Cross-Currency Renteverschillen: Welke paren bieden nu het meeste voordeel?

Waarom renteverschillen de FX-markt meer dan iets anders sturen

Valutaparen bewegen niet op onderbuikgevoel. Ze bewegen op kapitaalstromen, en kapitaal stroomt daarheen waar het rendement het hoogst is ten opzichte van het risico. De meest krachtige structurele drijfveer van die stromen is het renteverschil: de spread tussen wat je verdient door de ene valuta aan te houden versus de andere. Wanneer die spread breed en stabiel is, worden carry trades gefinancierd, voegen trendvolgende desks exposure toe, en heeft de valuta met de hogere rente de neiging te appreciëren. Wanneer de spread versmalt of omkeert, kan de afwikkeling abrupt zijn.

In 2024–2026 waren de G10-renteverschillen allesbehalve stabiel. De Federal Reserve voerde een van de meest agressieve verkrappingscycli in de moderne geschiedenis uit, waarbij de USD-beleidsrentes van bijna nul naar boven de 5% werden getrokken, en begon vervolgens een voorzichtige versoepelingscyclus terwijl de meeste andere G10-centrale banken nog steeds de rente verhoogden of op piekniveaus hielden. Het resultaat is een lappendeken van verschillen — sommige op decennia-brede extremen, andere snel comprimerend — die zowel carry-kansen als aanzienlijk omkeringsrisico creëren.

Dit artikel brengt het huidige G10-renteverschillenlandschap in kaart, rangschikt paren op basis van carry-voordeel, en toont hoe de belangrijkste indicatoren in real time kunnen worden gemonitord met behulp van de FXMacroData API.

Het G10-beleidsrentelandschap

Om verschillen te begrijpen, begin je met de onderliggende beleidsrentes. Begin 2026 ziet het G10-centrale bankenspectrum er grofweg als volgt uit — gerangschikt van hoogste naar laagste nominale beleidsrente:

De spread-hiërarchie is onmiddellijk duidelijk. JPY bevindt zich onderaan ondanks de trage normalisatie van de BoJ, terwijl NZD, GBP, NOK, AUD en USD bovenaan clusteren. De interessante dynamiek komt voort uit wat er gebeurt met die rentes — en of het verwachte pad van de markt al is ingeprijsd.

Geschatte G10-beleidsrentes begin 2026. Bronnen: individuele aankondigingen van centrale banken via FXMacroData policy_rate endpoint.

Welke paren hebben de breedste nominale verschillen?

De ruwe spread tussen twee beleidsrentes van centrale banken geeft het nominale carry-voordeel. Voor een gefinancierde carry trade — laag lenen, hoog investeren — is de carry van het paar ruwweg gelijk aan het verschil minus transactie- en rolkosten.

Volgens deze maatstaf zijn de breedste spreads begin 2026:

• NZD/JPY: ~475 bps. De eeuwige carry-favoriet, NZD/JPY is het paar waar institutionele carry-desks de grootste structurele longpositie hebben. RBNZ op 5.25% versus BoJ op 0.50% creëert een ruwe inkomstenstroom die elke keer dat de spot terugvalt nieuwe longs aantrekt.
• AUD/JPY: ~385 bps. De pauze-en-wacht houding van de RBA, gecombineerd met de ijzig trage verkrapping van Japan, houdt deze spread breed genoeg om carry aan te trekken, maar smal genoeg om periodieke winstnemingen te verleiden.
• GBP/JPY: ~400 bps. Het structurele inflatieprobleem van het pond heeft de BoE hardnekkig voorzichtig gehouden met verlagen, wat een breed verschil met Japan oplevert.
• USD/JPY: ~375–400 bps. De USD/JPY carry is structureel diep, met volatiliteit onderdrukt door de forward guidance van de Fed en BoJ — maar het compressierisico is hier het hoogst gezien het normalisatietraject van de BoJ.
• USD/CHF: ~400 bps. De SNB verlaagde agressief naar 0.25%; het verschil ten opzichte van een nog steeds verhoogde Fed funds rate is aanzienlijk, maar CHF is een veilige haven die heftig kan stijgen in risico-aversieperiodes.

Geschatte G10-renteverschillen (bps) ten opzichte van JPY en CHF, ter illustratie van de top carry-paren.

Nominale versus reële renteverschillen: Het volledige plaatje

Een breed nominaal verschil kan misleidend zijn als de valuta met een hoge rente ook te maken heeft met hoge inflatie. Wat echt telt voor carry-prestaties op lange termijn en FX-waardering is het reële renteverschil: de beleidsrente minus inflatie voor elke valuta, waarbij de spreads vervolgens worden vergeleken.

Het reële rentekader geeft een duidelijker beeld:

• De USD reële rente is solide positief — Fed funds boven 4% met kern-PCE rond 2.5–2.7% produceert een reële rente van ongeveer +1.5 tot +2%. Historisch gezien zijn positieve en verhoogde reële rentes een krachtige USD-magneet.
• De reële rentes van AUD en NZD zijn ook positief maar dalend, aangezien beide centrale banken verlagen en de lokale inflatie sneller dan verwacht is genormaliseerd. De marge is smaller dan het nominale verschil suggereert.
• De reële rentes van GBP zijn bescheiden tot licht positief — de Britse inflatie is hardnekkig in diensten, wat de nominale rentes hoog houdt maar het reële rendement minder aantrekkelijk maakt dan USD.
• De reële rentes van EUR zijn pas recentelijk licht positief geworden — ECB-verlagingen comprimeren de nominale rente sneller dan de kern-CPI van de eurozone daalt.
• De reële rentes van JPY blijven diep negatief. Met de Japanse CPI die rond 3–4% ligt en de beleidsrente op 0.50%, is de reële rente -2.5 tot -3.5%. Dit is de belangrijkste structurele reden waarom JPY chronisch onder druk staat in omgevingen met lage volatiliteit.
• De reële rentes van CHF liggen dicht bij nul na de agressieve verlagingen van de SNB, waardoor een groot deel van de traditionele veiligehavenpremie op basis van reële rente is verdwenen.

Geschatte reële beleidsrentes (beleidsrente minus laatste CPI) voor de belangrijkste G10-valuta's. Reële verschillen ten opzichte van JPY vangen het structurele carry-voordeel beter op.

De praktische implicatie: USD/JPY en GBP/JPY bieden de breedste en meest fundamenteel ondersteunde reële renteverschillen in de G10. AUD/JPY en NZD/JPY blijven ook aantrekkelijk, maar vereisen nauwkeurigere monitoring, aangezien de verlagingscycli van de RBNZ en RBA de verschillen sneller kunnen comprimeren dan de spotprijs heeft ingeprijsd.

Het Carry-regime: Wanneer verschillen rendementen worden

Een breed verschil is noodzakelijk, maar niet voldoende voor carry trade-winsten. Carry presteert het best wanneer:

1. Impliciete volatiliteit is laag — hoge FX-volatiliteit erodeert het inkomensvoordeel van het aanhouden van een renderende positie en veroorzaakt risico-aversie verkoop van carry-paren
2. Het verschil is stabiel of verbreedt — een reeds brede spread die begint te comprimeren, signaleert dat de carry trade zijn afwikkelingsfase nadert
3. De wereldwijde risicobereidheid is constructief — carry trades zijn leveraged risk-on weddenschappen; ze worden abrupt afgewikkeld bij kredietstressgebeurtenissen, aandelenuitverkoop of geopolitieke schokken
4. De centrale bank aan de rentekant versnelt haar verlagingscyclus niet — verrassende dovish wendingen (zoals de snelle verlagingen van de BoC in 2024) kunnen snelle carry-afwikkelingen veroorzaken

Illustratieve scatterplot: renteverschil (x-as, bps) versus geschatte carry-aangepaste rendementsscore (y-as) voor belangrijke G10-paren. Paren in het rechterbovenkwadrant bieden zowel brede verschillen als constructieve risico-aangepaste carry.

Monitoring van differentieelcompressie in real time

Het grootste risico bij carry trades is niet het aanhouden van het verkeerde paar bij aanvang — het is het traag herkennen wanneer het verschil comprimeert. De FXMacroData policy rate endpoint en CPI endpoint worden binnen 100ms na elke officiële aankondiging van de centrale bank bijgewerkt, zodat u een precisie op secondeniveau heeft over wanneer een nieuwe rente van kracht is.

Hier is een eenvoudig Python-patroon voor het berekenen van het reële renteverschil over een paar en het volgen van de geschiedenis ervan:

import requests
from datetime import date, timedelta

BASE = "https://fxmacrodata.com/api/v1"
API_KEY = "YOUR_API_KEY"

def fetch(currency: str, indicator: str, days: int = 730) -> list[dict]:
    start = (date.today() - timedelta(days=days)).isoformat()
    r = requests.get(
        f"{BASE}/announcements/{currency}/{indicator}",
        params={"api_key": API_KEY, "start_date": start},
    )
    r.raise_for_status()
    return r.json().get("data", [])

def latest(series: list[dict]) -> float:
    """Return the most recent value in a sorted series."""
    return float(sorted(series, key=lambda x: x["date"])[-1]["val"])

# Compute nominal rate differential
usd_rate = latest(fetch("usd", "policy_rate"))
jpy_rate = latest(fetch("jpy", "policy_rate"))
nominal_diff_usdjpy = usd_rate - jpy_rate

# Compute real rate differential
usd_cpi = latest(fetch("usd", "inflation"))
jpy_cpi = latest(fetch("jpy", "inflation"))
usd_real = usd_rate - usd_cpi
jpy_real = jpy_rate - jpy_cpi
real_diff_usdjpy = usd_real - jpy_real

print(f"USD/JPY Nominal Rate Differential: {nominal_diff_usdjpy:.2f}%")
print(f"USD/JPY Real Rate Differential:    {real_diff_usdjpy:.2f}%")

Om compressie over tijd te volgen, breidt u dit uit om het verschil op elke aankondigingsdatum te berekenen en de trend uit te zetten. Versmallende reële renteverschillen — waarbij de reële rente van de USD of AUD daalt terwijl de reële rentes van de JPY stijgen — zijn het vroege waarschuwingssignaal voor carry-afwikkelingen.

De obligatierendementsspread: De door de markt geïmpliceerde visie

Beleidsrenteverschillen weerspiegelen de intentie van de centrale bank. Rendementsspreads van staatsobligaties — met name de 2-jaars spread — weerspiegelen marktverwachtingen. De twee komen niet altijd overeen, en het verschil daartussen is informatief.

Wanneer de 2-jaars obligatierendementsspread breder is dan het huidige beleidsrenteverschil, prijzen markten toekomstige renteverhogingen of een trager verlagingsritme in voor de high-yielder — dit is bullish voor carry. Wanneer de rendementsspread smaller is dan het beleidsverschil, prijzen markten snellere verlagingen in — carry-compressie komt waarschijnlijk aan.

Begin 2026 ligt het 2-jaars rendement van de USD boven de huidige effectieve Fed funds rate, terwijl het 2-jaars rendement van de JPY is gestegen (wat de normalisatieverwachtingen van de BoJ weerspiegelt). Het netto-effect: de 2-jaars USD/JPY rendementsspread is met ongeveer 60–80 bps gecomprimeerd vanaf zijn piek in 2024, zelfs terwijl het beleidsrenteverschil langzamer versmalde. Dit is de markt die aangeeft dat de financieringskosten van carry trades langzaam stijgen.

Illustratieve USD/JPY 2-jaars staatsobligatierendementsspread (bps) over tijd, die de compressie vanaf de piek van 2024 toont. Volg in real time via de FXMacroData 2-year yield endpoint.

Voor AUD/JPY en NZD/JPY is het beeld vergelijkbaar: de 2-jaars rendementsspreads zijn sneller gecomprimeerd dan de OCR/cash rate verschillen, omdat markten meer RBNZ- en RBA-verlagingen inprijzen dan de huidige vergadering-per-vergadering guidance impliceert. Dit maakt AUD- en NZD-carryposities kwetsbaarder voor een verrassende hawkish handhaving van een van beide centrale banken (wat de spread kortstondig zou verbreden), maar betekent ook dat spot FX waarschijnlijk al enige compressie verdisconteert.

# 2-year bond yield spread for AUD/JPY
aud_2y = latest(fetch("aud", "gov_bond_2y"))
jpy_2y = latest(fetch("jpy", "gov_bond_2y"))
aud_policy = latest(fetch("aud", "policy_rate"))
jpy_policy = latest(fetch("jpy", "policy_rate"))

yield_spread = aud_2y - jpy_2y
rate_diff = aud_policy - jpy_policy

print(f"AUD/JPY Policy Rate Differential: {rate_diff:.2f}%")
print(f"AUD/JPY 2Y Yield Spread:          {yield_spread:.2f}%")
print(f"Market Pricing Premium vs Policy: {yield_spread - rate_diff:.2f}%")

Paarrangschikkingen: Waar is het meeste voordeel?

Door het nominale verschil, het reële renteverschil, de veranderingsrichting en het rendementsspreadsignaal te combineren, volgt hier een gestructureerde rangschikking van het G10 carry-landschap:

GBP/JPY en USD/JPY vallen op als de paren met het meeste structurele carry-voordeel op dit moment. Beide hebben brede reële renteverschillen, en de compressietrend is traag — de BoE zal waarschijnlijk niet agressief verlagen zolang de Britse diensteninflatie hardnekkig blijft, en het versoepelingspad van de Fed blijft afhankelijk van data. De BoJ verhoogt de rente, maar vanaf zo'n lage basis dat zelfs een verkrappingscyclus van 50 bps het verschil stevig positief laat.

NZD/JPY en AUD/JPY bieden bredere nominale verschillen, maar een hoger compressierisico. RBNZ en RBA verlagen de rente, wat de spread mechanisch versmalt. Deze paren zijn beter geschikt voor tactische carry trades — ingegaan op risico-on dagen en afgesloten vóór de vergaderdata van de RBNZ/RBA — in plaats van 'set-and-forget' structurele posities.

G10 carry-paarrangschikking op basis van samengestelde score: nominaal verschil, reëel verschil en trendrichting.

Belangrijk risico: Het Yen-afwikkelingsscenario

Elke JPY-gefinancierde carry trade draagt hetzelfde staartrisico: de BoJ versnelt haar verkrappingsschema, wat een scherpe yen-rally teweegbrengt doordat carry-posities gelijktijdig worden afgewikkeld. De episode van augustus 2024 — waarbij een BoJ-renteverhoging gecombineerd met zwakke Amerikaanse arbeidsmarktdata een 10% AUD/JPY uitverkoop in vijf handelsdagen veroorzaakte — illustreerde hoe snel en heftig carry-afwikkelingen plaatsvinden.

De signalen om in de gaten te houden voor een door de BoJ gedreven afwikkeling zijn:

• BoJ-beleidsrenteverrassing: Een verhoging boven consensus of een hawkish Quarterly Outlook-rapport veroorzaakt de scherpste bewegingen. Monitor via de FXMacroData JPY policy rate endpoint voor exacte aankondigingstijdstippen.
• Versnelling Japanse CPI: Als de kerninflatie aanhoudend boven 3% uitkomt, staat de BoJ onder druk om sneller te verhogen. De JPY inflation series is het belangrijkste leidende signaal.
• Japan 10-jaars rendement breakout: Een aanhoudende beweging boven 1.5% in de JGB 10-jaars signaleert dat binnenlandse beleggers kapitaal repatriëren, wat de koopdruk op de yen verhoogt, ongeacht beleidsbeslissingen.
• Impliciete volatiliteitsspike: Stijgende USD/JPY en AUD/JPY impliciete volatiliteit waarschuwt dat optiemarkten hogere onzekerheid inprijzen — verminder carry-exposure vóór dit omslagpunt.

Verschillen volgen met de publicatiekalender

Renteverschillen bewegen op de vergaderdata van centrale banken — en die data zijn van tevoren bekend. De FXMacroData release calendar toont aankomende aankondigingsdata voor beleidsrentes van alle G10-valuta's, zodat u de monitoring van verschillen kunt plannen rond het gebeurtenisrisico in plaats van continu te controleren.

import requests
from datetime import date

BASE = "https://fxmacrodata.com/api/v1"
API_KEY = "YOUR_API_KEY"

def get_upcoming_policy_dates(currency: str) -> list[dict]:
    """Get upcoming policy rate release dates for a currency."""
    r = requests.get(
        f"{BASE}/calendar/{currency}",
        params={"api_key": API_KEY, "indicator": "policy_rate"},
    )
    r.raise_for_status()
    events = r.json().get("events", [])
    today = date.today().isoformat()
    return [e for e in events if e.get("release_date", "") >= today]

# Check upcoming BoJ and Fed meeting dates
jpy_meetings = get_upcoming_policy_dates("jpy")
usd_meetings = get_upcoming_policy_dates("usd")

print("Upcoming BoJ policy meetings:")
for m in jpy_meetings[:3]:
    print(f"  {m.get('release_date')} — {m.get('indicator')}")

print("\nUpcoming Fed policy meetings:")
for m in usd_meetings[:3]:
    print(f"  {m.get('release_date')} — {m.get('indicator')}")

Door de publicatiekalender te combineren met de geschiedenis van de beleidsrente, kunt u een gebeurtenisgestuurd carry-signaal implementeren: ga carry-posities aan nadat een vergadering zonder verrassing is verlopen, verkrap of hedge vóór de volgende geplande vergadering voor de low-yielder (BoJ, SNB).

Een G10 Carry Scorecard opbouwen

In plaats van elk paar afzonderlijk te monitoren, is een praktische benadering een samengestelde carry-scorecard die alle G10-beleidsrentes en CPI-metingen opneemt en de top- en bodem-carry-paren dynamisch toont. Hier is de structuur:

import requests
from datetime import date, timedelta

BASE = "https://fxmacrodata.com/api/v1"
API_KEY = "YOUR_API_KEY"

G10 = ["usd", "eur", "gbp", "jpy", "aud", "nzd", "cad", "chf", "sek", "nok"]

def fetch_latest(currency: str, indicator: str) -> float | None:
    try:
        r = requests.get(
            f"{BASE}/announcements/{currency}/{indicator}",
            params={"api_key": API_KEY, "start_date": (date.today() - timedelta(days=400)).isoformat()},
        )
        r.raise_for_status()
        data = r.json().get("data", [])
        if not data:
            return None
        return float(sorted(data, key=lambda x: x["date"])[-1]["val"])
    except Exception:
        return None

# Fetch policy rates and CPI for all G10
policy_rates = {c: fetch_latest(c, "policy_rate") for c in G10}
cpi = {c: fetch_latest(c, "inflation") for c in G10}

# Compute real rates
real_rates = {
    c: (policy_rates[c] - cpi[c])
    if policy_rates[c] is not None and cpi[c] is not None
    else None
    for c in G10
}

# Rank all pairs by real rate differential
pairs = []
for i, base in enumerate(G10):
    for quote in G10[i+1:]:
        if real_rates[base] is not None and real_rates[quote] is not None:
            diff = real_rates[base] - real_rates[quote]
            pairs.append({"pair": f"{base.upper()}/{quote.upper()}", "real_diff_pct": round(diff, 2)})

# Sort by absolute differential to find extremes
pairs.sort(key=lambda x: abs(x["real_diff_pct"]), reverse=True)

print("Top 5 real rate differential pairs:")
for p in pairs[:5]:
    direction = "+" if p["real_diff_pct"] > 0 else ""
    print(f"  {p['pair']:10s}  {direction}{p['real_diff_pct']:.2f}%")

Voer dit uit op elke vergaderdatum van de centrale banken in de G10 om een continu bijgewerkt beeld te krijgen van waar het carry-voordeel ligt. De output toont direct welke paren zijn verbreed en welke zijn gecomprimeerd — de ruwe intelligentie die u nodig heeft om de carry-exposure dynamisch te herbalanceren.

Praktische lessen

Renteverschilanalyse is geen statische oefening — het G10-macrolandschap verschuift in 2026, aangezien de Fed, BoE en ECB uiteenlopende inflatie- en groeipad volgen tegenover een BoJ die eindelijk normaliseert. De paren met het meeste voordeel zijn die waar het verschil breed is, structureel ondersteund door reële rente-arithmetiek, en waar het tempo van de comprimerende centrale bank langzaam genoeg is om carry-houders tijd te geven om winst te maken en uit te stappen.

De FXMacroData API geeft u de ruwe inputs — beleidsrentes, CPI, 2-jaars rendementen, inflatieverwachtingen en de publicatiekalender — om deze analyse dynamisch op te bouwen. Verken het FX Dashboard om het huidige renteverschillenlandschap gevisualiseerd te zien, of begin direct data op te halen via de policy rate endpoint.