Risikomanagement im algorithmischen Handel: warum Stabilität überlebt, nicht maximaler Gewinn

Im algorithmischen Handel gibt es einen unangenehmen Effekt: Strategien mit der eindrucksvollsten erwarteten Rendite sterben regelmäßig früher als bescheidene, aber widerstandsfähige. Nicht weil sie schlecht entworfen wären, sondern weil schlicht nicht genug von ihnen übrig bleibt, bis die Erwartung sich tatsächlich realisiert. Der Markt schafft ein paar lange Drawdowns, das Kapital schmilzt, Parameter werden im Lauf nachjustiert, und die Strategie verschwindet, bevor ihr „Mittelwert" zum Tragen kommt.

Deshalb geht es beim Risikomanagement nicht um „Einschränkungen für Vorsichtige". Es geht um die Bedingungen, unter denen eine Strategie überhaupt lange genug überlebt, um ihre eigene Mathematik zu erreichen. Auf langer Strecke gewinnt nicht das profitabelste, sondern das stabilste System: jenes, das nicht durch einen Drawdown, einen Volatilitätsschub, einen Korrelationsschock oder eine kurze Verlustserie aus dem Spiel geworfen wird.

Risk per Trade und Position Sizing: wie viel Kapital pro Trade

Die erste praktische Frage jeder Strategie ist nicht „welches Signal", sondern „welche Positionsgröße". Die Antwort darauf bestimmt fast vollständig, wie das System in schlechten Phasen sterben wird.

Ein praktischer Rahmen ist ein fester Prozentsatz des Kapitals pro Trade, üblicherweise im Bereich von Bruchteilen eines Prozents bis zu einigen Prozent. Entscheidend ist nicht die genaue Zahl, sondern dass der Verlust eines einzelnen Trades vor dem Einstieg berechnet und nicht in absoluten Werten, sondern als Anteil des Kapitals normiert wird. Dadurch verkleinert sich die Position automatisch im Drawdown und wächst bei Erholung — ohne heroisches „mit größerem Lot hole ich es zurück".

Die theoretische Obergrenze dieser Disziplin liefert das Kelly-Kriterium: es gibt den Kapitalanteil an, der den Erwartungswert des logarithmischen Wachstums maximiert, sofern Wahrscheinlichkeiten und Auszahlungen bekannt sind. 1 In der Praxis spielen Trader fast nie „voll Kelly": Schätzungen von Wahrscheinlichkeit und Edge sind real verrauscht, und Kelly mit fehlspezifizierten Parametern führt zu einem starken Anstieg des Ruinrisikos. Üblich ist deshalb ein Bruchteil von Kelly — ein Viertel, die Hälfte — und das nicht zur Maximierung des Wachstums, sondern aus Robustheit gegenüber Schätzfehlern.

Der zentrale Gedanke dieses Abschnitts ist nicht die Formel, sondern die Reihenfolge: zuerst das Risikobudget pro Trade, dann die Positionsgröße, dann das Signal. Nicht umgekehrt.

Stop Loss als Teil des Modells, nicht als nachträgliche Versicherung

Der Stop Loss wird oft als „Schutzmechanismus" diskutiert, als wäre er eine separate Funktion über der Strategie. Im algorithmischen Sinn ist das falsch: ein Stop ist eine vorab eingerechnete Verlusterwartung, ohne die sich weder Risk per Trade noch der Erwartungswert der Strategie korrekt berechnen lassen.

Wenn eine Strategie auf einem „weiten Stop, der fast nie auslöst" basiert, gilt eines von zwei Dingen: entweder ist die Verlustverteilung lang und schwerschwänzig, dann fressen die seltenen Treffer die gesamte aufgebaute Rendite auf einmal auf; oder der Stop ist gar nicht Teil des Modells, dann wird das Position Sizing aus einer falschen Größe berechnet. In beiden Fällen weicht das reale Verhalten in einem schwierigen Markt vom Backtest ab.

Der funktionierende Ansatz ist, den Stop aus Marktstruktur und Volatilitätsregime abzuleiten, nicht aus der gewünschten Rendite. Die Positionsgröße wird dann so angepasst, dass das Auslösen des Stops einen vorab gewählten Anteil des Kapitals kostet. Ein „schlechter Tag" bleibt dann ein schlechter Tag und wird nicht zum Ereignis, das die Strategie in den Überlebensmodus zwingt.

Volatilität als Maßeinheit, nicht als Feind

Im Alltag klingt Volatilität meist wie ein Problem: „der Markt ist nervös". Im Risikomanagement spielt sie eine andere Rolle — die einer Maßeinheit. Die prozentuale Tagesbewegung des einen und des anderen Instruments sind nicht direkt vergleichbar: ein Asset bewegt sich ruhig in einer engen Spanne, ein anderes kann in derselben Woche mehrere mehrprozentige Bewegungen liefern.

Daraus folgt eine praktische Technik: Risiko über die Volatilität normieren. Grob gesagt hält das System nicht „die gleiche Anzahl Kontrakte", sondern den gleichen Beitrag jeder Position zum Gesamtportfoliorisiko. Umgesetzt wird das über historische Volatilität, ATR oder ähnliche Schätzer, mit dem Ziel, dass kein einzelnes Instrument das Portfolioverhalten zufällig bestimmt, nur weil es heute eine hohe Amplitude hat.

Eine zweite nützliche Technik ist Vol-Targeting: das Portfolio wird auf ein vorab gewähltes Gesamtvolatilitätsniveau gesteuert, und bei einem Volatilitätsschub wird die Exposition automatisch reduziert. Das macht eine Strategie nicht profitabel, aber es vereinheitlicht ihr Verhalten über verschiedene Marktregime und schützt vor dem Effekt „die Strategie sah hervorragend aus, solange der Markt ruhig war".

Max Drawdown und Risk of Ruin: Überlebensmetriken statt Schönheitsmetriken

Unter den Qualitätsmetriken einer Strategie heben sich zwei hervor, die nicht von Rendite, sondern von Überleben sprechen.

Der Max Drawdown ist der größte Kapitalrückgang von einem historischen Hoch bis zum nächsten Tief. Das ist nicht „ein schlechter Monat in der Vergangenheit", sondern die Antwort auf die Frage, wie viel emotionale und finanzielle Belastung das System und sein Betreiber tatsächlich tragen müssen, damit die Strategie weiterläuft. In den Materialien des CFA Institute zur Performance Evaluation wird Max Drawdown ausdrücklich als Appraisal-Metrik neben dem Sortino Ratio und Upside/Downside Capture genannt. 2

Risk of Ruin ist die Wahrscheinlichkeit, dass das Kapital unter die Schwelle fällt, ab der die Strategie keinen Sinn mehr ergibt (Nullsumme, Margin Call, manuelles Stoppen). Es lässt sich nicht „spüren", es muss berechnet werden. Bei festem Risiko pro Trade und bekannten Gewinn-/Verlustwahrscheinlichkeiten zeigt die Risk-of-Ruin-Formel, wie schnell eine Verlustserie die Strategie selbst bei positivem Erwartungswert aus dem Spiel nehmen kann.

Der praktische Schluss ist einfach. Eine Strategie mit 40% erwarteter Jahresrendite und 60% Max Drawdown und eine Strategie mit 15% erwarteter Jahresrendite und 10% Max Drawdown sind nicht „einfach unterschiedliche Risikoprofile". Sie sind in der Regel sehr unterschiedliche Wahrscheinlichkeiten, die eigenen Mittelwerte überhaupt zu erreichen. Die zweite überlebt lange Phasen, in denen die erste längst geschlossen oder umgeschrieben worden wäre.

Diversifikation und Korrelation: warum „viele Strategien" nicht „wenig Risiko" bedeutet

Lehrbücher beschreiben Diversifikation als „nicht alles in einen Korb legen", und das stimmt — aber nur, wenn die Körbe tatsächlich unabhängig sind. Genau darauf ist die moderne Portfoliotheorie aufgebaut: das Portfoliorisiko wird nicht durch die Summe der Einzelrisiken bestimmt, sondern durch ihre Kovarianz. 3 In den Materialien des CFA Institute zu Portfolio Risk and Return wird ausdrücklich betont, dass der Diversifikationseffekt gerade durch unvollständige Korrelation der Assets zustande kommt. 4

Im algorithmischen Handel verliert dieser Gedanke an Selbstverständlichkeit. „Zehn Strategien auf einem Markt" entpuppen sich oft als ein und dieselbe Strategie in zehn Schreibweisen: ihre Einstiege sind korreliert, ihre Drawdowns synchron, ihre Erwartungswerte beruhen auf derselben Marktanomalie. Verschwindet die Anomalie oder ändert sich das Regime, geht das gesamte „diversifizierte" Portfolio gleichzeitig in den Drawdown.

Eine zusätzliche Komplikation ist, dass Korrelationen instabil sind. In ruhigen Phasen können Assets und Strategien fast unabhängig erscheinen, in der Krise konvergieren die Korrelationen jedoch gegen eins: fast alles fällt, mit Ausnahme einer schmalen Auswahl an Safe-Haven-Instrumenten. Eine ehrliche Sicht auf Diversifikation ist deshalb nicht „ich habe viele Positionen", sondern „wie viele wirklich unabhängige Renditequellen ich im Portfolio habe und wie sie sich im Stressszenario verhalten".

Sharpe und Sortino: wie sich Strategien nach Renditequalität vergleichen lassen

Zwei Strategien mit gleicher Jahresrendite können sich grundsätzlich anders verhalten. Risk-adjusted Metriken machen genau das sichtbar.

Der Sharpe Ratio ist das Verhältnis der Überschussrendite einer Strategie zu ihrer Volatilität. In der kanonischen Formulierung beschreibt der Autor das als Maß der „Belohnung pro Risikoeinheit" auf Basis eines Mean-Variance-Ansatzes, in dem Mittelwert und Standardabweichung als ausreichende Charakteristika der Verteilung gelten. 5 Sharpe funktioniert gut, wenn die Renditeverteilung annähernd symmetrisch ist, und bestraft eine Strategie ehrlich für chaotische Schwankungen um den Mittelwert.

Der Sortino Ratio folgt demselben Geist mit einem wichtigen Unterschied: im Nenner steht nicht die gesamte Standardabweichung, sondern die Downside Deviation, also die Volatilität nur der negativen Abweichungen von einer Zielrendite. Das liegt näher an der Intuition eines Traders: „eine starke Aufwärtsbewegung" und „eine starke Abwärtsbewegung" sollten in einer Qualitätsmetrik nicht gleich bestraft werden. Sortino ist nützlich für Strategien mit asymmetrischen Verteilungen — etwa Systeme mit begrenztem Verlust und langem rechtem Schwanz. In den Materialien des CFA Institute zur Performance Evaluation wird der Sortino Ratio als eine der Appraisal-Metriken neben Max Drawdown geführt. 2

Beide Metriken sind kein Urteil. Sie teilen dieselbe Schwäche: sie werden auf einer konkreten Historie berechnet, und ihre Werte reagieren empfindlich auf die Wahl des Fensters, die Datenfrequenz und die Verteilungsannahmen. Im algorithmischen Handel werden sie deshalb in der Regel zusammen mit Drawdown-Kennzahlen und dem Verhalten der Strategie über verschiedene Regime gelesen, nicht als alleiniges Kriterium „die ist besser als jene".

Was das für einen algorithmischen Trader bedeutet

Zusammengeführt ergibt das ein recht langweiliges, aber funktionierendes Gerüst.

• Zuerst wird das Risikobudget fixiert: wie viel Kapital das System pro Trade und pro Periode zu verlieren bereit ist.
• Aus dem Risikobudget folgt das Position Sizing, normiert über die Volatilität.
• Der Stop Loss wird aus Marktstruktur abgeleitet, nicht aus der gewünschten Rendite, und genau er definiert die Höhe des Risikos pro Trade.
• Diversifikation wird an der Anzahl wirklich unabhängiger Renditequellen gemessen, nicht an der Anzahl der Positionen.
• Die Qualität der Strategien wird über Sharpe/Sortino und Drawdown-Metriken verglichen, nicht über die absolute Rendite.
• Risk of Ruin und Max Drawdown dienen als harte Begrenzer: ihr Überschreiten ist ein Signal, die Strategie zu stoppen oder umzuschreiben, nicht „auszusitzen".

Genau diese Disziplin gehört in Werkzeuge für algorithmischen Handel eingebaut, einschließlich ai-trader: nicht als kosmetische Einstellungen, sondern als verpflichtende Schicht, ohne die Signale und Backtests wenig bedeuten. Für Börsen und Investmentfirmen formalisieren Regulierer eine ähnliche Logik seit langem: die ESMA-Leitlinien zum automatisierten Handel verlangen ausdrücklich wirksame Systeme und Kontrollen, Pre-Trade- und Post-Trade-Limits, Infrastruktur-Resilienz und Verfahren für Ausfallszenarien. 6

Fazit

Gewinn ist eine Funktion des Überlebens. Eine Strategie, die theoretisch mehr verdient, aber regelmäßig die Hälfte des Kapitals auslöscht, verliert nicht in der Mathematik, sondern in der Zeit: sie wird selten lange genug gehalten, damit der „Mittelwert" eintreten kann.

Eine stabile Strategie funktioniert anders. Sie akzeptiert eine niedrigere Decke, damit eine Verlustserie, ein unangenehmes Volatilitätsregime oder ein Korrelationsschock nicht zu ihrem Ende werden. Und genau dieser Kompromiss — kontrolliertes Risiko pro Trade, ein ehrlicher Stop, volatilitätsnormierte Größen, bewusste Diversifikation und Metriken, die Drawdown messen und nicht nur Rendite — unterscheidet algorithmischen Handel als Ingenieursdisziplin vom Versuch, den Markt zu erraten.

Im Trading überlebt nicht die profitabelste, sondern die stabilste Strategie. Position Sizing, ein ehrlicher Stop, Volatilitätsnormierung, bewusste Diversifikation und risk-adjusted Metriken sind genau die Werkzeuge, mit denen diese Stabilität in der Praxis aufgebaut wird.