15 september 2008: Toen Lehman viel, viel mijn handelssysteem ook
Ik was drie jaar bezig in mijn FX-handelscarrière bij JPMorgan toen Lehman Brothers instortte. Mijn mean reversion-systeem had 18 maanden achter elkaar geld geprint — tot die maandagochtend. Tegen de middag had ik zes maanden winst weggevaagd. Niet omdat de strategie fout was, maar omdat ik het nooit had stressgetest tegen een echte liquiditeitscrisis.
Die dag veranderde hoe ik stress testing van handelsstrategieën benader. In de daaropvolgende 14 jaar zou ik de circuit breakers van COVID en de implosie van Silicon Valley Bank overnacht meemaken. Elke crisis legde verschillende fatale gebreken bloot die geen enkele normale backtesting zou hebben opgemerkt.
Dit is wat die drie crises me leerden over de verborgen zwaktes in elk handelssysteem — en het stress testing-framework dat me door elke crisis winstgevend heeft gehouden.
Crisis #1: De correlatie-ineenstorting van 2008 die niemand zag aankomen
Mijn EUR/USD mean reversion-systeem was elegant eenvoudig: fade bewegingen voorbij 2 standaarddeviaties wanneer gecorreleerde paren dit bevestigden. Het werkte briljant — totdat de correlaties tijdens Lehman-week allemaal naar 1.0 gingen.
Het fatale gebrek? Mijn systeem nam aan dat historische correlaties tijdens stress zouden standhouden. Toen elk valutapaar synchroon begon te bewegen (USD-sterkte over de hele linie), werden mijn afgedekte posities directionele rampen.
Zo zag de correlatiematrix eruit:
- Pre-crisis: EUR/USD vs GBP/USD correlatie = 0.72
- 15-19 september: Correlatie = 0.94
- EUR/JPY vs USD/JPY: Van 0.45 naar 0.89
De les kwam hard aan toen ik mijn aannames over correlatiehandel analyseerde. Systemen gebouwd op stabiele relaties zullen imploderen wanneer angst alles samen laat bewegen.
Wat mijn carrière redde, was het implementeren van dynamische correlatiemonitoring. In plaats van 90-daagse correlaties te gebruiken, volg ik nu tegelijkertijd 5-daagse, 20-daagse en 90-daagse correlaties. Wanneer kortetermijncorrelaties boven 0.85 uitkomen bij meerdere paren, verklein ik mijn positiegroottes met 70%.
Crisis #2: Het liquiditeitsvacuüm van COVID legde mijn uitvoeringsaannames bloot
Spoel door naar 12 maart 2020. Ik draai nu een geavanceerdere strategie die volume profile-analyse en meerdere tijdframes omvat. Het systeem had de stresstest van 2008 doorstaan. Het stond op het punt een totaal ander beest onder ogen te zien.
Om 9:47 uur 's ochtends raakten S&P futures de limit down. Mijn systeem activeerde een koopsignaal — een klassieke oversold bounce setup. Het probleem? Er was letterlijk geen liquiditeit om uit te voeren. De spreads op EUR/USD gingen van 0.1 pips naar 15 pips. Mijn "gegarandeerde" stop losses waren waardeloos.
Het fatale gebrek deze keer: aannemen dat de normale marktmicrostructuur tijdens extreme volatiliteit standhoudt. Mijn backtests gebruikten mid-prices en negeerden spreadverbreding, slippage tijdens circuit breakers en volledige liquiditeitsverdamping.
De cijfers waren ontnuchterend:
- Normale EUR/USD spread: 0.1-0.2 pips
- Piekspread op 12 maart 2020: 25 pips
- Slippage op een standaard 100k positie: $2.500 vs verwachte $20
Nu stress test ik met wat ik "nucleaire spread-scenario's" noem:
- Vermenigvuldig normale spreads met 50x tijdens crisisperiodes
- Voeg 20-50 pip slippage toe aan alle stop losses
- Ga ervan uit dat 30% van de trades simpelweg niet tegen limit prices zal uitvoeren
Deze realistische modellering zou hebben aangetoond dat mijn "winstgevende" COVID bounce-trade eigenlijk een gegarandeerd verlies was na uitvoeringskosten.
Crisis #3: Silicon Valley Bank — Wanneer sectorbesmetting alles breekt
10 maart 2023 leerde me de nieuwste les. Mijn systemen waren geëvolueerd om correlatie-ineenstortingen en liquiditeitscrises aan te kunnen. Maar de val van SVB onthulde een derde fatale fout: modellering van sectorbesmetting.
Ik was long in regionale bankaandelen via XLF-opties, afgedekt met shortposities in treasuries (inzet op doorlopende renteverhogingen). Toen SVB faalde, stortten regionale banken in terwijl treasuries omhoog schoten — een dubbel verlies op wat een afgedekte positie had moeten zijn.
De genadeslag was de snelheid van de besmetting:
- Dag 1: SVB -60%
- Dag 2: First Republic -50%, Western Alliance -45%
- Dag 3: Hele KRE regionale bank ETF -25%
Mijn options flow-analyse had de ongebruikelijke put-aankopen in SIVB eigenlijk wel opgemerkt. Maar mijn systeem verbond de nood van een enkel aandeel niet met het risico op sectorbrede besmetting.
De oplossing was het implementeren van besmettingsscenario's in stress testing:
- Als een sectorcomponent >40% daalt op een dag, modelleer dan 20-30% dalingen in de hele sector
- Ga ervan uit dat correlaties binnen sectoren tijdens stress naar 0.9+ gaan
- Reken reflexieve feedbackloops mee (verkopen leidt tot meer verkopen)
Het moderne stress testing-framework
Na het doorstaan van deze drie crises, is dit het uitgebreide stress testing-framework dat ik nu driemaandelijks gebruik:
1. Correlatie-stressscenario's
- Forceer alle correlaties naar 0.9 (alles beweegt samen)
- Forceer alle correlaties naar -0.9 (relaties keren om)
- Test willekeurige herschikking van de correlatiematrix
2. Modellering van liquiditeitsverdamping
- 50x spreadverbreding op alle instrumenten
- 30-50% positie-slippage op stops
- Volledige onmogelijkheid om uit te stappen voor 1-3 dagen
3. Besmettingscascade-testing
- Implosies van enkele namen die zich naar sectoren verspreiden
- Cross-asset besmetting (aandelen naar obligaties naar valuta's)
- Geografische besmetting (VS naar Europa naar Azië)
4. Operationele faalscenario's
- Beursstoringen (zoals Nasdaq tijdens Facebook IPO)
- Broker-faillissementen (herinner je MF Global?)
- Technologiestack-fouten tijdens piekvolatiliteit
Elk scenario wordt getest tegen 20-daagse, 5-daagse en intradag crisisperiodes. Als de strategie niet kan overleven met redelijke drawdowns, wordt er niet met echt geld gehandeld.
Het ongemakkelijke waarheid over backtesting
Dit is wat 14 jaar crisis-handel me leerde: traditionele backtesting is gevaarlijk incompleet. Het gaat ervan uit:
- Dat je tegen historische prijzen kunt uitvoeren (kan niet tijdens crises)
- Dat correlaties stabiel blijven (doen ze niet wanneer angst piekt)
- Dat je broker/beurs operationeel blijft (vaak onjuist)
- Dat stop losses werken zoals geadverteerd (20-50% slippage is gebruikelijk)
De risicomanagement-frameworks die in backtests onkwetsbaar lijken, vallen vaak uit elkaar bij het eerste contact met echte crisisomstandigheden.
Echte stress testing betekent het modelleren van de ineenstorting van de marktmicrostructuur, niet alleen prijsbewegingen. Het betekent aannemen dat je hedges precies zullen falen wanneer je ze het meest nodig hebt. Het betekent accepteren dat je maximale drawdown van 15% 's nachts 40% kan worden.
Praktische implementatiegids
Begin deze week met deze specifieke stappen:
Stap 1: Download crisisperiode-data
- 15-30 september 2008 (Lehman-instorting)
- 9-23 maart 2020 (COVID-crash)
- 8-15 maart 2023 (SVB-faillissement)
- 24 augustus 2015 (Flash crash)
- 6 mei 2010 (Originele flash crash)
Stap 2: Pas je backtest-engine aan
- Voeg spreadverbredingsmultipliers toe (begin met 10x, 25x, 50x)
- Implementeer slippage-modellen (2%, 5%, 10% van positiegrootte)
- Codeer correlatie-overschrijffuncties
- Voeg "geen uitvoering"-scenario's toe voor limit orders
Stap 3: Laat je huidige strategie door elke crisis lopen
- Documenteer maximale drawdown met realistische uitvoering
- Noteer welke aannames het eerst braken
- Bereken de hersteltijd van drawdowns
- Identificeer gemeenschappelijke faalpatronen
Stap 4: Implementeer circuit breakers
- Correlatiegebaseerde positiegroottevermindering
- Volatiliteitsgebaseerde leverage-limieten
- Sectorexposure-caps
- Dagelijkse verlieslimieten die daadwerkelijk standhouden
Voor geautomatiseerde stress testing kunnen FibAlgo's risicoanalysetools helpen kwetsbaarheidszones in je strategie te identificeren voordat de volgende crisis toeslaat.
De crises die je nog niet hebt gezien
We hebben stress getest tegen crises uit het verleden, maar hoe zit het met toekomstige? Dit zijn scenario's die ik nu modelleer:
- Systeemfalen van stablecoin: Wat als USDT zijn peg verliest tijdens een crisis?
- AI-gedreven flash crash: Algoritmes die cascade-stops in milliseconden activeren
- Insolventie van cryptocurrency-beurs: FTX was slechts het begin
- Lancering van centralebank-digitaal-geld: Enorme FX-regimewijzigingen overnacht
- Cyberaanval op financiële infrastructuur: Markten dagenlang bevroren
Elke vereist verschillende stress testing-parameters. De stablecoin depeg-scenario's die ik modelleer, gaan uit van 20-40% kortingen en meerdaagse herstelperiodes.
De bottom line over crisisbestendig handelen
Na het begeleiden van kapitaal door drie grote crises, springt één waarheid eruit: de strategie die overleeft, is niet de meest winstgevende — het is de meest robuuste.
Elk systeem dat ik sinds 2008 heb gebouwd, moet de drie-crisistest doorstaan:
- Kan het een correlatie-ineenstorting overleven? (2008-test)
- Kan het omgaan met liquiditeitsverdamping? (COVID-test)
- Kan het sectorbesmetting weerstaan? (SVB-test)
De meeste kunnen dat niet. Degene die dat wel kunnen, tonen typisch 30-40% lagere rendementen in normale markten. Dat is de prijs van crisisoverleving — en het is elke gemiste procentpunt waard wanneer de volgende zwarte zwaan landt.
Onthoud: markten kunnen langer irrationeel blijven dan jij solvabel kunt blijven. Maar met goede stress testing kun je solvabel blijven door alles wat de markt je toewerpt.
De volgende crisis komt eraan. Dat is altijd zo. De vraag is: zal jouw handelssysteem het overleven?
