Wat is Portfolio Variance & Std Dev?
▾
Portefeuillevariantie meet het totale risico van een combinatie van beleggingen door niet alleen rekening te houden met het individuele risico van elk actief, maar ook met hoe ze ten opzichte van elkaar bewegen. Wanneer twee activa de neiging hebben om tegelijkertijd in dezelfde richting te bewegen, doet het combineren ervan weinig om het risico te verminderen. Maar als ze zich in tegengestelde richtingen bewegen – of zelfs gewoon anders – ontstaat door het mixen ervan een portefeuille die minder volatiel is dan welke individuele component dan ook. Dit is de wiskundige motor achter diversificatie, en daarom kan het aanhouden van een mix van aandelen, obligaties, onroerend goed en grondstoffen het totale portefeuillerisico verminderen zonder noodzakelijkerwijs het rendement op te offeren. Dit idee werd door Harry Markowitz geformaliseerd in zijn artikel 'Portfolio Selection' uit 1952, dat hem in 1990 de Nobelprijs voor de Economie opleverde. Vóór Markowitz concentreerden beleggers zich vrijwel uitsluitend op het selecteren van goede individuele effecten. Zijn inzicht was dat de portefeuille als geheel belangrijker was dan welk aandeel dan ook – en dat de correlatie tussen activa de sleutel was tot het begrijpen van het gecombineerde risico. Zijn raamwerk, nu Modern Portfolio Theory (MPT) genoemd, introduceerde het concept van de efficiënte grens: de reeks portefeuilles die het hoogste rendement bieden voor elk gegeven risiconiveau, of het laagste risico voor elk gegeven rendement. In de praktijk wordt de portefeuillevariantie berekend op basis van het gewicht van elk activum, de individuele variantie (of standaarddeviatie) en de paarsgewijze covarianties tussen elke combinatie van activa. Met twee troeven is het een eenvoudige formule; bij twintig activa heb je een covariantiematrix van 20×20 nodig. Moderne software voor portefeuilleoptimalisatie verwerkt deze matrixalgebra automatisch, maar het begrijpen van de onderliggende logica – dat het verminderen van de gemiddelde paarsgewijze correlatie de portefeuillevariantie vermindert – is essentieel voor elke belegger die een multi-assetstrategie opbouwt. Portefeuillevariantie is ook van cruciaal belang voor risicorapportage bij professioneel beleggingsbeheer. Factormodellen ontleden de portefeuillevariantie in bijdragen van marktrisico, sectorkantelingen, stijlblootstellingen en idiosyncratisch risico, waardoor portefeuillebeheerders precies kunnen begrijpen waar hun risico vandaan komt en of ze daarvoor worden gecompenseerd.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Formule
▾
Twee activa: σ²_p = w₁²σ₁² + w₂²σ₂² + 2·w₁·w₂·ρ₁₂·σ₁·σ₂
N-asset: σ²_p = Σᵢ Σⱼ wᵢ·wⱼ·σᵢⱼ (matrixvorm: σ²_p = wᵀ·Σ·w)
Portfolio Std Dev (σ_p) = √σ²_p
Covariantie: σᵢⱼ = ρᵢⱼ·σᵢ·σⱼVariabele uitleg
▾
| Symbool | Naam | Eenheid | Beschrijving |
|---|---|---|---|
| wᵢ | Gewicht van activa | decimal (0–1) | Aandeel van de portefeuillewaarde toegewezen aan actief i; alle gewichten moeten optellen tot 1 |
| σᵢ | Standaardafwijking van activa | % per year | De σᵢ-parameter vertegenwoordigt een belangrijke kwantitatieve input in de berekening van de portefeuillevariantie, gemeten in de standaardeenheid en beïnvloedt rechtstreeks het berekende resultaat via de wiskundige formule |
| ρᵢⱼ | Correlatiecoëfficiënt | dimensionless (−1 to +1) | Pearson-correlatie tussen activa i- en j-rendementen; −1 = perfect negatief, 0 = niet-gecorreleerd, +1 = perfect positief |
| σᵢⱼ | Covariantie | % squared per year | Gezamenlijke variabiliteit van activa i en j; is gelijk aan ρᵢⱼ × σᵢ × σⱼ |
| Σ | Covariantiematrix | matrix | N×N symmetrische matrix van alle paarsgewijze covarianties; de belangrijkste input voor portefeuilleoptimalisatie |
Hoe Portfolio Variance & Std Dev
▾
- 1Vermeld elk actief in de portefeuille met de huidige marktwaarde en bereken vervolgens het gewicht van elk actief als zijn waarde gedeeld door de totale portefeuillewaarde.
- 2Verzamel de standaardafwijking (volatiliteit) op jaarbasis voor elk activum, doorgaans geschat op basis van maandelijkse rendementen over drie tot vijf jaar, en vervolgens op jaarbasis (vermenigvuldig maandelijks σ met √12).
- 3Construeer de paarsgewijze correlatiematrix: bereken voor elk paar activa de correlatie van hun historische rendementsreeksen. De meeste portefeuillesoftware of spreadsheets kunnen dit berekenen op basis van een rendementsgeschiedenis.
- 4Converteer correlaties naar covarianties: σᵢⱼ = ρᵢⱼ × σᵢ × σⱼ voor elk paar.
- 5Pas voor twee activa de directe formule toe. Voor meer activa berekent u wᵀΣw met behulp van matrixvermenigvuldiging: dit is het inproduct van de gewichtsvector met de covariantiematrix.
- 6Neem de vierkantswortel van de portefeuillevariantie om de standaardafwijking van de portefeuille (σ_p) te krijgen – de meer intuïtieve risicomaatstaf uitgedrukt in procenten.
- 7Vergelijk σ_p met het gewogen gemiddelde van individuele σ-waarden (Σwᵢσᵢ). Het verschil is het diversificatievoordeel: hoeveel risico u vermijdt door activa te combineren in plaats van ze afzonderlijk aan te houden.
Uitgewerkte voorbeelden
▾
Gewogen gemiddelde σ zou 0,60×18+0,40×6 = 13,2% zijn; de portefeuille behaalt slechts 10,5% – waardoor 2,7% van het risico wordt bespaard door diversificatie.
De negatieve correlatie tussen aandelen en obligaties (obligaties stijgen vaak wanneer aandelen dalen) is de bron van de risicovermindering. Dit is de reden waarom de 60/40-portefeuille tientallen jaren lang de standaard gebalanceerde allocatie voor pensioenfondsen en kapitaalbeleggingen is geworden: het behaalt aandelenrendementen terwijl het de volatiliteit op betekenisvolle wijze tempert.
Twee aandelen in dezelfde sector hebben een zeer hoge correlatie; diversificatie bespaart slechts ~1% van het risico, vergeleken met het gewogen gemiddelde van 29%.
Wanneer activa sterk gecorreleerd zijn, levert het combineren ervan een minimaal diversificatievoordeel op. Het aanhouden van twee technologieaandelen verschilt nauwelijks van het aanhouden van één technologieaandeel dat twee keer zo groot is. Echte diversificatie vereist activa die anders reageren op de economische omstandigheden – en niet alleen op verschillende bedrijfsnamen in dezelfde sector.
Het toevoegen van goud (correlatie van bijna nul met beide) vermindert de volatiliteit van de portefeuille verder dan de 60/40 basislijn.
Door de goudallocatie speelt de lage correlatie met zowel aandelen als obligaties een rol. Ook al is goud zelf volatiel (15%), omdat het onafhankelijk van zowel aandelen als obligaties beweegt, waardoor de totale portefeuillevariantie wordt verminderd. Dit toont aan dat de volatiliteit van een individueel actief minder belangrijk is dan de correlatie ervan met de rest van de portefeuille.
In crises stijgen de correlaties tussen activa richting 1,0, waardoor diversificatie precies op het moment dat u deze het meest nodig heeft, wordt geëlimineerd.
Dit is de belangrijkste beperking van de portefeuillevariantie, berekend op basis van gegevens over de normale periode: correlaties zijn niet stabiel. Tijdens de financiële crisis van 2008 en de uitverkoop van COVID in maart 2020 daalden bijna alle risicovolle activa tegelijkertijd, omdat beleggers alles liquideerden om contant geld op te halen. Modellen gebaseerd op gemiddelde correlaties over de lange termijn onderschatten het risico tijdens deze episoden dramatisch.
Praktische toepassingen
▾
Het construeren van efficiënte portefeuilles met gemiddelde variantie en het berekenen van de efficiënte grens, wat een belangrijk toepassingsgebied vertegenwoordigt voor de Portfolio Variance in professionele en analytische contexten waar nauwkeurige berekeningen van de portefeuillevariantie direct ondersteuning bieden voor geïnformeerde besluitvorming, strategische planning en prestatie-optimalisatie
Risicodecompositie en -attributie bij het beheer van institutionele fondsen, wat een belangrijk toepassingsgebied vertegenwoordigt voor de portefeuillevariantie in professionele en analytische contexten waar nauwkeurige portefeuillevariantieberekeningen rechtstreeks geïnformeerde besluitvorming, strategische planning en prestatie-optimalisatie ondersteunen
Modellering van reglementair kapitaal onder Basel III voor banken en Solvency II voor verzekeraars, wat een belangrijk toepassingsgebied vertegenwoordigt voor de Portfolio Variance in professionele en analytische contexten waar nauwkeurige berekeningen van de portefeuillevariantie direct ondersteuning bieden voor geïnformeerde besluitvorming, strategische planning en prestatie-optimalisatie
Robo-adviseur en algoritmen voor de constructie van fondsportefeuilles met doeldatum, die een belangrijk toepassingsgebied vertegenwoordigen voor de portefeuillevariantie in professionele en analytische contexten waar nauwkeurige berekeningen van de portefeuillevariantie rechtstreeks geïnformeerde besluitvorming, strategische planning en prestatie-optimalisatie ondersteunen
Bijzondere gevallen
▾
Illiquide activa – onregelmatige prijzen
Activiteiten die niet vaak geprijsd zijn (private equity, onroerend goed) vertonen een kunstmatig laag gemeten correlatie met publieke markten omdat hun waarderingen achterblijven. Dit 'afvlakkingseffect' onderschat de werkelijke variantie en correlaties. Modellen die gebruik maken van op taxatie gebaseerde rendementen voor particuliere activa onderschatten het werkelijke portefeuillerisico aanzienlijk en overschatten de diversificatievoordelen. Dimson (1979) correctie- of rendement-ontvlakkingstechnieken help je hiervoor aan te passen.
Dikke staarten en niet-normale rendementen
De standaard portefeuillevariantie gaat uit van normaal verdeelde rendementen. In werkelijkheid hebben de rendementen op activa dikke staarten; grote bewegingen komen veel vaker voor dan een normale verdeling voorspelt. Tijdens de crisis van 2008, de COVID-crash van 2020 en de uitverkoop van obligaties in 2022 bedroegen de rendementen volgens normale distributiestandaarden 5 à 10 standaardafwijkingen. Expected Shortfall (CVaR) en stresstests vullen variantie aan voor het vastleggen van staartrisico.
Schattingsfout in covariantiematrices
Covariantiematrices geschat op basis van historische gegevens zijn luidruchtig, vooral voor grote portefeuilles. Met 50 activa schat u 1.225 covarianties, die elk een schattingsfout met zich meebrengen. Optimizers versterken deze fouten, waardoor onstabiele portefeuilles met extreme gewichten ontstaan. Krimpschatters (Ledoit-Wolf), factormodellen of robuuste optimalisatiemethoden verminderen de gevoeligheid voor schattingsfouten.
Portefeuillestandaardafwijking per correlatie — 50/50 verdeling, σ₁=20%, σ₂=15%
▾
| Correlatie (ρ) | Portefeuille σ | Risico versus gewogen gemiddelde (17,5%) | Interpretatie |
|---|---|---|---|
| −1,0 (perfect negatief) | 2,5% | −15,0% | Maximale diversificatie – bijna nul risico mogelijk |
| −0,5 | 10,4% | −7,1% | Sterk diversificatievoordeel |
| 0,0 (niet-gecorreleerd) | 12,5% | −5,0% | Goede diversificatie — onafhankelijke activa |
| 0.5 | 14,4% | −3,1% | Matig voordeel – activa in dezelfde richting |
| 0.8 | 16,5% | −1,0% | Minimaal voordeel – sterk gecorreleerd |
| +1,0 (perfect positief) | 17,5% | 0% | Geen diversificatie – identiek aan het gewogen gemiddelde |
Veelgestelde vragen
▾
Wat is het verschil tussen portefeuillevariantie en standaarddeviatie van de portefeuille?
Portefeuillevariantie (σ²_p) is de gekwadrateerde maatstaf voor risico; de eenheid is 'procentkwadraat', wat niet intuïtief is. De standaardafwijking van de portefeuille (σ_p = √σ²_p) converteert dit terug naar procentuele termen die direct kunnen worden vergeleken met het rendement op activa. Als uw portefeuille een jaarlijkse standaardafwijking van 12% heeft, betekent dit dat de rendementen doorgaans binnen ongeveer tweederde van de jaren binnen ±12% van het gemiddelde vallen (één standaardafwijking). Beide meten hetzelfde; standaarddeviatie wordt in de praktijk vaker gebruikt omdat de eenheden overeenkomen met die van rendementen.
Waarom is correlatie belangrijker dan individuele volatiliteit voor diversificatie?
Het toevoegen van een volatiel actief aan uw portefeuille kan het algehele portefeuillerisico daadwerkelijk verminderen als dat actief een lage of negatieve correlatie heeft met bestaande beleggingen. Goud heeft bijvoorbeeld een jaarlijkse volatiliteit van 15 tot 20%, vergelijkbaar met aandelen, maar het toevoegen van 10 tot 15% goud aan een portefeuille aandelenobligaties vermindert doorgaans de totale volatiliteit van de portefeuille. De wiskunde maakt dit nauwkeurig: de kruisproductterm (2·w₁·w₂·ρ·σ₁·σ₂) wordt afgetrokken als ρ negatief is en opgeteld als ρ positief is. Correlatie is letterlijk de parameter die bepaalt of diversificatie werkt.
Hoeveel activa zijn nodig voor voldoende diversificatie?
Onderzoek door Evans en Archer (1968) heeft aangetoond dat het meeste idiosyncratische (bedrijfsspecifieke) risico wordt geëlimineerd met ongeveer 20 tot 30 willekeurig geselecteerde aandelen. Daarnaast vermindert het toevoegen van meer aandelen het risico marginaal. Een portefeuille van dertig Amerikaanse aandelen is echter alleen gediversifieerd tegen bedrijfsspecifieke risico's; de portefeuille is nog steeds volledig blootgesteld aan het Amerikaanse aandelenmarktrisico, sectorrisico en factorrisico's. Echte diversificatie vereist het kruisen van activaklassen (aandelen, obligaties, onroerend goed, grondstoffen, alternatieven) en geografische gebieden (binnenlands, internationaal ontwikkelde, opkomende markten).
Wat is een covariantiematrix en hoe bouw ik er een?
Een covariantiematrix (Σ) is een N×N-raster waarin elke invoer [i,j] de covariantie toont tussen asset i en asset j. De diagonale vermeldingen zijn de individuele varianties (σᵢ²). De matrix is symmetrisch (invoer [i,j] = [j,i]) omdat de covariantie tussen A en B gelijk is aan de covariantie tussen B en A. Om er één op te bouwen op basis van historische gegevens: verzamel maandelijkse rendementen voor alle activa, bereken paarsgewijze covarianties met behulp van de COVAR-functie van Excel of Python's numpy.cov(), en reken vervolgens op jaarbasis door te vermenigvuldigen met 12 (voor maandelijkse invoer).
Wat is de minimale variantieportefeuille?
De minimale variantieportefeuille is de combinatie van activa – specifiek voor de wegingen van elk activum – die de laagst mogelijke portefeuillevariantie oplevert over alle mogelijke allocatiecombinaties. Het bevindt zich op het meest linkse punt van de efficiënte grens. Het is niet noodzakelijkerwijs de optimale portefeuille (het gaat ten koste van het verwachte rendement), maar vertegenwoordigt wel het maximale diversificatievoordeel dat haalbaar is gezien de beschikbare activa. Voor een geval met twee activa is het minimale variantiegewicht voor item 1: w₁ = (σ₂² − σ₁₂) / (σ₁² + σ₂² − 2σ₁₂), waarbij σ₁₂ de covariantie is.
Hoe beïnvloedt het hefboomeffect de portefeuillevariantie?
Leverage vergroot de portefeuillevariantie met het kwadraat van de leverage ratio. Als u 50% van de portefeuillewaarde leent om te beleggen (1,5× hefboomwerking), neemt de portefeuillevariantie toe met een factor 1,5² = 2,25, en de standaardafwijking met 1,5×. Dit betekent dat een standaardafwijking van 12% op jaarbasis bij 1× 18% wordt bij 1,5×. Het hefboomeffect kan niet worden weggediversifieerd; het schaalt alle componenten proportioneel op. Dit is de reden waarom fondsen met een hoge hefboomwerking (bijvoorbeeld 2× en 3× ETF’s) een dramatisch hogere volatiliteit hebben dan hun onderliggende indices.
Wat is het verschil tussen portefeuillevariantie in MPT en factormodelrisico?
MPT berekent de totale portefeuillevariantie op basis van de ruwe rendementsgeschiedenis. Factormodellen (CAPM, Fama-French, Barra) ontleden de portefeuillevariantie in systematische componenten (marktrisico, omvangsrisico, waarderisico, momentumrisico) en idiosyncratische componenten. Factormodelvariantie geeft meer inzicht in waarom u het risico loopt: is het marktbèta, sectorconcentratie of factorkanteling? Voor portefeuillebeheer is de decompositie van factorrisico's beter uitvoerbaar; voor nauwkeurige variantieberekening is de covariantiematrixbenadering nauwkeuriger.
Veelgemaakte fouten om te vermijden
▾
- !Door gebruik te maken van de standaardafwijkingen van activa in procenten (bijvoorbeeld 20) in plaats van in decimalen (0,20) is de formule vereist decimalen, en het mixen ervan levert onzinnige resultaten op.
- !Door de correlatie te negeren en simpelweg de standaardafwijkingen van activa te middelen, wordt het portefeuillerisico overschat en wordt het hele punt van diversificatie over het hoofd gezien.
- !Ervan uitgaande dat de historische correlaties stabiel zijn, verschuiven de correlaties dramatisch tussen normale regimes en crisisregimes. Voer altijd een stresstest uit met verhoogde correlatieaannames.
- !Maandelijkse rendementen gebruiken zonder op jaarbasis te berekenen: vermenigvuldig de maandelijkse variantie met 12 om de jaarlijkse variantie te krijgen, of vermenigvuldig de maandelijkse σ met √12 om de jaarlijkse σ te krijgen.
- !Als we een portefeuille aandelen in dezelfde sector behandelen als gediversifieerd: sectoraandelen hebben een correlatie van meer dan 0,7 en zorgen voor een minimale variantiereductie.
Pro Tip
Voer twee portefeuillevariantieberekeningen uit: één met behulp van gemiddelde langetermijncorrelaties (normale periode) en één met behulp van crisisperiodecorrelaties (aangenomen dat alle risicovolle activacorrelaties pieken naar 0,80+). Het verschil tussen deze twee getallen is uw 'diversificatiekrediet': de hoeveelheid risicoreductie die in een echte crisis kan verdwijnen. Schat uw risicobudget conservatief in tegen het crisiscorrelatiescenario.
Wist je dat?
Harry Markowitz ontwikkelde naar verluidt zijn raamwerk voor portefeuillevariantie als promovendus in de jaren vijftig terwijl hij de 'Theory of Investment Value' van John Burr Williams las in een universiteitsbibliotheek. Zijn inzicht – dat beleggers zich om portefeuilles moeten bekommeren, en niet om individuele aandelen – kwam op een middag. In de toespraak van zijn Nobelprijswinnaar werd opgemerkt dat Milton Friedman aanvankelijk suggereerde dat het werk geen economie was. Tientallen jaren later is de covariantiematrix van Markowitz ingebed in elk institutioneel beleggingsproces ter wereld.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Referenties
Ratings & comments
Ontvang wekelijkse wiskundetips
Sluit u aan bij 12.000+ abonnees die elke week rekenmachinetips krijgen.