Institutional Money, Ausgabe 2 | 2026

THEORIE & PRAXIS Tail Risks 94 2/2026 | institutional-money.com vielen Jahren nicht einmal eine Handvoll Werke die Hälfte des gesamten Umsat- zes erwirtschaften. Ähnliches gelte für die Softwareindustrie, in der zwei kali- fornische Unternehmen rund 80 Prozent der Marktkapitalisierung des gesamten Sektors auf sich vereinten. Es sind Ver- teilungen, in denen der Mittelwert keine Aussagekraft mehr besitzt – und in denen klassische Risikomaße entsprechend in die Irre führen. Talebs Abrechnung Daraus ergibt sich für Taleb ein unbeque- mer, aber konsequenter Schluss:Wennman es mit Phänomenen zu tun habe, in denen wenige Extremwerte das Gesamtbild domi- nieren, müssen die Werkzeuge zur Seite gelegt werden, die für gleichmäßig verteilte Größen entwickelt wurden – also der Groß- teil der traditionellenVolkswirtschaftslehre. „Manmuss dieModelle, die auf traditionel- len Risikomethoden basieren, vollständig aufgeben, weil sie in dieser Domäne nicht funktionieren“, sagt Taleb. Die Tools täusch- ten Ruhe und Berechenbarkeit vor, wo keine sei – „bis man plötzlich seinen Ver- stand benutzen muss, wie wir es bei Covid gesehen haben“. Das Problem sei, dass auch nach den Erschütterungen der Finanzkrise von 2008 die gleichen Modelle weiterverwendet würden, die damals versagt haben. „Die mathematischen Modelle, die vor 2007 verwendet wurden und Fannie Mae 600 Milliarden Dollar kosteten – das sind die- selben Modelle, die wir heute benutzen. Alles, was getan wird, ist, mehr Doktortitel hinzuzufügen.“ Der Grund für diese Persistenz sei nicht intellektueller Natur, sondern strukturel- ler: Bürokraten und Akademiker würden nicht an der Realität gemessen, sondern an den Urteilen anderer Bürokraten und Aka- demiker. „Die Lektion von 2008 ist nicht gelernt worden. Wir haben immer noch schlechte Modelle. Auch hier in Brüssel werden Aufsichtsbeamte von ihresgleichen beurteilt – und das ist schlecht für das Risikomanagement.“ Scheinkomplexität Die Konsequenz sei eine institutionelle 6FKLHijDJH GLH 7DOHE DOV Ľ7UXJVFKOXVV GHU Komplexität“ bezeichnet. Modelle wirk- ten nach außen sophistiziert, seien imKern aber Vereinfachungen einer Realität, die sich solchen Vereinfachungen entziehe. Der Versuch, Tail-Risiken durch immer feinere statistische Schätzungen einzufangen, führe in eine Sackgasse, weil die Verteilungs- annahmen selbst nicht tragen. Wenn aber die Vorhersage versagt, was bleibt? Talebs Antwort ist die Verlage- rung des Fokus von der Prognose auf die Robustheit. „Man konzentriert sich darauf, gegenüber einer breitenKlasse von Ereignis- senwiderstandsfähig zu sein. Man versucht nicht, sie genau vorherzusagen. Man baut Verteidigungsmechanismen auf.“ Das Bild, das er zur Untermauerung seiner These wählt, stammt aus der Human- biologie: „Mutter Natur stattet den Menschen mit zwei Nieren aus – eine LQHȯ]LHQWH /ĆVXQJ IROJWH PDQ GHP 5DW klassischer Ökonomen, die zur Optimie- rung raten würden. Ein guter Ökonom würde sagen: Habt keine Niere, geht zur 'LDO\VH GDV LVW YLHO Hȯ]LHQWHU DOV GLH Nieren den ganzen Tag mit sich herum- zutragen“, spöttelt Taleb. „Wir haben zwei Nieren, um Redundanzen aufzubauen, weil wir in einer risikobehafteten Umge- bung leben. Mit zwei Nieren muss man nicht zwingend vorhersagen können, wel- ches Ereignis einen die eine kosten wird.“ Man hat im Fall der Fälle trotzdem eine Überlebenschance. Eskalation statt linearer Veränderung 1/2 Schematische Darstellung, wie sich der Nettoschuldenstand über 5 Jahre nach einem externen negativen und positiven BIP-Schock verändert Wenn z.B. Land A einen BIP-Schock von zwei Prozentpunkten erleidet, steigt die Nettoverschuldungsquote in den folgenden 5 Jahren um26,2 Prozent- punkte an. Darunter werden die Veränderungen aufgeschlüsselt, wenn dieses Basisszenario leicht unter- beziehungsweise überschrittenwird. Die Effek- te treten eskalativ auf. Aus ihnen lässt sich der Heuristikwert „H“ errechnen. Je höher dieser ist, desto höher die Fragilität. Quelle: Taleb et al., WP/12/216 Land A Land B Land C Land D Land E Land F Land G Zentraler Schock (2 Prozentpunkte niedriger) 26,2 13,5 20,9 29,6 28,1 34,5 23,7 Tests zur Fragilität/Antifragilität: Veränderung im Verhältnis zum zentralen Schock BIP-Veränd. 1 mittl. Abw. weniger 14,0 13,1 16,1 18,5 28,9 39,6 37,5 BIP-Veränd. 2 mittl. Abw. weniger 28,6 27,1 33,2 37,9 60,2 83,6 80,1 BIP-Veränd. 1 mittl. Abw. mehr —13,5 —12,2 —15,2 —17,6 —26,7 —36,0 —33,3 BIP-Veränd. 2 mittl. Abw. mehr —26,4 —23,7 —29,5 —34,4 —51,5 —68,7 —63,1 H: +/— 1 mittlere Abweichung 0,3 0,4 0,5 0,4 1,1 1,8 2,1 H: +/— 2 mittlere Abweichungen 1,1 1,7 1,9 1,8 4,4 7,4 8,5