Damit werden nicht nur die Handlungsoptionen für Investoren begrenzt, sondern auch die möglichen Absicherungsinstrumente sehr teuer. Zudem ermöglichen nur wenige Indikatoren eine effiziente Risikosteuerung. Welche Positionsgrößen beziehungsweise Portfoliogewichte sollten nun zu jedem Zeitpunkt, zum Beispiel monatlich oder wöchentlich, eingestellt werden?
Die bayessche Stabilitätsanalyse - ein überlegenes Verfahren?
Die BCP-Analyse für Finanzmärkte wurde bereits im Jahr 2010 an der ETH Zürich vorgestellt und in den Folgejahren immer weiter entwickelt. Zwischenzeitlich ist die BCP eine ausgereifte statistische Methode, um sogenannte Strukturbrüche in Finanzmarktdaten zuverlässig zu erkennen und kann damit für die Steuerung von Finanzportfolios genutzt werden.
Die Ergebnisse der langjährigen Analyse dieser Methode haben eindeutig gezeigt, dass die BCP allen anderen Verfahren zur Erkennung von Finanzmarktkrisen substantiell überlegen ist. Die BCP-Analyse basiert im Wesentlichen auf der bayesschen Schätzung der Strukturbruchwahrscheinlichkeit, des aktuellen Trends sowie der Varianz (siehe Abbildung 3).
Das System ist selbstkalibrierend. Das heißt: Die prioren Verteilungen werden durch die jeweils neuen Eingangsdaten (abhängig von der Frequenz der Portfolioanpassung) kalibriert. Die posterioren Verteilungen werden genutzt, um den Trend und die Varianz unter Berücksichtigung der Strukturbruchwahrscheinlichkeiten zu schätzen. Basierend auf diesen Schätzungen kann dann der BCP-Indikator berechnet werden.
Über eine Sigmoid-Funktion wie sie auch in Neuronalen Netzen verwendet wird kann anschließend ein direkt nutzbares Signal zwischen Null (0 Prozent Investitionsgrad) und Eins (100 Prozent Investitionsgrad) berechnet werden.
Als Eingangsdaten werden lediglich die monatlichen oder wöchentlichen Erträge der zugrundeliegenden Zeitreihe verwendet. Falls man in der neueren Historie eher hohe Strukturbruchwahrscheinlichkeiten beobachten kann, werden auch die neueren Renditen verstärkt zur Schätzung des Trends und der Varianz verwendet. Dadurch können der momentane Trend und die momentane Varianz schneller und präziser abgeschätzt werden als zum Beispiel mit einem fixen Zeitfenster und gleichgewichteten Renditen. Die Methodologie kann übrigens auch auf multivariate Kennzahlen (Ko-Varianzen) angewendet werden und mit Einschätzungen von Analysten kombiniert werden (Black-Litterman).
Die Analyse wird explizit nicht dazu benutzt, den Trend oder die Varianz vorherzusagen, da Vorhersagen in einem hoch-stochastischen System mathematisch gesehen nicht sehr erfolgsversprechend sind. Es spielt dabei keine Rolle, welcher Methodologie man sich bedient. Grundsätzlich geht es darum, den momentanen Zustand eines Marktes möglichst präzise zu beschreiben.
Dieser Ansatz basiert auf der Hypothese, dass die Marktdaten des jeweiligen Marktes bereits den Großteil der nutzbaren Informationen beinhalten und dass andere Informationsquellen (zum Beispiel Korrelationen mit anderen Märkten, oder Sentiment-Indikatoren) nur sehr selten eine konsistent nutzbare und vor allem rechtzeitige Vorhersage von negativen Marktbewegungen ermöglichen.