach korreliert. Wenn zwei Ihrer größten Positionen nahezu Duplikate desselben Engagements sind, widerspricht entweder die Korrelationsschätzung Ihrer Intuition, oder etwas vorgelagert ist nicht in Ordnung. Dieser Widerspruch ist in jedem Fall eine Untersuchung wert.

Schritt 5 – Mit einer Störung erneut ausführen

Ändern Sie eine Sache und führen Sie erneut aus: Verschieben Sie den Zeitraum um einige Monate oder wechseln Sie das Risikomodell. Vergleichen Sie die beiden Gewichtsvektoren.

# keep each run's export in its own directory
ls verification/
# 2026-11-10-a/  allocation.json  config.md
# 2026-11-10-b/  allocation.json  config.md

Eine kleine Verschiebung ist beruhigend. Ein großer Ausschlag ist ein Signal zur Untersuchung – nicht automatisch ein Fehler. Er kann bedeuten, dass die Allokation empfindlich auf eine Handvoll Beobachtungen reagiert, dass der Zeitraum für die Anzahl der Kandidaten zu kurz ist oder dass die Wahl des Risikomodells mehr Arbeit leistet, als Sie dachten. Overfitting ist die tiefergehende Version dieser Frage, und sie hat ihre eigene Checkliste in How to Check That a Portfolio Optimizer Is Not Overfitting.

Ergebnisse interpretieren und Sonderfälle behandeln

Drei Ergebnisse wirken auf Erstnutzer falsch und sind meist informativ statt defekt.

Ein einzelnes Asset dominiert. Lesen Sie das als Aussage über die Korrelationsstruktur und die Nebenbedingungen. Ein dominantes Gewicht kann eine legitime Folge davon sein, dass ein Asset schwach mit allem anderen korreliert, oder ein Zeichen dafür, dass eine Obergrenze zu locker oder der Zeitraum zu kurz ist. Führen Sie erneut aus, mit einer engeren Nebenbedingung und mit einem anderen Fenster. Überlebt die Dominanz beides, ist sie eine Eigenschaft der Daten.

Gewichte an einer Grenze fixiert. Positionen, die genau an einer Obergrenze oder Untergrenze liegen, bedeuten, dass das unbeschränkte Optimum weiter gehen wollte. Das ist eine Information über die Nebenbedingung, kein Versagen des Optimierers. Lockern Sie die Grenze in einem Testlauf, um zu sehen, wie weit es gegangen wäre, und entscheiden Sie dann, mit welcher Version Sie leben können.

Eine nahezu gleichgewichtete Lösung. Oft die ehrliche Antwort, wenn die Kandidatenmenge homogen oder die Historie kurz ist: Der Optimierer kann die Assets nicht unterscheiden, also verteilt er. Ein nahezu gleichgewichtetes Ergebnis bei einer Liste von zwanzig Large-Cap-Peers ist ein Befund, kein Fehler.

Der Risikoschätzer verdient hier eine eigene Zeile. Der Wechsel zwischen den acht Risikomodellen verändert die Allokation, weil jedes Modell Risiko anders schätzt – das ist das beabsichtigte Verhalten, keine Instabilität. Stellen Sie sicher, dass das ausgewählte Modell dazu passt, wie der Investor tatsächlich über Risiko denkt, und nutzen Sie das Konzeptkapitel des Benutzerhandbuchs für den statistischen Hintergrund. Zur spezifischen Interpretation des Abwärtsrisikos siehe Semivariance Explained: Measuring Only the Losses That Hurt.

Die Überprüfung für spätere Referenz dokumentieren

Die Überprüfung ist nur so viel wert wie der Lauf, wenn Sie sie wiederholen können. Speichern Sie die Konfiguration, die Kandidatenliste und die resultierenden Gewichte zusammen, in einem Verzeichnis pro Lauf, und notieren Sie die Störung, die Sie ausprobiert haben.

Ein leichtgewichtiges Protokoll reicht:

run_id: 2026-11-10-a
objective: minimum semi variance
risk_model: "<as selected in the Recommendation view>"
return_model: "<as selected>"
constraints:
  max_weight: 0.10
  min_weight: 0.00
data:
  provider: "<configured provider>"
  local_currency: EUR
  date_range: 2019-01-01..2026-10-31
  cleaning: "<settings as shown on the Configuration screen>"
checks:
  weights_sum_to_one: true
  largest_position: 0.087
  perturbation: "window shifted 6 months -> max |delta w| = 0.021"
anomalies: []

Die Exporte von RSJ Portfolio sind der praktische Weg, die Allokation für die Prüfung festzuhalten oder den Lauf an einen Kollegen zu schicken – exportieren Sie die Gewichte, bewahren Sie die Konfiguration daneben auf, und der Lauf wird Monate später prüfbar.

Eine dokumentierte Spur ist auch Ihre erste Verteidigung gegen Rückschaufehler. Ein Ergebnis, das nur gut aussieht, weil Sie sich an die Version des Laufs erinnern, die funktioniert hat, ist kein Ergebnis; das Protokoll ist das, was verhindert, dass diese Geschichte erzählt wird. Die oben verlinkte Overfitting-Checkliste baut direkt auf dieser Gewohnheit auf.

FAQ

Woher weiß ich, dass der Optimierer die Daten verwendet hat, die ich beabsichtigt habe? Prüfen Sie den Bildschirm Configuration in RSJ Portfolio: Er zeigt den Datenanbieter, die Preisbereinigungs-Einstellungen, die lokale Währung und den Zeitraum. Die Seite Data and currencies im Benutzerhandbuch dokumentiert, wie die Bereinigungs-Pipeline und die Mehrwährungsumrechnung funktionieren, sodass Sie bestätigen können, dass die Eingaben Ihrer Absicht entsprechen, bevor Sie die Gewichte lesen.

Warum ändern sich die Gewichte, wenn ich das Risikomodell wechsle? Jedes der acht Risikomodelle schätzt Risiko anders, daher reagiert die Allokation des Optimierers auf diese Schätzung. Eine Änderung der Gewichte ist zu erwarten; stellen Sie sicher, dass das ausgewählte Modell widerspiegelt, wie Sie über Risiko denken, und nutzen Sie das Konzeptkapitel des Benutzerhandbuchs, um den statistischen Hintergrund zu verstehen.

Was sollte ich tun, wenn eine einzelne Aktie die Allokation dominiert? Bestätigen Sie zuerst, dass die Kandidatenliste und die Nebenbedingungen Ihren Absichten entsprechen. Ein dominantes Gewicht kann ein legitimes Ergebnis der Korrelationsstruktur sein oder ein Zeichen dafür, dass eine Nebenbedingung zu locker oder der Datenbereich zu kurz ist. Führen Sie erneut aus, mit einem anderen Zeitraum oder einer engeren Nebenbedingung, um zu sehen, ob die Dominanz bestehen bleibt.

Kann ich einen Lauf später reproduzieren, um ihn zu überprüfen? Ja, wenn Sie die Konfiguration (Zielfunktion, Risikomodell, Nebenbedingungen, Datenanbieter, Zeitraum) zusammen mit den resultierenden Gewichten speichern. Die Exporte von RSJ Portfolio ermöglichen es Ihnen, die Allokation festzuhalten, und das Recommendation-Kapitel des Benutzerhandbuchs erklärt die Parameter und Ergebnisse im Detail.

Wie lange sollte die Überprüfung dauern? Für einen Lauf, dessen Konfiguration Sie bereits kennen, dauern die fünf obigen Schritte einige Minuten – der größte Teil der Zeit fließt in Schritt 2, das richtige Lesen der Kandidatenliste. Der erste Lauf nach einer Konfigurationsänderung dauert länger, weil die Schritte 1 und 3 erneutes Lesen statt Bestätigen erfordern.

Unterscheidet sich die Überprüfung je nach Zielfunktion? Die Artefakte sind identisch, daher ändert sich die Checkliste nicht. Was sich ändert, ist Schritt 5: Ein Lauf mit minimaler Volatilität bewegt sich bei einem verschobenen Fenster tendenziell weniger als ein Maximum-Sharpe-Lauf, der auch Renditeschätzungen hinterherjagt, nicht nur Kovarianz. Erwarten Sie mehr Sensitivität und lesen Sie sie nicht als Instabilität, bevor Sie zwei Fenster verglichen haben.

Was, wenn ein erneuter Lauf andere Gewichte ergibt? Das ist die Frage, deren Beantwortung die Überprüfung dient. Wenn der einzige Unterschied die Störung ist, die Sie in Schritt 5 eingeführt haben, ist der Unterschied der Befund. Wenn die Konfiguration identisch ist und die Gewichte sich trotzdem unterscheiden, prüfen Sie, ob Kandidatenliste, Zeitraum und Datenanbieter wirklich dieselben sind, bevor Sie irgendetwas anderes schlussfolgern.

Fazit

Die Überprüfung ist kein Misstrauensvotum gegen den Optimierer – sie ist der Schritt, der aus einer Ausgabe ein Argument macht. Bestätigen Sie die Daten-Pipeline, lesen Sie die Kandidatenliste, sagen Sie die Zielfunktion und das Risikomodell laut, prüfen Sie die Gewichte gegen die Nebenbedingungen und stören Sie dann den Lauf einmal, um zu sehen, wie stark sich die Antwort bewegt. Speichern Sie, was Sie getan haben.

RSJ Portfolio ist darauf ausgelegt, diese Prüfung kurz zu halten: Die Konfiguration, die Auswahl und die resultierende Allokation liegen auf getrennten Bildschirmen, die direkt auf die Checkliste abbilden, mit Exporten, um jeden Lauf festzuhalten. Wenn Sie noch nicht begonnen haben, starten Sie mit der Übersicht und dem Leitfaden für den Einstieg; wenn Sie gerade einen Lauf geöffnet haben, gehen Sie zur Ansicht Recommendation und beginnen Sie bei Schritt 3.

Verwandte Beiträge

EU label: AI-generated content