Das Konzentrationsrisiko eines Portfolios messen

Positionen zu zählen heißt nicht, Diversifikation zu messen. Ein Portfolio kann dreißig Aktien halten und sich verhalten, als wären es vier. Dieser Ratgeber behandelt die drei Kennzahlen, die Konzentration tatsächlich beschreiben — maximales Positionsgewicht, Herfindahl-Hirschman-Index und effektive Anzahl der Positionen —, wie man sie berechnet und wo jede einzelne in die Irre führt.

Warum Zählen nicht funktioniert

Die Intuition, dass mehr Positionen weniger Risiko bedeuten, ist ungefähr richtig und exakt nutzlos. Nehmen wir zwei Portfolios mit je zehn Aktien. Das erste verteilt das Kapital gleichmäßig, zehn Prozent je Titel. Das zweite hält sechzig Prozent in einem einzigen Namen und verteilt die verbleibenden vierzig Prozent auf neun weitere.

Beide kommen auf zehn Positionen. Das erste ist wirklich diversifiziert, das zweite ist eine Wette auf ein Unternehmen mit etwas Dekoration drumherum. Jede Kennzahl, die für beide dieselbe Antwort liefert, misst nicht das, worauf es ankommt.

Was Sie eigentlich wissen wollen, ist: wie stark das Ergebnis des Portfolios von wie wenigen Entscheidungen abhängt. Und dafür braucht es Gewichtung.

Maximales Positionsgewicht

Die einfachste brauchbare Kennzahl: welcher Anteil des Gesamtwerts in der größten Einzelposition steckt.

Diese Zahl sollte man zuerst prüfen, weil sie den gefährlichsten Fehlerfall sofort sichtbar macht. Wenn eine Position fünfundvierzig Prozent des Portfolios ausmacht, spielt der Rest der Analyse kaum eine Rolle — dieser eine Titel dominiert Rendite, Drawdowns und Volatilität, egal wie elegant die übrige Allokation aussieht.

Ihre Schwäche: Sie sieht nur eine Position. Ein Portfolio mit fünf Titeln zu je zwanzig Prozent hat ein Maximalgewicht von zwanzig Prozent, was vernünftig klingt — und ist dennoch weit konzentrierter, als die Zahl vermuten lässt. Dafür braucht es ein Maß, das die gesamte Verteilung berücksichtigt.

Der Herfindahl-Hirschman-Index

Der HHI stammt aus der Wettbewerbsökonomie, wo Kartellbehörden damit messen, wie stark eine Branche unter ihren Wettbewerbern konzentriert ist. Dieselbe Mathematik lässt sich sauber auf ein Portfolio übertragen: jedes Gewicht quadrieren und die Quadrate summieren.

Das Quadrieren ist der entscheidende Kniff. Es bestraft große Gewichte überproportional — eine Position mit vierzig Prozent steuert 0.16 zur Summe bei, während vier Positionen zu je zehn Prozent zusammen nur 0.04 beitragen, obwohl sie dasselbe Kapital repräsentieren. Kleine Positionen werden nahezu unsichtbar, und das ist richtig so, denn genau das sind sie.

Der Index ist auf nützliche Weise begrenzt:

Das Muster ist erkennbar: Für N gleich gewichtete Positionen entspricht der HHI genau 1/N. Diese Beziehung macht die nächste Kennzahl überhaupt erst möglich.

Effektive Anzahl der Positionen

Der HHI ist mathematisch sauber, aber schwer zu greifen. Ein HHI von 0,3877 sagt intuitiv nichts. Kehrt man ihn um, wird die Bedeutung sofort klar.

Damit ist eine wirklich nützliche Frage beantwortet: Wie viele gleich gewichtete Positionen würden dieselbe Konzentration erzeugen wie das, was Sie tatsächlich halten? Ein Portfolio aus dreißig Titeln mit einer effektiven Anzahl von sechs sagt unmissverständlich, dass es sich wie ein Sechs-Aktien-Portfolio verhält. Die übrigen vierundzwanzig sind Rauschen.

Ein Rechenbeispiel

Nehmen wir ein Technologieportfolio mit drei Positionen:

Der HHI beträgt 0,3877, die effektive Anzahl der Positionen also 1 / 0.3877 = 2.58. Das Portfolio hält drei Titel, verhält sich aber wie zweieinhalb — NVDA trägt mit unter fünfzehn Prozent nur sehr wenig zum Gesamtrisikoprofil bei.

Das maximale Positionsgewicht liegt bei 45,45 Prozent, was für sich genommen bereits eine Warnung ist. Zusammen erzählen die beiden Zahlen eine stimmige Geschichte: Das ist eine konzentrierte Wette, und NVDA hinzuzunehmen hat daran nichts Wesentliches geändert.

Die Konzentration, die diese Kennzahlen übersehen

Und hier die Falle. Alle bisherigen Kennzahlen behandeln Positionen als unabhängig. Das sind sie nicht.

Das Portfolio im Beispiel besteht zu hundert Prozent aus Technologie. Selbst wenn Sie es auf drei exakt gleiche Positionen umschichten würden — die effektive Anzahl auf gesunde 3,0 heben und das Maximalgewicht auf 33 Prozent senken —, bliebe es eine einzige undiversifizierte Wette auf das Schicksal einer Branche. Die Kennzahlen auf Positionsebene würden sich verbessern, während sich das tatsächliche Risiko kaum bewegt.

Eine ernsthafte Konzentrationsanalyse muss deshalb mindestens drei Ebenen tief blicken:

• Positionsebene — Maximalgewicht, HHI, effektive Positionen
• Sektorebene — dieselben Berechnungen, angewandt auf Sektorgruppen statt auf einzelne Titel
• Faktorebene — ob Positionen dieselben zugrunde liegenden Treiber teilen, etwa Zinssensitivität, Momentum oder eine einzelne Währung

Auf der dritten Ebene bricht die meiste Analyse ab, und genau dort lauern die echten Überraschungen. Zwei Aktien aus verschiedenen Sektoren können weit stärker korreliert sein als zwei aus demselben Sektor, wenn sie auf denselben Makrofaktor reagieren. Ein Portfolio kann über alle Sektoren hinweg diversifiziert aussehen und trotzdem eine gehebelte Wette auf fallende Zinsen sein.

Berechnung per API

Diese Rechnungen sind einfach genug, um sie selbst zu implementieren — der HHI sind drei Zeilen Code. Wirklich schwierig ist alles, was danach kommt: Ticker auf Sektoren und Faktorexpositionen abzubilden, diese Referenzdaten über alle Märkte hinweg aktuell zu halten und die Zahlen in ein Urteil zu übersetzen.

Die PORTIQA-API liefert alle drei Konzentrationskennzahlen zusammen mit Sektor- und Faktoranalyse in einer einzigen Anfrage:

curl -X POST https://portiqa.ai/evaluate \
  -H "Authorization: Bearer $PORTIQA_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "risk_level": "medium",
    "positions": [
      { "ticker": "AAPL", "market_value": 25000 },
      { "ticker": "MSFT", "market_value": 22000 },
      { "ticker": "NVDA", "market_value":  8000 }
    ]
  }'

Die relevanten Felder der Antwort:

{
  "score": 45.9,
  "status": "Neutral",
  "max_position_weight": 45.45,
  "max_position_ticker": "AAPL",
  "effective_positions": 2.58,
  "top_sector": "Technology",
  "top_sector_weight": 100,
  "score_components": {
    "diversification": 34.5,
    "risk": 99.2,
    "quality": 72.1
  }
}

Beachten Sie den Widerspruch zwischen zwei Komponenten, denn er ist lehrreich. Die Komponente risk erreicht 99,2 — es handelt sich um große, stabile Qualitätsunternehmen mit geringer Einzelvolatilität. Die Komponente diversification erreicht 34,5, weil sich all diese Qualität in einem einzigen Sektor ballt. Ein einzelner Mischwert hätte diese Spannung verdeckt; getrennte Komponenten zeigen genau, welches Problem zu lösen ist.

Die vollständige Felddokumentation steht in der API-Referenz, Implementierungsbeispiele für Python, JavaScript und PHP finden sich in den Code-Beispielen.