Mindestvarianz-Portfoliogewichte: Die Formel erklärt
Wenn Sie mehr als eine Aktie halten, haben Sie bereits eine Portfolioentscheidung getroffen – aber wahrscheinlich keine bewusste. Die Gleichgewichtung ist der versehentliche Standard: Geld aufteilen und hoffen, dass die Diversifikation funktioniert. Die Formel für die Mindestvarianz-Portfoliogewichte ist die Alternative. Sie beantwortet eine einzige, klar formulierte Frage: Welche Gewichte erzeugen für diese Gruppe von Vermögenswerten die kleinstmögliche Gesamtvolatilität?
Keine Renditeprognose, keine Marktmeinung, keine Einschätzung, welche Aktie gewinnen wird. Nur eine Kovarianzmatrix und eine geschlossene Lösung. In diesem Artikel entschlüsseln wir die Formel in verständlicher Sprache, gehen die Matrixalgebra durch, rechnen ein Beispiel mit zwei Vermögenswerten von Hand und schauen uns dann an, wie RSJ Portfolio daraus einen verwalteten Workflow macht statt eines Skriptprojekts.
Was die Formel für die Mindestvarianz-Portfoliogewichte tatsächlich löst
Das Mindestvarianz-Portfolio ist die Allokation, die die Gesamtvolatilität des Portfolios für eine gegebene Gruppe von Vermögenswerten minimiert. „Gegeben" leistet hier viel Arbeit: Sie liefern die Kandidatenliste, die historischen Kursdaten und die daraus resultierende Kovarianzstruktur. Die Formel liefert die Gewichte.
In Worten ausgedrückt: Die optimalen Gewichte sind proportional zur inversen Kovarianzmatrix, angewendet auf einen Einservektor, und dann so normalisiert, dass sie sich zu eins summieren.
Das ist die ganze Idee. Zwei Eingaben, eine Ausgabe:
- Eingabe: eine Kovarianzmatrix Σ der Vermögensrenditen, typischerweise aus historischen Kursen geschätzt.
- Ausgabe: ein Gewicht pro Vermögenswert, das sich zu 1 summiert und die Portfoliovarianz minimiert.
Warum sich die Mühe machen, wenn es die Gleichgewichtung gibt? Weil die Gleichgewichtung Vermögenswerte so behandelt, als wären sie austauschbar. Sie gibt einer Aktie, die im Gleichschritt mit dem Rest des Buchs marschiert, dieselben 20 % wie einer, die sich unabhängig bewegt. Die Formel tut das nicht. Sie betrachtet, wie sich Vermögenswerte gemeinsam bewegen – die Nichtdiagonaleinträge der Kovarianzmatrix – und verschiebt Kapital hin zu den Kombinationen, die sich gegenseitig aufheben.
Eine kurze Intuitionsprüfung. Nehmen Sie zwei Aktien mit identischer Volatilität. Wenn ihre Renditen unkorreliert sind, liegt die Mindestvarianzlösung nahe bei 50/50. Wenn sie stark korreliert sind, erzielen Sie weniger Diversifikationsnutzen aus dem Halten beider – und wenn eine deutlich weniger volatil ist, neigt die Formel stark zu ihr. Die Gleichgewichtung kann nichts davon ausdrücken. Die Formel kann es.
Eine Analogie in einfacher Sprache: Diversifikation als Mannschaftssport
Stellen Sie sich jeden Vermögenswert als Spieler und das Portfolio als Aufstellung vor. Sie wollen nicht die elf besten Einzelspieler; Sie wollen die elf, deren kombinierte Leistung von Woche zu Woche am wenigsten schwankt.
Korrelation ist Form, die sich gemeinsam bewegt. Zwei Stürmer, die in denselben Spielen beide ausfallen, sind für die Kaderzusammenstellung praktisch derselbe Stürmer – beide aufzustellen reduziert die Varianz Ihrer Ergebnisse nicht. Die Formel erkennt das und gibt Spielern weniger Gewicht, die die schlechten Tage des anderen duplizieren.
Sie belohnt auch den Spieler, der ausschert, wenn die anderen einspringen, selbst wenn seine individuelle Form unruhiger ist. Ein volatiler Vermögenswert mit wirklich schwacher Korrelation zum Rest des Buchs kann ein bedeutendes Gewicht verdienen, weil sein Schwanken teilweise andere Schwankungen aufhebt.
Die Kovarianzmatrix ist die Koordinationskarte der Mannschaft: Varianzen auf der Diagonale (wie unberechenbar jeder Spieler für sich ist) und Kovarianzen außerhalb der Diagonale (wie stark sich ihre Form gemeinsam bewegt). Die Formel liest die Karte und wählt die Aufstellung.
Unter der Haube: Von der Kovarianzmatrix zu optimalen Gewichten
Hier ist die geschlossene Form:
w = (Σ⁻¹ · 1) / (1ᵀ · Σ⁻¹ · 1)
Symbol für Symbol:
- Σ – die Kovarianzmatrix der Vermögensrenditen, n × n. Diagonaleinträge sind Varianzen; Nichtdiagonaleinträge sind paarweise Kovarianzen.
- Σ⁻¹ – ihre Inverse. Das ist der interessante Teil.
- 1 – ein Spaltenvektor aus Einsen, Länge n.
- Σ⁻¹ · 1 – ein roher, unnormalisierter Gewichtsvektor.
- 1ᵀ · Σ⁻¹ · 1 – ein Skalar. Die Division dadurch erzwingt, dass die Gewichte sich zu genau 1 summieren.
Warum die Inverse und nicht die Kovarianzmatrix selbst? Weil die Inversion Varianzen und Korrelationen zu einem einzigen Maß dafür vermischt, „wie viel unabhängige Information dieser Vermögenswert trägt". Ein Vermögenswert, dessen Renditen weitgehend durch andere Vermögenswerte der Gruppe erklärt werden, wird bestraft; ein Vermögenswert mit einzigartiger Variation wird belohnt. Genau das ist der Diversifikationseffekt, ausgedrückt als lineare Algebra.
Ein Beispiel mit zwei Vermögenswerten, das Sie auf Papier rechnen können
Für zwei Vermögenswerte reduziert sich die Formel auf:
w₁ = (σ₂² − ρ·σ₁·σ₂) / (σ₁² + σ₂² − 2·ρ·σ₁·σ₂)
Nehmen Sie σ₁ = 20 %, σ₂ = 30 % und eine Korrelation von ρ = 0,2:
- Zähler: 0,09 − 0,2 × 0,20 × 0,30 = 0,078
- Nenner: 0,04 + 0,09 − 2 × 0,2 × 0,20 × 0,30 = 0,106
- w₁ ≈ 74 %, w₂ ≈ 26 %
Der weniger volatile Vermögenswert erhält den Großteil des Kapitals, wie zu erwarten – aber nicht alles, weil die schwache Korrelation immer noch etwas einbringt.
Erhöhen Sie nun die Korrelation auf ρ = 0,9:
- Zähler: 0,09 − 0,054 = 0,036
- Nenner: 0,13 − 0,108 = 0,022
- w₁ ≈ 164 %, w₂ ≈ −64 %
Eine Short-Position. Dieselben zwei Vermögenswerte, dieselben Volatilitäten – nur die Korrelation hat sich geändert. Das ist das Wichtigste, was man über die Formel verstehen muss: Sie weiß nicht und es ist ihr egal, ob ihre Ausgabe investierbar ist. Long-only-Grenzen, Positionsobergrenzen und ähnliche Beschränkungen verwandeln die geschlossene Form in ein restringiertes Optimierungsproblem, weshalb Praktiker die rohe Formel selten auf echtes Geld anwenden.
Die Formel im Code (zum Verständnis, nicht für die Produktion)
import numpy as np
# returns: T x n array of daily returns, columns aligned with tickers
sigma = np.cov(returns.T, ddof=1)
ones = np.ones(sigma.shape[0])
raw = np.linalg.inv(sigma) @ ones
w = raw / raw.sum()
print(dict(zip(tickers, w.round(4))))
Drei praktische Hürden tauchen in dem Moment auf, in dem Sie so etwas tatsächlich ausführen:
- Fehler bei der Kovarianzschätzung. Bei n Vermögenswerten schätzen Sie n(n+1)/2 Parameter aus einer endlichen Stichprobe. Gewichte sind notorisch empfindlich gegenüber diesem Fehler – kleine Änderungen im Stichprobenzeitraum können sie stark verschieben.
- Positive Definitheit. Die Inverse verhält sich nur gut, wenn Σ invertierbar und gut konditioniert ist. Shrinkage-Schätzer (zum Beispiel hin zu einem strukturierten Ziel) und neu zentrierte oder bereinigte Renditereihen helfen; nahezu identische Vermögenswerte ruinieren es.
- Beschränkungen. Long-only-Grenzen und Positionsobergrenzen erfordern ein quadratisches Programm statt einer Matrixinversion.
Ein letzter Einordnungspunkt: Mindestvarianz ist ein Spezialfall der Mean-Variance-Optimierung, bei dem erwartete Renditen auf null gesetzt oder vollständig ignoriert werden. Das ist ein Feature, keine Abkürzung – Renditeprognosen sind die verrauschteste Eingabe im gesamten Framework. Unser Vergleich Maximum Sharpe Ratio vs. Minimum Semivariance Allocation geht darauf ein, was sich ändert, wenn Sie doch Renditen oder Downside-Maße in die Zielfunktion aufnehmen.
Warum es wichtig ist und häufige Missverständnisse
Das Argument für Mindestvarianz ist Robustheit. Weil sie niemals Renditen prognostiziert, verstärkt sie niemals eine schlechte Prognose über alle Positionen hinweg. In der Praxis führt dies tendenziell zu Allokationen, die out of sample besser bestehen als renditegetriebene Optimierer – weniger spektakulär, weniger fragil.
Drei Missverständnisse, die es zu klären gilt.
Missverständnis 1: „Mindestvarianz" bedeutet minimales Risiko in jedem Sinne. Sie minimiert die Volatilität – die Standardabweichung der Renditen. Sie sagt nichts direkt über maximalen Drawdown, Tail-Verluste oder pfadabhängiges Risiko. Ein Portfolio kann volatilitätsoptimal sein und trotzdem einen unangenehmen Drawdown erleben. Wenn Tail-Risiko Sie beunruhigt, ist Conditional Value at Risk das relevantere Ziel.
Missverständnis 2: Die Formel liefert immer intuitive Gewichte. Das obige Beispiel mit ρ = 0,9 zeigt das Gegenteil. Starke Korrelationen und Schätzrauschen können Gewichte in Extreme treiben, einschließlich Shorts. Wenn die Ausgabe bizarr aussieht, sagt Ihnen die Eingabedaten meist etwas Reales über Redundanz in Ihrer Kandidatenliste.
Missverständnis 3: Einmal berechnen, für immer vergessen. Gewichte driften, wenn sich die Kurse bewegen, und die Kovarianzmatrix selbst ändert sich, wenn Korrelationen ihre Regime wechseln. Mindestvarianzgewichte sind eine Momentaufnahme eines beweglichen Ziels. Regelmäßige Neuberechnung und Rebalancing – vierteljährlich oder wenn sich Korrelationen sichtbar verschieben – sind Teil der Methode, kein nachträglicher Gedanke.
Wie RSJ Portfolio die Formel in der Praxis anwendet
RSJ Portfolio ist eine Windows-Desktop-Anwendung, die aus historischen Tagesendkursen ein statistisch optimiertes Aktienportfolio aufbaut. Sie analysiert die Renditekorrelation zwischen Aktien und weist Kapital Kandidaten zu, die schwach korrelieren – oder deren Downside schwach korreliert –, was die Volatilität des resultierenden Portfolios reduziert. Das ist die Mindestvarianz-Idee, durchgängig angewendet.
Die Allokation nutzt die moderne Portfoliotheorie, wobei Ziel, Risikoschätzer und Gewichtsbeschränkungen alle wählbar sind. Mindestvolatilität ist eines von mehreren Zielen; daneben erhalten Sie acht Risikomodelle, Renditemodelle, Gewichtsbeschränkungen und Exporte, sodass die rohe Formel zu etwas geformt werden kann, das Sie tatsächlich halten können.
Der Workflow wird verwaltet statt programmiert:
- Wählen Sie die Symbole, die Ihre Kandidatenliste bilden. Wenn Sie Hilfe beim Eingrenzen dieser Liste möchten, lesen Sie wie man eine Watchlist nach Aktien mit niedriger Korrelation durchsucht.
- Konfigurieren Sie Datenanbieter, Datumsbereich, lokale Währung und Bereinigungseinstellungen.
- Führen Sie den Optimierer mit Mindestvolatilität als Ziel aus.
- Prüfen Sie die resultierende Allokation.
Keine manuelle Matrixalgebra, keine selbstgebaute Kovarianzschätzung, kein separates Skript zur Währungsumrechnung. Für den statistischen Hintergrund des Optimierers behandelt die Konzeptseite im Benutzerhandbuch die Methoden ausführlicher als dieser Artikel.
Von der Formel zum Portfolio: Ein verwalteter Workflow
Der harte Weg ist: Tagesendkurse für jeden Kandidaten beschaffen, Kapitalmaßnahmen und Lücken selbst bereinigen, Handelstage ausrichten, Währungen umrechnen, eine Kovarianzmatrix schätzen, sie invertieren, die Fälle behandeln, in denen sie nicht positiv definit ist, Beschränkungen hinzufügen, als quadratisches Programm neu lösen und dann die ganze Pipeline neu bauen, wenn Ihr Datenanbieter einen Feldnamen ändert. Das ist eine Woche Arbeit und eine dauerhafte Wartungslast.
Der verwaltete Weg, innerhalb von RSJ Portfolio:
- Installieren Sie die Anwendung von der Download-Seite. Der SHA-512 des Installers wird daneben veröffentlicht, sodass Sie den Download verifizieren können.
- Legen Sie Ihre lokale Währung und den Datumsbereich fest. Beide befinden sich im Konfigurationsbereich; der Datumsbereich bestimmt die Kovarianzschätzung, daher verdient er eine bewusste Wahl statt der Voreinstellung.
- Erstellen Sie die Kandidatenliste über die Symbolsuche.
- Wählen Sie Mindestvolatilität als Ziel und fügen Sie bei Bedarf Gewichtsbeschränkungen hinzu, damit die Lösung investierbar bleibt.
- Führen Sie die Empfehlung aus und lesen Sie die resultierende Allokation.
Kursbereinigung, lokales Caching und Mehrwährungsumrechnung werden als Teil dieses Workflows erledigt statt als separate Pflichten. Mehrwährung ist wichtiger, als es klingt: Wenn Ihre Kandidaten in verschiedenen Währungen handeln, hängt die Volatilität des Portfolios von den währungsumgerechneten Renditereihen ab, nicht von den lokalen. Der Leitfaden für den Einstieg behandelt empfohlene Startparameter und wie man die Ergebnisse liest, und Ersteinrichtung führt durch die Konfigurationsentscheidungen vor Ihrem ersten Lauf.
Wenn Sie mit einer Allokation zufrieden sind, können Sie die Gewichte herausziehen – der Export-Workflow wird in Exportieren optimierter Portfoliogewichte in eine Tabellenkalkulation behandelt, und wenn Sie die Zahlen unabhängig auf Plausibilität prüfen möchten, ebenso in Überprüfen der Allokationsergebnisse eines Optimierers.
FAQ
Welche Eingaben erfordert die Mindestvarianzformel?
Sie erfordert eine Kovarianzmatrix der Vermögensrenditen, typischerweise aus historischen Kursdaten geschätzt. Sie benötigen außerdem eine Möglichkeit, diese Matrix zu invertieren und die resultierenden Gewichte so zu normalisieren, dass sie sich zu eins summieren.
Kann ich die Formel mit nur wenigen Aktien verwenden?
Ja, aber bei sehr wenigen Vermögenswerten ist die Kovarianzmatrix klein und der Schätzfehler kann dominieren. Die Formel funktioniert mathematisch weiterhin, aber die resultierenden Gewichte können instabil und empfindlich gegenüber dem Stichprobenzeitraum sein.
Wie oft sollte ich die Mindestvarianzgewichte neu berechnen?
Es gibt keine einzige Antwort. Gewichte driften, wenn sich die Kurse bewegen, und die Kovarianzmatrix ändert sich im Laufe der Zeit. Viele Praktiker berechnen regelmäßig neu – zum Beispiel vierteljährlich oder wenn sich Korrelationen verschieben – und rebalancieren entsprechend.
Erlaubt mir RSJ Portfolio, Gewichtsbeschränkungen auf die Mindestvarianzlösung anzuwenden?
Ja. RSJ Portfolio lässt Sie das Ziel auswählen (einschließlich Mindestvolatilität) und Gewichtsbeschränkungen anwenden, sodass der Optimierer die von Ihnen gesetzten Grenzen respektieren kann, statt uneingeschränkte Gewichte zu erzeugen.
Fazit
Die Formel für die Mindestvarianz-Portfoliogewichte ist eine Zeile linearer Algebra mit überproportionalem praktischem Nutzen: Sie ersetzt den versehentlichen 1/n-Standard durch eine Allokation, die tatsächlich berücksichtigt, wie sich Ihre Vermögenswerte gemeinsam bewegen. Ihre Stärken und Schwächen kommen beide aus derselben Quelle – sie ignoriert Renditeprognosen vollständig. Das macht sie robust und zugleich blind gegenüber Drawdowns und fähig, Gewichte zu erzeugen, die kein vernünftiger Anleger uneingeschränkt halten würde.
Verstehen Sie die Formel, und lassen Sie dann die Tools die Arithmetik erledigen. RSJ Portfolio wendet sie als verwalteten Workflow unter Windows an: Symbole auswählen, Währung und Datumsbereich festlegen, Mindestvolatilität wählen und die Allokation ablesen – mit Kursbereinigung, Caching und Mehrwährungsumrechnung, die für Sie erledigt werden. Installieren Sie es, führen Sie eine Empfehlung für eine Kandidatenliste aus, die Sie bereits gut kennen, und vergleichen Sie die Gewichte mit dem, was Sie heute halten.
Verwandte Beiträge
- Hierarchical Risk Parity vs. Mindestvarianz: Welche Allokation passt?
- Wie man eine Watchlist nach Aktien mit niedriger Korrelation durchsucht
- Exportieren optimierter Portfoliogewichte in eine Tabellenkalkulation