Ganz einfach — Steigt die geschätzte Schwankung, wird das Exposure nach einer Regel reduziert; fällt sie, kann es erhöht werden. Die künftig realisierte Volatilität bleibt unbekannt.
Volatility Targeting skaliert ein Basisportfolio im Zeitverlauf. Ein vereinfachter Multiplikator lautet:
m_t = σ_target / σ̂_tDabei ist σ_target das Ziel und σ̂_t die zum Zeitpunkt
t verfügbare Schätzung. Das tatsächliche Exposure kann als
m_t mal Basisexposure dargestellt werden, gewöhnlich begrenzt durch
Floor, Cap, Leverage- und Liquiditätsregeln.
Die Schätzung ist Teil der Strategie
Fensterlänge, Renditefrequenz, Gewichtung, Annualisierung, Ausreißerbehandlung
und Verzögerung bestimmen σ̂_t. Eine kurze Schätzung reagiert
schnell, kann aber stark rauschen. Eine lange Schätzung ist stabiler, kann einen
Regimewechsel jedoch spät erfassen. Es gibt keine universell beste Wahl.
Entscheidend ist die Informationszeit. Eine Regel darf nur Daten verwenden, die beim Rebalancing tatsächlich verfügbar waren. Sonst entsteht im Backtest Look-ahead Bias.
Ziel ist nicht Ergebnis
Wenn die nächste Volatilität genau der Schätzung entspräche und das Portfolio linear wäre, könnte die Skalierung das Ziel näherungsweise treffen. In der Realität verursachen Gaps, Korrelationen, nichtlineare Payoffs und Ausführungsverzögerungen Abweichungen. Volatility Targeting garantiert keine konstante realisierte Volatilität und begrenzt keinen maximalen Verlust.
Hebel, Caps und Liquidität
Bei geringer geschätzter Volatilität kann m_t größer als eins
werden: Die Regel verlangt dann Leverage. Ein Cap beschränkt diesen Hebel;
ein Floor kann verhindern, dass das Portfolio vollständig auf null fällt.
Margin, Finanzierungskosten, Instrumentkapazität und rechtliche Grenzen gehören
in die Spezifikation.
Schnelles De-Risking in einer Volatilitätsspitze kann gleichzeitig mit vielen anderen Marktteilnehmern erfolgen. Spread und Market Impact können dann die modellierte Reduktion verteuern. Smoothing und Rebalancingbänder senken Turnover, führen aber zusätzliche Verzögerung ein.
Prozyklische und pfadabhängige Effekte
Die Regel verkauft typischerweise nach einem Anstieg der gemessenen Volatilität und kauft nach einer Beruhigung zurück. Ob dies einen bestimmten historischen Vorteil erzeugt, hängt von Markt, Zeitraum, Schätzung und Kosten ab. Ein empirisches Ergebnis ist keine Garantie für andere Implementierungen.
Typischer Fehler — Ein Ziel von beispielsweise 10 % als universelle oder sicher realisierte Größe zu behandeln. Ziel, Schätzung und Ergebnis sind drei verschiedene Größen.
Reproduzierbare Spezifikation
Dokumentiert werden Basisportfolio, Formel, Datenquelle, Zeitstempel, Annualisierung, Floor, Cap, maximale tägliche Änderung, Rebalancingzeit, Kostenmodell und Ausfallregel bei fehlenden Daten. Monitoring vergleicht Ziel, Schätzung, realisierte Volatilität und tatsächliches Exposure.
Gemeinsame Schocks mehrerer Komponenten
Wird jede Position separat auf ihre eigene Volatilität skaliert, kann das Portfolioziel trotzdem verfehlt werden, weil Kovarianzen fehlen. Eine Portfolioregel schätzt deshalb die gemeinsame Volatilität der aktuellen Zusammensetzung oder kombiniert Komponentenregeln mit einem Gesamt-Cap. Bei plötzlich steigender Korrelation können beide Ansätze zu spät reagieren. Ein Szenario mit gleichzeitigem Preisrückgang, höherer Volatilität und begrenzter Ausführung macht diese Lücke sichtbar.
Quellen
- MSCI, Risk Control Indexes Methodology.
- Moreira und Muir, Volatility-Managed Portfolios.
- Harvey et al., The Impact of Volatility Targeting.
- Fleming, Kirby und Ostdiek, The Economic Value of Volatility Timing.
- S&P Dow Jones Indices, Index Mathematics Methodology.