Gleitende Standardabweichung für Zeitreihen

Was ist die gleitende Standardabweichung?

Die gleitende Standardabweichung (auch rollierende SD oder nachlaufende Volatilität) berechnet die Standardabweichung über ein verschiebbares Zeitfenster. Anders als die statische Standardabweichung, die alle historischen Daten verwendet, konzentriert sich die gleitende SD auf aktuelle Beobachtungen und ist daher unverzichtbar zur Erkennung von Volatilitätsveränderungen im Zeitverlauf.

Diese Technik ist grundlegend für die Finanzmärkte, wo die Volatilität nicht konstant ist, sondern sich im Laufe der Zeit ändert. Eine Aktie kann monatelang ruhig sein und dann während Quartalsergebnissen oder Marktkrisen plötzlich hochvolatil werden. Die gleitende SD erfasst diese Dynamik in Echtzeit.

Berechnung der rollierenden Standardabweichung

Für jeden Zeitpunkt berechnen Sie die Standardabweichung der vorherigen n Datenpunkte. Wenn Sie voranschreiten, gleitet das Fenster und verwendet stets die aktuellsten n Werte. So entsteht eine Zeitreihe von Volatilitätsschätzungen.

import pandas as pd
import numpy as np

# Load your time series data
df = pd.read_csv('stock_prices.csv')

# 20-day rolling standard deviation
df['rolling_std_20'] = df['returns'].rolling(window=20).std()

# Annualized volatility (assuming daily returns)
df['annualized_vol'] = df['rolling_std_20'] * np.sqrt(252)

# Multiple windows for comparison
df['rolling_std_10'] = df['returns'].rolling(window=10).std()
df['rolling_std_50'] = df['returns'].rolling(window=50).std()

Beachten Sie, dass die ersten (Fenstergröße-1) Werte NaN sind, da Sie mindestens n Beobachtungen für die Berechnung benötigen. In der Praxis können Sie den Parameter min_periods verwenden, um früher mit weniger Beobachtungen zu beginnen.

Die richtige Fenstergröße wählen

Die Fenstergröße erzeugt einen Kompromiss zwischen Reaktionsfähigkeit und Stabilität:

• Kurze Fenster (5-10 Tage):Reagieren schnell auf Volatilitätsänderungen, sind aber verrauscht und können Fehlsignale erzeugen
• Mittlere Fenster (20-30 Tage):Ausgewogenheit zwischen Reaktionsfähigkeit und Stabilität; 20 Tage ist der Branchenstandard für Bollinger-Bänder
• Lange Fenster (50-100 Tage):Geglättet und stabil, aber langsam bei der Erkennung von Regimewechseln; gut für Trendanalysen

Praxisanwendungen

Die gleitende Standardabweichung wird im Finanzwesen und in der Datenwissenschaft umfassend eingesetzt:

• Risikomanagement:Value at Risk (VaR) auf Basis aktueller Volatilität statt historischer Durchschnitte berechnen
• Optionspreisbildung:Parameter der impliziten Volatilität für Black-Scholes und andere Modelle schätzen
• Portfoliomanagement:Positionsgrößen auf Basis aktueller Volatilität anpassen; Engagement bei Volatilitätsspitzen reduzieren
• Anomalieerkennung:Ungewöhnliche Perioden identifizieren, wenn die aktuelle Volatilität signifikant vom gleitenden Durchschnitt abweicht
• Technische Analyse:Bollinger-Bänder, Keltner-Kanäle und andere volatilitätsbasierte Indikatoren

Bollinger-Bänder erklärt

Bollinger-Bänder sind die bekannteste Anwendung der gleitenden Standardabweichung. In den 1980er Jahren von John Bollinger entwickelt, bilden sie eine dynamische Hülle um den Kurs, die sich an die Volatilität anpasst.

Die Bänder weiten sich in volatilen Phasen und verengen sich in ruhigen Phasen. Händler nutzen dies für:

• Erkennung überkaufter/überverkaufter Bedingungen, wenn der Kurs die Bänder berührt
• Erkennung von "Squeezes" (niedrige Volatilität), die oft Ausbrüche ankündigen
• Setzen dynamischer Stop-Losses basierend auf aktuellen Marktbedingungen

Volatilitätscluster

Eine der wichtigsten empirischen Erkenntnisse im Finanzwesen ist die Clusterung von Volatilität — auf hohe Volatilität folgt tendenziell hohe Volatilität, und auf niedrige folgt niedrige. Dies wurde von Robert Engle (Nobelpreis 2003) im ARCH-Modell formalisiert.

Die gleitende SD macht diese Clusterung visuell sichtbar. Wenn Sie die rollierende Volatilität über die Zeit darstellen, erkennen Sie deutliche Regime hoher und niedriger Volatilität statt zufälliger Schwankungen. Dies hat weitreichende Konsequenzen:

• Vorhersagbarkeit:Die Volatilität von morgen wird wahrscheinlich der heutigen ähneln — Sie können das Risiko antizipieren
• Risikobudgetierung:Positionen reduzieren, wenn ein Hochvolatilitätsregime eintritt
• Strategieauswahl:Unterschiedliche Handelsstrategien funktionieren in verschiedenen Volatilitätsumgebungen besser