← Alle Insights
9 Min. Lesezeit · Portfolio · Juni 2026

Multi-Strategie-Portfolios bauen: Risk-Budgeting in der Praxis.

Eine gute Strategie ist gut. Vier gute, unkorrelierte Strategien sind großartig — wenn man sie richtig kombiniert. Wie man Kapital allokiert, Korrelationen misst und ein Portfolio baut, das mehr ist als die Summe seiner Teile.

Die einzige „Free Lunch" im Trading ist Diversifikation. Wer mehrere unkorrelierte Strategien gleichzeitig fährt, bekommt mehr Rendite pro Drawdown — also einen besseren Sharpe — ohne dass eine einzelne Strategie besser werden müsste. Aber: das funktioniert nur, wenn die Strategien wirklich unkorreliert sind und das Kapital richtig aufgeteilt ist.

Warum Multi-Strategie funktioniert.

Mathematisch sieht das so aus: zwei Strategien mit jeweils Sharpe 1,0 und Korrelation 0,3 ergeben kombiniert (mit gleicher Kapital-Aufteilung) einen Sharpe von etwa 1,24. Bei Korrelation 0 wären es Sharpe 1,41. Bei negativer Korrelation noch mehr.

Das ist nicht Magie, sondern Statistik: wenn die Verluste der einen Strategie nicht mit den Verlusten der anderen zusammenfallen, glättet sich die Equity-Kurve, und der Risiko-Adjustierte Return steigt.

Praktischer Effekt: ein Portfolio aus vier unkorrelierten Strategien mit je 15 % Max-DD hat häufig ein Portfolio-Max-DD von 8–10 %. Sie verlieren weniger Schlaf, ohne weniger zu verdienen.

Welche Strategien sind „unkorreliert"?

Die Frage ist nicht: handeln sie verschiedene Symbole? Sondern: gewinnen und verlieren sie zu unterschiedlichen Zeiten? Trendfolge auf EUR/USD und Trendfolge auf GBP/USD handeln verschiedene Symbole — aber wenn der USD Trend macht, gewinnen oder verlieren beide gleichzeitig. Effektiv eine Strategie.

Echte Unkorrelation entsteht aus unterschiedlichen Strategie-Charakteristiken:

Korrelations-Analyse — konkret.

Messen Sie die Korrelation der Strategie-Returns (nicht der gehandelten Symbole). Aus dem Backtest oder Live-Track-Record bekommen Sie für jede Strategie eine Zeitreihe täglicher Returns. Korrelations-Matrix berechnen — Python in 3 Zeilen: 

import pandas as pd

# Returns je Strategie als DataFrame
returns = pd.DataFrame({
    'fx_trend': fx_trend_returns,
    'mean_rev': mean_rev_returns,
    'options':  options_income_returns,
    'ml_equity': ml_equity_returns,
})

corr = returns.corr()
print(corr)

Was Sie sehen wollen: alle Off-Diagonal-Werte unter 0,4. Über 0,7: die beiden Strategien sind effektiv eine — kombinieren bringt nichts. Zwischen 0,4 und 0,7: graue Zone, manchmal okay, manchmal Klumpenrisiko.

Kapital-Allokation: drei Modelle.

1. Gleichgewichtung (Equal Weight)

Jeder Strategie das gleiche Kapital zuweisen. Einfach, robust, oft erstaunlich gut. Funktioniert besonders, wenn Sie die genaue Volatilität und Edge der Einzelstrategien nicht zuverlässig schätzen können.

2. Inverse Volatility

Strategien mit niedrigerer Volatilität bekommen mehr Kapital. Die Idee: jede Strategie soll gleich viel Risiko beitragen, nicht gleich viel Kapital. Konkret: 

weight_i = (1 / vol_i) / sum(1 / vol_j for j in strategies)

Das ist die häufigste Allokation in professionellen Multi-Strategie-Funds. Funktioniert gut, wenn Strategien ähnliche Sharpe-Ratios haben.

3. Risk Parity

Allokation so, dass jede Strategie den gleichen Beitrag zum Portfolio-Risiko leistet — also nicht nur Vola, sondern Korrelation berücksichtigt. Mathematisch aufwendiger (Optimierungs­problem mit Constraint), in Python mit cvxpy in 20 Zeilen umsetzbar.

Vorteil: nutzen Diversifikation maximal aus. Nachteil: braucht stabile Korrelations- und Volatilitätsschätzer, sonst „läuft" die Allokation und braucht ständiges Rebalancing.

Risk-Budget statt Lot-Größe.

Ein häufiger Fehler: jede Strategie hat ihre eigene Lot-Größen-Logik, die auf das Gesamtkonto bezogen ist. Das führt dazu, dass alle Strategien gleichzeitig große Positionen aufbauen können — und das Portfolio-Risiko unkontrolliert nach oben springt.

Lösung: Risk-Budget pro Strategie. Jede Strategie bekommt einen festen Anteil des Eigenkapitals als Risk-Budget (z. B. 25 %). Position-Sizing rechnet auf diesen Budget-Anteil, nicht auf das Gesamtkonto. 

Portfolio = 100k €
Strategie 1 (FX Trend):     25% → 25k € Risk-Budget
Strategie 2 (Mean Reversion): 25% → 25k € Risk-Budget
Strategie 3 (Options Income): 25% → 25k € Risk-Budget
Strategie 4 (ML Equity):     25% → 25k € Risk-Budget

Jede Strategie risikiert max. 1% IHRES Budgets pro Trade = 250 € pro Trade.
Max. Portfolio-Risiko bei allen offen: 4 * 250 = 1000 € = 1% Portfolio.

Re-Allokation: wann und wie.

Strategien performen über Zeit unterschiedlich. Re-Allokation hält das Portfolio im Ziel-Profil. Drei Ansätze:

Mein Standard: Threshold-Based mit 30 % Abweichungs-Schwelle. Vermeidet ständiges Drehen, reagiert aber auf größere Verschiebungen.

Was Sie nicht machen sollten.

Ein realistisches Multi-Strategie-Setup.

Für ein 250-k-€-Konto, das ich für einen Mandanten gebaut habe:

Live-Korrelationen über 2 Jahre: alle Off-Diagonal-Werte unter 0,32. Portfolio-Sharpe (annualisiert): 1,6. Portfolio-Max-DD: −12 %. Jede einzelne Strategie hatte schlechtere Werte — kombiniert ergibt sich das robuste Bild.

Sie haben eine oder mehrere Strategien und wollen ein robustes Portfolio bauen? Erstgespräch buchen — wir analysieren Ihre Korrelationen und Allokation.