15. September 2008: Als Lehman fiel, fiel auch mein Handelssystem
Ich war drei Jahre in meiner FX-Handelkarriere bei JPMorgan, als Lehman Brothers kollabierte. Mein Mean-Reversion-System hatte 18 Monate am Stück Geld gedruckt — bis zu jenem Montagmorgen. Bis mittags hatte ich sechs Monate Gewinne vernichtet. Nicht, weil die Strategie falsch war, sondern weil ich sie nie gegen eine echte Liquiditätskrise gestresst hatte.
Dieser Tag veränderte, wie ich an Stresstests für Handelsstrategien herangehe. In den nächsten 14 Jahren sollte ich die COVID-Circuit-Breaker und die über Nacht-Implosion der Silicon Valley Bank erleben. Jede Krise legte andere fatale Schwächen offen, die kein noch so normales Backtesting erfasst hätte.
Hier ist, was mir diese drei Krisen über die versteckten Schwächen in jedem Handelssystem beigebracht haben — und das Stresstest-Framework, das mich durch jede einzelne profitabel gehalten hat.
Krise #1: Der Korrelationszusammenbruch 2008, den niemand kommen sah
Mein EUR/USD Mean-Reversion-System war elegant einfach: Bewegungen jenseits von 2 Standardabweichungen ausnutzen, wenn korrelierte Paare es bestätigten. Es funktionierte brillant — bis die Korrelationen in der Lehman-Woche flächendeckend auf 1,0 gingen.
Der fatale Fehler? Mein System ging davon aus, dass historische Korrelationen unter Stress bestehen bleiben. Als jedes Währungspaar begann, im Gleichschritt zu marschieren (USD-Stärke über alle Paare), wurden meine abgesicherten Positionen zu einer Richtungs-Katastrophe.
So sah die Korrelationsmatrix aus:
- Vor der Krise: EUR/USD vs GBP/USD Korrelation = 0,72
- 15.-19. September: Korrelation = 0,94
- EUR/JPY vs USD/JPY: Von 0,45 auf 0,89
Die Lektion traf hart, als ich meine Annahmen zum Korrelationshandel analysierte. Systeme, die auf stabilen Beziehungen aufbauen, implodieren, wenn Angst alles zusammen bewegen lässt.
Was meine Karriere rettete, war die Implementierung einer dynamischen Korrelationsüberwachung. Anstatt 90-Tage-Korrelationen zu nutzen, verfolge ich nun gleichzeitig 5-Tage-, 20-Tage- und 90-Tage-Korrelationen. Wenn die Kurzfristkorrelationen über mehrere Paare hinweg über 0,85 steigen, reduziere ich die Positionsgrößen um 70%.
Krise #2: Das COVID-Liquiditätsvakuum legte meine Ausführungsannahmen offen
Schneller Vorlauf zum 12. März 2020. Ich betreibe nun eine ausgefeiltere Strategie, die Volume-Profile-Analyse und mehrere Zeitrahmen einbezieht. Das System hatte den Stresstest von 2008 überstanden. Es sollte nun einem völlig anderen Biest begegnen.
Um 9:47 Uhr morgens erreichten die S&P-Futures das Limit Down. Mein System löste ein Kaufsignal aus — ein klassisches Setup für eine überverkaufte Erholung. Das Problem? Es gab buchstäblich keine Liquidität für die Ausführung. Die Spreads bei EUR/USD gingen von 0,1 Pips auf 15 Pips. Meine "garantierten" Stop-Losses waren wertlos.
Der fatale Fehler diesmal: die Annahme einer normalen Marktmikrostruktur während extremer Volatilität. Meine Backtests nutzten Mittelkurse und ignorierten Spread-Ausweitungen, Slippage während Circuit-Breakern und komplettes Liquiditätsverschwinden.
Die Zahlen waren ernüchternd:
- Normaler EUR/USD-Spread: 0,1-0,2 Pips
- Spitzen-Spread am 12. März 2020: 25 Pips
- Slippage bei einer Standard-100k-Position: 2.500 $ vs. erwarteten 20 $
Jetzt teste ich mit sogenannten "Nuklear-Spread-Szenarien":
- Multipliziere normale Spreads in Krisenzeiten mit dem 50-fachen
- Füge allen Stop-Losses 20-50 Pip Slippage hinzu
- Gehe davon aus, dass 30% der Trades einfach nicht zu Limit-Preisen ausgeführt werden
Diese realistische Modellierung hätte gezeigt, dass mein "profitabler" COVID-Erholungstrade nach Ausführungskosten eigentlich ein garantierter Verlust war.
Krise #3: Silicon Valley Bank — Wenn Sektorkontagion alles zerbricht
Der 10. März 2023 lehrte mich die neueste Lektion. Meine Systeme hatten sich weiterentwickelt, um Korrelationszusammenbrüche und Liquiditätskrisen zu handhaben. Aber der Zusammenbruch der SVB offenbarte einen dritten fatalen Fehler: die Modellierung von Sektorkontagion.
Ich war long in Regionalbankaktien via XLF-Optionen, abgesichert mit Short-Positionen in Staatsanleihen (Wette auf weitere Zinserhöhungen). Als die SVB scheiterte, brachen Regionalbanken ein, während Staatsanleihen explodierten — ein doppelter Verlust bei einer eigentlich abgesicherten Position.
Das Entscheidende war die Geschwindigkeit der Ansteckung:
- Tag 1: SVB -60%
- Tag 2: First Republic -50%, Western Alliance -45%
- Tag 3: Gesamter KRE-Regionalbank-ETF -25%
Meine Options-Flow-Analyse hatte das ungewöhnliche Put-Kaufverhalten bei SIVB tatsächlich erfasst. Aber mein System verknüpfte die Notlage einer einzelnen Aktie nicht mit dem sektorweiten Kontagionsrisiko.
Die Lösung war die Implementierung von Kontagionsszenarien in Stresstests:
- Wenn eine Sektorkomponente >40% an einem Tag fällt, modelliere 20-30% Rückgänge im gesamten Sektor
- Gehe davon aus, dass Korrelationen innerhalb von Sektoren während Notlagen auf 0,9+ steigen
- Berücksichtige reflexive Feedback-Schleifen (Verkaufen erzeugt weiteres Verkaufen)
Das moderne Stresstest-Framework
Nachdem ich diese drei Krisen durchlebt habe, hier das umfassende Stresstest-Framework, das ich nun vierteljährlich nutze:
1. Korrelations-Stress-Szenarien
- Erzwinge alle Korrelationen auf 0,9 (alles bewegt sich zusammen)
- Erzwinge alle Korrelationen auf -0,9 (Beziehungen kehren sich um)
- Teste zufälliges Neu-Mischen der Korrelationsmatrix
2. Liquiditätsverdunstungs-Modellierung
- 50-fache Spread-Ausweitung bei allen Instrumenten
- 30-50% Positions-Slippage bei Stops
- Völlige Unfähigkeit, 1-3 Tage lang auszusteigen
3. Kontagions-Kaskaden-Tests
- Einzelwert-Implosionen, die auf Sektoren übergreifen
- Cross-Asset-Kontagion (Aktien zu Anleihen zu Währungen)
- Geografische Kontagion (USA zu Europa zu Asien)
4. Betriebsausfall-Szenarien
- Börsenausfälle (wie Nasdaq beim Facebook-IPO)
- Broker-Pleiten (erinnern Sie sich an MF Global?)
- Technologie-Stack-Ausfälle während Spitzenvolatilität
Jedes Szenario wird gegen 20-Tage-, 5-Tage- und Intraday-Krisenperioden getestet. Wenn die Strategie mit angemessenen Drawdowns nicht überlebt, wird sie nicht mit echtem Geld gehandelt.
Die unbequeme Wahrheit über Backtesting
Hier ist, was mich 14 Jahre Krisenhandel gelehrt haben: Traditionelles Backtesting ist gefährlich unvollständig. Es geht davon aus:
- Sie können zu historischen Preisen ausführen (können Sie in Krisen nicht)
- Korrelationen bleiben stabil (tun sie nicht, wenn die Angst steigt)
- Ihr Broker/Börse bleibt betriebsbereit (oft falsch)
- Stop-Losses funktionieren wie angepriesen (20-50% Slippage sind üblich)
Die Risikomanagement-Frameworks, die in Backtests kugelsicher aussehen, zerbrechen oft beim ersten Kontakt mit echten Krisenbedingungen.
Echter Stresstest bedeutet, den Zusammenbruch der Marktmikrostruktur zu modellieren, nicht nur Preisbewegungen. Es bedeutet, davon auszugehen, dass Ihre Absicherungen genau dann versagen, wenn Sie sie am dringendsten brauchen. Es bedeutet zu akzeptieren, dass Ihr maximaler Drawdown von 15% über Nacht 40% werden könnte.
Praktische Implementierungsanleitung
Beginnen Sie diese Woche mit diesen konkreten Schritten:
Schritt 1: Laden Sie Krisenperiodendaten herunter
- 15.-30. September 2008 (Lehman-Kollaps)
- 9.-23. März 2020 (COVID-Crash)
- 8.-15. März 2023 (SVB-Pleite)
- 24. August 2015 (Flash Crash)
- 6. Mai 2010 (Original Flash Crash)
Schritt 2: Modifizieren Sie Ihre Backtest-Engine
- Fügen Sie Spread-Ausweitungs-Multiplikatoren hinzu (beginnen Sie mit 10x, 25x, 50x)
- Implementieren Sie Slippage-Modelle (2%, 5%, 10% der Positionsgröße)
- Programmieren Sie Korrelations-Override-Funktionen
- Fügen Sie "Keine Ausführung"-Szenarien für Limit-Orders hinzu
Schritt 3: Laufen Sie Ihre aktuelle Strategie durch jede Krise
- Dokumentieren Sie den maximalen Drawdown mit realistischer Ausführung
- Notieren Sie, welche Annahmen zuerst brachen
- Berechnen Sie die Erholungszeit von Drawdowns
- Identifizieren Sie gemeinsame Fehlermuster
Schritt 4: Implementieren Sie Circuit Breaker
- Korrelationsbasierte Positionsgrößenreduktion
- Volatilitätsbasierte Hebel-Limits
- Sektorexposure-Obergrenzen
- Tägliche Verlustlimits, die tatsächlich greifen
Für automatisiertes Stresstesting können FibAlgos Risikoanalysetools helfen, Schwachstellenbereiche in Ihrer Strategie zu identifizieren, bevor die nächste Krise zuschlägt.
Die Krisen, die Sie noch nicht gesehen haben
Wir haben gegen vergangene Krisen gestresst, aber was ist mit zukünftigen? Hier sind Szenarien, die ich nun modelliere:
- Stablecoin-Systemausfall: Was, wenn USDT seine Bindung während einer Krise verliert?
- KI-gesteuerter Flash Crash: Algorithmen, die Kaskaden-Stops in Millisekunden auslösen
- Kryptobörsen-Insolvenz: FTX war nur der Anfang
- Start einer digitalen Zentralbankwährung: Massive FX-Regimewechsel über Nacht
- Cyberangriff auf Finanzinfrastruktur: Märkte für Tage eingefroren
Jedes erfordert andere Stresstest-Parameter. Die Stablecoin-Depeg-Szenarien, die ich modelliere, gehen von 20-40% Abschlägen und mehrtägigen Erholungsperioden aus.
Das Fazit zu krisensicherem Trading
Nachdem ich Kapital durch drei große Krisen geführt habe, sticht eine Wahrheit hervor: Die Strategie, die überlebt, ist nicht die profitabelste — sie ist die robusteste.
Jedes System, das ich seit 2008 gebaut habe, muss den Drei-Krisen-Test bestehen:
- Überlebt es Korrelationszusammenbrüche? (2008-Test)
- Bewältigt es Liquiditätsverdunstung? (COVID-Test)
- Hält es Sektorkontagion stand? (SVB-Test)
Die meisten können es nicht. Diejenigen, die es können, zeigen typischerweise 30-40% niedrigere Renditen in normalen Märkten. Das ist der Preis für das Krisenüberleben — und er ist jeden entgangenen Prozentpunkt wert, wenn der nächste schwarze Schwan landet.
Denken Sie daran: Märkte können länger irrational bleiben, als Sie solvent bleiben können. Aber mit ordentlichem Stresstesting können Sie solvent bleiben, egal was der Markt Ihnen entgegenwirft.
Die nächste Krise kommt. Das tut sie immer. Die Frage ist: Wird Ihr Handelssystem sie überleben?
