Empfohlen am PC/Laptop — Empfohlen für umfangreiche Berechnungen
01
Portfolio Analytics
Quantitative Analysis

Strategic Asset Allocation (SAA) Optimizer

Ermittlung der Efficient Frontier (Markowitz) via lokaler Monte-Carlo Simulation.

Der Use Case: Simulieren Sie zunächst ein klassisches Portfolio (nur Aktien & Anleihen). Aktivieren Sie danach alternative Anlageklassen (Gold, Rohstoffe, Infrastruktur), um live zu sehen, wie unkorrelierte Assets die Effizienzkurve (Sharpe-Ratio) nach oben links verschieben.
0 Positionen aktiv
Makro-Asset-Klassen bilden grobe Anlageziele (z.B. Gold, Aktien USA, Cash). Einzeltitel sind konkrete Produkte (ETFs, Aktien, Custom) fur dein Depot. Du kannst beides kombinieren – alle aktiven Positionen fliessen gemeinsam in die Optimierung. Lade dein eigenes Depot per CSV hoch oder fuge Positionen manuell hinzu. Wir liefern 55 ETFs mit Rendite/Vola, du kannst aber auch eigene Werte eingeben.

Anlageuniversum (Makro)

Bausteine per Klick aktivieren · Gewichte ermittelt der Optimizer.

Der Optimizer simuliert das gesamte aktive Universum (Makro + Mikro). Einzeltitel erben ihre Korrelationen von ihrer Asset-Klasse.

Wählen Sie mind. 2 Positionen.

Inspiziertes Portfolio
Rendite:--
Risiko:--
Sharpe-Ratio:--
Gewichtung
Das optimale Portfolio
Erwartete Rendite
--
Risiko (Volatilität)
--
Max Sharpe --
Ideale Gewichtung
Warten auf Simulation...
Geografische Allokation
Warten auf Simulation...
Ziehen zum Rotieren · Scrollen zum Zoomen · Hover für Details

Vektorraum & Methodik

Jeder Punkt im Raum repräsentiert ein zufällig generiertes Portfolio. Die Simulation erzeugt 5.000 zufällige Gewichtungen der aktiven Asset-Klassen (Monte Carlo) und berechnet für jedes die erwartete Rendite und Volatilität. Das Portfolio mit der höchsten Sharpe-Ratio (beste Rendite pro Risikoeinheit) wird als optimal markiert.

So funktioniert es:
  1. 5.000 zufällige Portfolios generieren — jedes mit anderen Gewichtungen der aktiven Asset-Klassen
  2. Für jedes Portfolio Rendite + Volatilität berechnen
  3. Portfolio mit der höchsten Sharpe-Ratio finden (beste Rendite pro Risikoeinheit)

Das ist Monte Carlo: Zufallsziehung statt deterministischer Optimierung. Ein klassischer Optimierer würde das Optimum mathematisch exakt berechnen — Monte Carlo nähert sich durch viele Zufallsversuche an. Der Vorteil: Man sieht nicht nur den optimalen Punkt, sondern die gesamte Verteilung aller möglichen Portfolios in der 3D-Cloud.

Datenbasis: UBS LTCMA 2025/26, historische Indexdaten (STOXX, MSCI, S&P), Damodaran ERP (NYU), CoinGecko.
Risikofreier Zins (Rf) = 2.50%.

Rote Achse (X) Risiko (Volatilität). Nach rechts steigend.
Grüne Achse (Y) Rendite. Nach oben steigend.
Blaue Achse (Z) Aktienquote. Tiefe = Offensiv.
Erwartete Rendite E(Rp) = Σ wi · μi
Portfolio-Risiko σp = √( ΣΣ wi wj σi σj ρij )
Sharpe Ratio SR = (E(Rp) - Rf) / σp