Stand: Oktober 2026. Zwei Aktien können aus völlig unterschiedlichen Branchen stammen und trotzdem genau dann gemeinsam fallen, wenn es darauf ankommt. Umgekehrt können zwei Anlagen, die auf den ersten Blick ähnlich wirken, in bestimmten Marktphasen überraschend unterschiedliche Wege gehen. Genau diese Beziehung versucht die Korrelation im Portfolio zu beschreiben.
Die Kennzahl ist nützlich, weil Diversifikation nicht davon abhängt, wie viele Namen im Depot stehen, sondern davon, wie sich ihre Renditen zueinander verhalten. Sie ist gefährlich, wenn sie wie eine feste Eigenschaft behandelt wird. Eine historische Korrelation ist kein Versprechen für die nächste Krise.
Dieser Artikel erklärt deshalb nicht nur die Formel. Er zeigt, wie sich Korrelation praktisch auf Portfoliorisiko auswirkt, warum sie sich in Stressphasen verändern kann und wie du sie mit wirtschaftlichen Zusammenhängen verbindest. Alle Zahlenbeispiele sind hypothetische Modellrechnungen.
Die Kernidee
Korrelation misst, wie stark zwei Renditereihen gemeinsam schwanken. Sie sagt nicht, warum sie das tun, und sie garantiert nicht, dass dieses Verhalten bestehen bleibt. Gute Diversifikation verbindet deshalb Statistik mit einer Analyse der wirtschaftlichen Treiber.
Was Korrelation überhaupt misst
Die Korrelationskennzahl liegt zwischen −1 und +1. Ein Wert von +1 bedeutet, dass sich zwei Renditereihen im betrachteten Zeitraum perfekt gleichgerichtet bewegen. Bei −1 verlaufen sie perfekt entgegengesetzt. Ein Wert um 0 bedeutet, dass kein stabiler linearer Zusammenhang in den betrachteten Daten erkennbar ist.
Wichtig ist das Wort Renditereihen. Für eine Portfoliobetrachtung vergleicht man normalerweise Veränderungen und nicht einfach zwei Kursniveaus. Zwei Kurse können über Jahre beide steigen und optisch ähnlich aussehen, obwohl ihre täglichen oder monatlichen Renditen nur schwach zusammenhängen.
Das CFA Institute beschreibt Portfoliorisiko als Ergebnis aus Gewichten, Einzelvolatilitäten und Kovarianzen beziehungsweise Korrelationen der Bestandteile. Genau deshalb ist Korrelation kein akademischer Zusatz, sondern Teil der mathematischen Grundlage von Diversifikation.
Ein einfaches Zwei-Anlagen-Beispiel
Nehmen wir zwei hypothetische Anlagen A und B. Beide besitzen eine erwartete jährliche Volatilität von 20 Prozent und werden zu jeweils 50 Prozent gewichtet. Wenn ihre Korrelation +1 beträgt, liegt die Portfoliovolatilität ebenfalls bei 20 Prozent. Es gibt in diesem vereinfachten Fall keinen Diversifikationseffekt.
Sinkt die Korrelation auf 0, ergibt sich nach der Zwei-Anlagen-Varianzformel eine Portfoliovolatilität von rund 14,14 Prozent. Bei einer Korrelation von −0,5 sinkt sie auf 10 Prozent. Bei exakt −1 und identischen Volatilitäten könnte sich die Schwankung im mathematischen Modell vollständig aufheben.
20,0 %
Portfoliovolatilität
17,32 %
Portfoliovolatilität
14,14 %
Portfoliovolatilität
10,0 %
Portfoliovolatilität
Eigene Modellrechnung mit identischen Volatilitäten und 50/50-Gewichten. Keine Prognose realer Anlagen.
Dieses Beispiel zeigt, warum zwei Anlagen mit derselben erwarteten Rendite und derselben Einzelschwankung im Portfolio völlig unterschiedliche Wirkungen haben können. Der zusätzliche Nutzen entsteht aus ihrem Zusammenspiel.
Warum zwanzig Aktien trotzdem wie eine einzige Wette wirken können
Stell dir zwanzig Unternehmen vor, die alle stark von niedrigen Zinsen, hohen Immobilienpreisen und günstiger Refinanzierung abhängen. Formal besitzt du zwanzig Einzelwerte. Wirtschaftlich kann das Depot trotzdem an wenigen gemeinsamen Faktoren hängen.
Das ist derselbe Grund, aus dem unser Artikel über Klumpenrisiko im Depot nicht bei der Zahl der Wertpapiere stehen bleibt. Korrelation ist eine statistische Perspektive auf dieses Problem. Die ökonomische Perspektive fragt, welche gemeinsamen Treiber hinter der beobachteten Beziehung stehen.
FINRA weist darauf hin, dass Konzentration auch durch mehrere Anlagen entstehen kann, die denselben Markt, dieselbe Branche oder ähnliche Risikofaktoren abbilden. Unterschiedliche Namen beseitigen diese Überschneidung nicht automatisch.
Korrelation ist nicht konstant
Der vielleicht wichtigste Satz dieses Artikels lautet: Eine Korrelation gehört zu einem Datensatz und Zeitraum, nicht für immer zu einem Anlagepaar.
Aktien und Anleihen können über Jahre unterschiedliche Reaktionen auf Konjunktur- und Inflationsnachrichten zeigen. Ändert sich das dominante Marktregime, kann sich auch ihre Beziehung verändern. In einer Inflationsphase, in der steigende Renditen sowohl Anleihekurse als auch hoch bewertete Aktien belasten, kann eine zuvor niedrige oder negative Beziehung deutlich positiver werden.
Auch innerhalb des Aktienmarkts verändern sich Zusammenhänge. In ruhigen Phasen reagieren Unternehmen stärker auf individuelle Nachrichten. In einem Liquiditätsschock kann der gemeinsame Faktor „Risiko reduzieren“ plötzlich wichtiger werden als einzelne Geschäftsmodelle.
Deshalb sollte eine Korrelationsmatrix nie ohne Zeitraum, Frequenz und Datenquelle gezeigt werden. „Die Korrelation beträgt 0,23“ ist ohne diese Angaben unvollständig.
Tägliche, monatliche oder jährliche Daten?
Die gewählte Frequenz beeinflusst das Ergebnis. Tagesrenditen können kurzfristige Marktreaktionen sichtbar machen. Monatliche Daten glätten einen Teil des täglichen Rauschens, liefern aber für denselben Kalenderzeitraum deutlich weniger Beobachtungen.
Es gibt keine Frequenz, die für jede Frage richtig ist. Entscheidend ist, dass alle Reihen konsistent aufgebaut werden. Wenn eine Anlage tägliche Daten besitzt und eine andere nur Monatswerte, darf man sie nicht einfach Zeile für Zeile zusammenwerfen.
Auch Währungen spielen eine Rolle. Ein deutscher Anleger, der eine US-Aktie ungesichert in Euro misst, betrachtet wirtschaftlich Aktien- und Währungsbewegung zusammen. Dieselbe Aktie in US-Dollar kann daher eine andere Korrelation mit dem übrigen Euro-Depot zeigen.
Ein Beispiel: Warum Basiswährung die Beziehung verändern kann
Nehmen wir eine US-Anlage, deren Dollarwert in einem Monat um 5 Prozent steigt. Gleichzeitig wertet der Dollar gegenüber dem Euro um 4 Prozent ab. Für einen Euro-Anleger bleibt davon vereinfacht nur ungefähr ein Prozent Plus übrig. In einem anderen Monat können Aktien- und Währungsbewegung in dieselbe Richtung wirken.
Wer Korrelationen für ein reales Portfolio berechnet, sollte deshalb dieselbe Basiswährung verwenden, die auch für die eigene Vermögensbetrachtung relevant ist. Andernfalls misst man Beziehungen, die mit der tatsächlich erlebten Rendite nicht übereinstimmen.
Warum Korrelation von 0 keine Unabhängigkeit bedeutet
Ein Korrelationswert um 0 heißt lediglich, dass im betrachteten Datensatz kein starker linearer Zusammenhang vorliegt. Zwei Anlagen können trotzdem auf komplexere Weise voneinander abhängen.
Ein einfaches mathematisches Beispiel: Wenn eine Variable sowohl bei großen positiven als auch großen negativen Ausschlägen der anderen steigt, kann die lineare Korrelation niedrig sein, obwohl ein eindeutiger Zusammenhang existiert. In Finanzmärkten sind solche nichtlinearen Beziehungen besonders relevant bei Derivaten, Volatilitätsstrategien und Anlagen mit eingebetteten Optionen.
Für normale Privatanleger ist daraus vor allem eine Regel wichtig: Eine niedrige Korrelation ist ein Hinweis auf Diversifikation, kein Beweis für vollständige Unabhängigkeit.
Korrelation und Krisen: Der gefährlichste Zeitpunkt
Diversifikation soll besonders dann helfen, wenn Verluste groß werden. Genau dann können historische Beziehungen aber weniger stabil sein. Das ist einer der Gründe, warum unser Portfolio-Stresstest nicht nur mit einer historischen Korrelationsmatrix arbeitet, sondern bewusst gemeinsame Schocks vorgibt.
Ein Stresstest beantwortet eine andere Frage: Was passiert, wenn mehrere Anlagen gleichzeitig deutlich verlieren? Dabei muss keine historische Korrelation unterstellt werden. Die Annahmen sind sichtbar und können bewusst strenger gewählt werden als das durchschnittliche Verhalten der Vergangenheit.
Korrelation ist eine Beobachtung. Ein Stresstest ist eine Annahme. Beide Werkzeuge ergänzen sich. Die historische Matrix beschreibt das gemessene Zusammenspiel; das Szenario prüft, wie das Portfolio auf ein ausdrücklich definiertes gemeinsames Ereignis reagieren würde.
Rollierende Korrelation statt einer einzigen Zahl
Eine sinnvolle Verbesserung ist die rollierende Betrachtung. Statt eine Korrelation über zehn Jahre zu berechnen, kann man beispielsweise mehrere aufeinanderfolgende Zwölf- oder 36-Monats-Fenster untersuchen. Dadurch wird sichtbar, ob die Beziehung stabil war oder stark zwischen positiven und negativen Werten wechselte.
Ein Durchschnittswert von 0,1 kann aus einer konstant niedrigen Beziehung entstehen. Er kann aber auch das Mittel aus längeren Phasen mit +0,7 und −0,5 sein. Für die Portfolioplanung sind diese beiden Fälle nicht gleich.
Das bedeutet nicht, dass möglichst kurze Fenster besser wären. Je weniger Beobachtungen verwendet werden, desto stärker kann statistisches Rauschen dominieren. Auch hier geht es um einen Kompromiss zwischen Aktualität und Stabilität.
So berechnest du Korrelation mit ChatGPT sinnvoll
Wenn du mit ChatGPT arbeitest, solltest du keine Korrelation aus Screenshots oder aus zehn grob abgeschriebenen Kursständen ableiten lassen. Verwende möglichst saubere Renditezeitreihen mit Datum, einheitlicher Frequenz und gemeinsamer Basiswährung.
Arbeitsauftrag für eine Korrelationsanalyse
„Prüfe zunächst, ob alle Renditereihen denselben Zeitraum, dieselbe Frequenz und dieselbe Basiswährung verwenden. Entferne keine fehlenden Werte ohne Erklärung. Berechne anschließend die Pearson-Korrelationsmatrix und zusätzlich rollierende 36-Monats-Korrelationen. Nenne für jedes Paar Anzahl der gemeinsamen Beobachtungen und Zeitraum. Interpretiere niedrige Korrelation nicht als Garantie zukünftiger Diversifikation.“
Im Artikel Portfolio mit ChatGPT analysieren findest du den übergeordneten Workflow für Depotexport, Datenprüfung und Szenarien.
MEIN BUCH · WERBUNG
Diversifikation entsteht nicht durch möglichst viele Namen.
In meinem Buch Portfoliomanagement mit KI geht es darum, ein Depot als zusammenhängendes System zu betrachten – mit Gewichtungen, Risiken, Szenarien und nachvollziehbaren Analyseprozessen statt isolierter Einzelkennzahlen.
Vier typische Fehler bei Korrelationsmatrizen
1. Kursniveaus statt Renditen vergleichen
Zwei langfristig steigende Kursreihen können eine beeindruckende optische Ähnlichkeit besitzen. Für die Portfoliorisikoanalyse sind normalerweise die Renditebewegungen entscheidend. Deshalb sollte vor jeder Berechnung klar sein, welche Transformation verwendet wurde.
2. Unterschiedliche Datenzeiträume mischen
Wenn eine neue Aktie erst seit drei Jahren notiert, andere Reihen aber zehn Jahre umfassen, können Paarwerte auf unterschiedlichen Marktphasen beruhen. Die Matrix sieht einheitlich aus, obwohl ihre einzelnen Felder verschiedene Beobachtungszeiträume verwenden.
3. Fondshüllen statt wirtschaftlicher Treiber vergleichen
Zwei ETFs können unterschiedlich heißen, aber stark ähnliche Unternehmen enthalten. Umgekehrt können zwei breit gestreute Fonds verschieden auf Zinsen oder Rohstoffpreise reagieren. Die Korrelation sollte daher zusammen mit einer Durchschau der Bestände betrachtet werden.
4. Eine historische Zahl direkt in die Zukunft fortschreiben
Das ist der wichtigste Fehler. Korrelation ist eine Schätzung aus vergangenen Beobachtungen. Sie kann sich ändern, insbesondere wenn Inflation, Liquidität oder Marktstruktur wechseln.
Was eine gute Korrelationsanalyse am Ende beantworten sollte
Sie sollte nicht nur eine farbige Matrix produzieren. Sie sollte erklären, welche Positionen besonders ähnlich reagieren, ob dieses Verhalten über verschiedene Zeitfenster stabil war und welche wirtschaftlichen Gründe dafür plausibel sind.
Danach kommt die Portfolioperspektive: Sind gerade die großen Positionen eng miteinander verbunden? Ist eine geringe historische Korrelation glaubwürdig oder nur ein Produkt der gewählten Periode? Welche gemeinsame Belastung müsste zusätzlich per Szenario getestet werden?
Für die Frage nach der sinnvollen Anzahl von Direktbeteiligungen ergänzt das unseren Artikel Wie viele Aktien im Depot sind sinnvoll?. Dort wird deutlich, warum zusätzliche Titel vor allem dann helfen, wenn sie tatsächlich andere Risiken einbringen.
Häufige Fragen zur Korrelation im Portfolio
Ist eine negative Korrelation immer besser?
Nicht automatisch. Eine Anlage kann negativ korreliert sein und trotzdem schlechte erwartete Eigenschaften, hohe Kosten oder andere Risiken besitzen. Die Beziehung zum Rest des Portfolios ist nur ein Teil der Entscheidung.
Welche Korrelation gilt als niedrig?
Es gibt keine universelle Grenze, die unabhängig von Anlageklasse, Zeitraum und Frequenz sinnvoll wäre. Wichtiger ist der Vergleich mehrerer Beziehungen und ihre Stabilität über unterschiedliche Perioden.
Kann sich Korrelation in einem Crash verändern?
Ja. Marktbeziehungen können in Stressphasen deutlich anders aussehen als im langfristigen Durchschnitt. Deshalb sollte historische Korrelation durch Stresstests und wirtschaftliche Szenarien ergänzt werden.
Reicht eine Korrelationsmatrix für Diversifikation?
Nein. Gewichtungen, Liquidität, Währungsrisiken, Anlageklassen und nichtlineare Risiken gehören ebenfalls in die Analyse.
Fazit: Nicht die Farbe der Matrix, sondern die Ursache zählt
Korrelation ist eines der wichtigsten Werkzeuge im Portfoliomanagement, weil sie sichtbar macht, dass Risiko nicht nur in einzelnen Anlagen steckt, sondern in ihren Beziehungen zueinander. Schon eine einfache Zwei-Anlagen-Rechnung zeigt, wie stark diese Beziehung die Gesamtschwankung verändern kann.
Gleichzeitig ist sie kein Naturgesetz. Wer eine historische Zahl ohne Zeitfenster, Datenfrequenz und wirtschaftliche Erklärung übernimmt, erzeugt Scheingenauigkeit. Die bessere Analyse verbindet gemessene Korrelation mit Fondsüberschneidungen, gemeinsamen Geschäftsrisiken und bewusst gesetzten Krisenszenarien.
Dieser Artikel dient der allgemeinen Information und stellt keine individuelle Anlageberatung dar. Sämtliche Modellwerte sind hypothetisch.
Quellen und Methodik
- CFA Institute – Portfolio Risk and Return, Part I – Gewichte, Varianz, Kovarianz und Korrelation im Portfoliokontext.
- FINRA – Concentrate on Concentration Risk – Konzentration durch ähnliche Anlagen und Überschneidungen.
- Investor.gov – Asset Allocation and Diversification – Diversifikation und Vermögensaufteilung.
Rechenbeispiele und Interpretationen: eigene redaktionelle Modellrechnungen. Quellen zuletzt geprüft am 3. Oktober 2026.
Korrelation allein sagt nichts über die Höhe des Verlusts
Eine weitere wichtige Begrenzung wird oft übersehen: Korrelation beschreibt die Richtung und Stärke des gemeinsamen Verlaufs, nicht die absolute Höhe eines Verlusts. Zwei Anlagen können sehr hoch korreliert sein und trotzdem unterschiedlich stark schwanken. Umgekehrt kann eine schwach korrelierte Anlage allein ein großes Verlustrisiko besitzen.
Deshalb gehört die Kennzahl immer neben Positionsgewicht und Volatilität. Eine kleine, stark schwankende Position mit niedriger Korrelation kann das Gesamtrisiko anders beeinflussen als eine große, stabile Position mit höherer Korrelation. Wer nur die Korrelationsmatrix optimiert, kann das eigentliche Risikobudget des Depots verfehlen.
Für die Praxis bedeutet das: Zuerst Gewichte und Einzelrisiken prüfen, danach Beziehungen analysieren und schließlich im Stresstest untersuchen, was bei gemeinsamen extremen Bewegungen passiert. Erst diese drei Ebenen ergeben ein brauchbares Bild.
Ein letzter Plausibilitätscheck vor der Entscheidung
Bevor ich aus einer niedrigen Korrelation einen Diversifikationsvorteil ableite, würde ich drei Fragen stellen: Ist der Datensatz lang genug und sauber? Gibt es eine nachvollziehbare wirtschaftliche Ursache für die unterschiedliche Reaktion? Und würde ich auch dann noch an diese Beziehung glauben, wenn Inflation, Zinsen oder Liquidität deutlich anders wären?
Wenn eine dieser Fragen offen bleibt, ist die richtige Reaktion nicht automatisch, die Anlage zu verwerfen. Es bedeutet nur, dass der statistische Diversifikationsvorteil weniger belastbar ist und im Risikomanagement vorsichtiger behandelt werden sollte.
