Risicobeheer bij algoritmisch handelen: wat bedrijven structureel over het hoofd zien

Arnaud Delobel werkt als risicoadviseur voor institutionele beleggers in Gent. Hij ziet regelmatig hoe technisch sterke modellen falen door gebrekkig risicobeheer.

Wat is de meest onderschatte risicofactor?

Modelrisico. Bedrijven meten marktrisico nauwkeurig maar vergeten dat het model zelf een risicobron is.

Als marktomstandigheden veranderen, kan een model dat maanden uitstekend presteerde plotseling grote verliezen genereren. Zonder detectiemechanisme merk je dat te laat.

Hoe herken je een zwak risicokader?

Een duidelijk signaal: er is geen automatische uitschakelaar ingebouwd. Als het model meer dan een bepaald bedrag verliest binnen een dag of week, moet het stoppen met handelen.

Teams bouwen dit niet in omdat ze vertrouwen op hun model. Dat vertrouwen is begrijpelijk maar gevaarlijk.

Wat doen bedrijven nog meer verkeerd?

Ze testen hun strategie niet in verschillende marktregimes. Een model getraind op een rustige periode in 2019 gedraagt zich compleet anders tijdens een periode van hoge volatiliteit. Dat is geen technisch probleem, dat is een planningsprobleem.

Stress-testen op historische crisisperiodes, zoals begin 2020, zou standaard onderdeel moeten zijn van elk validatieproces.

Wat is het praktische advies?

Bouw een apart monitoringsysteem dat continu de statistische eigenschappen van de markt vergelijkt met de trainingsomgeving van het model.

Zodra die eigenschappen significant afwijken, schakel je het model over naar een conservatieve modus of stop je helemaal. Dat kost rendement op korte termijn maar voorkomt grote verliezen.