Rendite und Inflation
Diese Seite erklärt, wie MonteFinance die zufälligen Marktrenditen und die Inflation modelliert.
Portfolio-Rendite
Das Zwei-Asset-Modell
Das Portfolio besteht aus zwei Asset-Klassen:
| Asset-Klasse | Typische Rendite | Typische Volatilität | Charakter |
|---|---|---|---|
| Aktien | 7% p.a. | 18% p.a. | Höhere Rendite, höheres Risiko |
| Anleihen | 3% p.a. | 5% p.a. | Niedrigere Rendite, geringeres Risiko |
Gewichtete Portfolio-Rendite
Die Portfolio-Rendite ergibt sich aus der gewichteten Summe:
\(r_t = w_A \cdot r_{A,t} + w_B \cdot r_{B,t} - f\)
| Symbol | Bedeutung |
|---|---|
| \(w_A\) | Gewichtung Aktien (z.B. 60%) |
| \(w_B\) | Gewichtung Anleihen (= 1 − \(w_A\)) |
| \(r_{A,t}\) | Aktienrendite in Periode t |
| \(r_{B,t}\) | Anleihenrendite in Periode t |
| \(f\) | Kosten (TER, Verwaltungsgebühren) |
Anlageprofile
| Profil | Aktien | Anleihen | Erwartete Rendite | Erwartete Volatilität |
|---|---|---|---|---|
| Konservativ | 30% | 70% | ~4.2% | ~7% |
| Ausgewogen | 50% | 50% | ~5.0% | ~10% |
| Wachstum | 70% | 30% | ~5.8% | ~13% |
| Aggressiv | 90% | 10% | ~6.6% | ~16% |
Rendite-Generierung
Das Lognormal-Modell
Die Renditen werden als logarithmisch normalverteilt modelliert (Geometrische Brownsche Bewegung):
\(r_{A,t} \sim \mathcal{N}\left(\mu_A - \frac{\sigma_A^2}{2}, \sigma_A^2\right)\)
\(r_{B,t} \sim \mathcal{N}\left(\mu_B - \frac{\sigma_B^2}{2}, \sigma_B^2\right)\)
Warum die Korrektur \(-\frac{\sigma^2}{2}\)?
Diese Korrektur (auch "Jensen's Inequality Adjustment" genannt) stellt sicher, dass der erwartete geometrische Mittelwert korrekt ist. Ohne diese Korrektur würde der Erwartungswert zu hoch ausfallen.
Beispiel: Verteilung der Aktienrenditen
Mit μ = 7% und σ = 18%:
Wahrscheinlichkeit
▲
│ ┌───┐
│ ┌┤ ├┐
│ ┌┤ ├┤
│ ┌┤ ├┤
│ ┌┤ ├┤
│ ┌┤ ├┤
│ ┌┤ ├┤┐
│ ┌┤ ├┤┤┐
│ ┌┤ ├┤┤┤┐
└─┴───────────┴─┴─┴─────▶ Rendite
-30% -10% 7% 25% 45%
Korrelierte Renditen (Cholesky-Zerlegung)
Das Problem
Aktien- und Anleihenrenditen sind nicht unabhängig. In Krisenzeiten fallen oft beide (positive Korrelation), in normalen Zeiten können sie sich gegenläufig verhalten.
Die Lösung: Cholesky-Zerlegung
Um korrelierte Zufallszahlen zu erzeugen, verwenden wir die Cholesky-Zerlegung:
\(\begin{pmatrix} Z_A \\ Z_B \end{pmatrix} = \begin{pmatrix} 1 & 0 \\ \rho & \sqrt{1-\rho^2} \end{pmatrix} \begin{pmatrix} \epsilon_1 \\ \epsilon_2 \end{pmatrix}\)
Mit:
- \(\epsilon_1, \epsilon_2 \sim \mathcal{N}(0,1)\) = unabhängige Standardnormalverteilungen
- \(\rho\) = Korrelationskoeffizient (typisch: 0.2)
Auswirkung der Korrelation
| Korrelation | Bedeutung | Effekt auf Portfolio |
|---|---|---|
| ρ = 1 | Perfekt gleichläufig | Keine Diversifikation |
| ρ = 0.2 | Leicht positiv (typisch) | Gute Diversifikation |
| ρ = 0 | Unabhängig | Maximale Diversifikation |
| ρ = −0.5 | Gegenläufig | Starke Risikoreduktion |
Inflationsmodellierung
Deterministische Inflation (MVP)
Im einfachsten Fall wird eine konstante Inflationsrate angenommen:
\(\pi_t = \bar{\pi} \quad \text{(z.B. 2% p.a.)}\)
Stochastische Inflation (erweitert)
Für realistischere Szenarien kann die Inflation zufällig schwanken:
\(\pi_t = \bar{\pi} + \sigma_\pi \cdot \epsilon_t\)
Mit:
- \(\bar{\pi}\) = Erwartete Inflation (z.B. 2%)
- \(\sigma_\pi\) = Inflationsvolatilität (z.B. 1%)
AR(1)-Modell (fortgeschritten)
Inflation zeigt typischerweise Autokorrelation (hohe Inflation heute → erhöhte Inflation morgen):
\(\pi_t = \bar{\pi} + \beta \cdot (\pi_{t-1} - \bar{\pi}) + \sigma_\pi \cdot \epsilon_t\)
Mit Autokorrelationsparameter \(\beta\) (typisch: 0.5-0.8).
Reale vs. Nominale Rendite
Die Fisher-Gleichung
Die reale Rendite (kaufkraftbereinigt) berechnet sich exakt nach Fisher:
\(r_{real,t} = \frac{1 + r_t}{1 + \pi_t} - 1\)
Vereinfachte Näherung:
\(r_{real} \approx r_{nominal} - \pi\)
Beispiel
| Komponente | Wert |
|---|---|
| Nominale Rendite | 7% |
| Inflation | 2% |
| Reale Rendite (exakt) | 4.90% |
| Reale Rendite (Näherung) | 5.00% |
Konsistenz im Modell
Wichtig: Die Simulation muss konsistent sein:
- Variante A: Reale Renditen + konstante Ausgaben
- Variante B: Nominale Renditen + inflationsindexierte Ausgaben
Eine doppelte Anwendung der Inflation (beide Varianten gleichzeitig) führt zu falschen Ergebnissen!
Kosten und Gebühren
Kostenarten
| Kostenart | Beschreibung | Typischer Wert |
|---|---|---|
| TER (Verwaltungskosten) | Laufende Kosten des Fonds/ETF | 0.1% - 0.5% p.a. |
| Fixkosten | Depotgebühren etc. | 0 - 100 €/Jahr |
| Transaktionskosten | Bei Rebalancing | 0.05% - 0.2% |
Kostenabzug
Die Kosten werden von der Rendite abgezogen:
\(r_{netto} = r_{brutto} - \text{TER} - \frac{\text{Fixkosten}}{V_t}\)
Langfristige Auswirkung von Kosten
Selbst kleine Kostenunterschiede wirken über lange Zeiträume erheblich:
| TER | Endvermögen nach 30 Jahren* |
|---|---|
| 0.2% | 432.000 € |
| 0.5% | 401.000 € |
| 1.0% | 355.000 € |
| 1.5% | 315.000 € |
*Bei 100.000 € Startkapital, 7% Bruttorendite, ohne Entnahmen
Parameter-Übersicht
Marktparameter
| Parameter | Beschreibung | Standard |
|---|---|---|
equityAllocation |
Aktienanteil | 60% |
equityReturn |
Erwartete Aktienrendite | 7% p.a. |
equityVolatility |
Aktien-Volatilität | 18% |
bondReturn |
Erwartete Anleihenrendite | 3% p.a. |
bondVolatility |
Anleihen-Volatilität | 5% |
assetCorrelation |
Korrelation | 0.2 |
expectedInflation |
Erwartete Inflation | 2% p.a. |
inflationVolatility |
Inflationsschwankung | 1% |
Kostenparameter
| Parameter | Beschreibung | Standard |
|---|---|---|
managementFee |
TER/Verwaltungskosten | 0.5% p.a. |
fixedCosts |
Fixkosten pro Jahr | 0 € |
transactionCosts |
Transaktionskosten | 0.1% |
Weiterführende Links
- → Entnahmestrategien - Wie die Entnahme berechnet wird
- → Kennzahlen - Wie Ergebnisse ausgewertet werden
- ← Zurück zur Übersicht