Minimale Volatilität vs. maximaler Sharpe Ratio: Welches Ziel?

Sie haben eine Kandidatenliste und einen Datumsbereich. Die Kurse sind geladen und bereinigt. Jetzt will der Optimierer eine einzige Sache von Ihnen, bevor er auch nur ein einziges Gewicht produziert: Was soll dieses Portfolio tun — so ruhig wie möglich dastehen oder so viel wie möglich pro Risikoeinheit verdienen?

Das ist die Entscheidung zwischen minimaler Volatilität und maximalem Sharpe Ratio, und sie ist die erste Wahl, die Ihre Allokation tatsächlich verändert. Nicht die Cache-Einstellung, nicht das Exportformat. Das Ziel definiert die Funktion, die der Optimierer minimiert, sodass alles Nachgelagerte — welche Titel Kapital erhalten, wie konzentriert das Buch wird, wie sehr eine verrauschte Prognose Ihnen schaden kann — daraus folgt.

Dieser Artikel ist ein Entscheidungsrahmen für Quants und fortgeschrittene Investoren, die die Mechanik bereits verstehen und wissen wollen, wann jedes Ziel das richtige Werkzeug ist. RSJ Portfolio stellt beide Ziele als auswählbare Einstellungen im selben Optimierer bereit (neben minimaler Semi-Varianz, Conditional Value at Risk und hierarchischer Risikoparität), sodass der Vergleich hier praktisch statt theoretisch ist — siehe die Produktübersicht für den vollständigen Workflow.

Die Entscheidung, vor der Sie stehen, wenn Sie den Optimierer öffnen

Die meisten Parameter, die Sie nach dem Ziel anfassen, sind zweitrangig. Eine Änderung des Datumsbereichs verschiebt die Schätzung der Kovarianzmatrix. Das Hinzufügen einer Gewichtsbeschränkung stutzt den Rand der Lösung. Eine Änderung des Ziels ändert die gestellte Frage:

• Minimale Volatilität fragt: Welche Kombination dieser Kandidaten hat das kleinste Risiko?
• Maximaler Sharpe Ratio fragt: Welche Kombination liefert die beste Überrendite pro Risikoeinheit?

Das sind unterschiedliche Fragen, und sie können aus derselben Kurshistorie sichtbar unterschiedliche Bücher erzeugen. Ein Lauf mit minimaler Volatilität kann sich auf die ruhigsten Titel Ihrer Liste stützen. Ein Lauf mit maximalem Sharpe Ratio kann mehr Volatilität akzeptieren, um eine bessere Renditeschätzung zu erhalten — und er folgt Ihrem Renditemodell, wohin dieses Modell auch zeigt.

Was Sie im Folgenden erhalten: was jedes Ziel tatsächlich optimiert, die Kriterien, die bei der Wahl zählen, eine Gegenüberstellung in Tabellenform und ein Urteil darüber, wann welches passt.

Was jedes Ziel tatsächlich optimiert

Minimale Volatilität minimiert die Portfolio-Varianz — oder, in RSJ Portfolio, den von Ihnen gewählten Risikoschätzer. Unter Ihren Gewichtsbeschränkungen sucht der Optimierer die Gewichtung, die den kleinsten Risikowert erzeugt. Es ist keine zukunftsgerichtete Renditeschätzung erforderlich; das Risikomodell erledigt die ganze Arbeit. Es stehen acht Risikomodelle zur Verfügung, sodass das Ziel fest bleibt, während sich die Art und Weise ändert, wie Sie das Risiko messen.

Maximaler Sharpe Ratio maximiert die Überrendite pro Risikoeinheit. Das bedeutet, dass er zusätzlich zu einem Risikomodell ein Renditemodell benötigt. Der Optimierer kümmert sich weiterhin um die Kovarianzstruktur — man kann keinen Quotienten ohne Nenner erhalten —, aber nun ist der Zähler eine Schätzung, und die Allokation bewegt sich, wenn sich diese Schätzung bewegt.

Konzeptionell unterscheiden sich die beiden Ziele um einen Term:

import numpy as np

# w: candidate weights, Sigma: covariance from historic end-of-day returns,
# mu: expected returns from the return model, r_f: risk-free rate

def objective(w, Sigma, mu, r_f, mode="min_volatility"):
    if mode == "min_volatility":
        return w.T @ Sigma @ w                      # minimize variance
    if mode == "max_sharpe":
        excess = float(w @ mu - r_f)
        vol = float(np.sqrt(w.T @ Sigma @ w))
        return -(excess / vol)                      # maximize => minimize the negative

# Both variants are solved under the same weight constraints.

Der praktische Unterschied zeigt sich in der Konzentration. Minimale Volatilität kann sich in die risikoärmsten Anlagen Ihrer Liste hinein häufen, weil nichts im Ziel ein langweiliges Buch bestraft. Maximaler Sharpe Ratio balanciert Rendite gegen Risiko, erbt aber den Schätzfehler des Renditemodells — und Schätzfehler sind in ihren Konsequenzen nicht symmetrisch.

Die Wahl interagiert auch mit dem Risikoschätzer, den Sie wählen. Tauschen Sie Varianz gegen Semi-Varianz, und Sie beginnen, sich um die Abwärtsstreuung statt um die Gesamtstreuung zu kümmern. Tauschen Sie Conditional Value at Risk ein, und Sie optimieren eine Tail-Statistik. Diese Mechanik wird in den Schwesterartikeln behandelt: Hierarchical Risk Parity vs Mean Variance Optimization und Conditional Value at Risk in Portfolio Optimization, Explained. Gewichtsbeschränkungen verhalten sich unabhängig vom Ziel gleich — sie begrenzen die Lösung, nicht das Kriterium.

Auswahlkriterien: Wie Sie Ihr Ziel wählen

Benutzerfreundlichkeit. Minimale Volatilität benötigt nur ein Risikomodell. Maximaler Sharpe Ratio benötigt ein Risikomodell und ein Renditemodell, verlangt also mehr von Ihnen vor dem ersten Lauf — jeder Parameter in diesem Renditemodell ist eine Entscheidung, die Sie nun verteidigen müssen.

Automatisierung. In RSJ Portfolio laufen beide Ziele durch denselben verwalteten Workflow. Sie wählen das Ziel, den Risikoschätzer und die Beschränkungen, führen dann den Optimierer aus und lesen die resultierende Allokation. Es gibt keine separate Pipeline, keine separate Datenaufbereitung und keinen Code, der für das eine Ziel gegenüber dem anderen zu pflegen wäre.

Robustheit der Ergebnisse. Minimale Volatilität verbraucht keine Renditeprognosen, kann also nicht durch sie in die Irre geführt werden. Maximaler Sharpe Ratio ist empfindlicher gegenüber Input-Annahmen; ein Renditemodell, das auf systematische Weise falsch ist, wird die Allokation steuern. Ein günstiger Weg zu sehen, wie sehr das für Ihre eigene Kandidatenliste zählt, ist, den Optimierer mit einer anderen Renditeannahme erneut auszuführen und zu messen, wie weit sich die Gewichte bewegen:

allocation_a = optimize(Sigma, mu_baseline, mode="max_sharpe")
allocation_b = optimize(Sigma, mu_shrunk,   mode="max_sharpe")

turnover = np.abs(allocation_a - allocation_b).sum() / 2
print(f"weight turnover from one changed return forecast: {turnover:.1%}")

# Repeat with mode="min_volatility" and a changed risk model instead.
# Low turnover means the result is driven by covariance, not by your forecast.

Preis und Integration. Die Einzelnutzerlizenz deckt den vollständigen Optimierer ab. Die Ziele werden nicht als separate Module verkauft, sodass die Wahl des einen Sie kommerziell nicht bindet. Es ist eine Windows-Desktop-Anwendung, und der Installer (mit veröffentlichtem SHA-512-Prüfsumme in einem versionierten Dateinamen) befindet sich auf der Downloads-Seite:

Get-FileHash .\RSJPortfolio-Setup-x.y.z.exe -Algorithm SHA512 |
    Format-List Algorithm, Hash
# Compare against the SHA-512 published on the downloads page
# before running the installer.

Datenanforderungen. Beide Ziele verbrauchen dieselben historischen End-of-Day-Kurse durch dieselbe Bereinigungspipeline und denselben lokalen Cache. Die Datenseite ändert sich nicht, wenn sich das Ziel ändert, was das Umschalten zu einem Experiment statt zu einer Migration macht.

Gegenüberstellung

Beide Zeilen können in RSJ Portfolio mit Gewichtsbeschränkungen und mit unterschiedlichen Risikoschätzern kombiniert werden. Der Optimierer meldet die resultierende Allokation, sodass der ehrliche Vergleich darin besteht, beide auszuführen und die beiden Gewichtsvektoren nebeneinander zu legen.

Wie RSJ Portfolio Ihre Wahl in eine Allokation umsetzt

Der Workflow ist bewusst linear:

1. Symbole auswählen — die Anbieterdaten durchsuchen und Ihre Kandidatenliste aufbauen.
2. Konfigurieren — den Datenanbieter, die lokale Währung, den Datumsbereich und die Bereinigungseinstellungen wählen.
3. Das Ziel wählen — minimale Volatilität oder maximaler Sharpe Ratio.
4. Den Risikoschätzer und die Beschränkungen wählen — acht Risikomodelle stehen zur Verfügung, plus Ihre Gewichtsgrenzen.
5. Den Optimierer ausführen und die Allokation lesen.

Das Produkt erstellt ein statistisch optimiertes Portfolio aus historischen End-of-Day-Kursen. Es analysiert die Renditekorrelation zwischen Kandidaten und weist Kapital Aktien zu, die schwach korrelieren — oder deren Abwärtsseite schwach korreliert —, was die Volatilität des resultierenden Portfolios reduziert. Die Allokation selbst verwendet die moderne Portfoliotheorie.

Da die Dateneinrichtung durch das Ziel unverändert bleibt, ist das Umschalten und erneute Ausführen eine Sache einer einzigen Einstellung. Das ist der ganze Sinn davon, den Vergleich hier statt im Kopf durchzuführen.

Der schwierige Weg wäre, Mean-Variance-Optimization selbst zu implementieren, ein Renditemodell zu beschaffen, mehrere Risikoschätzer zu programmieren und all das zu validieren — ein Projekt, kein Nachmittag. Die Handbuchseiten für Auswahl, Empfehlung und Konfiguration dokumentieren den verwalteten Pfad Schritt für Schritt, und die Methoden- und Funktionsseite listet jedes Ziel, jedes Risikomodell und jede Beschränkung auf.

Urteil: Wer sollte was wählen

Wählen Sie minimale Volatilität, wenn die Reduzierung der Portfolio-Volatilität die Priorität ist und Sie ein Ergebnis wollen, das nicht von einer Renditeprognose abhängt, der Sie möglicherweise nicht trauen. Es ist die besser verteidigungsfähige Standardeinstellung, wenn Ihr Renditemodell dünn ist, und es bleibt mit einem abwärtsorientierten Risikoschätzer verfügbar, falls die Gesamtstreuung nicht das Risiko ist, das Sie interessiert.

Wählen Sie maximalen Sharpe Ratio, wenn Sie ein Renditemodell haben, das Sie verteidigen können — eines, dessen Eingaben Sie erklären können und dessen Annahmen Sie einem Stresstest unterzogen haben. Das Ziel wird diese Arbeit belohnen und sie offenlegen, wenn die Arbeit nicht vorhanden ist.

Führen Sie beide aus, wenn Sie unentschieden sind. Die Kosten des zweiten Laufs sind eine Einstellungsänderung, und der Unterschied zwischen den beiden Allokationen sagt Ihnen sofort, wie viel Ihres Portfolios von der Risikostruktur gegenüber Renditeprognosen getrieben wird.

Bei Kandidatenlisten mit mehreren Währungen übernimmt die Datenpipeline den Konvertierungspfad, sodass die Zielwahl nicht zusätzlich Währungsarbeit obendrauf legt — siehe Multi-Currency Portfolios: Getting the Price Data Right.

Und denken Sie daran: Das Ziel ist eine Wahl, keine dauerhafte Verpflichtung. Ansichten ändern sich, Renditemodelle verbessern sich, die Risikobereitschaft verschiebt sich. Überdenken Sie es.

FAQ

Kann ich minimale Volatilität und maximalen Sharpe Ratio im selben Tool verwenden?

Ja. RSJ Portfolio lässt Sie beide Ziele in den Optimierer-Einstellungen auswählen, zusammen mit dem Risikoschätzer und den Gewichtsbeschränkungen.

Erfordert der maximale Sharpe Ratio ein Renditemodell?

Ja. Der maximale Sharpe Ratio optimiert die Überrendite pro Risikoeinheit, benötigt also zusätzlich zu einem Risikomodell ein Renditemodell. Minimale Volatilität benötigt nur ein Risikomodell.

Welches Ziel ist robuster gegenüber schlechten Renditeprognosen?

Minimale Volatilität ist im Allgemeinen robuster, weil sie nicht von Renditeschätzungen abhängt. Der maximale Sharpe Ratio kann empfindlicher gegenüber den Annahmen des Renditemodells sein.

Kann ich Gewichtsbeschränkungen auf beide Ziele anwenden?

Ja. Gewichtsbeschränkungen sind auswählbar und gelten in RSJ Portfolio für beide Ziele.

Fazit

Minimale Volatilität und maximaler Sharpe Ratio sind keine konkurrierenden Philosophien — sie sind zwei unterschiedliche Fragen, die an dieselbe Kovarianzstruktur gestellt werden. Minimale Volatilität fragt, wie wenig Risiko Sie eingehen können; maximaler Sharpe Ratio fragt, wie gut Sie für das eingegangene Risiko bezahlt werden, unter Verwendung einer Prognose, die Sie liefern. Wählen Sie diejenige, die zu Ihrer Evidenz passt.

RSJ Portfolio stellt beide in denselben Optimierer, mit derselben Datenpipeline, denselben Risikomodellen und demselben Beschränkungssystem. Laden Sie den Windows-Installer herunter, laden Sie eine Kandidatenliste und führen Sie Ihr Buch durch beide Ziele — die beiden Allokationen werden Ihnen mehr über Ihre eigenen Annahmen verraten, als es jeder Artikel kann. Die Einzelnutzerlizenz deckt den vollständigen Optimierer ab, sodass nichts zusätzlich zu kaufen ist, um den Vergleich auszuprobieren.

Verwandte Beiträge

• How to Verify Your Portfolio Optimizer’s Output
• How to Build a Low Correlation Stock Portfolio Step by Step
• Multi-Currency Portfolios: Getting the Price Data Right