Zwei Liquiditäten — ein System
Ich beginne mit einer Unterscheidung, die einfach klingt und es analytisch nicht ist. Marktliquidität beschreibt die Fähigkeit, Vermögenspositionen zu handeln, ohne den Preis wesentlich zu bewegen. Finanzierungsliquidität beschreibt die Fähigkeit, Positionen mit Fremdkapital zu halten, ohne die Finanzierungsquelle zu verlieren. In ruhigen Marktphasen sind diese beiden Größen weitgehend unabhängig voneinander — ein Markt kann eng und teuer sein, ohne dass Finanzierungsquellen versiegen, und umgekehrt. Diese scheinbare Unabhängigkeit verführt dazu, sie getrennt zu modellieren. Das ist ein Fehler, der in Stressphasen teuer werden kann. Denn wenn beide Liquiditätsformen gleichzeitig unter Druck geraten, entsteht eine analytisch schwer greifbare, aber empirisch gut belegte Verstärkungsdynamik, die Portfolios in die Zange nimmt. Wer nur eine der beiden Dimensionen modelliert, sieht immer nur die Hälfte des Risikos — und unterschätzt die Gesamtgefährdung systematisch.
Marktliquidität: Preisimpakt und Handelskapazität
Marktliquidität lässt sich über mehrere Dimensionen messen: Bid-Ask-Spreads, Markttiefe, Preisimpakt großer Orders und die Geschwindigkeit, mit der sich Preise nach einer Störung erholen. In liquiden Märkten sind diese Maße günstig — Transaktionen kosten wenig und bewegen Preise kaum. In illiquiden Märkten steigen Bid-Ask-Spreads, die Markttiefe schrumpft und große Verkäufe drücken Preise überproportional. Stochastische Modelle für Marktliquidität müssen diese Variabilität erfassen — und dürfen nicht mit fixen Transaktionskosten arbeiten, die aus ruhigen Perioden abgeleitet wurden. Die analytisch entscheidende Frage ist: Wie verhält sich Marktliquidität, wenn viele Marktteilnehmer gleichzeitig in dieselbe Richtung handeln müssen?
Finanzierungsliquidität: Haircuts, Margen und Verfügbarkeit
Finanzierungsliquidität ist weniger sichtbar als Marktliquidität, aber mindestens ebenso folgenreich. Sie manifestiert sich in der Verfügbarkeit von Repo-Linien, in Haircut-Niveaus für verschiedene Sicherheitenkategorien und in der Bereitschaft von Gegenparteien, besicherte Finanzierungen zu verlängern. In ruhigen Phasen ist Finanzierungsliquidität reichlich vorhanden und erscheint stabil. Unter Stress verändert sie sich sprunghaft: Haircuts steigen, Linien werden gekürzt und Laufzeiten verkürzt. Stochastische Modelle für Finanzierungsliquidität müssen diese Sprungdynamik erfassen und dürfen nicht von kontinuierlichen Anpassungen ausgehen, die in der Realität selten beobachtbar sind. Die Stabilität der Finanzierungsliquidität ist eine Illusion ruhiger Zeiten.
Die Korrelationsstruktur unter Stress
In normalen Marktphasen ist die Korrelation zwischen Marktliquiditätsmaßen und Finanzierungsliquiditätsmaßen gering. Das verführt dazu, beide als unabhängige Risikofaktoren zu behandeln. In Stressphasen bricht diese Unabhängigkeit zusammen — die Korrelation steigt sprunghaft und nähert sich eins an. Dieses Phänomen, bekannt als Korrelationsinstabilität unter Stress, ist eine der größten analytischen Fallen in der Risikomodellierung. Ein Modell, das mit stabilen Korrelationen aus normalen Phasen kalibriert wird, unterschätzt das gemeinsame Stressrisiko von Markt- und Finanzierungsliquidität erheblich. Stochastische Modelle müssen regimewechselnde Korrelationsstrukturen explizit berücksichtigen.
Empirische Belege für die Kopplung
Die enge Kopplung von Markt- und Finanzierungsliquidität in Stressphasen ist keine theoretische Konstruktion — sie ist empirisch in zahlreichen historischen Stressepisoden dokumentiert. Wenn Assetpreise fallen, steigen Haircuts in besicherten Märkten. Wenn Haircuts steigen, müssen Positionen abgebaut werden. Wenn Positionen abgebaut werden, sinkt Marktliquidität, weil viele Teilnehmer gleichzeitig auf derselben Seite des Marktes stehen. Diese Kausalkette erzeugt eine selbstverstärkende Dynamik, die in den Daten als gleichzeitiger Rückgang beider Liquiditätsformen erscheint. Analytisch ist dies kein Zufall, sondern ein strukturelles Merkmal fremdfinanzierter Märkte unter Druck.
Modellierung der Kopplung: Technische Anforderungen
Die gemeinsame stochastische Modellierung von Markt- und Finanzierungsliquidität ist technisch anspruchsvoller als die getrennte Modellierung beider Größen. Sie erfordert ein Rahmenwerk, das die Korrelationsstruktur zwischen beiden Liquiditätsformen explizit abbildet, Regimewechsel zulässt und die endogenen Rückkopplungsschleifen zwischen Preisimpakt und Finanzierungskosten erfasst. Ich skizziere hier die zentralen technischen Anforderungen an ein solches Rahmenwerk und zeige, welche Modellkomponenten unerlässlich sind und welche vereinfachenden Annahmen analytisch vertretbar bleiben. Das Ziel ist kein perfektes Modell — das gibt es nicht — sondern ein Modell, das seine eigenen Grenzen kennt und transparent kommuniziert.
Gemeinsamer stochastischer Treiber
Eine elegante Möglichkeit, die Kopplung von Markt- und Finanzierungsliquidität zu modellieren, besteht in der Einführung eines gemeinsamen stochastischen Treibers — einer latenten Variablen, die beide Liquiditätsformen gleichzeitig beeinflusst. Dieser gemeinsame Treiber kann als Proxy für systemisches Stressniveau interpretiert werden: Wenn er ansteigt, verschlechtern sich sowohl Marktliquidität als auch Finanzierungsliquidität gleichzeitig und in korrelierter Weise. Technisch lässt sich dies über faktorbasierte stochastische Modelle abbilden, die idiosynkratische und systematische Komponenten beider Liquiditätsformen trennen. Diese Trennung ist analytisch wertvoll, weil sie zeigt, welcher Anteil des Liquiditätsrisikos diversifizierbar ist und welcher nicht.
Regimewechsel in der Korrelationsstruktur
Ein realistisches Modell muss Regimewechsel in der Korrelationsstruktur zulassen. In einem Niedrig-Stress-Regime ist die Korrelation zwischen Markt- und Finanzierungsliquidität gering. In einem Hoch-Stress-Regime steigt sie abrupt. Markov-Switching-Modelle bieten hierfür einen geeigneten Rahmen: Sie erlauben es, zwischen Regimen zu wechseln und die übergangswahrscheinlichkeiten aus historischen Daten zu schätzen. Die Herausforderung liegt in der Kalibrierung: Stressepisoden sind selten, und die Datenbasis für Hoch-Stress-Regime ist begrenzt. Analytische Bescheidenheit ist deshalb angebracht — Modelloutputs aus Stressregimen sollten mit breiten Konfidenzintervallen kommuniziert werden.
Preisimpakt als endogene Variable
In einem Modell, das Markt- und Finanzierungsliquidität gemeinsam abbildet, muss der Preisimpakt großer Orders als endogene Variable behandelt werden. Wenn Finanzierungsliquidität sinkt und Positionen zwangsweise abgebaut werden müssen, erhöht sich der Verkaufsdruck im Markt. Dieser erhöhte Verkaufsdruck senkt Marktliquidität — Bid-Ask-Spreads weiten sich, die Markttiefe sinkt und der Preisimpakt pro Einheit Handelsvolumen steigt. Ein Modell, das Preisimpakt als exogenen Parameter behandelt, unterschätzt die Transaktionskosten in Stresssituationen systematisch. Die Endogenität des Preisimpakts ist ein zentrales Merkmal realer Märkte unter Druck.
Aggregation über Assetklassen hinweg
Ein weiteres technisches Problem bei der gemeinsamen Modellierung von Markt- und Finanzierungsliquidität ist die Aggregation über verschiedene Assetklassen hinweg. Staatsanleihen, Unternehmensanleihen und strukturierte Produkte haben unterschiedliche Liquiditätsprofile — sowohl auf der Marktseite als auch auf der Finanzierungsseite. In Stressphasen divergieren diese Profile zusätzlich: Qualitätsflucht erhöht die Marktliquidität erstklassiger Staatsanleihen, während sie für alle anderen Assetklassen sinkt. Ein Portfoliomodell muss diese Divergenz abbilden und darf nicht mit aggregierten Liquiditätsmaßen arbeiten, die die Heterogenität zwischen Assetklassen verdecken.
Praktische Konsequenzen für Portfolioanalyse
Was bedeutet die enge Kopplung von Markt- und Finanzierungsliquidität konkret für die Portfolioanalyse? Ich ziehe drei zentrale analytische Konsequenzen, die über die technische Modellierung hinausgehen und direkt auf die Bewertung von Portfoliokonstellationen einwirken. Diese Konsequenzen gelten unabhängig von der gewählten Modellarchitektur — sie folgen aus der strukturellen Logik der Kopplung selbst. Vergangene Marktentwicklungen erlauben dabei keine direkten Schlüsse auf zukünftige Verläufe. Analytische Sorgfalt bedeutet hier, Unsicherheit nicht zu minimieren, sondern ehrlich zu kommunizieren.
Konzentrationsrisiken neu bewerten
Portfolios mit hoher Konzentration in einzelnen Assetklassen sind in Stressphasen doppelt verwundbar: Marktliquidität sinkt genau für jene Positionen, die abgebaut werden müssen, und Finanzierungsliquidität versiegt genau für jene Sicherheiten, die zur Finanzierung dieser Positionen eingesetzt werden. Diese Doppelverwundbarkeit ist in der Konzentrationsrisikobewertung oft nicht explizit berücksichtigt. Eine analytisch vollständige Bewertung muss beide Liquiditätsdimensionen gleichzeitig einbeziehen — und Konzentrationsrisiken nicht nur über Preisrisiken, sondern auch über Liquiditätsrisiken messen. Das ergibt eine konservativere, aber ehrlichere Einschätzung der tatsächlichen Portfoliostabilität.
Hebelgrenzen liquiditätsadjustiert kalibrieren
Klassische Hebelgrenzen basieren auf Preisrisikokennzahlen und vernachlässigen die Liquiditätsdimension. Eine liquiditätsadjustierte Kalibrierung von Hebelgrenzen berücksichtigt zusätzlich, wie schnell Positionen unter realistischen Marktliquiditätsbedingungen abgebaut werden können und welche Finanzierungskosten dabei entstehen. Diese Kalibrierung führt in der Regel zu konservativeren Hebelgrenzen — besonders für illiquide Assetklassen und in Phasen erhöhter Marktvolatilität. Der analytische Mehrwert liegt nicht in der Reduktion des Hebels per se, sondern in der transparenten Begründung, warum bestimmte Hebelgrenzen unter bestimmten Bedingungen nicht mehr robust sind.
Stresstests gemeinsam calibrieren
Stresstests, die Markt- und Finanzierungsliquidität getrennt schocken, unterschätzen das gemeinsame Stressrisiko systematisch. Ein analytisch vollständiger Stresstest schockt beide Dimensionen gleichzeitig und modelliert ihre Rückkopplungseffekte explizit. Das bedeutet: Ein Szenario, in dem Assetpreise fallen, muss gleichzeitig steigende Haircuts, sinkende Repo-Volumen und erhöhten Preisimpakt bei Zwangsverkäufen abbilden. Nur so entsteht ein realistisches Bild der Portfoliovulnerabilität unter kombinierten Stressbedingungen. Dieser Ansatz ist aufwendiger als sequentielle Stresstests, liefert aber analytisch ehrlichere Ergebnisse für die Bewertung systemischer Risiken.
Kommunikation von Modellunsicherheit
Die gemeinsame stochastische Modellierung von Markt- und Finanzierungsliquidität produziert Ergebnisse mit erheblicher Parameterunsicherheit — besonders im Hoch-Stress-Regime, für das historische Daten begrenzt sind. Diese Unsicherheit muss explizit kommuniziert werden. Modelloutputs sollten mit Sensitivitätsanalysen begleitet werden, die zeigen, wie stark die Ergebnisse auf Änderungen in der Korrelationsstruktur, in Sprungparametern und in Regime-Übergangswahrscheinlichkeiten reagieren. Analytische Glaubwürdigkeit entsteht nicht durch Präzision der Ergebnisse, sondern durch Transparenz über die Grenzen des Modells. Das ist der Maßstab, an dem ich meine eigene Arbeit messe.