Risikomodelle in der modernen Portfoliotheorie im Vergleich
Geben Sie zwei Anlegern dieselbe Kandidatenliste, dieselben erwarteten Renditen und dasselbe Optimierungsziel – und sie können dennoch zu unterschiedlichen Portfolios gelangen. Der Grund dafür ist meist nicht der Optimierer. Es ist das Risikomodell.
Die moderne Portfoliotheorie benötigt eine Zahl für das Risiko, bevor sie irgendetwas allokieren kann: eine Kovarianzmatrix, die aus historischen Kursen geschätzt wird. Genau in dieser Schätzung steckt die Urteilskraft. Der Optimierer ist reine Arithmetik – geben Sie ihm zwei verschiedene Kovarianzmatrizen, und er liefert Ihnen zwei verschiedene Gewichtungssätze, beide nach seinen eigenen Maßstäben „optimal". Wenn Sie also Risikomodelle der modernen Portfoliotheorie vergleichen, vergleichen Sie in Wahrheit Schätzer derselben Größe und entscheiden, mit welchen blinden Flecken Sie leben können.
RSJ Portfolio bietet acht auswählbare Risikomodelle, was dies zu einer testbaren Frage statt zu einer theoretischen macht. Dieser Artikel ist ein Vergleich für Anleger und Quants, die sich für eines entscheiden müssen. Er ist kein MPT-Tutorial und kein tiefergehender Einblick in einen einzelnen Schätzer – dafür lesen Sie What Is Semi Variance in Portfolio Optimization?.
Die Entscheidung über das Risikomodell: Warum Ihr Schätzer wichtiger ist als Ihr Optimierer
Das Ziel beantwortet die Frage „Worauf optimiere ich hin?" – minimale Volatilität, maximaler Sharpe Ratio, minimale Semi-Varianz, hierarchische Risikoparität, Conditional Value at Risk. Das Risikomodell beantwortet die Frage „Wie sieht Risiko in dieser Kandidatenmenge aus?". Ändern Sie das Ziel, und Sie ändern die Frage. Ändern Sie das Risikomodell, und Sie ändern die Einheiten, in denen die Frage gestellt wird.
Diese zweite Änderung wird leicht unterschätzt. Nehmen Sie 30 Kandidaten und fünf Jahre Tageskurse an: Rund 465 Parameter müssen aus etwa 1.260 Beobachtungen geschätzt werden. Die Stichproben-Kovarianzmatrix wird diese Daten anpassen, einschließlich ihres Rauschens. Ein Shrinkage-Schätzer wird dieselbe Matrix bewusst in Richtung einer einfacheren Struktur verzerren und dabei ein wenig Bias gegen deutlich weniger Varianz eintauschen. Beide sind vertretbar. Sie werden nicht dieselben Gewichte erzeugen.
Sie können den Effekt in einem Dutzend Zeilen Python sehen – das ist der beschwerliche Weg, bei dem Sie die Schätzer selbst berechnen:
import numpy as np
from sklearn.covariance import LedoitWolf
# returns: T x N array, one column per candidate, daily simple returns
S_sample = np.cov(returns, rowvar=False) * 252
S_shrunk = LedoitWolf().fit(returns).covariance_ * 252
def min_variance_weights(S):
inv = np.linalg.pinv(S)
ones = np.ones(S.shape[0])
return inv @ ones / (ones @ inv @ ones)
print(min_variance_weights(S_sample).round(3))
print(min_variance_weights(S_shrunk).round(3))
Dieselben Renditedaten. Derselbe Optimierer. Ein anderes Portfolio. In RSJ Portfolio ist der Risikoschätzer ein auswählbarer Parameter neben dem Ziel und den Gewichtungsbeschränkungen, sodass der Vergleich ein erneuter Durchlauf statt einer Neufassung ist.
Die Landschaft: Acht Risikomodelle in der modernen Portfoliotheorie
RSJ Portfolio stellt acht Risikomodelle bereit. Die genaue Liste ist auf der Seite zu Methoden und Funktionen und im Benutzerhandbuch dokumentiert; worauf es hier ankommt, ist das Vokabular, das diese acht Optionen teilen. In der Praxis lassen sich Risikoschätzer in vier Familien einteilen.
Stichprobenbasiert – die rohe Kovarianzmatrix oder eine gewichtete Version davon. Sie schätzen die gemeinsame Bewegung direkt aus der Kurshistorie ohne strukturelle Annahmen. Typische Verwendung: kleine Kandidatenlisten mit langen, sauberen Historien.
Faktorbasiert – Kovarianz, abgeleitet aus der Exposition gegenüber einem oder mehreren gemeinsamen Faktoren statt aus jeder paarweisen Beziehung. Sie schätzen einen deutlich kleineren Parametersatz. Typische Verwendung: große Kandidatenlisten, bei denen die vollständige Matrix nicht zuverlässig geschätzt werden kann.
Shrinkage – die Stichprobenmatrix, die in Richtung eines strukturierten Ziels (konstante Korrelation, ein Faktormodell, eine Diagonalmatrix) gezogen wird. Sie schätzen dasselbe Objekt wie das Stichprobenmodell, jedoch mit einem bewussten Bias zur Kontrolle des Schätzfehlers. Typische Verwendung: der Standard als „robuster" Mittelweg.
Downside-orientiert – Kovarianz, die nur über negative oder unter dem Zielwert liegende Renditen berechnet wird. Sie schätzen die gemeinsame Bewegung bei Verlusten statt bei der gesamten Streuung. Typische Verwendung: Ziele, die auf Drawdowns statt auf Gesamtstreuung ausgerichtet sind.
Die Wahl steht nicht für sich allein. Sie wirkt mit dem Ziel zusammen: Minimale Semi-Varianz passt natürlich zu einem Downside-Schätzer, hierarchische Risikoparität benötigt eine Korrelationsstruktur, die sie clustern kann, und Conditional Value at Risk interessiert sich für die gemeinsame Bewegung im Tail, die eine einfache Stichprobenmatrix nur teilweise erfasst. Wenn Sie noch zwischen den beiden gängigsten Zielen schwanken, lesen Sie zuerst Minimum Variance vs Maximum Sharpe Portfolio: Which Is Better? und kommen Sie dann zum Schätzer zurück.
Auswahlkriterien: Wie Sie Risikomodelle für Ihr Portfolio vergleichen
Fünf Kriterien leisten die meiste Arbeit, wenn Sie zwischen Schätzern wählen.
- Benutzerfreundlichkeit und Datenanforderungen. Stichproben-Kovarianz benötigt nichts außer Kursen. Faktormodelle benötigen Faktorrenditen oder einen belastbaren Proxy. Downside-Schätzer benötigen genügend negative Beobachtungen, um überhaupt etwas schätzen zu können. Jede zusätzliche Eingabe ist ein Ort, an dem die Daten falsch sein können, und jeder Tuning-Parameter ist eine Entscheidung, die Sie falsch treffen können.
- Automatisierung. Ein Risikomodell ist nur nützlich, wenn Sie es neu schätzen können, sobald neue Kurse eintreffen und sich Ihre Kandidatenliste ändert. RSJ Portfolio übernimmt dies über seine Datenanbieter, die Bereinigungs-Pipeline und den lokalen Cache, sodass ein erneuter Durchlauf des Optimierers mit aktualisierten Kursen nicht den Neuaufbau einer Tabellenkalkulation bedeutet. Die Seite zu Daten und Währungen dokumentiert diese Pipeline.
- Robustheit. Fragen Sie, wie sich der Schätzer verhält, wenn ein einzelner fehlerhafter Kurs, ein durchgerutschter Aktiensplit oder ein Regimewechsel im Fenster landet. Stichprobenschätzer sind am empfindlichsten; Shrinkage- und Faktorschätzer am wenigsten; Downside-Schätzer sind auf andere Weise empfindlich, weil ein kurzes Fenster mit Verlusten die Schätzung dominieren kann.
- Preis und Lizenzierung. Eigene Schätzer zu bauen ist kostenlos bei den Lizenzgebühren und teuer in allem anderen: ein bereinigter Kurs-Feed, Währungsbehandlung, ein Cache und die Wartung, wenn ein Anbieter einen Feldnamen ändert. RSJ Portfolio ist eine Windows-Desktop-Anwendung unter einer Einzelbenutzerlizenz – siehe Preise und Lizenz für den enthaltenen Leistungsumfang.
- Interpretierbarkeit. Sie sollten die resultierende Volatilitätszahl demjenigen erklären können, dem das Geld gehört. Die Ausgabe eines Stichprobenschätzers ist leicht zu beschreiben und schwer zu vertrauen; bei einem Faktorschätzer ist es umgekehrt. Wählen Sie denjenigen, dessen Fehlermodus Sie artikulieren können.
Direkter Vergleich der Risikomodelle
Die folgende Tabelle deckt die acht Schätzer-Archetypen ab, auf denen die MPT-Praxis aufbaut. Lesen Sie sie als das Vokabular für die Funktionsseite, die genau auflistet, welche acht Modelle RSJ Portfolio anbietet.
| Modell | Was es schätzt | Datenanforderungen | Stärken | Schwächen | Verwenden, wenn |
|---|---|---|---|---|---|
| Stichproben-Kovarianz | Vollständige paarweise Kovarianz aus der Historie | Kurse, ausreichende Historienlänge | Transparent, keine Annahmen, schnell | Verrauscht, wenn Kandidaten die Beobachtungen übersteigen; ausreißerempfindlich | Kleine Kandidatenliste, lange saubere Historie |
| Exponentiell gewichtet | Kovarianz mit Gewichtung nach Aktualität | Kurse plus ein Decay-Parameter | Passt sich an Regimewechsel an | Zusätzlicher Parameter; kürzere effektive Stichprobe | Aktuelles Verhalten sollte stärker zählen |
| Einfaktormodell | Kovarianz über Beta zu einem Marktfaktor | Kurse plus ein Marktindex | Wenige Parameter, sehr stabil | Verpasst Sektor- und idiosynkratische Struktur | Viele Kandidaten, kurze Historie |
| Multifaktormodell | Kovarianz aus mehreren Faktorexpositionen | Kurse plus Faktorrenditen | Erfasst gemeinsame Treiber; robust | Die Wahl des Faktorensets ist selbst ein Modellrisiko | Aktienbücher mit Sektor- oder Stil-Struktur |
| Konstante Korrelation | Durchschnittliche paarweise Korrelation plus individuelle Volatilitäten | Kurse | Sehr stabil, leicht nachvollziehbar | Einebnet reale Unterschiede in der Korrelation | Frühe Exploration, verrauschte Stichproben |
| Shrinkage | Stichproben-Kovarianz, in Richtung eines strukturierten Ziels gezogen | Kurse | Besser konditioniert, weniger Schätzfehler | Wahl des Ziels; reagiert langsamer auf echte Veränderungen | Mittlere Kandidatenlisten; sinnvoller Standard |
| Downside / Semi-Kovarianz | Gemeinsame Bewegung nur negativer Renditen | Kurse; genügend Verlustbeobachtungen | Passt zu verlustaversen Zielen | Weniger Beobachtungen; Wahl des Schwellenwerts | Downside-orientiertes Ziel |
| Robust (winsorisiert) | Kovarianz nach Abwertung von Ausreißern | Kurse, üblicherweise mit Bereinigung | Widerstandsfähig gegen fehlerhafte Kurse und Eintagesschocks | Höherer Rechenaufwand, Tuning | Unruhige oder lange Historien mit Lücken |
Zwei Effekte stehen unter dieser Tabelle. Erstens verändert das Risikomodell das Niveau der geschätzten Portfolio-Volatilität – Shrinkage- und Faktormodelle melden üblicherweise eine glattere, manchmal niedrigere Zahl als die rohe Stichprobenmatrix. Zweitens verändert es die Struktur der Korrelation, und genau diese bewegt die Gewichte: Konstante Korrelation komprimiert die Streuung der gemeinsamen Bewegung, während Downside-Schätzer aufdecken können, dass zwei Aktien, die in ruhigen Märkten unabhängig erscheinen, in Ausverkäufen gemeinsam fallen.
Fazit: Welches Risikomodell sollten Sie wählen?
Es gibt keinen universell richtigen Schätzer, aber sinnvolle Ausgangspunkte je nach Profil.
- Konservative Anleger sollten mit einem robusten Schätzer beginnen – Shrinkage oder einem Faktormodell – und ihn gegen minimale Volatilität laufen lassen. Das Ziel ist nicht die niedrigste rückgetestete Volatilität; es ist ein Gewichtungsvektor, der nicht wild ausschlägt, wenn sich ein Monat an Daten ändert.
- Quants sollten ein Faktormodell mit einem Shrinkage-Modell auf derselben Kandidatenliste vergleichen. Wenn die beiden wesentlich voneinander abweichen, sagt Ihnen die Abweichung, woher das Risiko Ihres Portfolios kommt – was nützlicher ist als jede der beiden Antworten allein.
- Berater und Multi-Konto-Arbeit sollten Schätzer bevorzugen, die über Rebalancing-Termine hinweg stabil sind. Siehe Portfolio Optimization for Financial Advisors für diesen Workflow und Automate Portfolio Rebalancing With an Optimizer für die Seite der Wiederholbarkeit.
Eine praktische Reihenfolge: Beginnen Sie mit der Stichproben-Kovarianz, damit Sie eine vollständig verstandene Basislinie haben, und wechseln Sie dann zu einem Shrinkage-Schätzer und vergleichen Sie. Variieren Sie dann jeweils eine Sache – den Schätzer, dann das Ziel, dann die Beschränkungen. Der Leitfaden für den Einstieg veröffentlicht genau aus diesem Grund empfohlene Startparameter, und eine Kandidatenliste, die einmal geprüft wurde, sollte nach einer Modelländerung erneut geprüft werden: How to Verify Portfolio Optimization Results behandelt diesen Schritt.
Risikomodelle in RSJ Portfolio in die Praxis umsetzen
Der Workflow ist bewusst kurz, denn der interessante Teil sollte die Modellwahl sein, nicht die technische Infrastruktur.
- Einmal konfigurieren. Wählen Sie den Datenanbieter, legen Sie die lokale Währung fest, wählen Sie den Datumsbereich und die Bereinigungseinstellungen. Kurse werden lokal bereinigt und zwischengespeichert, und Portfolios, die in mehreren Währungen notiert sind, werden entlang eines definierten Pfads umgerechnet.
- Kandidaten auswählen. Suchen Sie Symbole und stellen Sie die Kandidatenliste zusammen, über die Sie tatsächlich allokieren möchten.
- Ziel, Risikomodell und Gewichtungsbeschränkungen wählen. Alle drei sind im Optimierer auswählbar.
- Ausführen und prüfen. Die resultierende Allokation ist das Ergebnis; führen Sie den Lauf mit einem anderen Risikomodell erneut aus, um zu sehen, wie viel der Allokation vom Schätzer getrieben wurde.
- Exportieren Sie das Ergebnis für Ihre eigenen Unterlagen oder für das nachgelagerte Reporting.
RSJ Portfolio ist eine verwaltete Anwendung für die Portfoliooptimierung – Sie installieren den Windows-Build, arbeiten sich durch die geführte Oberfläche und überlassen dem Produkt die Daten-Pipeline. Es ist keine CLI, die Sie skripten, und kein Protokoll, das Sie von Hand verdrahten. Der Installer wird auf der Download-Seite mit einer SHA-512-Prüfsumme in einem versionierten Dateinamen veröffentlicht, und es gibt ein Benutzerhandbuch sowie ein kurzes Erklärvideo, falls Sie den Workflow lieber ansehen, bevor Sie ihn ausführen.
FAQ
Was sind die acht Risikomodelle in RSJ Portfolio? RSJ Portfolio enthält acht Risikomodelle, die im Optimierer auswählbar sind. Die genauen Namen sind auf der Funktionsseite und im Benutzerhandbuch aufgeführt; die Modelle fallen in die oben beschriebenen Familien der stichprobenbasierten, faktorbasierten, Shrinkage- und Downside-orientierten Modelle, und Sie können sie direkt in der Anwendung vergleichen.
Wie wirkt sich die Wahl des Risikomodells auf die Portfolio-Volatilität aus? Verschiedene Risikomodelle schätzen Volatilität und Korrelation unterschiedlich. Stichprobenbasierte Modelle sind empfindlich gegenüber Schätzfehlern, während Shrinkage- und Faktormodelle robuster sein wollen, indem sie ein wenig Bias akzeptieren. Die resultierende Portfolio-Volatilität kann sich deutlich unterscheiden, daher lohnt es sich, mehrere Modelle gegen Ihre eigene Kandidatenliste zu testen, statt einer allgemeinen Empfehlung zu vertrauen.
Kann ich RSJ Portfolio verwenden, um Risikomodelle direkt nebeneinander zu vergleichen? Ja. Der Risikoschätzer ist ein auswählbarer Parameter, sodass Sie die Optimierung mit einem anderen Modell erneut ausführen und Allokationen sowie Volatilitätsschätzungen vergleichen können. Die Software ist für diese Art der Was-wäre-wenn-Analyse gebaut.
Ist RSJ Portfolio für Privatanleger oder nur für Quants geeignet? Für beide. Es bietet einen geführten Workflow mit empfohlenen Startparametern und legt zugleich das Ziel, den Risikoschätzer und die Gewichtungsbeschränkungen für Nutzer offen, die feinjustieren möchten.
Fazit
Der Optimierer bekommt die Anerkennung, und das Risikomodell leistet die Arbeit. Wenn zwei Allokationen voneinander abweichen, lautet die produktive Frage nicht „Welcher Optimierer hat recht?“, sondern „Welcher Kovarianzschätzung vertraue ich, und was nimmt sie über die Welt an?”. Schätzer anhand Ihrer eigenen Kandidatenliste zu vergleichen – statt über sie zu streiten – ist der einzige Weg, das zu beantworten.
RSJ Portfolio ist für diesen Vergleich gebaut: acht auswählbare Risikomodelle, fünf Ziele, Gewichtungsbeschränkungen unter Ihrer Kontrolle und eine Daten-Pipeline, die Bereinigung, Caching und Währungsumrechnung für Sie übernimmt. Installieren Sie es, laden Sie Ihre Kandidatenliste und führen Sie dieselbe Optimierung zweimal mit zwei verschiedenen Schätzern aus. Der Unterschied zwischen diesen beiden Portfolios ist die Entscheidung über das Risikomodell – sichtbar gemacht. Beginnen Sie unter portfolio.staging.rsj.de.
Verwandte Beiträge
- What Is Semi Variance in Portfolio Optimization?
- Minimum Variance vs Maximum Sharpe Portfolio: Which Is Better?
- Portfolio Optimization for Financial Advisors