Wie wir die Volatilität eines Marktes bestimmen können

Liebe Trader,

wer kennt nicht die Werbung zahlreicher CFD- und FOREX-Broker, die einen verführen möchten, doch dringend Daytrading zu betreiben. Welche Interessen dahinter stecken und warum das selten zum Vorteil von Anlegern ist, habe ich bereits in diesem Artikel erläutert.

Doch heute möchte ich ein Stück weitergehen. Und zwar werden wir uns ansehen, wie ihr erkennen könnt, ob es sich für die meisten Anleger überhaupt lohnt, ein Asset zu handeln. 

Eine kleine Vorwarnung: Es geht dabei nicht ganz ohne Excel und etwas Mathematik. Aber ich kann euch jedoch beruhigen… Ich werde die Dinge übersichtlich halten und Stück für Stück erklären. Insofern braucht ihr euch keine Gedanken zu machen, wenn Statistik jetzt nicht so ganz euer Ding sein sollte 😉 Auch werde ich hier nur ein ganz kleines Beispiel zeigen, was man so mit Excel alles machen kann. Betrachtet diesen Artikel daher bitte nur als ein kleines „Appetithäppchen“ in einem Bereich, der sonst gerne vor lauter Charttechnik übersehen wird.

Die Sache ist jedoch sehr wichtig und keineswegs mehr als nur Spielerei: Denn am Ende des Tages sind alle Trader Sklaven der Volatilität. Ohne Volatilität gibt es keine Gewinne und Bewegungen sind nur zufällig. Da hilft auch noch kein so großer Hebel. Volatilität lässt sich nicht künstlich erzeugen. Zwar gibt es Trader, die durch ihren Stil nicht ganz so stark auf Volatilität angewiesen sind (z.B. Scalper), aber gerade beim Trendhandel ist Volatilität absolut unerlässlich.

Steigen wir also direkt ein und sehen uns die Sache näher an.

Was ist Volatilität überhaupt? Eine Definition…

Und hier beginnt für viele Trader bereits die Schwierigkeit. Denn selbst wenn wir die gute alte Wikipedia einmal fragen, gibt es gleich kräftig eins mit dem Theoriehammer übergezogen (nein, was ihr gleich lest, müsst ihr nicht alles wissen, aber es hat dennoch einen Grund, warum ich es hier zitiere):

_____

Die Wirtschaftswissenschaften untersuchen im Risikomanagement eine Vielzahl sich verändernder ökonomischer Größen wie Aktienkurse, Wechselkurse, Kurswerte, Zinsen, Renditen oder Metallwerte (Goldpreis, Silberpreis). Ihre Schwankungen im Zeitablauf können für Marktteilnehmer ein Kursrisiko bei Finanzprodukten beinhalten. In der Finanzmathematik ist die Volatilität ein Maß für diese Schwankungen. 

Die Volatilität ist hier definiert als die Standardabweichung der Veränderungen (auch Renditen, Returns) des betrachteten Parameters und dient häufig als Risikomaß. Sie ist jedoch kein ideales Risikomaß, weil sie lediglich Auskunft über die Schwankungsbreite eines Basiswerts gibt, aber keine weiteren Informationen über die Verteilungsfunktion der Kursausschläge liefert. 

Die Wertänderung, auf deren Basis die Volatilität berechnet wird, kann dabei auf verschiedene Art definiert sein. Man unterscheidet: 

  • absolute Veränderungen

 

 

  • relative Veränderungen

 

 

 

 

mit t0-t1  als zeitlicher Abstand, mit dem die veränderliche Basisgröße gemessen wird. „Annualisierte Volatilitäten“ beziehen sich z. B. auf die Standardabweichung jährlicher Veränderungen. 

Absolute Wertveränderungen werden beispielsweise herangezogen, wenn die Volatilität von Zinsen zu ermitteln ist. Relative und logarithmierte Wertänderungen unterscheiden sich bei kleinen Änderungen kaum und werden z. B. zur stochastischen Modellierung von Aktienkursen herangezogen (vgl. Ito-Prozess). Logarithmierte Wertänderungen gehen in das Optionspreismodell von Black & Scholes ein. 

Die Volatilität der Vergangenheit ist die „historische realisierte Volatilität“. Dagegen ist die implizite Volatilität eine Größe, die sich aus Optionspreisemodellen (z. B. dem Black-Scholes-Modell) aus den Marktpreisen von Optionen ableiten lassen (also von den Optionspreisen impliziert wird). Implizite Volatilitäten können als Ausdruck der Marktmeinung über zukünftige Marktpreisschwankungen interpretiert werden. 

_____

Ich höre an dieser Stelle einmal auf. Na, wem hat das geholfen?

Spaß beiseite, natürlich hilft eine solche Theorie nicht wirklich (und in dem Artikel wird es noch deutlich theoretischer). Dennoch macht es Sinn, sich solche Dinge anzusehen, denn in der Regel findet sich genau hier dennoch der Ankerpunkt für weitere Überlegungen.

Denn gerade im letzten Abschnitt findet sich ein ganz spannender Punkt für uns als Trader. Ich spreche hier vom Unterschied zwischen vergangener Volatilität und implizierte Volatilität. Allerdings zeigt der Artikelausschnitt eben auch gut die Grenzen von Volatilität auf.

Wie wir Volatilität als Trader nutzen können

Ich möchte es in diesem Artikel bewusst etwas einfacher halten. Deswegen ignorieren wir an dieser Stelle einmal die implizite Volatilität und wie sich diese aus Optionspreis-Modellen heraus berechnet. Stattdessen gehen wir zur Grundfrage zurück. Und diese war ja: Sollen wir ein Asset überhaupt traden oder nicht? Denn als Trader sind wir Sklave der Volatilität.

Und hier macht es Sinn, sich die vergangene Volatilität eines Assets näher anzusehen. Dabei geht es leider nicht ganz ohne ein wenig Excel (oder einem vergleichbaren Tabellenkalkulationsprogramm). Wir werden uns als Beispiel einmal den S&P 500 näher ansehen. Dabei interessiert uns einmal, ob es Sinn macht, den S&P 500 im klassischen (trendfolgenden) Sinne dayzutraden.

Hierzu benötigen wir zuerst einmal die vergangenen Preisdaten des S&P 500. Diese lassen sich einfach über Yahoo Finance oder einen vergleichbaren Datendienst beschaffen (wichtig ist hier jedoch eine gute Qualität der Daten, immerhin basieren ja am Ende Trading-Entscheidungen hierauf!)

Wer bei Yahoo Finance tätig werden will, kann etwa diesen Link hier nutzen:

https://finance.yahoo.com/quote/%5EGSPC/history?p=%5EGSPC

Für das Beispiel laden wir das Maximum der verfügbaren Daten auf Tagesbasis herunter. Wir erhalten zunächst eine CSV-Datei (kurz für „durch Komma getrennte Daten“). Im folgenden Beispiel arbeite ich in der CSV-Datei weiter. Aber es macht durchaus auch Sinn, die Datei direkt im aktuellen Excel-Format zu speichern, um lästige Nachfragen seitens Excels beim Speichern zu verhindern.

Zunächst wirkt das noch etwas unhandlich und sieht in Excel so aus:

Doch die Sache lässt sich mit einem recht einfachen Kniff ordnen.

Klickt hierzu einfach auf die Kopfzeile von Spalte A, so dass Spalte A komplett angewählt ist, dann klickt oben im Menü auf „Daten“ > „Text in Spalten“

Anschließend öffnet sich ein Dialog, bei dem ein paar kleine Einstellungen zu machen sind. Das erste Fenster könnt ihr dabei einfach mit „Weiter“ bestätigen.

Im zweiten Fenster wählt ihr bitte zusätzlich als Trennzeichen „Komma“ und setzt dort einen Haken, wie im nachfolgenden Screenshot dargestellt.

Nun gibt es noch eine letzte kleine Tücke zu beheben im nächsten Fenster. Hier klickt Ihr bitte wie im nachfolgenden Screenshot markiert auf „Weitere“. Denn um Formatierungsprobleme zu vermeiden, müssen wir noch berücksichtigen, dass im Englischen Punkte statt Kommata zur Trennung von Tausendern und Dezimalen verwendet werden.

Danach öffnet sich ein neues, zusätzliches Fenster, in dem ihr bitte die folgenden Änderungen macht und diese dann bestätigt:

  • Als Trennzeichen für Dezimalen setzt ihr Punk statt Komma
  • Als Trennzeichen für Tausender setzt ihr Komma statt Punkt

Wir drehen die Sache also, im Vergleich zum Deutschen, einfach um.

Anschließend klickt ihr auf „OK“ und dann auf „Fertigstellen“.

Ihr bekommt nun die Daten auf die einzelnen Spalten gesehen angezeigt.

Jetzt wollen wir die tatsächlichen Schwankungsbreiten berechnen.

Hierzu fügen wir eine neue Spalte ein, in der wir die Differenz zwischen Tageshoch und Tagestief ansetzen. In der zweiten Spalte geht es um die Tagesschwankung (Differenz zwischen Hoch- und Tief) durch den Eröffnungspreis teilen. Hiermit erhalten wir die prozentuale Tagesschwankung.

Das Ganze sieht dann so aus:

Schnell wird dabei deutlich, dass Yahoo bis etwas ins Jahr 1962 nicht über Intraday-Daten verfügt. Diese Daten werden wir ignorieren, wenn wir gleich den Mittelwert ausrechnen. Hierzu nutzen wir die Mittelwertformel von Excel und markieren wir alle Daten in der „Prozentual pro Tag“-Spalte, die nicht 0% sind.  

Das Ergebnis ist, dass die durchschnittliche Spannungsweite historisch gesehen im S&P 500 bei 1,41% liegt. Und damit wird recht schnell klar, dass der S&P 500 im Mittel kein Asset ist, was man im herkömmlichen Sinne (d.h. trendfolgend) daytraden sollte. Es ist einfach nicht genug Volatilität da und auch ist es illusorisch anzunehmen, dass man stets Tagestief und Tages hoch trifft. 

Natürlich könnte man diese Analyse hier nun noch weiter treiben und sich ansehen, wie breit das Schwankungsspektrum ist und Intervalle definieren. Wir könnten uns in etwa ansehen, an wie vielen der Tage des S&P 500 zwischen 0 und 0.5% schwankt, an welchen zwischen 0.5% und 1% bzw. 1% bis 1.5% und mehr (Excel bietet hierzu interessante Statistik- und Filterfunktionen an, die hier jedoch etwas den Rahmen sprengen würden).

Wer diese Analyse weiter betreibt, kommt dabei zu dem Ergebnis, dass es durchaus Phasen im S&P 500 gibt, in denen sich trendfolgendes Daytrading lohnt (aber nur wenn deutlich erhöhte Volatilität zu verzeichnen ist, ablesbar etwa an starken Anstiegen im VIX, dem Volatilitätsindex des S&P 500).

Darüber hinaus lassen sich alle hier exemplarisch gemachten Überlegungen natürlich auch auf Daten auf Wochen- oder Monatsebene übertragen. Und hier wird es dann natürlich etwas spannender, denn auf diesen Zeitebenen lohnen sich wiederum trendfolgende Positionen im Index immer mehr.

Bedenkt jedoch bei allem, was ich anfangs schrieb: Volatilität ist beim Trading absolut nötig. Ohne diese sind Bewegungen eher zufällig. Und auch wenn ein Hebel große Bewegung suggeriert, erzeugt er keine Volatilität.

Man sollte also immer sein Asset kennen. Und das ist auch der Grund, warum in meinem Momentum-Trading Mentoring wir Aktien handeln, die gerade „im Spiel“ der großen sind. Nämlich da ist genug Vola da und da läuft es dann auch richtig gut.

Alles zu meinem Mentoring erfahrt ihr übrigens hier.

Good Trading,

Pasa

Leave a Reply

This site uses Akismet to reduce spam. Learn how your comment data is processed.