Die 1/N-Regel für Diversifikation unter tiefer Unsicherheit nutzen

Wenn du den Wert jeder Option nicht verlässlich einschätzen kannst, verteile die Ressourcen gleichmäßig.

Why it works

Unter tiefer Unsicherheit – bei der Wahrscheinlichkeiten und Auszahlungen von Ergebnissen nicht verlässlich geschätzt werden können – erfordert die Optimierung einer Verteilung Annahmen, für die dir Daten fehlen. Die 1/N-Heuristik (gleichmäßig auf N Optionen aufteilen) übertrifft optimierte Portfolio-Verteilungen in realweltlichen Out-of-Sample-Tests, weil sie die Überanpassung vermeidet, die Optimierungsstrategien brüchig macht, wenn sich Bedingungen ändern.

How to do it

1. Wenn du vor einer Ressourcenverteilungsentscheidung mit echter tiefer Unsicherheit stehst (Zeit zwischen Projekten, Budget über Experimente), greife standardmäßig zu gleicher Verteilung.
2. Weiche nur von gleicher Verteilung ab, wenn du verlässliche Daten hast, die unterschiedliche Erträge zeigen.
3. Überprüfe die Verteilung, nachdem du echte Ergebnisse hast – verschiebe zu dem, was mit Evidenz funktioniert, nicht mit Optimismus.

Evidenz

DeMiguel, Garlappi und Uppal (2009) verglichen 1/N-Portfolioverteilung mit 14 optimierten Strategien über mehrere Aktienmarkt-Datensätze hinweg und fanden 1/N konkurrenzfähig mit oder besser als die optimierten Ansätze Out-of-Sample. (observational)

Dieses Ergebnis ist spezifisch für Finanzportfolio-Kontexte mit begrenzten Daten und unsicheren Mittelwerten. Bei Entscheidungen, bei denen Erträge sich bedeutsam unterscheiden und schätzbar sind, kann optimierte Verteilung besser abschneiden als 1/N.

Quellen

• DeMiguel, Garlappi & Uppal (2009), Optimal versus naive diversification, Review of Financial Studies

Häufiger Fehler

1/N auch dann anzuwenden, wenn du verlässliche Daten hast, die zeigen, dass sich Optionen wesentlich unterscheiden – die Heuristik ist für tiefe Unsicherheit gedacht, kein Ersatz für vorhandene Evidenz.