Einleitung

Wer sich erstmalig mit dem Thema Trading beschäftigt, kann vom Angebot an Informationen, Plattformen und den Werbeversprechen angeblicher Trading-Gurus überwältigt sein. Um den Einstieg zu erleichtern haben wir in diesem Artikel die tatsächlich relevanten Informationen einfach verständlich zusammengefasst. Wir zeigen anschaulich drei unterschiedliche Trading-Ansätze, erklären, für welche Assets sie geeignet sind und wie du sie Hands-On direkt auf unserer Plattform erstellen, testen und direkt für Live-Signale verwenden kannst.

Warum Trading-Strategien grundsätzlich eine gute Idee sind und warum sie dir helfen können, nicht wie so viele andere Trader am Markt zu scheitern, kannst du in diesem Artikel herausfinden

Eigenschaften des Marktes

Trading-Strategien basieren meist auf wiederkehrenden Eigenschaften von Finanzmärkten. Wer versteht, wie Trends, Momentum oder Volatilität entstehen, kann daraus systematische Handelsregeln ableiten.

Trend

Ein Trend ist eine gerichtete Preisbewegung über längere Zeit. Ein Aufwärtstrend zeichnet sich durch höhere Hochs und höhere Tiefs aus, ein Abwärtstrend durch tiefere Hochs und tiefere Tiefs. Häufige Ursachen für Trends sind ein Ungleichgewicht zwischen Angebot und Nachfrage, Marktpsychologie oder Herdenverhalten. Erkennen lässt sich ein Trend über Hoch/Tief-Folgen, gleitende Durchschnitte (SMA/EMA) oder über den ADX. Mehr über Trends kannst du in diesem Artikel erfahren.

Momentum

Das Momentum beschreibt Stärke und Geschwindigkeit einer Kursbewegung. Es entsteht oft durch verzögertes Einpreisen neuer Informationen und „Mitläufer“-Effekte. Dadurch setzen sich Bewegungen kurzfristig fort (Momentum-Effekt). Gemessen werden kann Momentum mittels technischer Indikatoren wie dem RSI, MACD, Rate of Change oder der Rendite über einen bestimmten Zeitraum.

Volatilität

Die Volatilität beschreibt die Schwankungsintensität eines Marktes - also wie stark Kurse innerhalb eines bestimmten Zeitraums steigen oder fallen. Sie trifft dabei keine Aussage über die Richtung der Preisbewegung. Häufig nimmt die Volatilität in Phasen erhöhter Unsicherheit, bei wichtigen Nachrichten oder bei starken Veränderungen von Angebot und Nachfrage zu.

Mathematisch wird die Volatilität meist als Standardabweichung der Renditen definiert. Gemessen werden kann Volatilität beispielsweise über die Standardabweichung, die Average True Range (ATR) oder die Breite von Bollinger-Bändern.

Auf Basis dieser Markteigenschaften lassen sich unterschiedliche Trading-Strategien entwickeln, die versuchen, genau diese Muster systematisch auszunutzen. Im Folgenden betrachten wir drei einfache Beispiele: Breakout, Trendfolge und Mean Reversion.

Breakout

Breakout-Strategien gehören zu den ältesten systematischen Trading-Ansätzen und basieren wie Trendfolge-Strategien auf derselben Markteigenschaft: der Persistenz vergangener Preisbewegungen. Einer der ersten Vertreter war Richard Donchian, der bereits in den 1970er-Jahren Preis-Kanäle („Donchian-Kanäle“) entwickelte, die auf den höchsten und niedrigsten Kursen eines bestimmten Zeitraums basieren. Wird ein solches Niveau überschritten, entsteht ein Breakout-Signal.

Eine der bekanntesten praktischen Anwendungen dieses Prinzips ist das Turtle Trading System aus den 1980er-Jahren. Dabei werden Long-Positionen eröffnet, sobald ein Markt ein neues Hoch innerhalb der letzten 20 bzw. 55 Tage erreicht. Diese werden wieder geschlossen, wenn der Markt das Minimum der letzten 10 bzw. 20 Tage wieder unterschreitet. Auf Grundlage dieser Regeln lassen sich nicht nur Long-Positionen eröffnen sondern auch Einstiege in Short-Positionen bestimmen.

Empirische Studien zeigen, dass Breakout-Strategien positive Renditen erzielen können, wobei die Ergebnisse vom Marktumfeld, der Assetklasse und den Details der Strategie abhängen. Untersuchungen im US-Aktienmarkt liefern Hinweise auf eine gewisse Prognosekraft und Donchian-Channel-Strategien in Futures-Märkten weisen darauf hin, dass Gewinne typischerweise in ausgeprägten Trendphasen entstehen und volatil sind [1, 2].

Multi-Asset-Studien zeigen, dass regelbasierte Trendstrategien, wozu Breakout-Strategien gezählt werden können, risikoadjustierte Performance gegenüber Buy-and-Hold-Ansätzen verbessern können [3].

Daraus lässt sich vorsichtig ableiten, dass Breakout-Strategien vor allem in liquiden Märkten mit trendartigen Preisbewegungen Anwendung finden können. Kryptowährungen wurden in den betrachteten Studien nicht untersucht, weisen jedoch aufgrund ihrer häufig starken Trends und hohen Volatilität solche Eigenschaften auf. Folgend wird daher exemplarisch die Erstellung und Analyse einer Breakout-Strategie für die Kryptowährung Ethereum Schritt für Schritt gezeigt.

Schritt 1: Strategie direkt aus Produktsuche erstellen (Strategietyp „Standard“ wählen, passenden Namen vergeben, weiter zum nächsten Schritt)

Schritt 2: Einen Kaufregelsatz (Investitionstyp „Betrag“ auswählen und Betrag festlegen) und einen Verkaufsregelsatz (Typ „Alle“) erstellen.

Schritt 3: Den Indikator „Vergleich“ sowohl zum Kauf- als auch zum Verkaufs-Regelsatz hinzufügen.

Schritt 4: Indikatoren parametrisieren anhand folgender exemplarischer Regeln:

  • Kaufen wenn der aktuelle Tages-Schlusskurs über dem Maximum der Schlusskurse des vergangenen Monats (-1 bzw. exklusive des aktuellen Tages-Schlusskurses) liegt.
  • Verkaufen, wenn der aktuelle Tages-Schlusskurs unter dem Minimum der Schlusskurse der vergangenen zwei Wochen (-1 bzw. exklusive des aktuellen Tages-Schlusskurses) liegt.

Die Distanz kann für das Beispiel auf 0 % belassen werden. Die fertig parametrisierten Indikatoren sehen wie folgt aus:

Mit dem Chart-Button neben der Referenz können die eingestellten Grenzen grafisch dargestellt werden.

Tipp: Ein Klick auf den Chart-Button neben dem Indikatornamen zeigt den Channel und zusätzlich noch den Verlauf relativ zum Grenzwert. Anhand dieser Grafiken lassen sich Indikatoren leichter anpassen.

Schritt 5: Strategie speichern, weiter zur Simulation. Dort einfach Start- und End-Zeitpunkte festlegen und „Starten“ klicken. Nach einer kurzen Wartezeit können die Ergebnisse des Backtests angezeigt werden - dazu einfach in die neu hinzugefügte Tabellenzeile klicken. Alternativ kann jeder Backtest auch über das obere Menüband aufgerufen werden.

Im simulierten Zeitraum schneidet die einfache Breakout-Strategie am Beispiel Ethereum mit einem Plus von 86 % wesentlich besser als eine Buy-And-Hold-Strategie ab, die ein Minus von knapp 40 % erwirtschaftet hätte. Etwaige Transaktionskosten und Gebühren werden hierbei nicht berücksichtigt.

Im detaillierten Indikator-Chart des Backtests sind sehr gut die Maximum- und Minimum-Kanäle zu erkennen sowie die Situationen, die zu einem Kauf- oder Verkaufs-Signal geführt haben. Bei Bedarf kann die Strategie noch weiter optimiert werden, zum Beispiel mit einem prozentualem Threshold zum Grenzwert, so dass weniger Signale generiert werden würden.

Schritt 6: Wer mit der Strategie so schon zufrieden ist, kann diese direkt im letzten Reiter des Editors aktivieren. Dann wird diese Strategie kontinuierlich überprüft und auftretende Signale sofort übermittelt.

Übung: Um tatsächlich die gezeigte Performance von 86 % zu erreichen ist eine kleine Anpassung des Verkaufsindikator nötig. Tipp: Zeitfenster der Referenz anpassen.

Obwohl diese Strategie im Backtest für Ethereum sehr gute Ergebnisse gezeigt hat, schneidet die selbe Strategie bei Bitcoin mit nur 660 % Performance im Vergleich zu einer Buy-and-Hold-Performance von 16.600 % über die letzten 10 Jahre deutlich schlechter ab. Das lässt folgende Hypothesen zu:

  • Klassische Breakout-Strategien funktionieren besser, wenn sich längere Seitwärts- und Konsolidierungsphasen mit dynamischen Trendbewegungen abwechseln, so wie bei Ethereum. Werte mit langen, starken Auf- und Abwärtstrends und nur relativ kurzen Konsolidierungsphasen wie Bitcoin erscheinen unpassend.
  • Assets mit hoher Volatilität und moderater langfristiger Preisentwicklung scheinen für Breakout-Strategien besser geeignet zu sein. Dies könnte als Vorauswahl-Kriterium für eine Breakout-Strategie dienen.

Ein Wert, der die genannten Vorauswahl-Kriterien erfüllt ist zum Beispiel Cardano. Auch hier zeigte sich im Backtest die Breakout-Strategie der Buy-&-Hold-Strategie bei weitem überlegen.

Breakout-Strategien funktionieren laso besonders gut in Märkten mit starkem Momentum, in denen neue Hochs häufig weitere Kursanstiege auslösen. Typische Beispiele sind Kryptowährungen, Wachstumsaktien oder volatile Indizes, bei denen sich Trendbewegungen oft aus längeren Konsolidierungsphasen heraus entwickeln.

Trendfolge

Trendfolge versucht, bestehende Trends auszunutzen, anstatt Wendepunkte vorherzusagen. Ein Beispiel sind technische Signale wie das Überschreiten eines gleitenden Durchschnitts durch den Preis oder durch einen kurzfristigen Durchschnitt. Einfache Long-only Timingregeln auf Basis gleitender Durchschnitte erzielen häufig ähnliche Renditen wie Buy-and-Hold, weisen jedoch deutlich geringere Volatilität und niedrigere maximale Drawdowns auf, wodurch sich die risikoadjustierte Performance verbessert [4].

Breit diversifizierte Trendfolgestrategien - insbesondere Time-Series-Momentum über Futuresmärkte - zeigen darüber hinaus robuste risikoadjustierte Mehrerträge über verschiedene Anlageklassen hinweg, darunter Aktienindizes, Anleihen, Rohstoffe und Währungen [5].

Basierend auf der Literatur bieten sich also ein bekannter Index oder ein großer ETF als Basis für eine solche Strategie an. Auch Einzelaktien mit hoher Marktkapitalisierung, moderater Volatilität und starker Preisentwicklung über mehrere Jahre wären möglich. Für das Beispiel nehmen wir (den Home-Bias bestätigend) den in der DACH-Region bekannten und häufig diskutierten DAX Aktienindex. Wir wollen in diesem einfachen Beispiel anhand folgender Regeln handeln:

  • Kaufen, wenn der aktuelle Schlusskurs die 200-Tage-Linie (SMA, Simple Moving Average) nach oben kreuzt.
  • Verkaufen, wenn der aktuelle Schlusskurs die 200-Tage-Linie, ebenfalls SMA, nach unten kreuzt.

Wir benötigen also zwei Regelsätze, wobei der Investitionsbetrag einfach wesentlich höher als der aktuelle DAX-Kurs gewählt wird, denn es geht nur um die Erkennung von Signalen und um den relativen Vergleich zu einer Buy-and-Hold Strategie.

Der passende Indikator, die Kreuzung, wird zu jedem der Regelsätze hinzugefügt und wie in der Abbildung parametrisiert, um die vorher aufgestellten Regeln abzubilden.

Simulieren lässt sich diese Strategie über einen Zeitraum von 10 Jahren. Die Performance dieser Strategie liegt mit knapp 100 % etwas unter der Buy-And-Hold-Performance von 140 %. Dafür wurden massive Drawdowns (hohe Verlustphasen) wie während der Corona-Krise ausgelassen. Allerdings werden auch einige Fehlsignale in Seitwärtsphasen generiert.

Anpassen lässt sich die Strategie auf unterschiedliche Arten. Bspw. Mit einem kurzfristigen Durchschnitt anstelle des aktuellen Schlusskurses als Signal. Die neuen Regeln lauten:

  • Kaufen, wenn die 50-Tage-SMA-Linie die 200-Tage-SMA-Linie nach oben kreuzt.
  • Verkaufen, wenn die 50-Tage SMA-Linie die 200-Tage SMA-Linie nach unten kreuzt.

Dazu ersetzen wir in der bestehenden Kaufregel im Signal den Close-Wert mit einem weiteren, etwas kürzerem, SMA von 50 Tagen.

Diese klassische, oft „Golden Cross“ genannte Strategie liefert im DAX eine nochmals reduziertere Performance von 60 % bei allerdings auch deutlich weniger Signalen. Dieses Beispiel zeigt, wie stark die Parameterwahl die Performance beeinflussen und das Trendfilter das Risiko reduzieren, nicht zwingend die Rendite steigern.

Eine weitere Möglichkeit besteht darin, anstelle einfacher Durchschnittskreuzungen einen etablierten Trendfolge-Indikator zu verwenden. Ein häufig eingesetztes Werkzeug hierfür ist der MACD (Moving Average Convergence Divergence), der ebenfalls auf gleitenden Durchschnitten basiert, Trends jedoch etwas anders filtert. Die genaue Funktionsweise des MACD-Indikators haben wir in diesem Blogartikel gezeigt.

Im Strategie-Editor werden die beiden Kreuzungs-Indikatoren unserer Trendfolge-Strategie einfach mit zwei MACD-Indikatoren ersetzt, wobei die voreingestellten Parameter, die aus der Literatur übernommen wurden, unverändert gelassen werden.

Der Backtest mit dieser Strategie liefert beim DAX annähernd dieselbe Performance wie eine Buy-and-Hold-Strategie, zugleich wurden aber massive Drawdowns wie jener während der Corona-Krise weitestgehend ausgelassen.

Die getesteten Trendfolge-Strategien spiegeln die Aussagen der Literatur wider, mit der MACD-Version konnte das gewünschte Verhalten einer risikoadjustierten guten Performance relativ einfach erreicht werden.

Trendfolge-Strategien eignen sich vor allem für Märkte mit klaren langfristigen Trends, in denen sich Preisbewegungen über längere Zeit fortsetzen können. Besonders gut funktionieren sie daher bei großen Aktienindizes oder liquiden ETFs, bei denen sich langfristige Aufwärtsbewegungen regelmäßig beobachten lassen.

Mean Reversion

Während Trendfolge darauf abzielt, bestehende Marktbewegungen möglichst lange zu begleiten, geht der Mean Reversion Ansatz davon aus, dass sich Preise nach kurzfristigen Übertreibungen wieder in Richtung ihres Durchschnittes bewegen [6].

Zur praktischen Identifikation solcher Übertreibungen eignen sich technische Oszillatoren wie der Relative Strength Index (RSI). Der RSI misst die Stärke einer Preisbewegung und kann anzeigen, wann ein Markt überkauft oder überverkauft ist. Ein RSI oberhalb von 70 bedeutet jedoch nicht zwangsläufig eine unmittelbar bevorstehende Umkehr, da starke Trends über längere Zeit im Extrembereich verbleiben können. Häufig wird daher erst eine Rückkehr des RSI unter diese Schwelle als Signal interpretiert, dass eine Übertreibung endet und eine Gegenbewegung einsetzen könnte. Mehr über die genaue Funktionsweise des RSI haben wir in diesem Artikel beschrieben.

Da in [6] mit Währungspaaren, Indizes und Silber gearbeitet wurde, verwenden wir das Norwegische Krone / US-Dollar Währungspaar für die Strategie. Der RSI wird wie in der klassischen Literatur parametrisiert, mit einer Überkauft-Schwelle von 70 und einer Überverkauft-Schwelle von 30. Die Regeln sind wie folgt:

  • Kaufen, wenn der RSI die Schwelle von 70 wieder nach unten kreuzt
  • Verkaufen, wenn der RSI die Schwelle von 30 wieder nach oben kreuzt

Im Editor sehen die beiden Regelsätze wie folgt aus:

Die Simulation mit den voreingestellten RSI-Indikatoren über die vergangenen 10 Jahre liefert bereits positive Ergebnisse. Einer negativen Buy-and-Hold Performance von -12,7 % steht eine positive Performance dieser einfachen RSI-Strategie von 20,7 % gegenüber.

Mean-Reversion-Strategien sind besonders in Märkten sinnvoll, die häufig um ein durchschnittliches Preisniveau schwanken und nach kurzfristigen Übertreibungen wieder zu diesem Mittelwert zurückkehren. Solche Eigenschaften finden sich häufig bei Währungen, Rohstoffen oder auch Aktien und Indizes in ausgeprägten Seitwärtsphasen.

Fazit

Wir hoffen, dass wir dir mit diesem Artikel die Vorteile von Trading-Strategien sowie die Funktion unserer Plattform gravitrade näherbringen konnten. Du kannst die gezeigten Strategien einfach anhand dieses Artikels nachbauen und selbst ausprobieren. Um es dir noch einfacher zu machen, haben wir die Strategien auch hier hochgeladen. Lade sie einfach herunter, lege im Strategieeditor eine neue Strategie an, wähle „Importieren“ und lade die gewünschte Strategie hoch.

Spiele mit den Parametern herum, wende die Strategien auf andere Assets an und hinterlass uns gerne einen Kommentar oder eine Nachricht, wie es dir damit geht.

References

  • [1] W. Brock, J. Lakonishok und B. LeBaron, „Simple Technical Trading Rules and the Stochastic Properties of Stock Returns,“ The Journal of Finance, Bd. 47, Nr. 5, pp. 1731-1764, 1992.
  • [2] J. N. Swart, „Testing a Price Breakout Strategy Using Donchian Channels,“ University of Cape Town, Cape Town, 2016.
  • [3] A. Clare, J. Seaton, P. N. Smith und S. Thomas, „The Trend is Our Friend: Risk Parity, Momentum and Trend Following in Global Asset Allocation,“ Journal of Behavioral and Experimental Finance, Bd. 9, pp. 63-80, 2016.
  • [4] M. T. Faber, „A Quantitative Approach to Tactical Asset Allocation,“ El Segundo, CA, 2013.
  • [5] T. J. Moskowitz, L. H. Pedersen und Y. H. Ooi, „Time Series momentum,“ Jorunal of Financial Economics, Bd. 104, Nr. 2, pp. 228-250, 2012.
  • [6] V. Grossmann, Mean Reversion-orientiertes Swing Trading, Kiel, 2018.