Was ist die Volatilität (Schwankungsbreite)? Kennzahl und Datenaufbereitung mit KI erklärt

Volatilität ist die Schwankungsbreite der Renditen eines Finanzinstruments über einen bestimmten Zeitraum. Statistisch wird sie als Standardabweichung der Renditen gemessen: Je stärker die einzelnen Renditen vom Mittelwert abweichen, desto höher die Volatilität (Raisin). Sie dient als Risikomaß, nicht als Aussage über die künftige Kursrichtung.

Die Volatilität ist eine der meistgenutzten Kennzahlen in der Finanzwelt. Sie beschreibt, wie stark der Wert einer Anlage um ihren Durchschnitt schwankt. Eine hohe Volatilität bedeutet große Ausschläge nach oben und unten, eine niedrige Volatilität vergleichsweise ruhige Kursverläufe. Wichtig ist: Volatilität sagt nichts darüber aus, ob ein Kurs steigt oder fällt, sondern nur, wie breit die Bewegung ausfällt.

Wie wird Volatilität berechnet?

Grundlage der Berechnung ist die Standardabweichung der Renditen. Zunächst wird der Mittelwert der beobachteten Renditen gebildet, dann die Abweichung jeder einzelnen Rendite vom Mittelwert, quadriert und gemittelt. Die Wurzel aus diesem Durchschnitt ergibt die Volatilität (Raisin).

Die Formel lautet:

Volatilität = √[(1/n) × ((r₁ − i)² + (r₂ − i)² + … + (rₙ − i)²)]

Dabei ist n die Anzahl der beobachteten Renditen, r₁ bis rₙ sind die einzelnen Renditen und i ist ihr Mittelwert (Raisin).

Ein einfaches Zahlenbeispiel: Für die Renditen 6,5 %, 12,1 %, 5,4 % und −10,3 % ergibt sich ein Mittelwert von 3,425 % (DeltaValue). In der Praxis lässt sich die Standardabweichung in Tabellenprogrammen direkt mit Funktionen wie =STDEV.S(…) berechnen (DeltaValue).

Historische und implizite Volatilität

Man unterscheidet zwei zentrale Formen. Die historische Volatilität misst die in der Vergangenheit beobachtete Schwankungsbreite innerhalb eines definierten Fensters, etwa 30 Tage oder ein Jahr (DeltaValue). Sie blickt also zurück auf tatsächlich eingetretene Kursbewegungen.

Die implizite Volatilität dagegen ist eine aus Optionspreisen abgeleitete Erwartung über künftige Schwankungen. Sie wird vor allem im Optionshandel genutzt und hilft bei der Einschätzung des individuellen Risikos einer Position (Trading für Anfänger). Beide Kennzahlen beantworten unterschiedliche Fragen: die eine, wie stark der Markt in der Vergangenheit schwankte, die andere, welche Schwankung der Markt für die Zukunft einpreist.

Annualisierte Volatilität

Volatilität wird häufig auf ein Jahr umgerechnet, um Werte über verschiedene Zeiträume vergleichbar zu machen. Dafür wird die Volatilität als annualisierte Standardabweichung der Renditen angegeben (Study.com).

Als Faustregel wird die monatliche Volatilität mit der Wurzel aus 12 (etwa 3,46) multipliziert. Beträgt die monatliche Standardabweichung beispielsweise 3,41 %, ergibt sich eine annualisierte Volatilität von rund 11,8 % (Ryan O'Connell, CFA). Diese Faustregel ist allerdings eine Näherung: Sie unterstellt, dass sich Renditen über die Zeit addieren, und ignoriert den Zinseszinseffekt, der in der Realität auftritt (Ortec Finance). Für belastbare Angaben ist daher die genaue Berechnungsmethode zu dokumentieren.

Datenaufbereitung mit KI: Zusammenstellen statt bewerten

Die Berechnung selbst ist mathematisch klar. Der Aufwand liegt im Vorfeld: Kursreihen müssen beschafft, bereinigt, auf ein gemeinsames Zeitfenster gebracht und über Instrumente hinweg vergleichbar gemacht werden. Genau hier setzt die Aufbereitung durch KI an. Ein AI-Mitarbeiter kann Zeitreihen aus verschiedenen Quellen sammeln, Lücken und Ausreißer markieren und die Volatilität nach den vorgegebenen Fenstern und Methoden einheitlich zusammenstellen. Das Prinzip bei scoreprise.AI ist dabei klar: Die KI stellt Informationen zusammen und bereitet sie auf, die Bewertung und jede Anlageentscheidung trifft der Berater oder das Institut.

Konkret lässt sich die Volatilität in das laufende Portfolio-Monitoring einbinden, zusammen mit verwandten Kennzahlen wie dem Tracking Error, der die Abweichung gegenüber einem Vergleichsindex beschreibt. Für die Einordnung gegenüber einer Benchmark oder bei der Performance-Attribution ist eine konsistente, nachvollziehbar berechnete Volatilität die Voraussetzung. Mehr zum grundsätzlichen Ansatz, Research aufzubereiten statt Empfehlungen zu erzeugen, steht unter KI im Investment-Research.

Der Nutzen liegt in Konsistenz und Nachvollziehbarkeit: Dieselbe Methode, dasselbe Zeitfenster, dieselbe Datenquelle, dokumentiert für jede Kennzahl. So bleibt überprüfbar, wie eine Zahl zustande kam, und die fachliche Deutung bleibt beim Menschen.

Häufige Fragen

Was bedeutet eine hohe Volatilität für ein Wertpapier?

Eine hohe Volatilität bedeutet, dass die Renditen stark um ihren Mittelwert schwanken, also große Ausschläge nach oben und unten auftreten. Sie wird als Risikomaß verwendet (Study.com). Sie sagt jedoch nichts über die Richtung aus: Eine hohe Volatilität kann sowohl mit steigenden als auch mit fallenden Kursen einhergehen.

Was ist der Unterschied zwischen historischer und impliziter Volatilität?

Die historische Volatilität misst tatsächlich eingetretene Schwankungen in der Vergangenheit, etwa über 30 Tage oder ein Jahr (DeltaValue). Die implizite Volatilität wird dagegen aus Optionspreisen abgeleitet und spiegelt die vom Markt erwartete künftige Schwankung wider (Trading für Anfänger). Die eine blickt zurück, die andere nach vorn.

Warum wird Volatilität auf ein Jahr annualisiert?

Die Annualisierung macht Volatilitätswerte über unterschiedliche Messzeiträume vergleichbar, indem sie als jährliche Standardabweichung ausgedrückt werden (Study.com). Die gängige Faustregel multipliziert die monatliche Volatilität mit der Wurzel aus 12, ist aber eine Näherung, die den Zinseszinseffekt vernachlässigt (Ortec Finance).

Welche Rolle spielt KI bei der Volatilität?

KI übernimmt die Aufbereitung: Kursreihen sammeln, bereinigen, auf einheitliche Zeitfenster bringen und die Kennzahl nach festen Methoden berechnen. Die Bewertung der Ergebnisse und jede Anlageentscheidung bleibt beim Institut oder Berater. Mehr dazu unter Portfolio-Monitoring mit KI.

Ist eine niedrige Volatilität immer besser?

Nein. Eine niedrige Volatilität bedeutet lediglich geringere Schwankungen, nicht automatisch eine bessere Anlage. Ob eine bestimmte Schwankungsbreite passt, hängt von den Zielen und Vorgaben ab, etwa einer Anlagerichtlinie. Diese Einordnung ist eine fachliche Entscheidung und wird nicht von der KI getroffen.