Fette Ränder: warum die Glockenkurve lügt
Fast die gesamte Finanztheorie nimmt an, dass Preise einer Normalverteilung folgen (der Glockenkurve). Das ist eine Lüge, und eine teure: An den Märkten treten Extremereignisse WEIT häufiger auf, als diese Glocke vorhersagt. Man nennt das „fette Ränder", und es zu verstehen – mit Nassim Taleb – ändert, wie du Risiko managst, denn die Katastrophe ist nicht so selten, wie man dir erzählt hat. In diesem Modul geht es ums Überleben des Unwahrscheinlichen.
Vom TradingCalculator.Pro-Team · Aktualisiert am · Über uns
7 Tage gratis starten →Was du lernst
Warum die Glockenkurve lügt
Die Normalverteilung sagt, riesige Bewegungen seien fast unmöglich: je größer, desto exponentiell seltener. Die Marktrealität hat „fette Ränder" (hohe Kurtosis): Die Extreme wiegen weit mehr, als die Glocke zugibt. Ein Crash, den die Theorie „einmal in Jahrmillionen" ansetzt, taucht alle paar Jahrzehnte auf. Der klassische Fehler: Risiko mit einem Maßstab messen, der genau das unterschätzt, was dich ruinieren kann.
Schwarze Schwäne (Taleb)
Ein schwarzer Schwan (Nassim Taleb) ist ein seltenes Ereignis mit enormem Einfluss, das erst HINTERHER offensichtlich wirkt. Niemand hatte es im Modell: der Crash von '87, 2008, März 2020. Die Lektion ist nicht, sie vorherzusagen – per Definition unmöglich –, sondern deinen Handel so zu bauen, dass du sie ÜBERLEBST. Setze das Konto nicht darauf, dass „das nicht passiert", denn mit genug Zeit passiert es. Ziel ist nicht, den Blitz vorherzusagen, sondern nicht unter dem Baum zu stehen.
Die „unmöglichen" Sigma-Bewegungen, die passieren
Im Jargon sollte eine „6-Sigma"-Bewegung laut Glocke einmal in mehreren Milliarden Jahren auftreten. In echten Märkten treten sie alle paar Jahre auf. Der Schwarze Montag 1987 war ein Absturz, den die Theorie für praktisch unmöglich hielt. Wenn du hörst „das war unvorhersehbar, ein N-Sigma-Ereignis", übersetze: Das Modell war falsch, nicht die Welt. Die Ränder sind fett, und darum ist das „Seltene" gar nicht so selten.
Ruinrisiko und Nicht-Ergodizität
Die tödliche Falle: eine positive Durchschnittsrendite nützt nichts, wenn du unterwegs pleitegehst. Das ist Nicht-Ergodizität: Was „im Schnitt vielen" passiert, ist nicht, was „dir über die Zeit" passiert. Bringt dich eine Verlustserie auf null, ist das Spiel für immer vorbei; kein „Durchschnitt" holt dich zurück, weil du nicht mehr spielst. Deshalb wiegt der Schutz des Kapitals vor dem Ruin schwerer als die Maximierung der erwarteten Rendite.
Konvexität und Tail-Hedging
Talebs Antwort auf fette Ränder: Konvexität suchen. Strukturen, die meist wenig und begrenzt verlieren, aber viel – überproportional – gewinnen, wenn das Extremereignis kommt. Es ist die Logik der Versicherung: Du zahlst kleine, konstante Prämien und kassierst groß im Crash. Die meisten machen genau das Gegenteil (oft ein wenig gewinnen, einmal ein Vermögen verlieren): Das ist Konkavität, und bei fetten Rändern ruiniert sie dich.
Die Barbell-Strategie (Hantel)
Der praktische Weg, all das anzuwenden: die Barbell. Statt eines „mittleren" Risikos über alles verteilt kombinierst du zwei Extreme: den Großteil des Kapitals in etwas sehr Sicheres (um den Ruin zu vermeiden) und einen kleinen Teil in sehr riskante, konvexe Wetten (um den guten Rand zu fangen). Nichts in der trügerischen Mitte. So panzerst du dich gegen den schlechten schwarzen Schwan und setzt dich zugleich dem guten aus, mit begrenztem Maximalverlust.
Wie man einen Tail misst (und warum das scheitert)
Die Kurtosis misst, wie schwer der Tail wiegt, doch ihre Schätzung aus wenigen Daten ist tückisch: Die Kennzahl hängt genau von den Extremwerten ab, die du messen willst. Eine Stichprobe ohne Crash liefert eine beruhigende Kurtosis, eine mit Crash lässt sie explodieren. Deshalb fragen ernsthafte Manager nicht „wie hoch ist die Kurtosis?", sondern „wie viel verliere ich, wenn sich der schlechteste Tag der Reihe wiederholt?" — ein Szenario, kein statistisches Moment. Praktisch heißt das: Miss deine Exponierung mit Stresstests auf konkrete Bewegungen, einem Minus von 7 % im Index oder einem Eröffnungs-Gap, statt einer Zahl zu vertrauen, die Jahrzehnte an Daten bräuchte, um stabil zu sein.
