BigCapital Beta

Glossar · Wirtschaftliche Ideen

Schwarzer Schwan

Ein Schwarzer Schwan ist ein seltenes, unerwartetes Ereignis mit riesigen Folgen, das die Leute erst im Nachhinein erklären, wie ein Börsencrash oder eine Pandemie.

Auch genannt: Black-Swan-Ereignis, Tail Risk, Fat Tails, Ausreißer

Aktuelle Zahlen, jede Nacht aktualisiert

Monate seit 1926, in denen US-Aktien um 4+ Standardabweichungen fielen
5

Rückgänge von mehr als −17,0% in einem Monat. Eine Glockenkurve erwartet einen solchen Monat etwa alle 2.600 Jahre.

In einfachen Worten

Jahrhundertelang waren sich die Europäer sicher, dass alle Schwäne weiß sind: Jeder Schwan, den jemand gesehen hatte, war weiß. Dann fanden 1697 niederländische Entdecker in Australien schwarze Schwäne. Eine einzige Sichtung warf eine „Tatsache“ um, die auf Millionen Beobachtungen gebaut war. Der Autor Nassim Nicholas Taleb nutzte diese Geschichte, um einen Schwarzen Schwan zu benennen: ein seltenes Ereignis, das niemand erwartete, mit enormen Folgen, und das hinterher jeder so erklärt, als wäre es offensichtlich gewesen.

An den Märkten sind Schwarze Schwäne die Crashs und Schocks, die laut Modellen fast unmöglich waren: der Crash vom Oktober 1987, die Finanzkrise von 2008, die Marktpanik vom März 2020.

Talebs Lehre lautet nicht, sie vorherzusagen (per Definition geht das nicht), sondern auf sie vorbereitet zu sein: sich nicht auf etwas zu verlassen, das ein einziges seltenes Ereignis auslöschen könnte.

Beispiel

Monate, die „nicht passieren dürften“

Viele Finanzmodelle nehmen an, dass monatliche Renditen einer Glockenkurve folgen. Ein Jahrhundert US-Aktienkurse zeigt, wie schlecht das in den Rändern stimmt.

  1. Seit 1926 hat sich der Kurs des S&P 500 in einem durchschnittlichen Monat um +0,6% geändert, bei einer typischen Schwankung (Standardabweichung) von 4,4%.
  2. Ein Rückgang um mehr als vier Standardabweichungen, schlimmer als −17,0% in einem Monat, sollte bei einer Glockenkurve etwa einmal in 2.600 Jahren vorkommen.
  3. Tatsächlich geschah er 5 Mal in 1.210 Monaten. Der schlimmste: −26,5% im Nov 1929, dann −24,0% im Apr 1932.

Selten ist nicht dasselbe wie unmöglich. Modelle, die „einmal in tausend Jahren“ sagen, liegen bei den Rändern oft falsch.

Eine Ebene tiefer

Talebs Buch Der Schwarze Schwan erschien 2007, ein Jahr vor der Finanzkrise, die seine These zu bestätigen schien. Seine drei Merkmale eines Schwarzen Schwans: Er liegt außerhalb der normalen Erwartungen, er hat extreme Folgen, und hinterher erfinden die Leute Erklärungen, die ihn vorhersehbar aussehen lassen.

Statistiker nennen das zugrunde liegende Problem Fat Tails: In vielen Datensätzen aus der Praxis, von Aktienrenditen über Stadtgrößen bis zu Buchverkäufen, kommen extreme Werte viel öfter vor, als eine glockenförmige Normalverteilung vorhersagt. Ein Modell, das eine Glockenkurve annimmt, unterschätzt die Gefahr einer Katastrophe.

Nicht jeder Crash ist ein Schwarzer Schwan: Vor vielen wurde breit gewarnt, nur den Zeitpunkt kannte niemand. Taleb meint, die beste Verteidigung sei Robustheit: wenig Schulden, etwas Bargeld in Reserve, keine einzelne Schwachstelle.

Jeder Monat des S&P 500 seit 1926

Jeder Balken zeigt die Kursänderung des S&P 500 in einem Monat. Die meisten Monate liegen in einem ruhigen Band von wenigen Prozent; dann, alle paar Jahrzehnte, fällt ein Monat aus dem Diagramm. Die größten Sprünge nach oben gab es ebenfalls Anfang der 1930er: Wilde Monate treten gern gehäuft auf. Die Linie markiert vier Standardabweichungen unter dem durchschnittlichen Monat: −17,0%.

S&P Composite, Monatsdurchschnitt der täglichen Schlusskurse, Änderung gegenüber dem Vormonat; ohne Dividenden.
Die Zahlen hinter dem Diagramm
DatumÄnderung im Monat
Jan 19261,5%
Dez 1930−6,7%
Dez 1940−4,1%
Dez 1950−0,4%
Dez 19602,4%
Dez 19706,8%
Dez 1980−1,6%
Dez 19904,3%
Dez 2000−3,4%
Dez 20103,6%
Dez 20204,1%
Dez 2022−0,1%
Dez 20235,0%
Dez 20241,4%
Dez 20251,7%
Okt 20260,7%

Warum es wichtig ist

Die Ereignisse, die Geschichte und Märkte am stärksten prägen, sind oft die, mit denen niemand gerechnet hat: Kriege, Pandemien, Crashs, Durchbrüche.

Risikomodelle, die Fat Tails ignorieren, lassen ein Portfolio oder eine Bank viel sicherer aussehen, als sie sind. Das war ein Teil dessen, was 2008 schiefging.

Wer sich mit Ersparnissen, wenig Schulden und Diversifikation auf das Unbekannte vorbereitet, ist gewappnet, egal welcher Schock als Nächstes kommt.

Ein häufiger Irrtum

Mythos: Ein „Jahrhundertereignis“ erlebe ich in meinem Leben nicht.

Tatsächlich: Die Märkte haben mehrere davon erlebt. Seit 1926 gab es beim S&P 500 5 Monate, die eine Glockenkurve nur etwa einmal in 2.600 Jahren erwarten würde. Etiketten wie „einmal in hundert Jahren“ stammen meist aus Modellen, die die Ränder der Verteilung unterschätzen.

Häufige Fragen

Was ist ein Beispiel für einen Schwarzen Schwan?

Der Crash vom 19. Oktober 1987, als der Dow-Jones-Index an einem Tag um 22,6% fiel; die Finanzkrise 2008; der Börsencrash vom März 2020. (Taleb selbst nannte die Pandemie einen Weißen Schwan: Sie war weithin vorhergesagt worden, auch wenn die Märkte überrascht wurden.)

Wer hat die Theorie vom Schwarzen Schwan entwickelt?

Nassim Nicholas Taleb, ein ehemaliger Optionshändler, der Schriftsteller wurde, in Narren des Zufalls (2001) und Der Schwarze Schwan (2007).

Was sind Fat Tails?

Eine Verteilung hat Fat Tails, wenn extreme Ergebnisse viel öfter vorkommen, als eine normale Glockenkurve vorhersagt. Aktienrenditen sind ein klassisches Beispiel.

Mehr auf BigCapital lesen

Zu den Zahlen

  • Die Zahlen auf dieser Seite werden jede Nacht aus den Daten neu berechnet; die Quellen stehen am Ende der Seite.
  • S&P Composite price and total return since 1871, and US consumer prices: Robert J. Shiller, Online Data (shillerdata.com); total return with dividends reinvested monthly, calculated by BigCapital.
  • Die Monatsänderungen nutzen Monatsdurchschnitte der täglichen Schlusskurse des S&P 500. Sie glätten einzelne Crashtage wie den 19. Oktober 1987. Der Durchschnitt, die Standardabweichung und die Wahrscheinlichkeiten der Glockenkurve werden aus denselben Monaten seit 1926 berechnet.
  • Diese Seite erklärt einen Begriff. Sie ist keine Anlageberatung.

Sprache

EnglishBahasa IndonesiaDeutschEspañolFrançaisItalianoNederlandsPolskiPortuguêsTürkçeРусскийУкраїнська日本語한국어简体中文