Wo Modellierung an ihre Grenzen stößt

Modelle sind Werkzeuge, keine Orakel. Wer ihre Grenzen kennt, kann sie besser nutzen – und wer ihre Grenzen verschweigt, überschätzt sie. Für die Diversifikation sind drei Grenzen besonders wichtig.

Grenze 1: Historische Daten

Jedes Modell lernt aus der Vergangenheit. Wenn die Zukunft einigermaßen der Vergangenheit ähnelt, funktioniert das. Krisen sind aber gerade dadurch gekennzeichnet, dass sie sich von der Vergangenheit unterscheiden. Ein Modell, das aus 15 Jahren ruhiger Daten gelernt hat, kann einen Zusammenbruch, der in diesen 15 Jahren nicht vorkam, nicht vorhersehen.

Grenze 2: Korrelationen sind nicht konstant

Diversifikation beruht auf der Annahme, dass sich Anlageklassen nicht alle gleichzeitig in dieselbe Richtung bewegen. In ruhigen Phasen stimmt das. In Stressphasen lösen sich diese Muster oft auf: Anlageklassen, die vorher unabhängig waren, fallen gemeinsam. Wer eine Diversifikation berechnet hat, die nur in ruhigen Phasen gilt, trägt in der Krise ein höheres Risiko, als das Modell anzeigt.

Grenze 3: Schwarze Schwäne und seltene Ereignisse

Seltene Ereignisse kommen in den Daten selten vor – sonst wären sie nicht selten. Modelle, die auf Häufigkeit vertrauen, unterschätzen seltene, aber gravierende Ereignisse. Für die Diversifikation bedeutet das: Ein Portfolio, das nach dem Modell gut verteilt ist, kann dennoch von einem Ereignis getroffen werden, das im Modell nicht vorkommt.

Was das für die Praxis heißt

Diversifikation bleibt sinnvoll. Sie senkt die Wahrscheinlichkeit, dass ein einzelner Verlust das gesamte Portfolio belastet. Sie beseitigt aber nicht das Risiko, dass viele Anlageklassen gleichzeitig fallen. Wer das versteht, fragt nicht „Wie viel Risiko habe ich?“, sondern „Unter welchen Bedingungen gilt diese Risikomessung, und unter welchen nicht?“

Ein Modell, das seine eigenen Grenzen nennt, ist brauchbarer als eines, das sie verschweigt.