Zum Inhalt

Finanzmodell-Grenzen (Models as Gedanken Experiments)

"In physics you're playing against God, and He doesn't change his laws very often. In finance, you're playing against God's creatures." — Derman

Finanzielle Modelle sind keine Beschreibungen der Realität — sie sind Gedankenexperimente, nützliche Näherungen und gemeinsame Sprachen. Diese Erkenntnis ist keine Niederlage, sondern die notwendige epistemische Grundlage für professionellen Modell-Einsatz.

Die fundamentale Asymmetrie: Physik vs. Finanz

Physik:  Spieler gegen Gott  → Gesetze unveränderlich → Grand Unified Theory möglich
Finanz:  Spieler gegen Menschen → Verhalten ändert sich → Kein GUT möglich

In Physik: Modell → Vorhersage → Verifikation
In Finanz: Daten → Modell-Kalibrierung → temporäre Nützlichkeit → Regime-Wechsel

Fischer Black: "A theory is accepted not because it is confirmed by
               conventional empirical tests, but because researchers persuade
               one another that the theory is correct and relevant."

Konsequenz: Finanzmodelle brauchen laufend Neukalibration. Was in einem Regime korrekt ist, ist im nächsten falsch.

Kein Grand Unified Theory der Finanzen

Wilmott: "Every financial axiom I've ever seen is demonstrably wrong.
          The question is how wrong, and how useful regardless of validity."

Praktikerpraxis bei Goldman Sachs:
  - Modell A für Treasury Bonds
  - Modell B für Corporate Bonds
  - Modell C für Interest Rate Caps
  - Modell D für Swaptions

  Alle modellieren dieselben Zinsen → aber gegenseitig inkonsistent
  → Das ist nicht Fehler, sondern unvermeidbare Realität

Modelle als Gedankenexperimente

Derman's Kernthese: Finanzmodelle sind analog zu Einstein's und Schrödinger's Gedankenexperimenten — imaginäre mentale Laboratorien die Widersprüche aufdecken, keine Prophezeiungen.

Richtige Verwendung:
  1. "Suspend disbelief" — Modell vorübergehend als wahr behandeln
  2. Modell so weit wie möglich treiben
  3. Beobachte wo es bricht (z.B. Smile nach 1987 bricht Black-Scholes)
  4. Der Bruchpunkt = Erkenntnis über die Realität

Falsche Verwendung:
  - Modell als Realität behandeln
  - Konfidenz aus In-Sample-Fit ziehen
  - Tail-Risiken ignorieren weil Modell sie nicht abbildet
  → LTCM: Modell-Konfidenz ohne Modell-Grenzen = Katastrophe

Funktionaler Wert trotz Falschheit: 

Good theories, like Black-Scholes, provide:
  → Ein gemeinsames Vokabular (Delta, Vega, Gamma)
  → Ein Labor für "was wäre wenn"-Überlegungen
  → Quantifizierung von Gefühlen über Wert
  → Plattform für Händler-Kommunikation

Kalibrierung als Inverse Scattering

In Physik: Theorie (Gesetze) → Vorhersage (Phänomene) In Finanz: Phänomene (Marktpreise) → Kalibrierte Modell-Parameter

Beispiel BDT: Treasury Yield-Curve gegeben → Short-Rate-Baum ableiten
Beispiel Derman-Kani: Implied Volatility Surface gegeben → Local Volatility ableiten

Das ist immer eine inverse Aufgabe:
  → Keine einzigartigen "wahren" Parameter — nur "calibrated" Parameter
  → Morgen andere Marktpreise → andere Parameter
  → Modell lernt nie "die Wahrheit"

Historische Entwicklung der Optionsmodelle

Modell Jahr Limitation
Black-Scholes-Merton 1973 Konstante Volatilität → Smile ignoriert
Black-Derman-Toy 1987 BDT matcht Yield-Curve; für Zinsen
Jump-Diffusion (Derman) ~1991 Smile teilweise erklärt; zu simplistisch
Local Volatility (Derman-Kani / Dupire) 1994 Smile vollständig konsistent; aber Smile-Dynamik falsch
Stochastic Vol (Heston, SABR) 1993+ Volatilität selbst ist zufällig

Jedes Modell löst das Problem der Vorgänger — und schafft neue.

Verbindung zu anderen Konzepten

Konzept Verbindung
robustness_obsession Modell-Grenzen als Pflicht-Erkenntnis; Out-of-Sample als einzige Wahrheit
regime_change_risiko "What's right in one regime is wrong in the next" = Modell-Grenzen in Zeit
mediocristan_extremistan Taleb: BSM-Annahmen (Gauss) strukturell falsch in Extremistan
bayesianisches_denken Silver: Modell als Prior, nicht Wahrheit; Update bei neuen Daten
volatility_risk_premium BSM liefert das Vokabular (IV, Delta, Vega) für den VRP-Handel
crowded_trades_korrelationsbruch LTCM: Modell-Konfidenz ohne Modell-Grenzen → Systemkrise
deflated_sharpe_ratio López de Prado: Hohe Sharpe im Backtest = falsches Modell-Vertrauen