Skip to main content
Trading15 min read

Portfolio-Risiko-Mathematik erklärt: VaR, CVaR und warum die Kovarianzschätzung wichtig ist

Die Mathematik hinter RiskRadar – Value at Risk, Conditional VaR, Ledoit-Wolf-Schätzung und Monte-Carlo-Simulation, erklärt für Ingenieure, die keine Quants sind.

Part ofFintech & Trading Systems->
By Jason TeixeiraMarch 22, 2026
PythonRisk ManagementTradingMathematicsPortfolioscipy
Share:
On this page

Als ich RiskRadar entwickelte, musste ich institutionelle Risikoberechnungen implementieren. Die meisten Tutorials zum Risikomanagement vereinfachen entweder zu sehr („Berechne einfach die Standardabweichung“) oder setzen Mathematik auf PhD-Niveau voraus.

Hier ist der Mittelweg – die Mathematik, die Sie tatsächlich für die Berechnung von Portfolio-Risiken benötigen, erklärt für Ingenieure.

Value at Risk (VaR): Was ist das Schlimmste, was passieren könnte?

VaR beantwortet die Frage: „Was ist der maximale Verlust, den ich an einem Tag mit 95%iger Konfidenz erleiden könnte?“

Wenn Ihr 1-Tages-95%-VaR 10.000 $ beträgt, bedeutet das: An 95% der Tage werden Ihre Verluste 10.000 $ nicht überschreiten. An den anderen 5% der Tage... könnten sie es.

Drei Methoden zur Berechnung des VaR:

Historischer VaR (am einfachsten)

Sortieren Sie Ihre historischen Tagesrenditen. Das 5. Perzentil ist Ihr 95%-VaR.

Reader route

article -> proof -> offer

ReadClusterProofScope

cluster

Fintech & Trading Systems

intent

Trading

route

next step

What to do with this

Turn the note into a build path.

If this topic maps to a real business problem, keep reading the cluster, study the academy path, or route the work into a scoped engagement.

Jason Teixeira
Written by
Jason Teixeira
Founder, Sage Ideas Studio · Principal Engineer
livebuild 81e8c8e2026-07-28 06:02Z
// solo studio// no analytics resold// every commit human-reviewed