Risikomessung

Volatilität (Englisch Volatility) beschreibt die Intensität und Häufigkeit von Kursschwankungen an den Märkten und ist eine zentrale Risikokennzahl der Kapitalanlage. Sie misst, wie stark die Preise und Werte von Aktien, Anleihen, ETFs, Fonds und anderen Wertpapieren innerhalb eines bestimmten Zeitraums um ihren Mittelwert variieren. Eine hohe Volatilität weist auf große Unsicherheit, potenzielle Verluste, aber auch auf erhöhte Gewinne bzw. Chancen hin, während geringe Volatilität relativ stabile Preisverläufe widerspiegelt. Üblicherweise wird Volatilität in Prozent pro Jahr ausgedrückt.

Die Korrelation beschreibt den statistischen Zusammenhang zwischen zwei Variablen und ist in der Kapitalanlage ein zentrales Maß dafür, wie sich die Preise oder Werte verschiedener Anlagen im Verhältnis zueinander bewegen. Eine positive Korrelation bedeutet, dass sich die Kurse tendenziell in die gleiche Richtung entwickeln, während eine negative Korrelation anzeigt, dass sie sich gegenläufig verhalten. Liegt die Korrelation nahe null, besteht kein systematischer Zusammenhang – die Kursentwicklungen sind weitgehend unabhängig voneinander.

Value at Risk (VaR) ist ein zentrales Risikomaß zur quantitativen Risikomessung eines Portfolios. Er gibt an, welche Verlusthöhe innerhalb eines definierten Zeitraums (Haltedauer) und bei einem bestimmten Konfidenzniveau mit einer gegebenen Verlustwahrscheinlichkeit nicht überschritten wird. Typischerweise lautet die Aussage: „Mit 95 % Prozent Wahrscheinlichkeit wird der Verlust in den nächsten 10 Tagen 1 Million Euro nicht überschreiten.“ Damit ermöglicht der VaR eine klare Quantifizierung von Marktrisiken in einer einzigen Zahl und macht Risiken vergleichbar.

Expected Shortfall (auch Conditional Value at Risk, kurz CVaR) ist eine Risikokennzahl, die den durchschnittlichen Verlust in Extremszenarien angibt – also jenen Teil der Verteilung, der über den Value at Risk (VaR) hinausgeht. Während der VaR nur den Verlust bis zu einem bestimmten Schwellenwert (z.B. mit 95 % Wahrscheinlichkeit) beschreibt, zeigt der Expected Shortfall, wie hoch der Verlust im schlechtesten Fall tatsächlich sein kann, wenn dieser Schwellenwert überschritten wird.

Bonität bezeichnet die Fähigkeit und Bereitschaft eines Schuldners, seine finanziellen Verpflichtungen vollständig und fristgerecht zu erfüllen. Sie ist ein zentrales Kriterium bei der Auswahl von Anleihen, Kreditnehmern oder Vertragspartnern – sowohl im institutionellen Bereich als auch im Kontext der privaten Vermögensanlage.

Drawdown-Berechnungen erfassen den maximalen Verlust eines Portfolios vom jeweils höchsten Punkt (Höchststand) bis zum darauffolgenden Tiefpunkt. Sie messen damit nicht die Volatilität, sondern den tatsächlichen Kapitalrückgang, den ein Anleger im Zeitverlauf ertragen musste – ein zentraler Risikoindikator in der Vermögensanlage mit Fokus auf Kapitalerhalt.

Szenarioanalyse ist ein Instrument der Risikomessung und -steuerung, das die Auswirkungen hypothetischer Markt- oder Ereignisverläufe auf ein Portfolio simuliert. Dabei werden konkrete Annahmen getroffen – etwa ein Zinsanstieg, ein Aktienmarkteinbruch oder eine politische Krise – und deren Einfluss auf Wertentwicklung, Liquidität und Risikokennzahlen analysiert.

Ein Stresstest ist eine spezielle Form der Szenarioanalyse, bei der ein Portfolio extremen, aber plausiblen Marktbedingungen ausgesetzt wird, um die Auswirkungen auf Wertentwicklung, Risiken und Liquidität zu bewerten. Ziel ist es, die Verletzbarkeit des Portfolios in Krisensituationen sichtbar zu machen – etwa bei einem starken Zinsanstieg, einem Aktiencrash, einem Ausfall zentraler Kontrahenten oder einem plötzlichen Liquiditätsentzug.

Die Monte-Carlo-Simulation ist ein statistisches Verfahren zur Analyse von Unsicherheiten und Risiken in der Vermögensanlage. Sie basiert auf der zufallsbasierten Erzeugung einer großen Anzahl möglicher Marktverläufe, um Wahrscheinlichkeitsverteilungen für Renditen, Risiken und zukünftige Vermögenswerte abzuleiten. Anstatt nur einen einzigen deterministischen Verlauf zu betrachten, erzeugt die Monte-Carlo-Simulation tausende bis Millionen Szenarien, in denen Variablen wie Kurse, Zinsen, Volatilität oder Korrelationen zufällig – aber modellbasiert – variieren.