Svetlozar Rachev: Wetten gegen die Glockenkurve

Die moderne Finanzwelt basierte den Großteil des 20. Jahrhunderts auf der Annahme, dass Vermögensrenditen einer Normalverteilung folgen – der vertrauten Glockenkurve, bei der extreme Ereignisse verschwindend selten sind. Svetlozar „Zari“ Rachev verbrachte seine Karriere damit, mit Mathematik statt mit Meinungen zu argumentieren, dass diese Annahme genau dort falsch ist, wo es am meisten darauf ankommt: Finanzmärkte produzieren katastrophale Bewegungen weitaus häufiger, als die Glockenkurve vorhersagt, und Preis- und Risikomodelle, die dies ignorieren, sind für die Ereignisse, die tatsächlich Verluste verursachen, falsch kalibriert.

Von Sofia zum Steklov-Institut in Moskau

Rachev wurde in einer der damals weltweit strengsten Wahrscheinlichkeitstraditionen ausgebildet. Er erwarb 1974 seinen Master an der mathematischen Fakultät der Universität Sofia und wechselte dann für eine Promotion an die Lomonossow-Universität Moskau, die er 1979 unter Vladimir Zolotarev abschloss, einem führenden sowjetischen Wahrscheinlichkeitstheoretiker, der für seine Arbeit über stabile Verteilungen bekannt war – die mathematisch gutartigen, aber „schwerfälligen“ (heavy-tailed) Wahrscheinlichkeitsverteilungen, die zum roten Faden von Rachevs späterer Karriere werden sollten. Er ging noch weiter und erwarb 1986 einen Doktortitel in Wissenschaften am Steklov-Institut für Mathematik, betreut von drei der bedeutendsten Figuren der sowjetischen Mathematik: Leonid Kantorovich, Nobelpreisträger für Wirtschaftswissenschaften und Begründer der linearen Programmierung; Andrey Kolmogorov, die dominierende Figur des 20. Jahrhunderts in der Wahrscheinlichkeitstheorie; und Yuri Prokhorov, eine führende Autorität für Wahrscheinlichkeitsmetriken. Nur wenige arbeitende Finanzmathematiker können eine Ausbildung in einer solch dichten Tradition vorweisen.

Wahrscheinlichkeitsmetriken und Massentransport

Rachevs frühe Forschung wandte die abstrakte Theorie der Wahrscheinlichkeitsmetriken – Methoden zur Messung der „Distanz“ zwischen zwei Wahrscheinlichkeitsverteilungen – auf Probleme des Massentransports an, die mathematische Untersuchung, wie man Wahrscheinlichkeitsmasse mit minimalen Kosten von einer Verteilung zur anderen bewegt, ein Feld, das Kantorovich selbst mitbegründet hatte. Sein Buch Probability Metrics and the Stability of Stochastic Models (1991), gefolgt von einer zweibändigen Abhandlung über Massentransportprobleme mit Ludger Rüschendorf (1998–99), etablierte diesen technischen Apparat als ernsthaftes Werkzeug in der angewandten Wahrscheinlichkeitstheorie. Diese Arbeit brachte ihm 1995 den Humboldt-Forschungspreis für ausländische Wissenschaftler ein, eine Auszeichnung der deutschen Regierung für Forscher, deren grundlegende Arbeit ihr Fachgebiet international geprägt hat.

Heavy Tails, Optionspreisgestaltung und die Rachev-Ratio

Rachevs markantester und einflussreichster Beitrag bestand darin, diese wahrscheinlichkeitstheoretische Maschinerie direkt in die Finanzmathematik einzubringen. Er ersetzte die klassischen Gaußschen Annahmen, die einem Großteil der Portfoliotheorie und Optionspreisgestaltung zugrunde liegen, durch nicht-Gaußsche Heavy-Tail-Modelle, die besser zum tatsächlichen Verhalten der Märkte passen – Modelle, in denen große Preisschwankungen, Marktcrashs und andere Tail-Ereignisse mit realistischer, empirisch kalibrierter Häufigkeit auftreten, anstatt sie wegzudefinieren. Sein Buch Stable Paretian Models in Finance (2000) legte die mathematische Begründung für diese Heavy-Tail-Verteilungen im Detail dar, und sein späteres Werk Financial Models with Lévy Processes and Volatility Clustering (2011) erweiterte den Rahmen, um die Tendenz der Marktvolatilität zu erfassen, sich in Schüben zu häufen – ein weiteres gut dokumentiertes, aber klassisch untermodelliertes Merkmal realer Märkte. Aus dieser Arbeit heraus führte Rachev die Rachev-Ratio ein, ein Risiko-Rendite-Maß, das speziell dafür entwickelt wurde, das Ertragspotenzial einer Investition gegen ihr Tail-Risiko in einem nicht-Gaußschen Umfeld zu vergleichen – eine Alternative zu älteren Maßen wie der Sharpe-Ratio, die implizit genau das Glockenkurvenverhalten annehmen, das Rachevs Forschung korrigieren wollte.

Von der Theorie zu den Handelstischen

Rachev beschränkte diese Arbeit nicht auf akademische Fachzeitschriften. 1999 gründete er zusammen mit seiner Tochter Borjana Racheva-Iotova die Bravo Group, um kommerzielle Software zur Implementierung von Heavy-Tail-Verteilungsmodellen für das Finanzrisikomanagement zu entwickeln; die Technologie des Unternehmens wurde nach der Übernahme zum Flaggschiff-Risikomanagementprodukt von FinAnalytica – ein seltener Fall, in dem die grundlegende Wahrscheinlichkeitstheorie eines Akademikers direkt in Software umgewandelt wurde, die an tatsächlichen Handels- und Risikotischen verwendet wird. Er hatte anschließend Professuren für Finanzmathematik inne, zuletzt an der Texas Tech University, und publizierte durchgehend in den Bereichen Finanzmathematik, Wahrscheinlichkeitstheorie und Statistik.

Anerkennung

Neben dem Humboldt-Preis hält Rachev einen Ehrendoktortitel in Wissenschaften vom Staatlichen Technologischen Institut Sankt Petersburg (1992), ist Fellow des Institute of Mathematical Statistics und ausländisches Mitglied der Russischen Akademie der Naturwissenschaften – eine Reihe von Ehrungen, die die Anerkennung sowohl innerhalb der Mathematik- und Statistik-Community als auch bei den angewandten Finanzforschern widerspiegeln, die seine Heavy-Tail-Modelle übernommen haben.

Warum Svetlozar als Genie bezeichnet wird

Der spezifische intellektuelle Beitrag hinter diesem Label ist Rachevs Beharren – gestützt durch rigorose Wahrscheinlichkeitstheorie statt bloßem empirischem Murren –, dass die grundlegende Annahme der Finanzwelt von normalverteilten Renditen keine bequeme Vereinfachung ist, sondern eine Quelle systematischer, gefährlicher Risiko-Unterschätzung. Hinzu kommt seine Konstruktion eines vollständigen alternativen mathematischen Apparats, von der Theorie stabiler Verteilungen über Wahrscheinlichkeitsmetriken bis hin zur Rachev-Ratio, um diese zu ersetzen. Dass seine Modelle von akademischen Papieren zu kommerzieller Risikomanagement-Software übergingen, die tatsächlich von Finanzinstituten genutzt wird, ist ein ungewöhnlich starker Beweis dafür, dass die theoretische Einsicht unter dem Druck der realen Welt Bestand hatte, anstatt eine elegante Abstraktion zu bleiben. Das ehrliche Gegenargument ist, dass Rachev Heavy-Tail-Verteilungen nicht selbst entdeckt hat – sein Lehrer Zolotarev und Vorgänger wie Benoit Mandelbrot hatten bereits Jahrzehnte zuvor festgestellt, dass Finanzrenditen Heavy Tails aufweisen – und Rachevs Genie liegt spezifisch in der Systematisierung und Anwendung: dem Aufbau der rigorosen mathematischen Infrastruktur, der Preisgestaltungstools und schließlich der kommerziellen Software, die eine Beobachtung, die andere gemacht hatten, in eine operative Disziplin verwandelte. Es ist das Genie eines Ingenieurs von Ideen ebenso wie eines Urhebers, und die verfügbaren Quellen dokumentieren keinen erstklassigen Mathematikpreis, sondern nur eine anhaltende Anerkennung innerhalb der Wahrscheinlichkeitstheorie und speziell der Finanzmathematik.

Vermächtnis

Heavy-Tail- und stabile Verteilungsmodelle, einst eine Minderheitenposition gegenüber der dominierenden Gaußschen Orthodoxie der Finanzwelt, sind heute ein Standardbestandteil des Risikomanagement-Toolkits bei großen Finanzinstituten, und die Rachev-Ratio wird weiterhin als Alternative zu Sharpe-ähnlichen Maßen zitiert, genau in den Tail-Risiko-Umgebungen, für die das klassische Verhältnis nie ausgelegt war – eine langsame, aber reale Bestätigung eines Arguments, für dessen Unterstützung Rachev jahrzehntelang die Mathematik entwickelte. Jeder neue Marktcrash, der die Vorhersagen der Gaußschen Modelle verletzt, liefert frische, unerwünschte Beweise für das Argument, das er Jahrzehnte zuvor erstmals schriftlich dargelegt hatte.