Aktien-Anleihen-Korrelation: Regime, Treiber und Folgen für 60/40, Risk Parity und Absicherung

Fortgeschritten12 Min. Lesezeit · aktualisiert am 21. Oktober 2026 · 8 Quellen

Die Aktien-Anleihen-Korrelation ist die wichtigste einzelne Zahl für das Risiko gemischter Portfolios. Von etwa 2000 bis 2021 war sie meist negativ: Anleihen stiegen, wenn Aktien fielen, und machten Mischportfolios ruhiger, als die Einzelrisiken vermuten ließen. Im 20. Jahrhundert war sie dagegen meist positiv, und mit der Inflation 2022 stieg sie wieder. Hier lernst du, was das Vorzeichen treibt, wie stark es 60/40, Risk Parity und Absicherung verändert und wie unsicher eine rollierende Korrelation ist.

Warum diese eine Zahl so viel bestimmt

Die Grundlagen erklärt der Artikel Korrelation und Diversifikation. Hier geht es um die Frage, die Allokateure seit 2022 beschäftigt: Was passiert mit einem Portfolio, wenn die Aktien-Anleihen-Korrelation ihr Vorzeichen wechselt? Für zwei Anlagen mit Gewichten w, Volatilitäten σ und Korrelation ρ gilt:

Bemerkenswert ist der Risikoanteil der Anleihen bei ρ = −0,3: 0,4 %. Die 40 % Kapital in Anleihen wirken dann fast wie eine Versicherung, die das Aktienrisiko senkt, ohne eigenes beizusteuern. Dreht die Korrelation, steigt ihr Anteil auf 14,8 %. Das Bild zeigt den ganzen Verlauf über ρ, auch für ein Risk-Parity-Portfolio mit gleichen Risikobeiträgen.

Ein Jahrhundert im Wechsel: positiv, negativ, wieder positiv

Die negative Korrelation, die viele für den Normalfall halten, ist historisch die Ausnahme. Ilmanen (2003) zeigt für das 20. Jahrhundert: Meist war die Korrelation zwischen Aktien und Staatsanleihen positiv, negativ nur Anfang der 1930er-Jahre, Ende der 1950er-Jahre und um die Jahrtausendwende. Campbell u. a. (2017) finden für US-Staatsanleihen von 1953 bis 2014 eine im Mittel leicht positive Kovarianz mit Aktien, ungewöhnlich hoch Anfang der 1980er-Jahre und negativ im frühen 21. Jahrhundert, besonders in den Abschwüngen 2001 und 2007 bis 2009.

Für den Euroraum und die USA kommt die Europäische Zentralbank zum selben Muster: meist positiv von Ende der 1960er- bis Ende der 1990er-Jahre, negativ in den 2000er-Jahren und zuletzt in beiden Wirtschaftsräumen gestiegen (Mosk u. a. 2022). Brixton u. a. (2023) nennen die Korrelation deshalb den „goldenen Parameter“ traditioneller Portfolios und warnen, dass größere Unsicherheit über die Inflation die positive Korrelation der 1970er- bis 1990er-Jahre zurückbringen könnte. 2022 fielen Aktien und Staatsanleihen über weite Strecken gleichzeitig, nach dem Muster dieser früheren Jahrzehnte.

Treiber: Wachstums- gegen Inflationsschocks

Warum wechselt das Vorzeichen? Die Erklärung liegt in der Art der Schocks. Eine Aktie ist der Barwert künftiger Gewinne, eine Staatsanleihe der Barwert fester Zahlungen. Beide hängen am Diskontsatz, nur Aktien hängen zusätzlich an den Gewinnen. Ilmanen (2003) fasst es so: Wachstums- und Volatilitätsschocks treiben Aktien und Anleihen auseinander, Inflationsschocks bewegen sie über den gemeinsamen Diskontsatz in dieselbe Richtung.

• Wachstumsschock: Die Konjunktur enttäuscht. Gewinnerwartungen sinken, Aktien fallen; die Notenbank senkt die Zinsen oder Anleger fliehen in Sicherheit, Anleihen steigen. Ergebnis: negative Korrelation.
• Inflationsschock: Die Inflation überrascht nach oben. Nominalzinsen steigen, Anleihen fallen; höhere Diskontsätze und Kostendruck drücken auch die Aktien. Ergebnis: positive Korrelation.
• Geldpolitik: Reagiert die Notenbank vor allem auf Inflation, verstärkt sie den Inflationskanal; bekämpft sie vor allem Rezessionen, stützt sie den Wachstumskanal. Die EZB sieht im jüngsten Anstieg auch eine Folge der hohen Inflation und der Zinserhöhungen; am niedrigsten war die Korrelation, wenn die Inflation nahe 2 % lag (Mosk u. a. 2022).

Welcher Kanal überwiegt, hängt vom Verhältnis der Schwankung beider Schocks ab. Ein einfaches Modell mit zwei unabhängigen Schocks macht das sichtbar; die Ladungen sind Beispielzahlen und nicht geschätzt:

Die Forschung bestätigt diese Logik, aber mit Vorbehalten. Campbell u. a. (2020) erklären, warum das Aktien-Beta von US-Staatsanleihen von 1979 bis 2001 positiv und von 2001 bis 2011 negativ war: Der Gleichlauf von Inflation und Produktionslücke hatte sich gedreht. Das erklärt die Daten aber nur, wenn sich auch die Risikoprämien mit ändern. Campbell u. a. (2017) verbinden die Kovarianz mit der Laufzeitprämie: Je stärker Inflation und Realzins mit der Realwirtschaft gleichlaufen, desto höher die Prämie; ihr Rückgang seit den frühen 1980er-Jahren senkte die modellierte Laufzeitprämie zehnjähriger Nullkuponanleihen um etwa zwei Prozentpunkte. Baele u. a. (2010) mahnen zur Bescheidenheit: Makroökonomische Fundamentaldaten erklären in ihrem Modell wenig von der Korrelation; Liquiditätsmaße und andere Faktoren spielen eine größere Rolle.

Folgen für 60/40, Risk Parity und Absicherung

Die Korrelation bestimmt nicht nur die Volatilität, sondern vor allem, was Anleihen in einem Aktiencrash leisten. Bei gemeinsam normalverteilten Renditen ist die erwartete Anleihenrendite bei gegebenem Aktienschock linear in ρ:

Daraus folgen drei Konsequenzen. Erstens: 60/40 bleibt im Kern ein Aktienportfolio; die Korrelation entscheidet, ob die Anleihen Puffer oder Ballast sind (siehe 60/40-Portfolio). Zweitens: Risk Parity hängt besonders stark daran, weil das Anleihenrisiko gehebelt und gleich gewichtet ist; für zwei Anlagen hängen die Gewichte zwar nicht von ρ ab, wohl aber der Hebel, der für ein Volatilitätsziel nötig ist. Drittens: Absicherung durch Staatsanleihen funktioniert nur in Wachstumskrisen zuverlässig. Gegen einen Inflationsschock helfen eher kurze Laufzeiten, inflationsgeschützte Anleihen, Rohstoffe oder Strategien wie Trendfolge; andere Wege beschreiben Tail Hedging und Gold im Portfolio.

Laut EZB kann eine höhere Korrelation das Portfoliorisiko zunächst unterschätzen lassen, weil historische Risikomodelle die alte Korrelation fortschreiben; Verluste fallen dann größer oder häufiger aus als erwartet (Mosk u. a. 2022). Brixton u. a. (2023) sehen zwei Auswege, die beide etwas kosten: erstens mehr Risiko tragen oder umschichten und dabei erwartete Rendite aufgeben, zweitens Alternativen beimischen, die die fehlende Streuung ersetzen.

Rollierende Korrelation: Fenster und Schätzfehler

Praktiker verfolgen die Korrelation mit einem rollierenden Fenster, etwa 36 Monatsrenditen. Doch ein solcher Schätzer ist ungenau. Die übliche Näherung für den Standardfehler, (1 − ρ²) / √n, unterstellt ein symmetrisches Intervall. Die Verteilung des Schätzers ist bei kleinen Stichproben aber schief. Besser ist die Fisher-z-Transformation: Sie macht die Verteilung des Schätzers annähernd normal und erlaubt ein Intervall, das nicht über −1 oder +1 hinausreicht.

Das Intervall setzt unabhängige Renditen mit konstanter Korrelation voraus. In der Praxis ist es eher noch breiter. Dazu kommen drei Fallen. Überlappende Fenster: Zwei aufeinanderfolgende 36-Monats-Werte teilen 35 Monate; die rollierende Kurve sieht deshalb glatter und beständiger aus, als sie ist. Frequenz: Tageskorrelationen werden durch unterschiedliche Börsenschlusszeiten und kurzfristige Fluchtbewegungen geprägt und können sich deutlich von Monatskorrelationen unterscheiden, die eher die makroökonomischen Kanäle zeigen. Gewichtung: Ein exponentiell gewichteter Schätzer reagiert schneller auf einen Regimewechsel, rauscht aber stärker; mehr dazu unter Kovarianzschätzung. Wer Regime explizit modellieren will, findet Ansätze unter Regime-Modelle.

Für Fortgeschrittene: Herleitung und Verzerrungen

Allgemeines Schockmodell. Mit r_A = a_g g + a_π π und r_B = b_g g + b_π π und unkorrelierten Schocks g und π ist Cov(r_A, r_B) = a_g b_g σ_g² + a_π b_π σ_π². Weil a_g > 0 und b_g < 0, ist der Wachstumsterm negativ; weil a_π < 0 und b_π < 0, ist der Inflationsterm positiv. Das Vorzeichen kippt bei σ_π² / σ_g² = −a_g b_g / (a_π b_π). Mit Realzinsschocks als dritter Quelle, die beide Anlagen über den Diskontsatz treffen, wird der positive Teil größer. Deshalb kann die Korrelation auch ohne Inflationsschub steigen, wenn Realzinsen stark schwanken.

Volatilitätsverzerrung. In Krisen steigt die Volatilität, und eine Korrelation, die nur in solchen Phasen gemessen wird, ist rechnerisch verzerrt. Forbes und Rigobon (2002) korrigieren das mit ρ* = ρ / √(1 + δ (1 − ρ²)), wobei δ den relativen Anstieg der Varianz misst. Eine Krisenkorrelation von 0,5 bei verdoppelter Varianz (δ = 1) entspricht bereinigt nur 0,38. Für die Aktien-Anleihen-Korrelation heißt das: Ein kurzer, sehr negativer Wert in einer Panik ist nicht automatisch ein neues Regime. Umgekehrt zeigen Longin und Solnik (2001) für Aktienmärkte, dass die Korrelation in Bärenmärkten wirklich steigt (siehe asymmetrische Korrelation).

Nominal oder real. Inflationsgeschützte Anleihen tragen nur das Realzinsrisiko. Ihre Korrelation mit Aktien reagiert deshalb weniger auf Inflationsschocks als die nominaler Anleihen, dafür voll auf Realzinsschocks. Wer das Inflationsrisiko gezielt steuern will, trennt beide Kanäle über die Breakeven-Inflation. Und schließlich die Währung: Für Euro-Anleger zählt die Korrelation in Euro; eine ungesicherte US-Staatsanleihe enthält den Dollar, der sich in Krisen anders bewegt als die Anleihe selbst.

Was die Forschung zeigt

• Lange Sicht: Ilmanen (2003) dokumentiert die meist positive Korrelation im 20. Jahrhundert und erklärt sie mit Inflationsschocks; bei niedriger Inflation erwartet er niedrige, in deflationären Rezessionen und Fluchtphasen besonders negative Korrelationen.
• Inflation und Laufzeitprämie: Campbell u. a. (2017) modellieren den Wechsel über die Kovarianz von Inflation und Realzins mit der Realwirtschaft; eine hohe Kovarianz bedeutet eine hohe Laufzeitprämie und eine konkave Zinskurve.
• Makrodynamik: Campbell u. a. (2020) führen den Wechsel des Anleihen-Betas um 2001 auf den veränderten Gleichlauf von Inflation und Produktionslücke zurück, verbunden mit beweglichen Risikoprämien.
• Grenzen der Makroerklärung: Baele u. a. (2010) finden, dass Liquiditätsmaße mehr erklären als Fundamentaldaten und dass Modelle gerade die Kovarianzen schlecht treffen.
• Aktuelle Lage: Mosk u. a. (2022) zeigen für Euroraum und USA einen nichtlinearen Zusammenhang mit der Inflation, am niedrigsten nahe 2 %; Brixton u. a. (2023) analysieren die Folgen einer dauerhaft positiven Korrelation für Portfolios.

Grenzen und typische Fehler

• Den Durchschnitt der letzten 20 Jahre fortschreiben: Er stammt fast vollständig aus einem Regime mit fallenden Zinsen und stabiler Inflation.
• Vorzeichen aus kurzen Fenstern ablesen: Mit 36 Monaten ist eine Korrelation von −0,3 statistisch kaum von null zu unterscheiden.
• Tages- und Monatswerte mischen: Die Optimierung mit Monatsdaten und die Überwachung mit Tagesdaten liefern verschiedene Zahlen für dieselbe Beziehung.
• Korrelation mit Absicherung verwechseln: Eine negative Durchschnittskorrelation sagt wenig darüber, ob Anleihen in genau dem Krisentyp helfen, der dich trifft.
• Duration vergessen: Lange Anleihen sichern Wachstumskrisen stärker ab, verlieren aber bei Inflationsschocks auch stärker (siehe Duration).
• Keine Prognose: Kein Modell sagt den nächsten Regimewechsel verlässlich voraus. Dieser Artikel ist keine Anlageberatung.

So rechnet Portfolio Lab

Auf der Seite Assets zeigt Portfolio Lab im Reiter Korrelation die Matrix aus den Periodenrenditen in Basiswährung über den gemeinsamen Zeitraum und eine rollierende Korrelation für ein wählbares Paar. Das Fenster ist voreingestellt auf 36 Monate bzw. 252 Handelstage und wählbar von 6 bis 2.520 Perioden; gerechnet wird die Korrelation nach Pearson aus einfachen Renditen. Ein Konfidenzintervall zeigt die Seite nicht. Nutze dafür die Formel oben. Für lange Reihen eignen sich die Anlageklassen „Aktien Welt (Industrieländer)“ (@AKTIEN_WELT), „Bundesanleihen 10 J.“ (@BUND_10J), eine synthetische zehnjährige Bundesanleihe aus Zinsreihen, und „US-Staatsanleihen 10 J.“ (@US_TREASURY_10J); Anlageklassen rechnen immer mit Monatswerten.

Wie sich ein Korrelationswechsel auf ein Portfolio auswirkt, zeigt die Seite Risiko: Sie zerlegt die Volatilität nach Positionen, mit Kovarianz aus der Stichprobe, exponentiell gewichtet (λ = 0,97 je Monat) oder nach Ledoit-Wolf und mit Fenstern über den ganzen Zeitraum oder die letzten 36, 60 oder 120 Monate. Im Backtest prüfst du 60/40 und Risk Parity in Zeiträumen mit beiden Vorzeichen, etwa den 1970er-Jahren, 2008 und 2022. Mehr zur Rechnung in der Methodik der Asset-Analyse.

Dieser Artikel erklärt eine Methode; er ist keine Anlage- oder Steuerberatung. Zahlenbeispiele sind vereinfacht und gerundet. Alle Begriffe im Glossar.