Floedreinmesbitsas
Kontakt
Konzepte Strategien Forschung Über uns
Kontakt

Volatilität der Volatilität als eigenständiger Risikofaktor

Zweite Ordnung, erste Priorität für ernsthafte Analytiker
Volatilität schwankt selbst — das ist keine Überraschung, sondern ein strukturelles Merkmal von Finanzmärkten. Was überrascht: Wie selten diese Schwankung als eigenständige, vergütete Risikoprämie behandelt wird. Vol-of-Vol ist keine akademische Spielerei. Es ist der Kern dessen, was Variance-Swap-Käufer, Optionsschreiber und strukturierte Produktanbieter täglich tragen — meistens ohne es präzise benennen zu können. Diese Seite dekonstruiert die theoretischen Grundlagen: von stochastischen Volatilitätsmodellen über die mathematische Formulierung von Vol-of-Vol bis hin zur empirischen Frage, ob diese Prämie tatsächlich kompensiert wird. Keine vereinfachten Antworten, keine vorzeitigen Schlussfolgerungen — nur eine schrittweise Einordnung eines Konzepts, das mehr Tiefe verdient, als es in der Praxis meist erhält.
Kontakt aufnehmen

Wenn Volatilität selbst volatil wird — mathematisch greifbar

Vol-of-Vol verstehen

Stochastische Volatilitätsmodelle wie Heston oder SABR behandeln Volatilität nicht als Konstante, sondern als eigenständigen stochastischen Prozess. Der Parameter, der die Schwankungsintensität dieses Prozesses beschreibt, ist Vol-of-Vol — mathematisch ausgedrückt als die Volatilität des Volatilitätsprozesses selbst. Im Heston-Modell entspricht dies dem Parameter xi, der bestimmt, wie stark die Varianz um ihren langfristigen Mittelwert schwankt. Im SABR-Modell übernimmt der Parameter nu diese Rolle. Empirisch beobachtbar ist Vol-of-Vol über den VVIX-Index, der die implizite Volatilität von VIX-Optionen misst — also die Markterwartung über künftige Schwankungen des Volatilitätsniveaus selbst. Hohe Vol-of-Vol-Werte bedeuten: Der Markt erwartet, dass Volatilität stark und unvorhersehbar schwanken wird. Das hat direkte Konsequenzen für die Bewertung von Optionen mit konvexem Vega-Profil, für Varianzswaps und für jeden Marktteilnehmer, der explizit oder implizit Vega-Risiken zweiter Ordnung — sogenannte Volga-Risiken — trägt.

Dreidimensionale Volatilitätsoberfläche, Optionspreismodell, quantitative Analyse

Fachbegriffe

Schlüsselkonzepte der Vol-of-Vol-Analyse

Von Vega bis VVIX — ein präzises Vokabular für Marktteilnehmer, die Risikoprämien zweiter Ordnung analysieren und einordnen wollen, ohne sich in Vereinfachungen zu verlieren.

Implizite Volatilität

Die vom Markt in Optionspreisen eingepreiste erwartete Schwankungsintensität des Basiswerts bis zum Verfall. Sie ist kein Maß für vergangene Bewegungen, sondern eine zukunftsgerichtete Marktgröße — und weicht systematisch von realisierter Volatilität ab.

Grundkonzept

Realisierte Volatilität

Die tatsächlich beobachtete Schwankungsintensität eines Basiswerts über einen vergangenen Zeitraum, typischerweise gemessen als annualisierte Standardabweichung von Renditen. Die systematische Differenz zur impliziten Volatilität bildet die Grundlage der Varianzrisikoprämie.

Grundkonzept

Varianzrisikoprämie

Die empirisch beobachtbare Tendenz, dass implizite Varianz die realisierte Varianz systematisch übersteigt. Diese Differenz wird als Kompensation für das Tragen von Varianzrisiko interpretiert — ein zentrales Objekt der Forschung zu Volatilitätsrisikoprämien.

Risikoprämie

Vol-of-Vol

Die Volatilität des Volatilitätsprozesses selbst — das heißt, das Ausmaß, in dem implizite oder realisierte Volatilität über die Zeit schwankt. In stochastischen Volatilitätsmodellen ist dies ein eigenständiger Parameter, der die Konvexität der Volatilitätsoberfläche bestimmt.

Kernkonzept

VVIX

Der von der CBOE berechnete Index für die implizite Volatilität von VIX-Optionen. Er misst die Markterwartung über künftige Schwankungen des VIX und dient als praktisches Proxy für das Niveau der Vol-of-Vol auf dem US-Aktienoptionsmarkt.

Marktindikator

Vega

Die Sensitivität eines Optionspreises gegenüber einer marginalen Änderung der impliziten Volatilität. Marktteilnehmer mit positivem Vega profitieren von steigender Volatilität; mit negativem Vega von fallender. Vega-Management ist zentral für Volatilitätsstrategien.

Greeks

Volga

Die zweite Ableitung des Optionspreises nach der impliziten Volatilität — auch bekannt als Vega-Konvexität. Volga misst, wie stark Vega selbst auf Volatilitätsänderungen reagiert, und ist damit ein direktes Maß für die Exposition gegenüber Vol-of-Vol.

Greeks

Vanna

Die gemischte Ableitung des Optionspreises nach Spot und impliziter Volatilität. Vanna beschreibt die Korrelationsstruktur zwischen Kursbewegungen und Volatilitätsänderungen und ist besonders relevant für Volatilitäts-Surface-Dynamiken unter Stressbedingungen.

Greeks

Heston-Modell

Ein weit verbreitetes stochastisches Volatilitätsmodell, das Volatilität als mean-revertierenden Cox-Ingersoll-Ross-Prozess modelliert. Der Parameter xi bestimmt die Vol-of-Vol, während rho die Korrelation zwischen Preis- und Volatilitätsprozess beschreibt.

Modell

SABR-Modell

Ein stochastisches Volatilitätsmodell, das besonders für Zinsoptions- und FX-Märkte verwendet wird. Der Parameter nu übernimmt die Rolle der Vol-of-Vol und beeinflusst direkt die Steilheit der Volatility Smile in der Optionspreisermittlung.

Modell

Volatilitätsoberfläche

Die dreidimensionale Darstellung impliziter Volatilitäten über verschiedene Laufzeiten und Ausübungspreise eines Basiswerts. Ihre Krümmung und zeitliche Dynamik liefern direkte Hinweise auf das Niveau von Vol-of-Vol und die Risikoprämienstruktur des Marktes.

Marktstruktur

Varianzswap

Ein Derivat, das den Austausch realisierter gegen implizite Varianz ermöglicht, ohne direktes Delta-Risiko. Varianzswaps ermöglichen einen reinen Zugang zur Varianzrisikoprämie und sind sensibel gegenüber Vol-of-Vol, insbesondere bei langen Laufzeiten.

Instrument

Für Analytiker, die Vol-of-Vol systematisch durchdringen wollen

Mit den richtigen Quellen beginnen — nicht mit den bekanntesten

Die Standardliteratur zu stochastischen Volatilitätsmodellen bietet einen soliden Einstieg, greift aber bei Vol-of-Vol-Risikoprämien zu kurz. Fachpublikationen aus dem Journal of Financial Economics und dem Review of Financial Studies liefern präzisere empirische Befunde als populäre Einführungswerke — und benennen Schwächen in der Datenlage offen.

VVIX-Daten als täglichen Bezugspunkt nutzen

Die CBOE stellt VVIX-Zeitreihendaten frei zur Verfügung. Eine systematische Gegenüberstellung von VVIX-Niveaus, VIX-Niveaus und anschließend realisierter Volatilität schärft das Gespür für Risikoprämienstrukturen schneller als jede theoretische Lektüre allein — Skepsis gegenüber einzelnen Datenpunkten inklusive.

Stochastische Volatilitätsmodelle nicht konsumieren, sondern kalibrieren

Heston- und SABR-Kalibrierungen auf historischen Optionsdaten offenbaren, wie instabil Vol-of-Vol-Parameter über Zeit sind. Dieser Instabilität auf den Grund zu gehen ist lehrreicher als das Studium von Modellgleichungen im Abstrakten — sie zeigt, wo Risikoprämien entstehen und wo sie verschwinden.

Häufigen Denkfehler vermeiden: Vol-of-Vol ist nicht Vega

Vega misst Sensitivität gegenüber Volatilitätsniveau; Volga misst Sensitivität gegenüber Volatilitätsänderungen. Diese Unterscheidung ist nicht terminologisch, sondern fundamental für das Verständnis von Risikoexposition. Wer beide gleichsetzt, unterschätzt systematisch das Risiko von Positionen mit nichtlinearem Vega-Profil.

Volatilitätsoberfläche als Informationsquelle ernst nehmen

Die Krümmung der Volatilitätsoberfläche über Ausübungspreise und Laufzeiten ist kein statistisches Artefakt, sondern ein Abbild von Markterwartungen über Vol-of-Vol-Niveaus. Wer Oberflächen nur als Bewertungshilfsmittel nutzt, lässt wesentliche Informationen über Prämienstrukturen ungenutzt.

Mathematische Voraussetzungen klar einschätzen — Itô-Kalkül ist unvermeidlich

Stochastische Differentialgleichungen, Itô-Kalkül und Martingaltheorie sind keine optionalen Ergänzungen für das Verständnis von Vol-of-Vol-Modellen. Wer diese Grundlagen überspringt, arbeitet mit Formeln ohne Verständnis ihrer Herkunft — und erkennt Modellannahmen nicht als solche, sondern nimmt sie als Wahrheit.

Häufige Fragen zu Vol-of-Vol

Diese Website verwendet Cookies, um den ordnungsgemäßen Betrieb sicherzustellen und die Nutzung anonymisiert auszuwerten. Nicht notwendige Cookies werden nur mit Ihrer Zustimmung gesetzt. Sie können Ihre Einwilligung jederzeit widerrufen.