Terminkurse und Siegels Paradoxon: Ein axiomatischer Ansatz für arbitragefreie Aggregatoren

1. Einleitung

Das Siegel-Paradoxon, das auf Siegel (1972) zurückgeht, stellt ein grundlegendes Rätsel in der internationalen Finanzwirtschaft hinsichtlich der Bestimmung von Terminkursen dar. Es verdeutlicht eine scheinbare Inkonsistenz, wenn risikoneutrale Investoren aus zwei verschiedenen Währungsräumen versuchen, sich auf einen einzigen Terminkurs auf Basis ihrer Erwartungen an zukünftige Kassakurse zu einigen. Das Paradoxon rührt von der mathematischen Tatsache her, dass das arithmetische Mittel und das harmonische Mittel einer Menge positiver Zahlen im Allgemeinen nicht gleich sind, was zu einer unvereinbaren Meinungsverschiedenheit über einen "fairen" Terminpreis führt. Diese Arbeit von Mallahi-Karai und Safari greift dieses jahrzehntealte Problem auf, indem sie einen neuartigen axiomatischen Ansatz einführt und nach einer "Aggregator"-Funktion sucht, die unter natürlichen ökonomischen Randbedingungen einen für beide Seiten akzeptablen Terminkurs liefert.

2. Das Siegel-Paradoxon und sein historischer Kontext

Das Paradoxon ist nicht nur eine theoretische Kuriosität, sondern hat, wie von Obstfeld & Rogoff (1996) festgestellt, erhebliche Auswirkungen auf den täglichen Devisenmarkt mit einem Umsatz in Billionenhöhe.

2.1 Formale Darstellung des Paradoxons

Betrachten Sie zwei zukünftige Zustände der Welt, $\omega_1$ und $\omega_2$, jeder mit einer Wahrscheinlichkeit von 50 %. Seien die zukünftigen Kassakurse (Euro zu USD) in diesen Zuständen $e_1$ bzw. $e_2$. Ein eurobasierter Investor, der beabsichtigt, zu einem zukünftigen Zeitpunkt $T$ Euro gegen USD zu verkaufen, könnte das arithmetische Mittel als Terminkurs vorschlagen: $F_A = \frac{1}{2}(e_1 + e_2)$. Umgekehrt würde ein USD-basierter Investor, der die reziproke Transaktion durchführt, natürlicherweise das harmonische Mittel der reziproken Kurse in Betracht ziehen: $F_H = \frac{2}{\frac{1}{e_1} + \frac{1}{e_2}}$. Da $F_A \geq F_H$ (mit Gleichheit nur, wenn $e_1 = e_2$), können sich die beiden Investoren nicht auf einen einzigen Kurs einigen, wenn beide auf ihren jeweiligen Mittelwerten bestehen. Dies ist Siegels Paradoxon.

2.2 Frühere theoretische Lösungsversuche

Frühere Lösungen erforderten oft die Einführung externer Faktoren wie Risikoaversion (Beenstock, 1985), die Annahme, dass Gewinne in Fremdwährung realisiert werden (Roper, 1975), oder die Akzeptanz eines verzerrten Schätzers (Siegel, 1972). Obstfeld & Rogoff (1996) schlugen vor, dass der Gleichgewichtskurs irgendwo zwischen $E(E_T)$ und $1/E(1/E_T)$ ausgehandelt würde. Die Autoren dieser Arbeit kritisieren diese Ansätze dafür, dass sie keinen spezifischen, gegenseitig akzeptablen Kurs unter Risikoneutralität liefern.

3. Axiomatischer Rahmen und Definitionen

Die Kerninnovation der Arbeit liegt in ihrer axiomatischen Grundlage. Anstatt von ökonomischen Verhaltensmodellen auszugehen, definiert sie Eigenschaften, die eine "faire" Aggregatorfunktion $\phi$ erfüllen muss.

3.1 Die Aggregatorfunktion

Sei $\mathbf{e} = (e_1, e_2, ..., e_n)$ ein Vektor möglicher zukünftiger Kassakurse (EUR/USD). Ein Aggregator $\phi(\mathbf{e})$ erzeugt einen einzelnen Terminkurs $F$.

3.2 Kernaxiome

Arbitragefreiheit (No-Dutch Book): Es muss unmöglich sein, ein Portfolio aus Kontrakten, die zu $\phi(\mathbf{e})$ bewertet werden, zu konstruieren, das einen risikofreien Gewinn garantiert.
Symmetrie: Die Funktion $\phi$ muss in ihren Argumenten symmetrisch sein; die Bezeichnung der Zustände spielt keine Rolle.
Umrechnungsinvarianz (Redenomination Invariance): Der Terminkurs sollte unabhängig davon konsistent sein, welche Währung als Basis gewählt wird. Formal: Wenn $\phi(\mathbf{e}) = F$ für EUR/USD gilt, dann muss der Kurs für USD/EUR $1/F$ sein. Dies impliziert $\phi(1/\mathbf{e}) = 1 / \phi(\mathbf{e})$.

Diese Axiome sind ökonomisch natürlich und schließen das einfache arithmetische Mittel (verletzt Umrechnungsinvarianz) und das harmonische Mittel (versagt, wenn es als primärer Aggregator aus der anderen Perspektive verwendet wird) aus.

4. Mathematische Herleitung und Hauptergebnisse

4.1 Herleitung der allgemeinen Lösung

Die Arbeit zeigt, dass die Axiome der Symmetrie und Umrechnungsinvarianz die Form von $\phi$ stark einschränken. Für den Fall mit zwei Zuständen zeigen sie, dass der Aggregator eine Funktionalgleichung der folgenden Form erfüllen muss: $$\phi(e_1, e_2) = g^{-1}\left(\frac{g(e_1) + g(e_2)}{2}\right)$$ wobei $g$ eine stetige, streng monotone Funktion ist. Die Arbitragefreiheitsbedingung schränkt dies weiter ein.

4.2 Die Reziprozitätsfunktion und der Klassifizierungssatz

Der Schlüssel zur Erfüllung der Umrechnungsinvarianz ist das Konzept einer Reziprozitätsfunktion $\rho(x)$. Die Arbeit beweist, dass ein Aggregator, um invariant zu sein, ausdrückbar sein muss als: $$\phi(\mathbf{e}) = \rho^{-1}\left(\frac{1}{n} \sum_{i=1}^n \rho(e_i)\right)$$ wobei die Funktion $\rho: \mathbb{R}^+ \to \mathbb{R}$ die Bedingung $\rho(1/x) = -\rho(x)$ oder eine äquivalente Transformation erfüllt. Dies ist das zentrale technische Ergebnis.

Klassifizierungssatz: Alle stetigen, symmetrischen, arbitragefreien Aggregatoren, die unter Währungsumrechnung invariant sind, werden durch die obige Formel gegeben, wobei $\rho$ eine beliebige stetige, streng monotone ungerade Funktion im multiplikativen Sinne ist (d.h. $\rho(1/x) = -\rho(x)$).

Ein kanonisches Beispiel ist das geometrische Mittel, das der Wahl $\rho(x) = \log(x)$ entspricht. Tatsächlich gilt $\phi(e_1, e_2) = \sqrt{e_1 e_2}$ und $\log(1/x) = -\log(x)$.

5. Technische Analyse und zentrale Erkenntnisse

Analystenkommentar: Eine vierstufige Dekonstruktion

Zentrale Erkenntnis

Die Arbeit von Mallahi-Karai und Safari ist nicht nur ein weiterer Versuch, Siegels Paradoxon zu flicken; es ist ein grundlegender Neuanfang. Sie identifizieren richtig, dass die Wurzel des Problems nicht die Anlegerpsychologie ist, sondern eine schlecht gestellte Frage. Die Frage nach einem "fairen" Terminkurs ohne Definition von "Fairness" ist bedeutungslos. Ihre Genialität liegt in der Rückwärtskonstruktion der Definition: Fairness wird definiert durch die Unmöglichkeit von Arbitrage, Symmetrie zwischen Zuständen und Konsistenz über Währungsperspektiven hinweg. Dieser axiomatische Ansatz verlagert die Debatte von der Ökonomie zur Mathematik, wo sie endgültig gelöst werden kann. Das geometrische Mittel ist nicht nur ein bequemer Kompromiss; es ist die eindeutige (bis auf Transformation) Lösung, die diese nicht verhandelbaren logischen Anforderungen für risikoneutrale Akteure erfüllt. Dies hat tiefgreifende Implikationen für die grundlegende Finanztheorie, ähnlich wie die Black-Scholes-PDE arbitragefreie Optionspreise definiert.

Logischer Ablauf

Die Eleganz des Arguments liegt in seiner Einfachheit. 1) Definition des Problems auf axiomatischer Basis: Auflistung der Eigenschaften (Keine Arbitrage, Symmetrie, Umrechnungsinvarianz), die jede rationale Lösung haben muss. Dies umgeht jahrzehntelange zirkuläre Debatten über Risikopräferenzen. 2) Übersetzung in die Mathematik: Diese Axiome werden zu Funktionalgleichungen für den Aggregator $\phi$. 3) Lösung der Gleichungen: Die Reziprozitätsbedingung $\phi(1/\mathbf{e}) = 1/\phi(\mathbf{e})$ ist die entscheidende Einschränkung. Sie erzwingt die Struktur $\phi = \rho^{-1}(\mathbb{E}[\rho(e)])$, die der Form des Erwartungsnutzens ähnelt, jedoch in einem wahrscheinlichkeitsfreien, rein strukturellen Sinne. 4) Klassifizierung aller Lösungen: Sie hören nicht bei einem Beispiel auf (dem geometrischen Mittel/Logarithmus). Sie liefern die vollständige Familie von Funktionen, charakterisiert durch die Ungeradheit von $\rho$. Dieser Vollständigkeitssatz ist es, der die Arbeit von einem netten Trick zu einem bedeutenden theoretischen Beitrag erhebt.

Stärken & Schwächen

Stärken: Die Strenge der Arbeit ist einwandfrei. Die axiomatische Methode ist kraftvoll und sauber. Der Klassifizierungssatz ist eine definitive Antwort auf eine spezifische, wohlgestellte Frage. Er erklärt elegant, warum das geometrische Mittel natürlicherweise in anderen Kontexten wie der Wachstumsrate von Portfolios auftaucht (vergleiche mit der Arbeit von Cover und Thomas zu universellen Portfolios).

Schwächen & Lücken: Die Reinheit des Modells ist auch seine Hauptschwäche in der Praxis. Die Annahme einer bekannten, diskreten Menge zukünftiger Zustände $\{e_i\}$ mit gleicher Wahrscheinlichkeit ist stark stilisiert. In realen Märkten haben Akteure kontinuierliche Wahrscheinlichkeitsverteilungen und unterschiedliche Überzeugungen. Die Arbeit deutet dies kurz an, integriert aber subjektive Wahrscheinlichkeiten oder einen Bayes'schen Rahmen nicht vollständig, eine Richtung, die frühere Arbeiten zur Aggregation von Expertenprognosen angedeutet haben. Darüber hinaus löst sie zwar das Paradoxon für risikoneutrale Akteure, umgeht aber die Dominanz risikoscheuen Verhaltens in der realen Welt. Die Billionen-Dollar-Frage bleibt: Wie interagiert dieser axiomatische Terminkurs mit stochastischen Diskontfaktoren und unterschiedlichen Zinssätzen? Das vorgestellte Modell existiert in einem reibungs- und zinsfreien Vakuum.

Umsetzbare Erkenntnisse

Für Quants und Trading-Desk-Leiter bietet diese Arbeit einen entscheidenden Maßstab. Erstens, Modellvalidierung: Jedes interne Modell zur Ableitung eines "theoretischen" Terminkurses aus erwarteten zukünftigen Kassakursen sollte anhand der Reziprozitätsbedingung überprüft werden. Wenn die implizierte $\rho$-Funktion Ihres Modells nicht ungerade ist, enthält es eine versteckte Währungsverzerrung, die ausgenutzt werden könnte. Zweitens, Algorithmendesign: In automatisierten Market-Making-Systemen für FX-Derivate gewährleistet die Verwendung eines auf dem geometrischen Mittel basierenden Aggregators als Prior oder Referenzpunkt interne Konsistenz über Währungspaare hinweg und schützt vor bestimmten Arten von statischer Arbitrage. Drittens, Forschungsfokus: Der unmittelbare nächste Schritt ist die Verschmelzung dieses Rahmens mit stochastischen Zinsmodellen. Die Herausforderung besteht darin, das Äquivalent der "Reziprozitätsfunktion" in Gegenwart von nicht-null, stochastischen Diskontsätzen zu finden. Diese Integration könnte eine einheitliche, arbitragefreie Theorie der Terminkursbildung im Devisenhandel hervorbringen, die schließlich die Einsichten von Siegel mit dem Apparat der modernen Asset Pricing Theorie in Einklang bringt.

6. Analytischer Rahmen: Fallstudie & Implikationen

Fallstudie: Verhandlung eines Terminkontrakts

Stellen Sie sich vor, ein deutscher Exporteur und ein amerikanischer Importeur vereinbaren eine zukünftige Zahlung von 1 Million Euro in einem Jahr. Sie möchten heute einen EUR/USD-Terminkurs festlegen. Beide sind risikoneutral und haben identische Erwartungen: Der zukünftige Kassakurs wird entweder 1,05 oder 1,15 USD pro EUR betragen, jeweils mit gleicher Wahrscheinlichkeit.

Naiver (arithmetischer) Ansatz: Die deutsche Partei könnte $F = (1,05 + 1,15)/2 = 1,10$ vorschlagen.
Reziproker (harmonischer) Ansatz: Die amerikanische Partei, die in USD/EUR denkt, sieht zukünftige Kurse von ~0,9524 und ~0,8696. Ihr arithmetisches Mittel ist ~0,9110, was einem EUR/USD-Kurs von ~1,0977 entspricht. Sie schlagen $F \approx 1,0977$ vor.
Axiomatische (geometrisches Mittel) Lösung: Anwendung des kanonischen Aggregators mit $\rho=\log$ ergibt den fairen Terminkurs $F = \sqrt{1,05 \times 1,15} \approx 1,0997$.

Der geometrische Mittelkurs von ~1,0997 ist der einzige Kurs aus der klassifizierten Familie, der, wenn vereinbart, sicherstellt, dass keine der Parteien durch eine Reihe solcher Kontrakte systematisch von der anderen ausgenutzt werden kann, unabhängig davon, welche Währung als Basis festgelegt wird. Dies zeigt die praktische Implikation der axiomatischen Lösung: Sie bietet einen einzigartigen, verteidigungsfähigen Verhandlungsanker.

7. Zukünftige Anwendungen und Forschungsrichtungen

Der Rahmen eröffnet mehrere vielversprechende Wege:

Integration mit stochastischen Diskontfaktoren: Die kritischste Erweiterung ist die Einbeziehung des Zeitwerts des Geldes und der Risikoaversion. Der Aggregator $\phi$ müsste dann mit risikoadjustierten Wahrscheinlichkeiten oder Zustandspreisen arbeiten, nicht mit einfachen Erwartungswerten. Dies könnte den Rahmen mit den in der Asset Pricing Theorie vorherrschenden stochastischen Diskontfaktor (SDF)-Modellen verbinden (siehe Cochrane, 2005).
Unvollständige Märkte und heterogene Überzeugungen: Verallgemeinerung des Modells auf kontinuierliche Verteilungen und Akteure mit divergierenden Wahrscheinlichkeitseinschätzungen. Die "Reziprozitätsfunktion" $\rho$ könnte ein Werkzeug werden, um heterogene Überzeugungen auf konsistente Weise zu aggregieren, verwandt mit der Literatur zum "Opinion Pooling".
Kryptowährungen und Multi-Währungssysteme: Im dezentralisierten Finanzwesen (DeFi) mit mehreren Stablecoins und volatilen Assets ist das Konzept eines konsistenten, arbitragefreien "Mittel"-Wechselkurses über einen Korb möglicher zukünftiger Preise hochrelevant für das Design automatisierter Market Maker und Oracle-Systeme.
Empirische Überprüfung: Obwohl die Arbeit theoretisch ist, könnten ihre Vorhersagen getestet werden. Verhalten sich ausgehandelte Terminkurse in tiefen, liquiden Märkten (wo Risikoneutralität eine bessere Annäherung ist) eher wie das geometrische Mittel der erwarteten zukünftigen Kassakurse als wie das arithmetische Mittel? Dies erfordert eine sorgfältige Messung der Markterwartungen.

8. Literaturverzeichnis

Beenstock, M. (1985). A theory of testing for risk aversion in the foreign exchange market. Journal of Macroeconomics.
Cochrane, J. H. (2005). Asset Pricing. Princeton University Press.
Cover, T. M., & Thomas, J. A. (2006). Elements of Information Theory. Wiley-Interscience. (Für Verbindungen zu Portfoliowachstum und logarithmischen Mitteln).
Edlin, A. S. (2002). Siegel's Paradox. In The New Palgrave Dictionary of Economics and the Law.
Mallahi-Karai, K., & Safari, P. (2018). Future Exchange Rates and Siegel's Paradox. Global Finance Journal. https://doi.org/10.1016/j.gfj.2018.04.007
Nalebuff, B. (1989). Puzzles: A Puzzle. Journal of Economic Perspectives.
Obstfeld, M., & Rogoff, K. (1996). Foundations of International Macroeconomics. MIT Press.
Roper, D. E. (1975). The role of expected value analysis for speculative decisions in the forward currency market. Quarterly Journal of Economics.
Siegel, J. J. (1972). Risk, interest rates and the forward exchange. Quarterly Journal of Economics.