Handelssysteme: Robust und kompatibel

Grundsätzliches zu regelbasierten Anlagestrategien

Warum Handelssysteme?

Zuletzt beschäftigten wir uns in der Augustausgabe 2017 unter dem Titel „Anlegen nach Zahlen“ intensiver mit dem Thema Handelssysteme. Unsere Updates zu zwei ausgewählten regelbasierten Strategien finden Sie zudem monatlich in den Rubriken „Intermarketanalyse“ (S. 42 oder 43) und „Quantitative Analyse“ (S. 42 oder 43). Und weil das Thema einen erheblichen praktischen Mehrwert hat, stellen wir Ihnen heute gleich zwei bewährte Strategien vor (S. 14), denen Sie selbst hautnah folgen können. Schließlich sprechen wir mit Oliver Paesler, einem der erfahrensten Programmierer und Systementwickler, über die Vorteile von und Herausforderungen bei der Erstellung von Handelssystemen (S. 16). Die grundsätzliche Frage aber bleibt: Warum beschäftigen wir uns überhaupt mit dem Thema des regelbasierten Anlegens? Schließlich ist es gängige Auffassung unter Aktienanalysten, dass jedes Unternehmen eine Art Solitär sei, dessen Potenzial sich erst nach intensiver Beschäftigung mit den Zahlenwerken und Zukunftsaussichten offenbart. Das ist zwar grundsätzlich richtig, vernachlässigt aber zweierlei: Zum einen führen Aktienkurse ein gewisses Eigenleben, das nicht alleine durch Unternehmensnachrichten bzw. -zahlen zu erklären ist. Zum anderen weisen auch höchst unterschiedliche Aktien Gemeinsamkeiten in ihrem Kursverhalten auf, die nutzbar sind. Das bekannteste Phänomen in dieser Hinsicht ist der Trend, und es ist nicht verwunderlich, dass dieser historisch den Ausgangspunkt für die Entwicklung von Handelssystematiken bildete.

Klassischer Trade-off

Zwar wird man der Einzigartigkeit von Unternehmen auf diese Weise nicht mehr gerecht, doch im Gegenzug ergibt sich ein ganz anderer Zugriff auf mögliche Kurspotenziale. Dabei geht es im Ergebnis weniger um eine vollautomatische Gelddruckmaschine als um ein Verfahren, das auf statistisch signifikanten und nutzbaren Anomalien beruht und unabhängig von konkreten Überlegungen und Stimmungen des Anwenders mechanisch umgesetzt wird. Dies bedingt sowohl auf der Seite des Handelssystems als auch auf jener des späteren Anwenders einige Voraussetzungen.

Zuverlässige Datenbasis

Beginnen wir auf der Systemseite: Die meisten Handelssysteme basieren traditionell auf Kurs- und Umsatzdaten der Börsen. Inzwischen wird allerdings auch verstärkt mit Fundamentaldaten oder der automatischen Auswertung von Unternehmensmeldungen und Wirtschaftsdaten gearbeitet. Unabhängig davon stehen am Anfang jeder Analyse zuverlässige und aussagekräftige Daten. Ist diese Basis nicht gegeben, kann man sich alle weiteren Schritte sparen. Bei Handelssystemen auf der Basis von Kursen und Umsätzen ist eine Aussagekraft der Daten zudem nur dann gegeben, wenn die betreffenden Titel hinreichend liquide sind.

Formation, Test, Anwendung

Bei den eigentlichen Handelssignalen geht es dann darum, dass Einzeltitel und/oder Trendphasen aus dem gewählten Anlageuniversum herausgeschnitten werden, die eine risikoadjustierte Überrendite erwarten lassen. Als Zielgröße gilt regelmäßig die Rendite, während das maximal tolerierbare Risiko eine Nebenbedingung darstellt. Üblicherweise werden die Filter bzw. Signale zunächst an Daten aus der Vergangenheit getestet („Backtesting“). Tatsächlich werden in diesem Bereich wohl die meisten handwerklichen Fehler begangen, etwa durch einen Zugriff auf Informationen, die zum Zeitpunkt des Handelssignals noch gar nicht vorgelegen haben können (vgl. Interview auf S. 16). Allentscheidend ist jedoch, dass die gefundenen Regeln und Parameter robust sind, sich also auch in der unbekannten Zukunft bewähren. Zu einem Problem kann in dieser Hinsicht die verführerische Leistungsfähigkeit moderner Softwarepakete und Rechnerarchitekturen werden, denn wenn Handelssysteme auf die spezifischen Gegebenheiten des historischen Datensatzes optimiert werden, kann man gerade nicht davon ausgehen, dass die so gefundenen Einstellungen auch künftig ähnlich ansprechende Ergebnisse liefern. Standardmäßig unterscheidet man daher beim Backtesting zwischen einer Formationsperiode, in der die eigentliche Systementwicklung stattfindet, und einem Testzeitraum, in dem sich das so entwickelte Handelssystem bewähren muss. Je geringer die Ergebnisabweichungen zwischen beiden Zeiträumen sind, desto größer ist die Wahrscheinlichkeit, dass man robuste Gesetzmäßigkeiten gefunden hat, die auch in der Zukunft fortbestehen werden.

Bewährte Konzepte

Als thematische Bausteine empfehlen sich bei der Handelssystementwicklung praxisbewährte Konzepte – beispielsweise solche, mit deren Hilfe bereits reale Vermögen aufgebaut wurden. Auch empirische Studien, die unter Verwendung einer wissenschaftlichen Methodik entsprechende Anomalien über längere Zeiträume nachweisen konnten, sind gute Ideengeber. Idealerweise gibt es sogar eine überzeugende Erklärung für die gefundenen Auffälligkeiten und deren Stabilität im Zeitablauf. Weniger aussichtsreich sind dagegen Methoden, die sich entweder nicht operationalisieren lassen oder keinen herausragend erfolgreichen Praktiker hervorgebracht haben. Neben der Value-Methodik, also dem Kauf unterbewerteter Akten, sind vor allem Momentum und Saisonalität aussichtsreiche Grundbausteine, die auch gerne variiert und miteinander kombiniert werden: „Kaufe relativ starke Aktien im November, falls der DAX steigt.“ Während die Saisonalität bislang überwiegend als Timing-Instrument für den Gesamtmarkt eingesetzt wurde („Sell in May and go away!“), hat Dimitri Speck mit seasonax® das Thema für Einzelaktien weiterentwickelt. Die Saisonfiguren einzelner Titel erscheinen uns so spannend, dass wir uns diesen in einer der kommenden Ausgaben noch ausführlicher widmen werden …

(Die vollständige Titelgeschichte lesen Sie in Smart Investor 8/2019 ab S. 12)