Mål drawdown og genopretningstid i din portefølje

Hvor langt kan din portefølje falde – og hvor hurtigt kommer den igen? Hvis du ikke kender svaret, styrer du måske dine investeringer i blinde. De fleste fokuserer på afkastet, men de færreste har et klart billede af dybden af et fald og tiden det tager at genvinde tabet. Netop disse to nøgletal – drawdown og genopretningstid – er ofte forskellen på en rolig nattesøvn og søvnløse timer foran kursgrafen.

I denne artikel dykker vi ned i, hvordan du måler og tolker disse risikomål, og hvorfor de er mindst lige så vigtige som den årlige procent på bundlinjen. Vi viser trin for trin, hvordan du beregner drawdown i praksis, estimerer genopretningstid, og omsætter tallene til konkrete beslutninger i din porteføljestyring. Uanset om du handler enkeltaktier, ETF’er eller har en bredt diversificeret formue, kan du bruge metoderne til at sætte realistiske forventninger og beskytte dig mod ubehagelige overraskelser.

Er du klar til at få et skarpere blik på din porteføljes svageste øjeblikke – og lære, hvordan du vender dem til din fordel? Så læs med, når vi i de næste afsnit giver dig værktøjerne til at måle, forstå og handle på drawdown og genopretningstid.

Indholdsfortegnelse

Hvad er drawdown og genopretningstid?

Drawdown beskriver det procentvise fald fra et midlertidigt peak (nyt højeste niveau) til det efterfølgende trough (laveste niveau), før kursen igen begynder at stige. I sin mest brugte form – maksimal drawdown – ser man på det største peak-to-trough-fald i en given periode.

Genopretningstid (eng. recovery time) er det antal kalenderdage, måneder eller år, der går fra bunden af en drawdown, til porteføljen igen opnår et nyt all-time high. Tilsammen fortæller de to mål både hvor dybt og hvor længe en investor er “under vand”.

Hvorfor er drawdown og genopretningstid centrale risikomål?

Kapitalbevarelse: Store fald kræver uforholdsmæssigt høje afkast for at blive indhentet (−50 % kræver +100 %).
Likviditetsstyring: Lang genopretningstid kan tvinge investorer til at indfri positioner på ugunstige tidspunkter pga. kontantbehov.
Porteføljekonstruktion: Målene supplerer volatilitet, fordi de fanger ekstreme begivenheder, der ofte skjules af gennemsnitstal.
Psykologisk robusthed: Vedvarende tab slider på risikotolerance og øger risikoen for irrationelle beslutninger – fx salg i bunden.

Enkeltaktiver vs. Diversificerede porteføljer

Karakteristik	Enkeltaktiv (fx aktie)	Diversificeret portefølje
Maksimal drawdown	Kan være dyb (-80 % eller værre)	Typisk mindre pga. risikospredning
Genopretningstid	Potentielt uendelig (nogle aktier når aldrig nye toppe)	Ofte kortere, men afhænger af korrelationer
Korrelationseffekt	Ikke relevant – kun ét afkastben	Negativ eller lav korrelation reducerer dybde og varighed
Stressfølsomhed	Høj – idiosynkratisk risiko	Lavere – systemisk risiko dominerer

Praktiske og psykologiske implikationer

Mandat & compliance: Mange professionelle investorer har faste drawdown-grænser; bliver de brudt, tvinges de til at reducere risiko.
Kommunikation: En tydelig historik over tidligere drawdowns hjælper rådgivere med at sætte forventninger hos kunder.
Adfærdsøkonomi: “Smerte” ved tab er omtrent dobbelt så stærk som “glæde” ved gevinst. Langvarige drawdowns øger sandsynligheden for paniksalg.
Strategivalg: Systematiske strategier (value, momentum, trend following) vurderes ofte på deres drawdown-profil snarere end blot Sharpe-ratio.

At forstå både dybden og varigheden af tab er derfor ikke blot en akademisk øvelse, men et nødvendigt kompas, når du skal styre kapital, risiko og – ikke mindst – din egen psyke gennem turbulente markeder.

Sådan måler du drawdown i praksis

Datakrav – det du skal bruge, før du kan regne

Tidsserie af porteføljens samlede værdi (helst daglig eller ugentlig). Kun ét manglende datapunkt kan forplumre drawdown-kurven.
Alternativt en tidsserie af kumulerede afkast, hvis du allerede har fjernet effekten af ind- og udbetalinger.
Tidsstemplet log over kontantbevægelser (indskud/udtræk), så du kan rense værdierne, jf. nedenfor.

Trin-for-trin: sådan finder du løbende toppe, fald og maksimum drawdown

Start ved det første datapunkt og sæt running_peak = value[0].
Iterér kronologisk igennem serien:
1. Hvis value[t] > running_peak, opdater running_peak.
2. Beregn det aktuelle fald: drawdown[t] = (value[t] / running_peak) - 1.
Maksimum drawdown (depth) er minimumsværdien i drawdown-serien (typisk et negativt tal).

Eksempel: Falder porteføljen fra 1.000.000 kr. til 750.000 kr., er depth = (750.000 / 1.000.000) – 1 = -25 %.

Depth versus duration

Depth: Hvor dybt faldet er (i procent).
Duration: Hvor længe porteføljen er “under vand” – dvs. antal perioder fra toppunkt til genopretning.

For hver drawdown-episode registrerer du:

Peak-dato
Trough-dato (hvor depth er størst)
Recovery-dato (første dag med ny all-time-high)

Duration = (Recovery-dato – Peak-dato). Du kan visualisere både depth og duration i en “under-vandet-graf”, hvor x-aksen er tid, og y-aksen er drawdown-procent.

Sådan håndterer du ind- og udbetalinger

Indskud øger værdien, men er ikke investeringsafkast. Brug Time-Weighted Return (TWR) eller Money-Weighted Return (MWR) til at isolere afkastet.
Identificér en cash-flow-break hver gang der sker bevægelser, genstart kumuleringen herfra, og sy enkeltperioderne sammen efter TWR-metoden.
Hvis du alligevel bruger porteføljeværdi inkl. cashflows, skal du normalisere serien til samme startværdi efter hver indbetaling, ellers bliver drawdowns kunstigt små.

Typiske faldgruber

Faldgrube	Konsekvens	Workaround
Manglende gebyrer og handelsomkostninger	Drawdowns undervurderes	Inkludér netto-afkast efter alle omkostninger
Ignoreret inflation	Købekraftige drawdowns er større	Deflér værdiserien med CPI, især ved lange tidsserier
For grov datafrekvens (månedlig/kvartalsvis)	Spidse intramånedlige fald “forsvinder”	Brug daglige data, eller tag højde for intraperiod high-low
Dataklip eller fusioner i historikken	Uforklarlige hop i kurven	Rens og bagtest datakilder konsistent

Automatisér i praksis

Excel: Brug MAX, CUMMAX og kolonne for drawdown. Conditional Formatting kan farve celler røde ved nye min.
Python/pandas: running_peak = series.cummax(); drawdown = series / running_peak - 1. Maks. depth: drawdown.min().
Gem et script og kør det automatisk sammen med din månedlige performance-rapport.

Når du har tallene, er næste skridt at sætte dem ind i kontekst: Sammenlign mod referenceindeks, definér acceptable tærskler, og brug indsigterne i din løbende porteføljestyring.

Mål genopretningstid og relaterede nøgletal

1. Beregn genopretningstid (Recovery Time)

Identificér bunden: Brug den samme drawdown-beregning som tidligere til at finde det laveste punkt i et givet drawdown-forløb.
Søg frem til ny top: Gå kronologisk frem i tidsserien, indtil porteføljens værdi for første gang overstiger det tidligere maksimum (all-time high). Datoen kaldes T_{high, nyt}.
Udregn antal kalender-/handelsdage: Genopretningstid = T_{high, nyt} - T_bund

Tip: Arbejder du i Excel, kan du bruge en kolonne med løbende MAX() af historiske værdier og en IF()-test til at tælle dage i “underskud”. I Python giver pandas.Series.expanding().max() den samme løbende top.

2. Time-Under-Water (TUW) – gør drawdowns visuelle

TUW er summen af alle dage (eller måneder) fra den dag et nyt maksimum nås, til det igen er slået. Altså varigheden af at være “under vand”.
Plot gjerne en under-water chart: 0 % betyder ny ATH; negative værdier viser hvor langt porteføljen aktuelt er under toppen. Kodeeksempel i Python:

dd = (prices / prices.cummax() - 1) * 100 # drawdown i %dd.plot.area(title="Under-water chart")

Grafen gør det visuelt let at spotte, hvor længe og hvor dybt du har været i rødt – en uvurderlig øvelse, når investorer skal afstemme forventninger.

3. Relaterede nøgletal

Calmar Ratio (eller MAR Ratio)
Calmar = Årligt gennemsnitsafkast / Maksimal drawdown
Tommelfingerregel: > 1 er acceptabelt, > 2 er stærkt. Bruges ofte til at sammenligne fondes risikojusterede afkast.
Ulcer Index (UI)
Måler både dybde og varighed af drawdowns – i modsætning til volatilitet, der også tæller stigninger.
UI = √(gennemsnit af (negative drawdowns)²)
Lavere UI betyder roligere rejse for investoren.

Andre varianter inkluderer Pain Index og Purchase Power Drawdown, men Calmar og UI dækker 80 % af behovet i almindelige porteføljer.

4. Fortolkning og benchmark-sammenligning

Sæt dine nøgletal op mod et relevant indeks (fx MSCI World eller OMXC25 Total Return). Hvis din Calmar-ratio er 1,4 og benchmark ligger på 0,9, har du produceret bedre risikojusteret afkast.
Se på recovery time: Slår du markedet med færre “under-water” dage? En kortere genopretningstid kan være en væsentlig psykisk fordel.
Ulcer Index bør også ses relativt. En UI på 6 vs. benchmark 9 fortæller, at din portefølje har skabt et roligere forløb – selv hvis det nominelle afkast er identisk.

Bundlinjen: Højt afkast er kun halvdelen af ligningen. Tiden og ubehaget undervejs er det, der får investorer til at hoppe af – eller holde kursen. Brug derfor recovery-tiden, TUW, Calmar og Ulcer Index som et samlet dashboard for din risikostyring.

Fra måling til handling: brug i porteføljestyring

Inden drawdown-tal bliver operationelle, skal de oversættes til acceptable grænser i dit investeringsmandat:

Maksimal tilladt peak-to-trough-drawdown (fx −15 % på porteføljeniveau).
Maksimal genopretningstid (fx 18 måneder, hvorefter der kræves handling).
Alarmniveauer – typisk to-trins system:
Advarsel ved 50 % af grænsen (forberede tiltag) og kritisk ved 80-100 % (iværksætte tiltag).

Nedfæld tærsklerne i en Risk Policy Statement sammen med beslutningsregler (reduktions- eller hedging-protokoller), så disciplinen er på plads før panikken melder sig.

2. Løbende overvågning og rapportering

Drawdown og genopretningstid bør spores mindst månedligt for langsigtede porteføljer og dagligt for trading-strategier. Et simpelt styringsdashboard bør inkludere:

Aktuel drawdown i % og dage.
Seneste maksimum drawdown og datoer for top/bund.
Resttid til mandatets genopretningsgrænse.
Sammenligning mod benchmark (MSCI World, 60/40, osv.).

Visualiser “time-under-water” med et områdeplot, så både dybde og varighed er synlige for beslutningstagere og kunder.

3. Stress- og scenarieanalyser

Historiske drawdowns er kun én linse. Supplementer med:

Historiske scenarier: 2008, Covid-krakket, dot-com, etc. Hvordan ville porteføljen have performet?
Fremadskuende shocks: stigende renter, geopolitisk chok, stagflation. Brug Monte Carlo eller proxied factor shocks.
Likviditetspres: Inkludér friktioner som bid-ask-spreads og haircuts for en mere realistisk drawdown.

Opsæt “worst-10 %‐tilfælde” på både dybde og varighed. Disse tal kan fødes direkte ind i mandatet som yderligere beskyttelseslag.

4. Rebalancering, diversifikation og tail-risk-tiltag

Når overvågningen afslører, at porteføljen nærmer sig eller krydser dine tærskler, har du tre hovedknapper:

Strategisk rebalancering: Sælg de aktiver, der har klaret sig bedst (typisk aktier) og køb de underrepræsenterede (oftest obligationer, kontanter). Regelbaseret rebalancering reducerer risikoen for adfærdsfejl.
Øget diversifikation: Tilføj alternative risikopræmier (råvarer, infrastruktur, trend-following) med lav korrelation. Det reducerer både drawdown-depth og duration.
Tail-risk-strategier: Fx put-optioner, put-spreads, long-volatilitetsfonde eller løbende stop-loss-ordrer. Koster løbende præmier, men kan halvere maksimum drawdown når markedet vender.

5. Implementering i excel og python

Nedenfor et mini-workflow til at automatisere måling og alarmer:

Excel (Power Query + VBA)

Hent pris-/NAV-data dagligt via Power Query.
Beregn løbende porteføljeværdi efter kontantstrømme.
Brug =MAX($B$2:B2) til at finde seneste top; beregn drawdown som (B2 - C2)/C2.
Makro sender mail, hvis celle “Aktuel DD” overstiger -0,125 (-12,5 %).

Python (pandas + matplotlib)

import pandas as pd, numpy as np, matplotlib.pyplot as pltdf = pd.read_csv("nav_series.csv", parse_dates=["Date"], index_col="Date")df["cum_max"] = df["NAV"].cummax()df["drawdown"] = df["NAV"]/df["cum_max"] - 1df["dd_days"] = np.where(df["drawdown"]<0, 1, 0).cumsum() - \ np.where(df["drawdown"]==0, df["drawdown"].groupby((df["drawdown"]==0).cumsum()).cumcount(), 0)max_dd = df["drawdown"].min()recov_time = df["dd_days"].max()if max_dd < -0.15 or recov_time > 365: send_slack_alert(max_dd, recov_time)df["drawdown"].plot.area(color="tomato")plt.title("Time-Under-Water")plt.show()

6. Beslutningsregler under dybe drawdowns

Når den kritiske grænse brydes, bør forhåndsdefinerede handlinger aktiveres automatisk eller halv-automatisk:

Reduce-to-risk-budget: Skær eksponering til det aktiv, der driver drawdown, ned til forudbestemt vægt.
Hard-stop: Likvidér positioner, hvis drawdown overstiger f.eks. −25 % uanset markedsforhold.
Volatilitetsskalering: Hvis annualiseret 30-dages volatilitet > 1,5 × målniveau, nedjusteres gearing/aktieandel proportionalt.
Hedge-triggers: Aktiver køb af beskyttende optioner eller short-futures, når S&P 500 bryder 200-dages glidende gennemsnit og porteføljedrawdown > 10 %.

Ved at låse disse regler fast på forhånd fjernes en stor del af den psykologiske friktion, når markedet er mest irrationelt.

Konklusion

Måling af drawdown og genopretningstid er kun første skridt. Den reelle værdi opstår, når tallene oversættes til konkrete risikotærskler, overvågningsprocesser og handleplaner. Med et disciplineret setup, automatiserede alarmer og klare beslutningsregler kan investorer begrænse tab, udnytte markedets op- og nedture mere effektivt – og sove en smule roligere om natten.