← Alle Insights
11 Min. Lesezeit · Anleihen · Mai 2026

Corporate Bond Spread Trading.

Credit Spreads sind die Renditeentschädigung dafür, dass Unternehmensanleihen ausfallen können. Sie systematisch zu handeln ist anspruchsvoller als Aktien — illiquide Sekundärmärkte, fragmentierte Datenlandschaft, idiosynkratische Risiken. Doch wer es beherrscht, findet eine der konsistentesten Quellen risikoadjustierter Renditen. Hier die Praxis.

Was ist überhaupt ein Credit Spread?

Der Credit Spread einer Unternehmensanleihe ist der Renditeaufschlag gegenüber einer duration-äquivalenten Staatsanleihe. Verbreitete Maße sind:

Für systematisches Trading ist OAS in der Regel die richtige Größe — sie ist vergleichbar zwischen callable und non-callable Bonds und neutralisiert die Optionsbewertung.

Vier Stile von Spread-Trading.

1. Relative Value innerhalb eines Emittenten

Ein Emittent hat oft mehrere Anleihen mit verschiedenen Laufzeiten. Manchmal liegt eine Anleihe relativ zu ihrer eigenen Kurve „daneben". Beispiel: Eine 7-jährige Anleihe handelt 15 Basispunkte über der Interpolation von 5- und 10-jährigen. Sie kaufen die 7-jährige und verkaufen ein duration-gewichtetes Paket aus 5- und 10-jährigen.

2. Issuer vs. Issuer (Cross-Section)

Zwei vergleichbare Unternehmen (gleiche Branche, ähnliche Rating-Kategorie, ähnliche Bilanzstruktur) handeln mit unterschiedlichem Spread. Sie kaufen den günstigeren Emittenten und verkaufen den teureren. Risiko: Fundamentaldaten verschlechtern sich für den günstigeren Emittenten — Sie haben dann zurecht den schlechteren Bond gekauft.

3. CDS-Bond Basis

Der CDS-Spread auf einen Emittenten und der OAS der Anleihe sollten ökonomisch nahezu identisch sein. In der Praxis weichen sie ab. Wenn die Basis (CDS minus Bond) negativ ist (CDS billiger als Bond), kaufen Sie die Anleihe und kaufen CDS-Schutz. Sie sichern das Ausfallrisiko ab und verdienen die Basisdifferenz.

4. Index vs. Underlying

Credit-Indizes wie CDX IG oder iTraxx Europe handeln oft mit einer Basis zu den Spread-Aufschlägen der Komponenten. Wenn der Index relativ zu den Bestandteilen teuer ist, verkaufen Sie den Index und kaufen ein repräsentatives Subset der Komponenten.

Datenrealität.

Bonds handeln OTC. Es gibt keinen zentralen Tape wie bei Aktien. Stattdessen:

Wer systematisch handelt, braucht mindestens einen Pricing-Feed plus eine elektronische Ausführungsplattform. Ohne das ist man auf manuelle Broker-Quotes angewiesen — und damit nicht skalierbar.

Ein vereinfachtes Cross-Sectional-Modell.

Das folgende Beispiel zeigt das Skelett eines Cross-Sectional-Spread-Modells. Wir normalisieren OAS pro Branche und Rating-Klasse und identifizieren Ausreißer. 

import pandas as pd
import numpy as np

# Spalten: isin, issuer, sector, rating, oas, duration, market_cap, leverage
bonds = pd.read_parquet("ig_universe.parquet")

# Normalisiere OAS innerhalb (sector, rating)
def zscore_within(group):
    return (group - group.mean()) / group.std()

bonds["oas_z"] = (
    bonds.groupby(["sector", "rating"])["oas"]
    .transform(zscore_within)
)

# Filter: hohe Liquidität (issue_size >= 500M), Duration 3-7y
liquid = bonds[
    (bonds["issue_size"] >= 5e8) &
    (bonds["duration"].between(3, 7))
].copy()

# Long-Kandidaten: signifikant teurer als Peer-Group (negativer z)
# Short-Kandidaten: signifikant günstiger (positiver z) — Vorsicht: Distress?
longs = liquid.nsmallest(20, "oas_z")
shorts = liquid.nlargest(20, "oas_z")

print(longs[["issuer", "oas", "oas_z", "leverage"]])
print(shorts[["issuer", "oas", "oas_z", "leverage"]])

Achtung: Hoher OAS ist nicht automatisch eine Kaufgelegenheit. Oft ist er ein Frühindikator für Distress — Sie kaufen eine fallende Klinge. Cross-Sectional-Modelle funktionieren nur in Kombination mit Fundamentaldatenfiltern (Leverage, Coverage, Cashflow-Trends).

CDS-Bond-Basis in der Praxis.

Die CDS-Bond-Basis ist klassischerweise negativ — das heißt, die Anleihe handelt mit höherem Spread als der CDS. Gründe:

Ein einfaches Skelett: 

def cds_bond_basis_signal(df, threshold_bps=50):
    """
    Erzeugt Long-Basis-Signale: Kaufe Bond + Kaufe CDS-Schutz,
    wenn die Basis stark negativ ist.
    """
    df = df.copy()
    df["basis"] = df["cds_spread"] - df["bond_oas"]
    df["signal"] = 0
    df.loc[df["basis"] < -threshold_bps, "signal"] = 1  # Long Basis
    df.loc[df["basis"] > threshold_bps, "signal"] = -1  # Short Basis
    return df[["issuer", "cds_spread", "bond_oas", "basis", "signal"]]

In der Praxis funktioniert die negative Basis-Trade nur, wenn Sie zu vernünftigen Repo-Sätzen finanzieren können. Für die meisten Privatinvestoren ist das nicht möglich — der Trade ist Domäne von Hedgefonds und Bank-Trading-Desks.

Risiken, die Sie unterschätzen werden.

  1. Liquiditätsrisiko: In Stress-Phasen weiten sich Bid-Ask-Spreads bei Corporate Bonds um den Faktor 5-10. Was theoretisch 30 Basispunkte Edge ist, kann real auf 15 schrumpfen.
  2. Event-Risiko: M&A, LBO, Rating-Migration. Ein einzelner Emittent kann ein gesamtes Bookjahr ruinieren.
  3. Index-Roll-Risiko: CDX-Indizes rollen halbjährlich. Wer Index-vs.-Underlying handelt, muss diese Rolls aktiv managen.
  4. Funding-Risiko: Wer geliehene Bonds short geht, kann bei Short-Squeezes oder Recall ruiniert werden.

Fazit.

Corporate Bond Spread Trading ist ein zähes, fundamental getriebenes Geschäft. Es lohnt sich, weil viele systematische Quants hier weniger aktiv sind als bei Aktien — die Marktfragmentierung schützt vor Crowded Trades. Aber es ist nicht für Anfänger: Sie brauchen erstklassige Daten, robuste Modellierung und ein ehrliches Verständnis dafür, wie schnell Liquidität verschwinden kann.

Mein Rat: Bauen Sie zuerst die Datenpipeline. Ohne saubere OAS-, CDS- und Fundamental-Daten in einem konsistenten Universum brauchen Sie über Modelle gar nicht erst nachzudenken.

Sie wollen eine Credit-Strategie systematisieren oder Ihr Bond-Risiko transparenter machen? Erstgespräch buchen — wir gehen Ihr Setup gemeinsam durch.