Verlust-Gewinn-Asymmetrie: Die Mathematik, die dein Depot zerstört

Warum ein Verlust von 50% ein Wachstum von 100% zur Erholung erfordert, wie Volatility Drag Kapital selbst in Seitwärtsmärkten vernichtet, und welche Formeln jeder Algo-Trader für den Aufbau von Risikomanagement kennen muss.

Das Rätsel, das die Intuition bricht

Stell dir vor: Ein Asset stieg um 70%, fiel dann um 70%. Oder umgekehrt — erst fiel es, dann stieg es. Welches Szenario ist profitabler?

Die Antwort: Beide sind gleich unprofitabel. Multiplikation ist kommutativ:

$100 \times 1.7 \times 0.3 = 100 \times 0.3 \times 1.7 = 51$

Du hast 49% deines Kapitals verloren bei "null" Preisbewegung. Das ist kein Bug — es ist eine fundamentale Eigenschaft der multiplikativen Natur von Renditen.

Warum Verluste "schwerer" wiegen als Gewinne

Prozentuale Rendite ist eine Operation im multiplikativen Raum. Einen Verlust von 50% zu erleiden bedeutet, mit 0,5 zu multiplizieren, und um zum Ausgangspunkt zurückzukehren, musst du mit 2 multiplizieren — also 100% verdienen.

Die Erholungsformel

Wenn du $x\%$ deines Kapitals verloren hast, ist die erforderliche Rendite, um zum ursprünglichen Kontostand zurückzukehren:

$R_{recovery} = \frac{x}{100 - x} \times 100\%$

Die Herleitung ist elementar. Sei $C$ das Anfangskapital. Nach einem Verlust von $x\%$:

$C_{after} = C \cdot \left(1 - \frac{x}{100}\right)$

Um sich zu erholen, muss gelten $C_{after} \cdot (1 + R) = C$, daher:

$R = \frac{C}{C_{after}} - 1 = \frac{1}{1 - x/100} - 1 = \frac{x}{100 - x}$

Asymmetrie-Tabelle

Der Asymmetrie-Koeffizient wächst nicht-linear. Nach einem Verlust von 50% betrittst du eine Zone, aus der es statistisch fast unmöglich ist zu entkommen, ohne die Strategie zu ändern.

Volatility Drag: Der stille Killer in Seitwärtsmärkten

Selbst wenn der Markt "stillsteht", zerstört Volatilität allein Kapital. Dieses Phänomen wird Volatility Drag (oder Variance Drain) genannt.

Formale Definition

Für eine Folge täglicher Renditen $r_1, r_2, \ldots, r_n$ ist die geometrische (reale) Rendite:

$G = \prod_{i=1}^{n}(1 + r_i) - 1$

Die arithmetische (durchschnittliche) Rendite ist:

$\bar{r} = \frac{1}{n}\sum_{i=1}^{n} r_i$

Die Beziehung zwischen ihnen ist näherungsweise:

$G \approx \bar{r} - \frac{\sigma^2}{2}$

wobei $\sigma^2$ die Varianz der Renditen ist. Der Term $\frac{\sigma^2}{2}$ ist der Volatility Drag.

Beispiel: Seitwärtsmarkt mit 5% täglicher Volatilität

Angenommen, ein Asset steigt oder fällt zufällig jeden Tag um 5% mit gleicher Wahrscheinlichkeit. Arithmetisches Mittel = 0%. Aber die geometrische Rendite:

$G \approx 0 - \frac{0.05^2}{2} = -0.125\%$

Über 252 Handelstage: $(1 - 0.00125)^{252} \approx 0.729$, das bedeutet -27,1% jährlich bei "null" durchschnittlicher Bewegung.

Für den Kryptomarkt mit typischer täglicher Volatilität von 3–8% bedeutet dies, dass das Halten eines volatilen Assets ohne gerichteten Trend einen Kapitalverlust garantiert.

Praktische Anwendung: Python-Simulation

import numpy as np

def simulate_volatility_drag(daily_vol: float, days: int = 252, simulations: int = 10_000) -> dict:
    """
    Monte Carlo simulation of volatility drag.

    Args:
        daily_vol: daily volatility (0.05 = 5%)
        days: number of trading days
        simulations: number of simulations

    Returns:
        Statistics of real (geometric) returns
    """
    daily_returns = np.random.normal(0, daily_vol, (simulations, days))

    cumulative = np.prod(1 + daily_returns, axis=1)
    geo_returns = cumulative - 1

    theoretical_drag = -0.5 * daily_vol**2 * days

    return {
        "mean_geometric_return": np.mean(geo_returns),
        "median_geometric_return": np.median(geo_returns),
        "theoretical_drag": theoretical_drag,
        "prob_loss": np.mean(geo_returns < 0),
        "worst_5pct": np.percentile(geo_returns, 5),
        "best_5pct": np.percentile(geo_returns, 95),
    }

result = simulate_volatility_drag(daily_vol=0.04)
print(f"Mean geometric return:  {result['mean_geometric_return']:.2%}")
print(f"Theoretical drag:       {result['theoretical_drag']:.2%}")
print(f"Probability of loss:    {result['prob_loss']:.2%}")
print(f"Worst 5%:               {result['worst_5pct']:.2%}")

Typische Ausgabe für BTC-ähnliche Volatilität:

Mean geometric return:  -17.34%
Theoretical drag:       -20.16%
Probability of loss:     63.28%
Worst 5%:               -72.41%

Implikationen für den Algo-Trading

1. Risk/Reward und das Kelly-Kriterium

Mit dem Wissen um die Verlustasymmetrie wird die optimale Positionsgröße über das Kelly-Kriterium berechnet:

$f^* = \frac{p \cdot W - (1 - p) \cdot L}{W \cdot L}$

wobei $p$ die Gewinnwahrscheinlichkeit ist, $W$ der durchschnittliche Gewinn und $L$ der durchschnittliche Verlust (als Anteil des Einsatzes).

Für praktische Trading-Anwendungen wird fraktionales Kelly ($f^{*}/2$ oder $f^{*}/3$) verwendet, das die Volatilität des Eigenkapitals reduziert bei nur geringer Reduktion der langfristigen Rendite.

2. Maximaler Drawdown und Positionsgröße

Wenn eine Strategie einen maximalen Drawdown von $D_{max}$ erlaubt und der Stop-Loss bei $S\%$ liegt, ist die maximale Anzahl aufeinanderfolgender Stopps vor einem kritischen Drawdown:

$n = \frac{\ln(1 - D_{max})}{\ln(1 - S)}$

Beispiel: bei $D_{max} = 20\%$ und einem $2\%$-Stop-Loss:

$n = \frac{\ln(0.8)}{\ln(0.98)} = \frac{-0.2231}{-0.0202} \approx 11$

Die Strategie kann 11 aufeinanderfolgende Stopps überstehen. Bei bekannter Gewinnrate können wir die Wahrscheinlichkeit einer solchen Serie schätzen:

$P(n\ \text{stops}) = (1 - WR)^n$

Bei einer Gewinnrate von 45%: $P = 0.55^{11} \approx 0.14\%$ — ein akzeptables Risiko.

3. Geometrische Erwartung einer Strategie

Die reale langfristige Rendite einer Strategie ist nicht das arithmetische Mittel der Trades, sondern die geometrische Erwartung:

$E_{geo} = (1 + W)^p \times (1 - L)^{(1-p)} - 1$

Strategie mit $W = 3\%$, $L = 1\%$, $WR = 40\%$:

$E_{geo} = 1.03^{0.4} \times 0.99^{0.6} - 1 = 1.01194 \times 0.99401 - 1 = +0.59\%$

Strategie mit $W = 3\%$, $L = 3\%$, $WR = 50\%$ (scheinbar "kostendeckend"):

$E_{geo} = 1.03^{0.5} \times 0.97^{0.5} - 1 = 1.01489 \times 0.98489 - 1 = -0.045\%$

Eine symmetrische R:R-Strategie mit 50% Gewinnrate ist wegen Volatility Drag unprofitabel.

4. Hebel: Wenn der Hebel die Strategie bricht

Hebel multipliziert nicht nur Renditen, sondern auch den Volatility Drag. Ohne Hebel entspricht der Drag $\frac{\sigma^2}{2}$; mit Hebel $L$ wird er zu $\frac{L^2 \sigma^2}{2}$. Die geometrische Wachstumsrate des Kapitals unter Hebel:

$g(L) = L \cdot \mu - \frac{L^2 \sigma^2}{2}$

wobei $\mu$ die erwartete Rendite und $\sigma$ die Volatilität des Assets ist.

Ein Hebel von 3× erhöht den Drag um das 9-fache, nicht das 3-fache. Ein Hebel von 10× — um das 100-fache. Ein Hebel von 100× — um das 10.000-fache.

Optimaler Kelly-Hebel

Das Maximum von $g(L)$ wird erreicht bei:

$L^* = \frac{\mu}{\sigma^2}$

Das ist das theoretische Optimum. In der Praxis wird fraktionaler Kelly ($L^*/2$ oder $L^*/3$) aus denselben Gründen wie bei der Positionsgröße verwendet: ungenaue Schätzung von $\mu$, Fat-Tail-Verteilungen und nicht-stationäre Volatilität.

Tabelle: Hebel, Liquidation und Volatility Drag

Maximaler Hebel aus Ziel-Drawdown

Wenn du den maximalen Drawdown auf $D_{max}$ begrenzt und der tägliche VaR des Assets bei einem Konfidenzniveau von 99% $V$ beträgt:

$L_{max} = \frac{D_{max}}{V}$

Fazit aus der Tabelle: Für den Kryptomarkt mit seiner Volatilität ist selbst 3× bereits aggressiver Hebel. Der beliebte 50×–125× auf Krypto-Börsen ist eine mathematisch garantierte Liquidation bei der ersten normalen Marktbewegung.

Praktische Formel zur Hebelwahl

Der robuste Ansatz besteht darin, das Minimum mehrerer Schätzungen zu nehmen:

$L_{opt} = \min\left(\frac{L_{Kelly}}{2},\quad \frac{D_{max}}{VaR},\quad \frac{\sigma_{target}}{\sigma_{current}},\quad L_{exchange}\right)$

wobei:

• $\frac{L_{Kelly}}{2}$ — fraktionales Kelly (die Hälfte des optimalen Hebels)
• $\frac{D_{max}}{VaR}$ — Beschränkung durch maximalen Drawdown
• $\frac{\sigma_{target}}{\sigma_{current}}$ — Vol-Targeting (Skalierung auf Zielportfoliovolatilität)
• $L_{exchange}$ — Börsenlimit

Das Minimum stellt sicher, dass keine der Beschränkungen verletzt wird. In der Praxis ist die Drawdown-Beschränkung meist die restriktivste.

Interaktiver Rechner: probiere den Optimal Leverage Calculator aus — gib deine Strategieparameter ein und erhalte den optimalen Hebel über alle vier Methoden hinweg mit Visualisierung.

Schlussfolgerungen für den Aufbau von Handelssystemen

Verlustmanagement ist mathematisch wichtiger als das Finden profitabler Einstiege. Das ist kein Motivationsspruch — es ist eine Konsequenz der Asymmetrie multiplikativer Renditen.

Konkrete Regeln:

1. Stop-Losses sind Pflicht. Jedes Prozent Verlust erschwert die Erholung exponentiell. Ein Drawdown über 25% (erfordert +33%) ist die rote Zone.

2. Minimales R:R = 1:2. Bei symmetrischem R:R ist selbst eine Gewinnrate von 50% unprofitabel. Nur ein asymmetrisches R:R zugunsten der Gewinne kompensiert den Volatility Drag.

3. Fraktionales Kelly zur Positionsgrößenbestimmung. Volles Kelly ist theoretisch optimal, aber in der Praxis liefert $f^{*}/2$ 75% der Rendite bei 50% der Eigenkapitalvolatilität.

4. Volatilität ist dein Feind ohne Edge. In einem Seitwärtsmarkt bei hochvolatilen Assets erzeugt bloßes Halten einer Position bereits einen Verlust. Wenn du keinen statistischen Edge hast — handle nicht.

5. Berechne geometrische, nicht arithmetische Erwartung. Ein Backtest, der durchschnittlichen Gewinn pro Trade zeigt, lügt — die reale Rendite ist immer niedriger um $\frac{\sigma^2}{2}$.

6. Hebel aus Formeln, nicht aus Gier. Verwende die Formel $L_{max} = D_{max} / VaR$, um den maximalen Hebel zu berechnen. Für Krypto mit einem täglichen VaR von 8% und einem Ziel-Drawdown von 20% ergibt das 2,5× — nicht 50× und nicht 125×.

Fazit: Richtig rechnen — länger überleben

Das Verständnis der multiplikativen Natur von Renditen ist keine akademische Übung. Es ist das Fundament, auf dem jedes lebensfähige Handelssystem aufgebaut wird.

Die meisten Trader verlieren gegen den Markt nicht, weil ihnen "Intuition" oder Insiderwissen fehlt — sie verlieren, weil sie Entscheidungen im additiven Raum (arithmetisches Mittel) treffen, während der Markt im multiplikativen Raum (geometrisches Mittel) operiert.

Drei Fragen, die man sich vor jedem Trade stellen sollte:

1. Wenn der Stop auslöst — kann ich mich erholen? Die Formel $R_{recovery} = \frac{x}{100-x}$ gibt sofort die Antwort. Wenn das Risiko pro Trade 10% übersteigt, beginnt die Erholung, unverhältnismäßigen Aufwand zu erfordern.

2. Habe ich einen statistischen Edge? Wenn nicht — handle nicht. Volatilität allein garantiert einen Verlust durch Volatility Drag. Das Fehlen eines Edge unter Volatilität ist eine langsame, aber unausweichliche Zerstörung von Kapital.

3. Was ist die geometrische Erwartung meiner Strategie? Nicht der durchschnittliche Gewinn pro Trade, nicht die Gewinnrate in Prozent — sondern genau $E_{geo}$. Das ist die einzige Kennzahl, die die reale langfristige Effektivität zeigt.

Algo-Trading beginnt nicht mit dem Schreiben von Code, sondern mit Mathematik. Code ist lediglich das Implementierungswerkzeug für eine Strategie, die bereits mathematisch verifiziert wurde. Ohne diese Verifikation wird selbst ein perfekt geschriebener Algorithmus dein Depot systematisch reduzieren.

Der Markt bestraft keine Fehler — er verteilt Kapital lediglich um, von denen, die falsch rechnen, zu denen, die richtig rechnen.

Nächstes Thema: Portfolio-Optimierung mit Mean-Variance-Methoden — wann Diversifikation funktioniert und wann sie zu einer Illusion von Sicherheit wird.

Zitation

@article{soloviov2026lossprofitasymmetry,
  author = {Soloviov, Eugen},
  title = {Loss-Profit Asymmetry: The Math That Kills Your Deposit},
  year = {2026},
  url = {https://marketmaker.cc/en/blog/post/loss-profit-asymmetry},
  version = {0.1.0},
  description = {Why losing 50% requires 100% growth to recover, how volatility drag destroys capital even in sideways markets, and which formulas every algo trader must know for risk management.}
}