Volatility Risk Premium (VRP): Der statistische Edge hinter Optionen

Strategien aus diesem Blog, wie MESH Wheel, Bull Put Spreads, Double Calendars, verkaufen am Ende dasselbe zugrunde liegende Gut: Optionsprämie. Was diese Strategien tatsächlich monetarisieren, wird selten explizit gemacht: die Volatility Risk Premium beziehungsweise auf Deutsch Volatilitätsrisikoprämie ($\text{VRP}$). Dieser Artikel legt die Mechanik offen, zeigt, wie man sie misst, und ordnet ein, warum sie kein risikoloser Ertrag ist.

Was ist Volatility Risk Premium?

Die $\text{VRP}$ ist die Differenz zwischen der impliziten Volatilität ($IV$), die der Optionsmarkt einpreist, und der Volatilität, die sich im Nachhinein tatsächlich realisiert ($RV$):

$$\text{VRP} = IV - RV$$

Über die meisten historischen Perioden hinweg ist diese Differenz im Mittel positiv: Optionen sind im Schnitt teurer, als es die spätere Kursbewegung rechtfertigt. Der SPX (S&P 500 Index) ist das am häufigsten untersuchte Beispiel dafür, aber der Effekt ist kein Index-Artefakt – er zeigt sich in den meisten liquiden Optionsmärkten mit breiter Marktteilnahme.

Warum existiert diese Prämie?

Die $\text{VRP}$ ist kein Marktineffizienz-Zufall, sondern hat eine strukturelle Erklärung: Nachfrage nach Absicherung.

• Asymmetrisches Risiko der Marktteilnehmer. Fondsmanager, Pensionskassen und Privatanleger halten überwiegend Long-Aktienpositionen. Ihr Interesse an Absicherung durch z. B. Long Put Optionen gegen Kursverluste ist strukturell größer als ihr Interesse an Wetten auf Kursanstiege.
• Put-Nachfrage treibt $IV$ nach oben. Diese chronische Nachfrage nach Downside-Protection (Puts) drückt den Preis von Optionen systematisch über ihren “fairen” statistischen Wert.
• Verkäufer verlangen eine Risikoprämie. Wer diese Absicherung verkauft (Stillhalter), übernimmt ein Tail-Risiko mit negativer Schiefe – seltene, aber große Verluste. Dafür verlangt der Markt eine Kompensation, ähnlich einer Versicherungsprämie.

Die $\text{VRP}$ ist damit ökonomisch dasselbe Prinzip wie die Prämie, die eine Versicherung verlangt: strukturell positiv im Erwartungswert, aber mit Tail-Risiko auf der Verkäuferseite.

Wie misst man die VRP konkret?

Für eine saubere Messung braucht man zwei Zeitreihen:

1. Implizite Volatilität zu einem festen Zeitpunkt und fester Laufzeit (z. B. 30 Tage), etwa über den VIX für den SPX oder über das IV-Rank/IV-Percentile-Feld bei anderen Basiswerten.
2. Realisierte Volatilität über exakt denselben nachfolgenden Zeitraum, berechnet aus den tatsächlichen täglichen Kursbewegungen (annualisierte Standardabweichung der Log-Returns).

Ein Detail dabei: Der VIX misst 30 Kalendertage implizite Vola, interpoliert aus zwei umliegenden SPX-Optionsverfällen. Für die realisierte Vola arbeitet man aber mit täglichen Schlusskursen, also mit Handelstagen. 30 Kalendertage entsprechen bei ca. 252 Handelstagen im Jahr im Schnitt rund 21 Handelstagen ($252 / 12$) – das 21-Tage-Fenster ist damit die handelstägliche Entsprechung des VIX-Zeitraums, kein willkürlich gewählter Wert.

Wichtig ist die zeitliche Zuordnung: Die $IV$ von heute muss man mit der $RV$ der nächsten 30 Tage vergleichen, nicht mit der $RV$ der letzten 30 Tage. Ein häufiger Analysefehler ist der Vergleich von $IV$ mit vergangener statt zukünftiger $RV$ – das misst nicht die Prämie, sondern nur Volatility Clustering.

Trägt man $IV$ minus die tatsächlich gefolgte $RV$ über die Zeit auf, ergibt sich meist ein Bild mit im Mittel positivem Wert, aber hoher Varianz und ausgeprägten negativen Ausreißern in Stressphasen – genau dort, wo die $\text{VRP}$ kollabiert oder sich sogar umkehrt.

Am SPX lässt sich das direkt mit VIX und realisierter 21-Tage-Volatilität zeigen:

Die grüne Fläche markiert die $\text{VRP}$ – die Lücke, die entsteht, wenn die implizite (schwarze Linie) über der realisierten Volatilität (grüne Linie) liegt. Im betrachteten Zeitraum lag der VIX im Mittel um 4,05 Vola-Punkte über der realisierten Volatilität, an 85,2 % aller Wochen war die $\text{VRP}$ positiv. Die Spanne reichte von -69,9 bis 30,64 – die negativen Ausreißer markieren typischerweise Stressphasen wie 2008 oder 2020.

Isoliert man die Differenz selbst, wird das Muster noch deutlicher:

Rote Balken sind die Wochen, in denen die $\text{VRP}$ negativ war – also die realisierte Vola die implizite übertroffen hat. Das sind exakt die Phasen, in denen ein systematischer Prämienverkäufer ohne Absicherung am meisten verliert, weil laufende Short-Optionspositionen zu diesem Zeitpunkt bereits gegen ihn liefen.

Ist die Umkehr in Crashes ein Widerspruch?

Nein – im Gegenteil, sie ist der eigentliche Grund, warum die Prämie überhaupt existiert. VIX ist ein zum Zeitpunkt $t$ fixierter Preis. Durch die korrekte Forward-Zuordnung (VIX bei $t$ gegen $RV$ von $t$ bis $t+21$) fällt ein Crash, der kurz nach $t$ beginnt, direkt in das $RV$-Fenster eines VIX-Werts, der davor noch normal bepreist war. Würde sich das Verhältnis in Stressphasen nicht drehen, gäbe es auch keine Kompensation für das getragene Tail-Risiko zu verdienen – der Markt würde die Prämie sofort wegarbitrieren. Die negative Schiefe ist kein Fehler im Modell, sie ist der Mechanismus selbst.

Abgleich mit publizierter Forschung

Diese Größenordnung deckt sich mit akademischen Arbeiten zum Thema. Oleg Bondarenko dokumentiert in seiner Analyse historischer Put-Writing-Strategien, dass die implizite Volatilität (VIX) von 1990 bis 2018 im Mittel bei rund 19,3 % lag, während die realisierte SPX-Volatilität im selben Zeitraum bei rund 15,1 % lag – eine durchschnittliche $\text{VRP}$ von etwa 4,2 Prozentpunkten, die laut seiner Arbeit einen wesentlichen Treiber der attraktiven risikoadjustierten Performance von Put-Writing-Strategien darstellt.

In unserer eigenen Berechnung (1990–2026, wöchentlich, $n$ = 1902) ergibt sich: durchschnittlicher VIX von 19,46, durchschnittliche realisierte Vola von 15,41, im Mittel eine $\text{VRP}$ von 4,05 Punkten. Die t-Statistik für die Nullhypothese ”$\text{VRP}$ im Mittel gleich null” liegt bei 57,71 ($p < 0,001$) – die Prämie ist damit statistisch klar von null verschieden, kein Rauschen. Die Skewness von -3,46 bestätigt zudem die linksschiefe Verteilung: viele kleine positive Wochen, wenige aber ausgeprägte negative Ausreißer.

Warum ist das kein Free Lunch?

Der Fehler, den viele Optionsverkäufer-Strategien in ihrer Selbstdarstellung machen: eine im Mittel positive $\text{VRP}$ wird mit einer risikolosen Einkommensquelle verwechselt. Zwei Punkte relativieren das:

• Die Verteilung ist linksschief. Viele kleine Gewinne stehen wenigen, aber großen Verlusten gegenüber – dieselbe Win-Rate-Illusion, die wir im Artikel zu Bull Put Spreads am Beispiel des Erwartungswerts gezeigt haben. Eine hohe Trefferquote sagt nichts über den Erwartungswert der Strategie aus.
• Die Prämie ist keine Konstante. In ruhigen Marktphasen ist die $\text{VRP}$ oft klein und die eingesammelte Prämie kaum kompensierend für das getragene Risiko. In Stressphasen kann sie kurzzeitig negativ werden – $IV$ steigt zwar, aber $RV$ steigt noch stärker, während laufende Positionen gleichzeitig gegen den Verkäufer laufen.

Wer $\text{VRP}$ systematisch verkauft, verkauft strukturell eine Versicherung gegen Marktstress – mit einer im langfristigen Mittel positiven, aber im Einzelfall hoch variablen Auszahlung.

Warum VRP kein Tagessignal ist

In der Community kursiert häufig eine Signalregel der Form (oft als Varianz-Differenz $IV^2 - RV^2$ berechnet):

• $\text{VRP} > 0$: Prämie verkaufen
• $\text{VRP} \approx 0$: Abwarten
• $\text{VRP} < 0$: Long Vola / absichern

Das klingt nach einem sauberen, datengetriebenen Handelssignal – hat aber ein grundlegendes Problem.

$\text{VRP}$ ist per Definition eine ex-post-Größe: $IV - RV$ lässt sich nur berechnen, wenn man die tatsächlich gefolgte $RV$ bereits kennt. Für eine Entscheidung heute liegt diese Zahl per Definition nicht vor. Was die meisten Signal-Rechner stattdessen berechnen, ist:

$$\text{Pseudo-VRP} = IV^2 - \text{trailing\_RV}^2$$

(Oder in der linearen Variante: $IV - \text{trailing\_RV}$)

Also $IV$ gegen die vergangene, nicht die zukünftige $RV$. Das misst nicht mehr die Prämie, sondern eine Wette auf Volatility Clustering – die Annahme, dass die $RV$ der letzten 21 Tage ein brauchbarer Schätzer für die $RV$ der nächsten 21 Tage ist. Diese Annahme ist nicht grundlos (Vola ist tatsächlich autokorreliert, GARCH-Modelle bauen genau darauf auf), lässt sich aber empirisch testen: Sagt ein hohes $\text{Pseudo-VRP}$ tatsächlich eine ruhigere Zukunft voraus?

Der empirische Test

Wir haben dafür für jeden Handelstag seit 1990 das $\text{Pseudo-VRP}$ (bekannt am Tag $t$) gegen die tatsächlich gefolgte 21-Tage-$RV$ sowie gegen das Auftreten eines Tages mit einem Verlust größer 3 % in den folgenden 21 Handelstagen (“Crash”) gestellt. Die lineare Korrelation zwischen $\text{Pseudo-VRP}$ und Forward-$RV$ liegt bei -0,145, zwischen $\text{Pseudo-VRP}$ und dem Crash-Flag bei -0,1 – beide schwach, aber statistisch signifikant von null verschieden ($p < 0,001$).

Eine schwache lineare Korrelation ist aber nicht die ganze Geschichte. Teilt man die Tage nach $\text{Pseudo-VRP}$ in vier gleich große Gruppen (Quartile), zeigt sich ein Muster, das eine einzelne Korrelationszahl nicht abbilden kann:

Quartil	Ø Pseudo-VRP	Ø Forward-RV	Crash-Rate
Q1	-1,58	17,66 %	18,5 %
Q2	3,3	13,44 %	9 %
Q3	5,38	13,36 %	10,1 %
Q4	9,04	17,21 %	17,7 %

Der Zusammenhang ist U-förmig, nicht linear – und das erklärt auch, warum die einfache Korrelation so schwach ausfällt: Eine lineare Kennzahl kann ein U nicht abbilden. Das erste Quartil (niedrigstes $\text{Pseudo-VRP}$, “hedge”-Zone der naiven Regel) trägt erwartungsgemäß erhöhtes Risiko – anhaltend hohe Vola neigt dazu, anzuhalten. Interessanter ist das vierte Quartil: die Zone, die die naive Regel als “sicher, Prämie verkaufen” einstuft, trägt ein fast identisches Risiko. Die ruhigste Zone liegt in der Mitte (Q2/Q3), nicht am oberen Rand.

Der Mechanismus dahinter: Ein extrem hohes $\text{Pseudo-VRP}$ entsteht oft, wenn die trailing $RV$ ungewöhnlich niedrig ist – der Markt war zuletzt außergewöhnlich ruhig. Genau das ist die klassische Ausgangslage einer Complacency-Phase kurz vor einem Vol-Spike, wie sie im Scatterplot oben rot markiert sichtbar wird. Die naive Signalregel verwechselt “war zuletzt ruhig” mit “wird sicher bleiben” – und liegt damit ausgerechnet in ihrer selbstbewusstesten Zone am stärksten daneben.

Was praktisch trotzdem sinnvoll ist:

• IV Rank / IV Percentile statt $\text{Pseudo-VRP}$: $IV$ relativ zur eigenen Historie einordnen (z. B. letzte 252 Tage), nicht gegen $RV$. Das ist keine Zukunftsprognose, sondern eine Mean-Reversion-Aussage über die $IV$ selbst – methodisch ehrlicher, weil sie nicht vorgibt, die künftige $RV$ zu kennen.
• Term-Structure-Signale (Contango vs. Backwardation in der VIX-Futures-Kurve) als zusätzlicher, tatsächlich zukunftsgerichteter Indikator, weil er Markterwartungen über mehrere Laufzeiten abbildet statt nur vergangene $RV$.
• Der eigentliche Edge ist kein Timing-Signal, sondern ein struktureller, langfristiger Effekt. An 88 % aller Handelstage lag die implizite Volatilität ($IV$) über der vergangenheitsbasierten ($RV$). Institutionelle Put-Writing-Indizes timen nicht täglich – sie verkaufen systematisch über volle Marktzyklen und akzeptieren die Tail-Drawdowns als Preis für die langfristig positive Prämie. Auch Bondarenkos Zahl ist ein 28-Jahres-Mittelwert, keine Tagesprognose.

Einordnung in die bisherigen Artikel

Die $\text{VRP}$ ist der gemeinsame Nenner unter den bisher auf ThetaClub besprochenen Strategien:

• Die MESH Wheel-Strategie monetarisiert $\text{VRP}$ über Cash-Secured Puts und Covered Calls auf Einzelwerte/ETFs.
• Bull Put Spreads und Double Calendars monetarisieren $\text{VRP}$ mit begrenztem statt unbegrenztem Risiko, zahlen dafür aber einen Teil der Prämie als “Versicherung gegen die eigene Versicherung”.
• Die Overfitting-Analyse zeigt, wie leicht sich eine im Kern $\text{VRP}$-basierte Strategie durch Parameterwahl so tunen lässt, dass sie historisch beeindruckend aussieht, ohne dass sich am zugrunde liegenden Risiko-Ertrags-Profil etwas ändert.

Wer eine Optionsverkäufer-Strategie systematisch betreibt, sollte sich regelmäßig fragen, ob die eingesammelte Prämie tatsächlich eine für das getragene Tail-Risiko angemessene Kompensation darstellt – oder ob sie nur in ruhigen Marktphasen so aussieht.