Giulio Occhionero darüber, warum Kryptowährungen die für Aktien entwickelten Risikomodelle sprengen

Was zwei Jahrzehntematic Aktienarbeit leisten und was nicht, lässt sich auf digitale Vermögenswerte übertragen

Die meisten quantitativen Instrumente, die wir für den Aktienhandel verwenden, basieren auf Annahmen, die bei digitalen Vermögenswerten stillschweigend verletzt werden. Renditen verlaufen im Mittelfeld in der Regel normal und sind nur gelegentlich extrem. Märkte schließen, was dem Risiko einen natürlichen Zeitrahmen gibt. Korrelationen sind stabil genug, um ein Portfolio darauf aufzubauen. Nichts davon trifft auf Kryptowährungen uneingeschränkt zu, und diejenigen, die dort Geld verlieren, sind in der Regel diejenigen, die mit Verlusten gerechnet haben.

Ich handlematic Strategien mit US-Aktien, Optionen und Kryptowährungen und habe genug Erfahrung im Bereich digitaler Assets, um jedem misstrauisch zu begegnen, der behauptet, die gleichen Modelle ließen sich unverändert übertragen. Das tun sie nicht. Was sich übertragen lässt, ist die Disziplin. Was neu aufgebaut werden muss, ist nahezu alles, was nachgelagert zum Vertrieb liegt.

1. Fat Tails sind der Basisfall, nicht die Ausnahme

An den Aktienmärkten ist ein Tag mit einer Fünf-Sigma-Schwankung ein Ereignis, das man im Laufe seiner Karriere vielleicht eine Handvoll Mal erlebt, und Risikosysteme werden entsprechend als selten behandelt. Im Kryptobereich hingegen treten Kursbewegungen, die für den S&P 500 extreme Ausreißer wären, an gewöhnlichen Wochenenden auf. Die Verteilung ist nicht logarithmisch normal mit gelegentlichen Schocks. Im Ruhezustand weist sie schwere Ränder auf, und diese Ränder sind asymmetrisch und verändern sich mit dem Finanzierungsumfeld.

Die praktische Konsequenz ist, dass jedes auf einen Gaußschen Kern kalibrierte Risikomodell die Ruinwahrscheinlichkeit chronisch unterschätzt. Der Value-at-Risk (VaR) ist hier, nach Standardmethode berechnet, nahezu nutzlos. Die Modelle, die sich bewähren, sind diejenigen, die ihre Positionen anhand des empirischen Verhaltens in den Randbereichen anstatt anhand einer angepassten Varianz bestimmen und die davon ausgehen, dass der größte beobachtete Drawdown eine Untergrenze und keine Obergrenze darstellt.

Wenn Ihr Risikomodell die Entwicklung, die zum Ende Ihres Fonds führt, noch nie berücksichtigt hat, wird es diese Entwicklung bis zu ihrem Eintreten mit Null bewerten.

2. Ein Markt, der niemals schließt, hat keine natürliche Uhr

Das Aktienrisikomanagement wird unauffällig um den Börsenschluss herum organisiert. Positionen werden bewertet, Risikopositionen neu gewichtet, und die Kurslücke über Nacht ist ein bekanntes Risiko, gegen das man sich absichern oder Reserven bilden kann. Kryptowährungen schließen nicht. Die Liquidität ist an Wochenenden und in den Stunden zwischen den wichtigsten regionalen Handelssitzungen geringer, und genau dann treten die größten Kursausschläge auf.

Eine Strategie, die davon ausgeht, stets zu einem fairen Preis aussteigen zu können, basiert auf einer Annahme von Chancengleichheit in einem Markt, der diese Annahme nicht berücksichtigt. Bewährte Modelle behandeln Tageszeit und Wochentag als erstklassige Risikovariablen, reservieren Kapazitäten für Zeiten mit geringem Handelsvolumen und gehen niemals davon aus, dass die Möglichkeit, dienstags mittags zu handeln, etwas über die Möglichkeit aussagt, während einer Kaskade um drei Uhr morgens zu handeln.

3. Eine Korrelation, die dich im ungünstigsten Moment verrät

Die Diversifizierungsmöglichkeiten im Kryptobereich sind schwächer als vom Marketing suggeriert. In ruhigen Marktphasen weisen die Token eine ausreichende Streuung auf, um ein marktneutrales Portfoliotracerscheinen zu lassen. Unter Druck bricht diese Streuung jedoch zusammen. Nahezu alles korreliert mit einem einzigen Makrofaktor: der breiten Risikobereitschaft, die sich in den größten Vermögenswerten widerspiegelt. Das sorgfältig zusammengestellte neutrale Portfolio entpuppt sich dann genau in dem Moment als konzentrierte, richtungsweisende Wette, die man eigentlich vermeiden wollte.

Dies ist derselbe Fehler, der in traditionellen Märkten zu laxen Risikoparitätsmodellen geführt hat, nur schneller und heftiger. Die Korrelation als Konstante zu modellieren, ist der Irrtum. Sie als regimeabhängige Variabledent , die sich unter Stressbedingungen dem Wert Eins annähert, ist der Anfang eines praktikablen Rahmens.

4. Liquidität, die so lange tief ist, bis sie nicht mehr tief ist

Die Orderbücher digitaler Assets sind über Dutzende von Handelsplätzen fragmentiert, und die aggregierte Markttiefe ist irreführend. Das Orderbuch erscheint dicht, weil Liquidität summiert wird, auf die man nicht gleichzeitig zugreifen kann, ohne alle Handelsplätze gegen sich selbst zu positionieren. Die Markttiefe nimmt zudem nichtlinear ab. Die ersten größeren Positionen werden nahe am Kurs gehandelt, die nächsten deutlich schlechter, da Market Maker ihre Positionen erweitern oder verkleinern, sobald sie einen großen Marktteilnehmer wahrnehmen.

Backtests, die davon ausgehen, dass Transaktionen in nennenswertem Umfang möglich sind, bilden Kryptowährungen nicht ab. Sie modellieren eine reibungslosetrac, die so nie existiert hat. Realistische Wirkungskurven, standortspezifisch, sind hier keine Verbesserung, sondern der entscheidende Unterschied zwischen einer Strategie und einer Geschichte.

5. Reflexivität und das Fehlen eines Ankers

Bei Aktien gibt es fundamentale Kennzahlen, über die man diskutieren kann. Cash , Multiplikatoren und Bilanzen geben dem Preis – wenn auch nur lose – einen Anker. Kryptowährungen hingegen verfügen über keinen vergleichbaren Anker, was bedeutet, dass der Preis primär von Positionierung, Narrativen und Hebelwirkung bestimmt wird. Der Markt ist reflexartig: Steigende Preise beitracKapitalflüssen rechtfertigen höhere Preise, bis die Hebelwirkung, die den Anstieg befeuert hat, zum Mechanismus für die Kursumkehr wird.

Für einenmatic Händler spricht dies dafür, Positions- und Flussdaten, die in diesem Markt durch Finanzierungsraten, offene Positionen und On-Chain-Bewegungen ungewöhnlich gut beobachtbar sind, stärker zu gewichten und jegliche Vorstellung von einem fairen Wert weniger stark zu berücksichtigen. Der Vorteil liegt darin, Crowding und Leverage zu analysieren, nicht darin, einen möglicherweise nicht existierenden inneren Preis zu schätzen.

6. Dimensionierung, wenn Volatilität der einzige stabile Eingangsfaktor ist

Bei instabiler Verteilung, regimeabhängigendentund fragmentierter Liquidität ist die realisierte Volatilität die einzige Variable, die sich mit hinreichender Sicherheit messen lässt. Daher ist eine volatilitätsorientierte Positionsgröße nicht nur wünschenswert, sondern nahezu unerlässlich. Die Festlegung eines festen Nominalbetrags bei einem Vermögenswert, dessen Volatilität sich innerhalb eines Tages vervierfachen kann, ermöglicht es, die richtige Richtung zu ermitteln und gleichzeitig im Zielzustand liquidiert zu werden.

Die Strategien, die ich in diesem Markt beobachtet habe, zeichnen sich durch eine konservative Haltung aus: Sie setzen im Verhältnis zu den Backtests kleinere Positionen ein, reduzieren Positionen schneller, als es einem angenehm erscheint, und betrachten Hebelwirkung als Hauptrisikofaktor und nicht als Renditesteigerer. Die Asymmetrie ist unerbittlich. Man kann früh dran sein, richtig liegen und trotzdem leer ausgehen.

Worauf es letztendlich hinausläuft

Kryptowährungen belohnen quantitatives Denken und bestrafen die Übertragung quantitativer Annahmen. Strenge, Skepsis gegenüber einwandfreien Backtests und Respekt vor der Leistungsfähigkeit bleiben bestehen. Die spezifischen Mechanismen – die Gaußschen Kerne, die konstanten Korrelationen, die reibungslosen Ausführungen und die Risikouhr zum Börsenschluss – hingegen nicht. Erfolgreiche Trader haben Disziplin bewiesen und das Modell kontinuierlich weiterentwickelt. Diejenigen, die scheitern, sind diejenigen, die annahmen, ein so anderer Markt ließe sich mit Werkzeugen handeln, die für einen so etablierten Markt konzipiert sind.

Über den Autor

Giulio M. Occhionero leitet die Abteilung für quantitative Forschung und Entwicklung bei IRH Global Trading in Abu Dhabi. Dort verantwortet er die systematischematic und die quantitative Forschung im Bereich US-amerikanischer Aktien, Optionen und digitaler Vermögenswerte. Er ist studierter Nukleartechniker und verfügt über mehr als 20 Jahre Erfahrung im quantitativen Finanzwesen in Italien, den USA und den Vereinigten Arabischen Emiraten. Er publiziert regelmäßig zu den Themen systematischermatic , Marktstruktur und den ingenieurwissenschaftlichen Aspekten des Investmentmanagements.