FORSCHUNG UND PRAXIS
Korrelation und Konzentration bei Krypto: wenn viele Positionen dasselbe Risiko tragen
Messen Sie Konzentrationsrisiken anhand zeitlich abgestimmter Renditen, veränderlicher Korrelationen und Stressszenarien, statt unterschiedliche Ticker mit Diversifikation gleichzusetzen.
Mehrere Kryptoanlagen zu besitzen kann den Eindruck von Diversifikation erzeugen, obwohl ein großer Teil desselben Marktrisikos bestehen bleibt. Entscheidend ist, wie sich die Positionen gemeinsam verhalten, besonders wenn sich die Bedingungen verschlechtern. Korrelation ist ein Werkzeug für diese Untersuchung. Ihre Bedeutung hängt jedoch von Renditedefinition, Stichprobenfenster und Beobachtungsqualität ab. Eine historische Schätzung beschreibt eine Stichprobe und verspricht nicht, dass die Beziehung fortbesteht.
Beziehungen aus vergleichbaren Renditen berechnen
Verwenden Sie Renditen über zeitlich abgestimmte Intervalle, statt rohe Kursniveaus zu korrelieren, die einen gemeinsamen Trend aufweisen können. Geben Sie an, ob einfache oder logarithmische Renditen eingehen, und bleiben Sie bei derselben Konvention. Rechnen Sie alle Vermögenswerte in dieselbe Berichtswährung um und nutzen Sie eine gemeinsame zeitliche Intervallgrenze. Ein fehlender Kurs darf nicht automatisch eine Nullrendite erzeugen. Veraltete Kurse können eine illiquide Anlage künstlich stabil und schwächer korreliert erscheinen lassen. Halten Sie eine Abdeckungsregel fest, die bestimmt, welche Intervalle vergleichbar sind, und berichten Sie, wie viele Daten nach ihrer Anwendung übrig bleiben.
Die Zahl der Ticker vom wirtschaftlichen Risiko unterscheiden
Zwei Positionen können von ähnlichen Anlegerströmen, Besicherungsbedingungen, Handelsplätzen oder Ökosystemrisiken abhängen, obwohl ihre Symbole verschieden sind. Umgekehrt kann eine kurze historische Stichprobe zufällig eine niedrige gemessene Korrelation ergeben. Gruppieren Sie Risiken nach einer begründbaren wirtschaftlichen Erklärung und vergleichen Sie diese Einteilung mit den beobachteten Renditebeziehungen. Forschung des IWF zu Krypto und breiteren Finanzmärkten findet im untersuchten historischen Zeitraum zeitlich veränderliche Verflechtungen. Sie liefert keinen dauerhaft gültigen Korrelationskoeffizienten für das heutige Portfolio. Praktisch folgt daraus, Änderungen der Abhängigkeit zu testen, statt eine einzelne Matrix als feste Eigenschaft zu betrachten.
Eine hypothetische Varianzrechnung mit zwei Anlagen
Betrachten Sie zwei gleich gewichtete Anlagen mit jeweils hypothetischen 20 % annualisierter Volatilität unter einem vereinfachten Modell konstanter Kovarianz. Bei einer Korrelation von 1 beträgt die Portfoliovolatilität 20 %. Bei einer Korrelation von 0 sind es etwa 14,14 %, bei 0,8 etwa 18,97 %. Die Rechnung berücksichtigt beide Einzelvarianzen sowie den doppelten gewichteten Kovarianzterm. Diese Zahlen dienen einem Lehrbeispiel, nicht einer Prognose oder Allokationsempfehlung. Sie zeigen, warum eine weitere gleich volatile Anlage das geschätzte Risiko möglicherweise nur wenig reduziert, wenn beide gemeinsam schwanken.
Die Beziehung ebenso wie die Einzelanlagen unter Stress setzen
Vergleichen Sie eine Schätzung aus normalen Marktphasen mit einem ungünstigen Szenario, in dem mehrere Positionen gemeinsam fallen und die Liquidität abnimmt. Korrelation beschreibt Gleichbewegung und legt die Höhe dieser Verluste nicht selbst fest. Nennen Sie daher beide Annahmen. Prüfen Sie gemeinsame Abhängigkeiten von Kurswährung, Verwahrung und Handelsplatz gesondert. Eine Matrix von Kursrenditen erfasst nicht jedes operative Versagen. Wählen Sie nicht nur vergangene Intervalle, in denen Diversifikation funktioniert hat. Eine nützliche Stresstabelle macht den angenommenen gemeinsamen Schock sichtbar und zeigt, wie sich das Risiko verändert, wenn der erwartete Ausgleich zwischen Positionen ausbleibt.
Stichprobenunsicherheit und wechselnde Zusammensetzung berücksichtigen
Ein kurzes Fenster reagiert schnell, kann jedoch instabile Schätzungen liefern. Ein langes Fenster mittelt über Bedingungen, die womöglich nicht mehr vergleichbar sind. Untersuchen Sie mehrere vorab festgelegte Fenster, ohne nachträglich das günstigste auszuwählen. Stimmen Sie das Instrumentenuniversum historisch ab, damit neuere Überlebende nicht jene Anlagen ersetzen, die tatsächlich gehalten wurden. Ist die Anzahl der Anlagen im Verhältnis zur Zahl der Beobachtungen groß, lässt sich eine geschätzte Kovarianzmatrix möglicherweise nur schwer zuverlässig verwenden. Mehr Nachkommastellen lösen dieses Problem nicht. Berichten Sie die Empfindlichkeit gegenüber der Stichprobe und präsentieren Sie einen mechanisch optimierten Gewichtsvektor nicht als einzig richtige Lösung.
Mit dem Ergebnis Konzentrationsrisiken erklären
Erstellen Sie eine Übersicht mit großen Positionen, gemeinsamen Einflussfaktoren, Abhängigkeitsannahmen, Datenabdeckung und den Auswirkungen, die eine hypothetische Entfernung oder Verringerung eines Risikos hätte. Stimmen Sie das Ergebnis mit den tatsächlichen Beständen und der Berichtswährung ab. Ziel ist zu erkennen, wo scheinbare Vielfalt ein gemeinsames Risiko verdeckt und wo die Belege für eine Beurteilung zu dünn sind. Die höchstplatzierten Kandidaten eines Scanners können dennoch eng miteinander zusammenhängen. Ihre unabhängige Einzelbewertung macht die gemeinsame Auswahl nicht diversifiziert. Die Portfoliointerpretation erfordert daher einen eigenen Schritt nach dem Auffinden von Kandidaten.
Quellen und Einordnung der Beispiele
Die Quellen belegen Definitionen und Mechanismen. Die Zahlenbeispiele sind hypothetische Lernbeispiele, keine aktuellen Kurse, Prognosen oder berichteten HOSTuvo-Ergebnisse. Bilder dienen der redaktionellen Illustration.