Stellen wir uns zwei Portfolios vor, die nach 24 Monaten denselben Endwert erreichen. Portfolio A verliert im ersten Jahr 18 Prozent, erholt sich dann vollständig. Portfolio B bleibt nahezu konstant und erreicht denselben Endpunkt ohne nennenswerte Zwischenverluste. Ein Einperiodenmodell behandelt beide identisch. Ein mehrperiodiges Drawdown-Modell mit einer Verlustgrenze von 15 Prozent markiert Portfolio A als Verletzung und Portfolio B als regelkonform. Dieser Unterschied ist nicht semantisch – er entscheidet darüber, ob ein Modell im Backtest als funktionsfähig gilt oder nicht. Wer Pfadabhängigkeit ignoriert, misst nicht das, was seine Beschränkung eigentlich beschränken soll. Die praktische Konsequenz ist direkt: Portfolios, die historisch ähnliche Renditen erzielt haben, können fundamental verschiedene Risikoprofile aufweisen, sobald man den Verlustpfad in die Analyse einbezieht.

Maximum Drawdown und Conditional Drawdown at Risk sind keine Querschnittsmaße – sie sind zeitpfadabhängig. Der Maximum Drawdown eines Portfolios kann nur berechnet werden, wenn man den gesamten Verlaufspfad kennt, nicht nur den Anfangs- und Endwert. Das ist keine Eigenheit einer bestimmten Implementierung, sondern eine mathematische Grundeigenschaft dieser Maße. Mehrperiodige Beschränkungen, die auf Drawdown-Maßen basieren, erben diese Pfadabhängigkeit vollständig. Das bedeutet konkret: Die Reihenfolge von Gewinnen und Verlusten innerhalb eines Anlagehorizonts beeinflusst direkt, ob eine Verlustgrenze eingehalten wird – selbst wenn Gesamtrendite und Volatilität identisch sind. Modelle, die diese Eigenschaft nicht explizit adressieren, formulieren ihre Beschränkungen an einer fundamentalen Modellannahme vorbei.

In stabilen Marktphasen sind Pfadeffekte begrenzt – Verluste und Gewinne verteilen sich vergleichsweise gleichmäßig. Sobald Märkte zwischen Niedrig- und Hochvolatilitätsphasen wechseln, entstehen Verlustpfade, die unter stabilen Annahmen nicht vorhersehbar sind. Ein Portfolio, das in einer Niedrigvolatilitätsphase kalibriert wurde, kann in einer anschließenden Stressphase innerhalb weniger Wochen seine mehrperiodige Drawdown-Grenze überschreiten – nicht weil das Modell falsch kalibriert war, sondern weil der Verlustpfad unter dem neuen Regime strukturell anders verläuft. Dieser Effekt ist besonders kritisch bei Modellen, die Korrelationen und Volatilitäten als stabil annehmen. Regime-Wechsel sind kein seltenes Ereignis – sie sind ein reguläres Merkmal realer Märkte, das explizit in der Modellarchitektur berücksichtigt werden muss.

Die Entscheidung, wann und wie ein Portfolio angepasst wird, beeinflusst direkt den Verlustpfad zwischen zwei Rebalancing-Zeitpunkten. Bei monatlichem Rebalancing kann ein Portfolio innerhalb eines Monats einen erheblichen Zwischenverlust erfahren, der am Ende des Monats nicht mehr sichtbar ist – aber dennoch eine tägliche Drawdown-Beschränkung verletzt hätte. Bei täglichem Rebalancing werden solche Pfade aktiv gekappt, aber auf Kosten erhöhter Transaktionskosten und möglicher Überanpassung an kurzfristige Marktbewegungen. Es gibt keine universell richtige Rebalancing-Frequenz. Aber jede Frequenzwahl produziert systematisch unterschiedliche Verlustpfade – und damit unterschiedliche Wahrscheinlichkeiten, eine Drawdown-Beschränkung einzuhalten. Unser Mehrhorizont-Prüfverfahren bewertet diese Wechselwirkung als eigenständige Modelldimension, nicht als nachgelagerte Implementierungsfrage.

Sequenzrisiko beschreibt das Phänomen, dass die Reihenfolge von Renditen – nicht ihr Durchschnitt – über die Einhaltung einer Verlustgrenze entscheidet. Frühe starke Verluste gefolgt von späteren Gewinnen führen zu einem anderen kumulativen Drawdown-Profil als späte Verluste nach frühen Gewinnen, selbst wenn die arithmetischen Durchschnittsrenditen identisch sind. Für mehrperiodige Drawdown-Constraints ist Sequenzrisiko daher kein Randthema, sondern ein zentraler Modellierungsgegenstand. Modelle, die Renditen als unabhängig und identisch verteilt behandeln, können Sequenzrisiko strukturell nicht erfassen. Das ist eine explizite Modellannahme mit messbaren Konsequenzen für die Verlässlichkeit der Drawdown-Beschränkung über den gesamten Anlagehorizont.

Analytische Modelle arbeiten mit geschlossenen Formeln und Verteilungsannahmen. Für pfadunabhängige Risikomaße wie Varianz oder Expected Shortfall auf Renditebasis sind analytische Ansätze oft ausreichend. Für pfadabhängige Drawdown-Maße über mehrere Perioden stoßen rein analytische Methoden an strukturelle Grenzen: Die Verteilung des Maximum Drawdowns über mehrere Perioden lässt sich unter realistischen Annahmen nicht in geschlossener Form darstellen. Monte-Carlo-Simulationen und Szenarioanalysen sind für pfadabhängige Drawdown-Beschränkungen methodisch notwendig, nicht optional. Sie erlauben es, die Verteilung möglicher Verlustpfade zu untersuchen und die Robustheit einer Beschränkung über das gesamte Spektrum simulierter Szenarien zu beurteilen. Vergangene Simulationsergebnisse erlauben dabei keine Aussagen über künftige Entwicklungen – sie sind Werkzeuge zur Modellanalyse, keine Prognosen.