Volatiliteitsdoel bij trading: positiegrootte, prognose en grenzen

Een volatiliteitsdoel beschrijft hoe sterk een positie of een ongewijzigde portefeuille volgens een bepaalde prognose zou moeten schommelen. Eerst moet de rendementsreeks vaststaan: bijvoorbeeld die van één aandeel, een future of een portefeuille met vooraf bepaalde regels. Daarna wordt de blootstelling aangepast aan de geschatte beweeglijkheid van die reeks. Het doel voorspelt niet of het rendement positief of negatief zal zijn.

Voor een vaste basisstrategie luidt de schaalfactor kₜ = doelvolatiliteit ÷ voorspelde volatiliteit. Is het geannualiseerde doel 10% en de geannualiseerde prognose 20%, dan is kₜ = 0,50. Vóór toepassing van andere limieten bedraagt de geplande blootstelling de helft van de basispositie. Bij dezelfde strategie en dezelfde risico-inschatting verandert de factor de positiegrootte; hij levert op zichzelf geen nieuw handelsidee op.

Dit is iets anders dan een koersdoel, stop-loss of vast verliesbudget. De regel verdeelt een verwacht risiconiveau over meerdere perioden, maar begrenst het verlies op één specifieke dag niet. Wie volatiliteit verwart met marktrichting of een gegarandeerd verliesbedrag, leest de regel verkeerd.

In onderzoek en praktijk worden termen als volatiliteitsbeheer en risicobeheer gebruikt voor verschillende schaalregels. Bij de intuïtieve regel voor een volatiliteitsdoel staat de voorspelde standaarddeviatie in de noemer: de blootstelling is evenredig met doelvolatiliteit gedeeld door voorspelde volatiliteit. Als de prognose bij verder gelijke aannames verdubbelt, halveert de schaalfactor, tenzij een andere regel ingrijpt.

Een bekende onderzoeksconstructie schaalt de blootstelling daarentegen evenredig met de inverse variantie die uit eerdere rendementen is geschat: gewicht ∝ 1 ÷ geschatte variantie. In hun centrale constructie gebruiken Moreira en Muir de gerealiseerde variantie uit de vorige periode; dat is niet dezelfde directe berekening als een volatiliteitsdoel. Varianties zijn het kwadraat van de standaarddeviatie, dus een verdubbeling van de volatiliteit brengt dat gewicht terug tot een kwart, niet de helft. Studies gebruiken vaak daarnaast een eigen normalisatiefactor. Die hoort bij het ontwerp van de betreffende studie; hij maakt de regel niet automatisch gelijk aan een vooraf ingesteld volatiliteitsdoel.

Dit is meer dan een verschil in naam. De regels reageren anders op dezelfde wijziging in de prognose en kunnen daardoor een andere omzet, hefboompieken en rendementsontwikkeling opleveren. Moreira en Muir onderzoeken inverse-variantieschaling van factorportefeuilles (hun studie uit 2017). Barroso en Santa-Clara bestuderen een momentumstrategie met risicosturing (hun studie uit 2015). Een uitkomst voor één strategie of steekproef geldt niet vanzelf voor een los instrument.

De prognose moet betrekking hebben op dezelfde rendementsreeks waarvan de blootstelling wordt aangepast. Wie in een future handelt, moet niet zonder uitleg de volatiliteit van een aandelenindex invullen. Bij een vastgelegde long-shortstrategie moet de schatting passen bij de rendementen en positiebeslissingen daarvan. Voor een portefeuille met meerdere activa tellen ook de covarianties mee; de afzonderlijke volatiliteiten middelen is niet voldoende.

Een voortschrijdende standaarddeviatie van dagrendementen is eenvoudig te berekenen, maar beschrijft in eerste instantie bewegingen die al zijn waargenomen. Voor toepassing is een schatting nodig die op het beslismoment beschikbaar is en voor de volgende periode bedoeld is. Een rollend venster, EWMA of GARCH kan als uitgangspunt dienen; deze methoden reageren verschillend op recente schokken en oudere gegevens. De gids over volatiliteitsclustering en GARCH bespreekt conditionele variantieprognoses. De volatiliteitskegel plaatst gerealiseerde volatiliteit in haar historische verdeling.

Ook de eenheid en horizon moeten overeenkomen. Een dagelijkse standaarddeviatie is niet rechtstreeks vergelijkbaar met een jaarlijks doel. De gebruikelijke vermenigvuldiging met √252 veronderstelt een passende dagelijkse rendementsconventie en ongeveer ongecorreleerde, voldoende stabiele rendementen. Bij autocorrelatie, sprongen of regimewisselingen kan die benadering de beweging over langere perioden verkeerd weergeven. Vergelijk geannualiseerde maten met dezelfde conventie of zet beide op dezelfde tijdschaal. Standaarddeviatie en variantie zijn ook niet uitwisselbaar: 20% volatiliteit komt overeen met 0,20² = 0,04 variantie, uitgedrukt in gekwadrateerde rendementseenheden. De uitleg over variantie en volatiliteit behandelt dat verschil.

Neem een ongewijzigde basisstrategie met een nominale blootstelling van US$100.000 en een prognose voor de geannualiseerde volatiliteit van 20%. Het gekozen doel is 10%. De verhouding is 10% ÷ 20% = 0,50, zodat de berekende blootstelling daalt naar US$50.000. Dit is rekenkundige illustratie met lineaire schaling, dezelfde portefeuille en overeenkomende eenheden en horizons. Kosten zijn nog niet verwerkt en de berekening legt de gerealiseerde volatiliteit niet vast op 10%.

Stel dat de prognose in een andere periode naar 5% daalt. Zonder beperking zou de factor 10% ÷ 5% = 2 zijn en zou de blootstelling US$200.000 bedragen. Als een hypothetische regel de factor begrenst op 1,25, is de maximaal toegestane blootstelling US$125.000. Bij een prognose van 5% komt dat onder de lineaire aanname neer op 6,25% voorspelde volatiliteit na schaling, dus onder het doel van 10%. De hefboomlimiet gaat vóór de rekenkundige doeluitkomst; het doel is dan niet bereikt.

Het voorbeeld veronderstelt dezelfde strategie en portefeuille, een passende horizon en een lineair verband tussen blootstelling en risico. Opties, prijssprongen en beperkte liquiditeit kunnen dat verband veranderen. De berekening laat alleen zien hoe geplande blootstelling verandert als de prognose verandert. Ze is exclusief kosten en voorspelt geen rendement of verlies.

Een positiebeslissing mag alleen informatie gebruiken die bekend was vóór de periode waarop de geschaalde rendementen betrekking hebben. Een nieuwe volatiliteitsschatting aan het einde van tijdstip t kan de blootstelling voor de volgende verhandelbare periode bepalen. Je mag haar niet achteraf toepassen op hetzelfde dagrendement waarmee de schatting is berekend. In een backtest moeten het tijdstip van het signaal, de order, de uitvoeringsprijs en de rendementsperiode chronologisch op elkaar aansluiten.

Ook publicatievertragingen zijn van belang. Een slotkoers kan pas na de sessie definitief zijn; een fonds- of indexwaarde verschijnt soms later. Als de live-uitvoering pas op het volgende verhandelbare moment kan reageren, moet de historische simulatie die vertraging ook bevatten. Een model dat onrealistisch snel bijstuurt, laat de positie een schok vermijden die in werkelijkheid al heeft plaatsgevonden.

Leg daarnaast de herbalanceringsfrequentie vast. Dagelijkse updates reageren sneller op gewijzigde schattingen, maar kunnen meer omzet en kosten veroorzaken. Een wekelijkse of maandelijkse planning vlakt aanpassingen af, maar laat de blootstelling langer ongewijzigd tussen meetmomenten. Dat zijn afzonderlijke keuzes: gegevensfrequentie, prognosehorizon en herbalanceringskalender mogen niet tot één getal worden samengevoegd.

Bij een portefeuille met meerdere posities wordt het totale risico niet alleen bepaald door de volatiliteit van elk onderdeel. Als de gewichten niet allemaal in dezelfde verhouding veranderen, moet de voorspelde variantie ook de covarianties meenemen: σ²ₚ = wᵀΣw, waarbij w de gewichten en Σ de voorspelde covariantiematrix aanduidt. Als één factor k een vaste portefeuille als geheel schaalt, wordt de variantie idealiter met k² en de volatiliteit met |k| vermenigvuldigd.

Die vereenvoudiging veronderstelt dat de samenstelling en onderlinge gewichten gelijk blijven en dat rendement ongeveer lineair meebeweegt met blootstelling. Als elk aandeel, elke future of strategie afzonderlijk naar zijn eigen volatiliteit wordt geschaald, veranderen de portefeuillegewichten en correlaties ook. De uiteindelijke portefeuillevolatiliteit volgt dan niet meer uit één verhouding. Gezamenlijke markt- en liquiditeitsschokken kunnen correlaties veranderen juist wanneer historische gemiddelden minder bruikbaar zijn.

Maak ook onderscheid tussen blootstelling op marktwaarde, bruto- en nettohefboom, margin en volatiliteitsrisico. Een futurespositie kan met relatief weinig initiële margin een grote nominale blootstelling opleveren. Het vrije kassaldo beperkt de positiegrootte niet automatisch tot een bepaald risiconiveau. Contractspecificaties, onderpand, dagelijkse variation margin en liquidatie door de broker vragen eigen controles; een doelvolatiliteit vervangt die controles niet. De gids over futuresposities dimensioneren behandelt waarom margin en mogelijk verlies verschillende maten zijn.

Als de prognose dicht bij nul komt, groeit doelvolatiliteit ÷ voorspelde volatiliteit sterk. Zonder bovengrens kan een rustige recente periode de schatting omlaag trekken en een uitzonderlijk grote positie opleveren. Daarom gebruiken uitvoerbare regels vaak een maximale hefboom, een minimum voor de noemer, een maximale positie of aanvullende grenzen voor concentratie en liquiditeit. Elke grens verandert de feitelijke regel en moet op dezelfde manier in de backtest worden toegepast.

Een limiet begrenst de berekende blootstelling, maar garandeert geen maximaal verlies. De markt kan met een koerssprong openen, orders kunnen deels worden uitgevoerd, spreads kunnen breder worden en marginvereisten kunnen stijgen. Bij futures, perpetuals en andere hefboomproducten tellen ook financiering, funding, leenlasten en dagelijkse kasstromen. Een volatiliteitsschatting garandeert evenmin de uitstapprijs: na een gap kan de uitvoering ver van het verwachte niveau liggen.

Frequente aanpassingen en grote veranderingen in de factor leiden tot meer omzet. Commissies, bied-laatspread, slippage, marktimpact en financiering verlagen het nettoresultaat. Als ze ontbreken in de rendementsreeks, kunnen ze ook de volatiliteitsprognose vertekenen. Een degelijke beoordeling rapporteert daarom bruto- en nettoresultaten en gebruikt aannemelijke kosten die door de tijd kunnen veranderen. Prognoses afvlakken, hysterese gebruiken of pas handelen na een minimale wijziging kan omzet verminderen, maar voegt parameters toe die je niet achteraf op hetzelfde testresultaat moet afstemmen.

Vergelijk de geschaalde positie met dezelfde ongeschaalde basisstrategie op dezelfde gegevens en met dezelfde tijdsvolgorde. Een walk-forward-evaluatie moet op elke datum alleen informatie uit het verleden gebruiken. Als vensterlengte, prognosemodel, doel, bovengrens en aanpassingsfrequentie worden gekozen op basis van de gehele geschiedenis waarop je het resultaat presenteert, weerspiegelt de uitkomst deels de zoektocht naar een gunstige variant.

Leg naast gerealiseerde geannualiseerde volatiliteit ook nettoresultaat, maximale terugval, verliezen in de linkerstaart, hefboomverdeling, omzet, financiering en gedrag in stressperioden vast. Lagere volatiliteit kan samengaan met lagere opbrengsten; een hogere Sharpe-ratio binnen één steekproef kan afhangen van de testopzet. Ook Sharpe annualiseren kan misleiden als rendementen afhankelijk zijn; de gids over seriële correlatie en Sharpe annualiseren behandelt dit. Een block bootstrap van strategierendementen kan onzekerheid in een prestatiemaatstaf onderzoeken, maar corrigeert de selectie van strategieën niet automatisch.

Onderzoek biedt geen universele garantie. Moreira en Muir rapporteren voordelen voor bepaalde inverse-variantieportefeuilles (studie uit 2017); Cederburg en coauteurs vinden in een bredere vergelijking van 103 aandelenstrategieën geen systematische verbetering van de Sharpe-ratio door de geschaalde varianten (studie uit 2020). Dat verschil onderstreept hoe belangrijk definitie, steekproef, normalisatie achteraf en uitvoering in real time zijn. Taylor laat in een theoretisch kader bovendien zien dat een optimale dynamische allocatie kan afhangen van zowel het conditionele rendement als de variantie en de risicovoorkeur (studie uit 2023). Een volatiliteitsprognose alleen is dus geen volledige portefeuilleoptimalisatie.

Een doelregel schaalt blootstelling vooraf op basis van een prognose; ze belooft niet dat de gerealiseerde volatiliteit gelijk is aan het doel. De markt kan sneller of sterker bewegen dan het model verwacht. Een onverwachte gap raakt eerst de bestaande positie; pas daarna kan een nieuwe prognose de blootstelling verlagen. Als een volatiliteitssprong samengaat met dalende prijzen, maakt de aanpassing het verlies niet ongedaan en voorkomt ze geen bepaalde terugval.

Ook rustige markten zijn niet risicoloos. Een lage recente volatiliteit kan de blootstelling verhogen vlak voordat de verdeling verandert. Een standaarddeviatie beschrijft op zichzelf geen scheefheid, spronggrootte, liquiditeitsproblemen of gezamenlijke extreme bewegingen. Twee strategieën met dezelfde geschatte volatiliteit kunnen heel verschillende verliespaden hebben. Volatility targeting is dus geen stop-loss, geen garantie tegen verlies en geen voorspelling van toekomstige rendementen.

Leg vóór gebruik het doelhorizon, de prognosemethode, het uitvoeringstijdstip, de minimumwaarde van de noemer, de hefboomlimiet, de kostenaanname en de evaluatieprocedure vast. Historische tests moeten tonen wanneer de regel blootstelling verhoogde en wanneer ze die verlaagde, niet alleen één samenvattend cijfer. De methode legt uit hoe een gedefinieerde risico-inschatting in blootstelling wordt vertaald; ze bewijst niet dat de onderliggende strategie houdbaar is en is geen persoonlijk financieel advies.