+49 (0)30 52 68 13 96 info@insidetrading.de
Investieren und Traden mit Python lernen – Das Testen einer ersten Handelsstrategie – Backtest Python

Investieren und Traden mit Python lernen – Das Testen einer ersten Handelsstrategie – Backtest Python

Analysetechniken

BITTE BEACHTEN SIE – DER API VON YAHOO FINANCE WURDE DAUERHAFT GESCHLOSSEN – ALS KOSTENFREIE ALTERNATIVE KÖNNEN SIE ALPHAVANTAGE ALS DATENQUELLE VERWENDEN – DIE DOKUMENTATION FINDEN SIE AUF DEREN SEITE

Unter Annahme der Grundsätze der technischen Analyse ändert sich das Verhalten von Marktteilnehmern nicht innerhalb kürzester Zeit. Daher können wir aus dem Verhalten in der Vergangenheit auf das in der Zukunft schließen. Genau diese Idee liegt den sogenannten Backtests zugrunde.

In Backtests überprüft man, wie eine bestimmte Handelsstrategie in der Vergangenheit abgeschnitten hätte. Ein Backtest ist keine Garantie dafür, dass sich ein Markt in Zukunft weiter genauso entwickelt, wie er es in der Vergangenheit getan hat. Er erlaubt einem lediglich zu verstehen, ob ein Ansatz erfolgreich sein kann und man in Folge mit Aktien Geld machen können. Wenn dies nicht der Fall ist, sollte man die Idee am besten nicht weiterverfolgen, da sie tendenziell nicht gewinnbringend sein wird.

Um den Prozess eines Backtests einmal beispielhaft zu präsentieren, wird im nachfolgenden Artikel der Moving-Average Crossover als Signal in Python erstellt. Zudem soll eine Klasse Portfolio ergänzend die Ergebnisse visualisieren.

Backtest einer Handelsstrategie in Python lernen – der Moving Average Crossover (Golden Cross)

Der Moving-Average-Crossover ist wahrscheinlich eine der bekanntesten Trading-/ Investitionsansätze der technischen-Analyse. Dabei wird versucht, die Verluste zu beschränken und die Gewinne weit laufen zu lassen und so einen positiven Erwartungswert zu erzeugen. Mehr zur Intuition und der Funktionsweise des Signals können Sie in unserem Artikel zu Gleitenden Durchschnitten erfahren.

Ab hier wird angenommen, dass Sie sich mit der Idee des Signals vertraut gemacht haben, sodass wir uns nur noch auf den Code konzentrieren können. 

Beziehen der Kursdaten für einen Backtest – Python data access

Zunächst benötigen wir Kursdaten für die nachfolgende Datenanalyse bzw. Backtest. Diese beziehen wir wie in diesem Artikel beschrieben. Wir legen allerdings dieses Mal in unserem neuen Projekt eine entsprechende neue Klasse an, die aber im Prinzip den selben Inhalt hat, sodass man diese Features theoretisch auch vererben könnte. Wer sich für dieses Konzept interessiert, kann hier mehr dazu nachlesen. Dafür importieren wir zum Beginn des Programms wie üblich alle notwendigen Pakete:

from pandas_datareader import data as pdr

import fix_yahoo_finance # must pip install first

import numpy as np

import pandas as pd

import datetime

from conda.common import signals

from matplotlib import pyplot as plt

Daraufhin beginnen wir die Klasse zu erstellen, die uns dazu dienen soll die Daten zu beziehen und entsprechende Prozessschritte zu durchlaufen, die Ihnen die Evaluation Ihrer Strategie erlauben. Die Klasse, die dazu erstellt werden, soll ist die Klasse Quantitative Strategy. Diese bezieht im ersten Schritt die Kursdaten mithilfe des Pandas-Datareader. Die dafür notwendigen Parameter werden in der __init__ Methode übergeben und in Folge an das Objekt übergeben.

class QuantitativeStrategy():
    def __init__(self,stock_ticker,start_date,schnell,langsam):
        self.aktie = pdr.get_data_yahoo(stock_ticker,start_date).copy()
        self.schneller_ma = schnell
        self.langsamer_ma = langsam

Nachdem all diese notwendigen Informationen dem Objekt zugeordnet wurden, liegt der nächste Schritt in der Definition der Handelsstrategie zu definieren und auf der Anwendung der Kursdaten auf die gewählten Aktien.

Erstellen der Indikatoren und der Handelssignale mit Python

Dafür erstellen wir eine Methode, welche Sie später mit dem erstellten Objekt verwenden können. Als Ergebnis liefert die Methode einen Dataframe, der alle notwendigen Informationen zum Signal der Strategie, sowie den jeweiligen Returns der Periode enthält, um die Entwicklung eines Kontos zu simulieren.

        #Wenn heute das Signal entsteht, darf erst morgen eine Position daraufhin eingegangen werden.
        #Wenn dies nicht beachtet wird, wird jede Strategie automatisch zum Powerhouse, da die bekannte
        #Zukunft in die Entscheidungen mit einfließt
        #Dazu shiften wir die Signalspalte um eine Periode in die Zukunft - sodass das Signal am Folgetag

        #für die Handelsentscheidung herangezogen wird
        signals["signal"] = signals["signal"].shift(1)
        return signals

Dabei muss man beachten, dass ein Signal immer zum Ende des Tages entsteht und daher erst die Renditen des nächsten in die Berechnung einfließen dürfen. Aus diesem Grund verwenden wir die Shift-Funktion des Dataframes um die Signale um eine Periode zu verschieben. Eine 1 in der Signal-Spalte bedeutet daher, dass die Rendite des betreffenden Tages für den Backtest verwendet werden kann und soll. Die Signale stellen wir in diesem Fall einfach über eine Spalte dar, welche True oder False enthält, also: das Signal ist aktuell aktiv oder das Signal ist inaktiv. Ob der Wert der jeweiligen Zeile True oder False ist, hängt in diesem Fall von den beiden gleitenden Durchschnitten ab, die wir mit dem folgenden Abschnitt erstellen:

schnell = self.aktie["Adj Close"].rolling(window = self.schneller_ma).mean()

langsam = self.aktie["Adj Close"].rolling(window = self.langsamer_ma).mean()

signals["signal"] = (signals["schnell"] > signals["langsam"])*1 #Ergibt True und False

zum Schluss wird signals als Ergebnis ausgegeben. Das Objekt signals ist ein Pandas DataFrame, welcher die täglichen Renditen, die Signallage, sowie die Kursdaten der Aktie enthält.

Berechnung der Kontoentwicklung der Handelsstrategie im Backtest mit Python lernen

Mit Hilfe des erstellten DataFrames, können nun alle Auswertungen erstellt werden, die man von einem Backtest erwarten kann. Dazu zählen sowohl die Kontoentwicklung als auch die möglichen Auswirkungen von verschieden hohen Hebeln auf die Handelsstrategie. Um diese Daten greifbar zu machen, werden wir Liniencharts und Histogramme verwenden.

Dazu wird eine neue Klasse angelegt. Diese bekommt die zuvor erstellten Daten übertragen, sodass sie auf diese zugreifen kann.

class PortfolioBacktest():
    def __init__(self,signal_matrix):
        self.signal_matrix = signal_matrix

Somit entsteht ein Portfolio-Objekt, das die Daten der Aktie trägt. Mit diesen Daten soll nun mit Backtest-Methoden gearbeitet werden: 

    def equity_development(self,initial_account_size = 10000,leverage = 1):
        df = self.signal_matrix
        df.dropna(inplace = True)
        df["return"] = df["Adj Close"].pct_change()
        df["strategy_returns"] = df["signal"]*df["return"]*leverage+1
        df["capital_growth"] = df["strategy_returns"].cumprod()
        df["stock_performance"] = (df["return"]+1).cumprod()
        df["stock_performance"] = df["stock_performance"]*initial_account_size
        df["equity"] = df["capital_growth"]*initial_account_size
        #fig, axes = plt.subplots(nrows=2, ncols=2)
        fig = plt.figure()
        ax1 = fig.add_subplot(221)
        ax2 = fig.add_subplot(222)
        ax3 = fig.add_subplot(212)
        df[["equity","stock_performance"]].plot(ax = ax3)
        (df["return"]).plot(ax = ax1,kind = "hist",title = "Histogram of Stock Returns")
        filter_null_returns = (df["strategy_returns"] != 0)
        (df["strategy_returns"][filter_null_returns]-1).plot(ax = ax2,kind = "hist", title = "Histogram of Strategy Returns")
        return(df)

 Dieser Code-Block wirkt zunächst überwältigend. Brechen wir ihn einmal herunter, um Klarheit zu schaffen. 

    def equity_development(self,initial_account_size = 10000,leverage = 1):

Definiert die Methode equity_development. Diese Methode soll unabhängig von dem verwendeten Signal immer dieselben Ergebnisse produzieren. Dies ist möglich, da in dem DataFrame verschiedene Daten hinterlegt sind und diese -ganz gleich welches Signal erstellt wird- immer gleich heißen werden. So wird es immer eine Spalte “Adj Close” geben und immer eine Spalte “signal”. Somit kann an Hand dieser nun die Grafik produziert werden. Zu Beginn werden einige Schritte zur Bereinigung der Daten durchgeführt. Soll entschieden werden, ob eine Handelsstrategie mit echten Geld umgesetzt wird, muss dies noch etwas sauberer ausgestaltet werden. Für einen ersten Versuch ist das hier gezeigte Vorgehen vollkommen aus.

        fig = plt.figure()
        ax1 = fig.add_subplot(221)
        ax2 = fig.add_subplot(222)
        ax3 = fig.add_subplot(212)

 

Definiert die Abschnitte der Grafik, auch “Subplots” genannt. Diese Abschnitte erlauben das Anordnen der Grafiken wie in diesem Beispiel: 2 Grafiken oben und eine große Grafik unten. Um die Grafiken in die erstellten Platzhalter zu “schreiben,” soll die in Pandas enthaltene Plot-Methode verwendet werden, wobei über die ax1,ax2,ax3 Variable die jeweilige Position zugeordnet wird.

        df[["equity","stock_performance"]].plot(ax = ax3)
        (df["return"]).plot(ax = ax1,kind = "hist",title = "Histogram of Stock Returns")
        filter_null_returns = (df["strategy_returns"] != 0)
        (df["strategy_returns"][filter_null_returns]-1).plot(ax = ax2,kind = "hist", title = "Histogram of Strategy Returns")
        return(df)

Das Ergebnis kann sich sehen lassen:

Strategy = QuantitativeStrategy("BAS.DE","2010-01-01",20,80)
Strategy = Strategy.moving_average_cross()
Portfolio = PortfolioBacktest(Strategy)
Results = Portfolio.equity_development()

Im weiteren Verlauf könnten nun noch weitere Statistiken erstellt werden, die die Handelsstrategien näher beschreiben, wie z.B. das Sharpe-Ratio, die Standardabweichung, der Max-Drawdown und viele weitere, die notwendig sind um eine wirkliche Aussage über die Güte einer Strategie zu treffen.

Wie bereits angesprochen, erlaubt unser Backtest auch die Entwicklung zu hebeln. Der Hebel ist dabei ein fester Wert, der die Renditen faktorisiert. Dies entspricht also nicht dem klassischen Hebel in Form eines Kaufs mit Margin, sondern vielmehr der Verhaltensweise eines Faktor Zertifikats, da der Hebel täglich neu auf die voreingestellt Zahl angepasst wird und die entstandene Rendite multipliziert.
Um einen Kauf auf Margin darzustellen, müssen wirkliche alle Käufe und Verkäufe zu bestimmten Kursen erstellt und verarbeitet werden. Dies ist wesentlich komplizierter als das gewählte Beispiel. Das hier gezeigte Szenario lässt sich mit: „Ich bin investiert“ oder „Ich bin nicht investiert“ beschreiben , bei dem Transaktionskosten keine Berücksichtigung finden.

Betrachten wir nun einmal das Ergebnis unserer Hebelmöglichkeiten:

Strategy = QuantitativeStrategy("BAS.DE","2010-01-01",20,80)
Strategy = Strategy.moving_average_cross()
Portfolio = PortfolioBacktest(Strategy)
Results = Portfolio.equity_development(leverage = 3)

Nun schlägt auch unsere Strategie den Markt. Da sie es schafft, die Renditen zu transformieren und somit auch Verlustphasen soweit beschränken kann, dass das Konto nicht auf Null fällt und der Hebel langfristig zum Vermögensaufbau beitragen kann. 

Das ist das Ende der Reihe Python lernen für Investieren und Traden.
Die verwendete Codes finden sich auch auf meinem GitHub Repository und sind frei zum Download verfügbar: https://github.com/JulianStorz/Python_Backtest

Bei Fragen hinterlassen Sie uns gerne einen Kommentar oder schreiben Sie uns an info@insidetrading.de oder abonnieren Sie unseren Newsletter.

by Jan 19, 2018 Keine Kommentare
Investieren und Traden mit Python lernen – Erstellen von Charts und Grafiken mit Matplotlib

Investieren und Traden mit Python lernen – Erstellen von Charts und Grafiken mit Matplotlib

Analysetechniken

BITTE BEACHTEN SIE – DER API VON YAHOO FINANCE WURDE DAUERHAFT GESCHLOSSEN – ALS KOSTENFREIE ALTERNATIVE KÖNNEN SIE ALPHAVANTAGE ALS DATENQUELLE VERWENDEN – DIE DOKUMENTATION FINDEN SIE AUF DEREN SEITE

Investieren und Traden mit Python lernen – Erstellen von Charts und Grafiken mit Matplotlib
Nachdem im vorangegangenen Beitrag besprochen wurde, wie man sich mit Python von verschiedenen Quellen Kursdaten, sowie Fundamentaldaten für die Analysen downloaden kann, soll es sich nun vornehmlich um die Erstellung erster Charts und Grafiken drehen. Sie wollen die Daten sicher nicht nur im Zahlenformat analysieren.

Grafiken für Finanzanalysen in Python – Matplotlib

Für die grafische Analyse werden wir Matplotlib verwenden, eine Library in Python, welche eine Vielzahl von Darstellungsmöglichkeiten bietet. Darunter sind folgende Chart Typen

Balkendiagramme
Säulendiagramme
Liniencharts
Kreisdiagramme
Kerzencharts
Histogramme
Polarcharts

Eine Übersicht über alle verschiedenen Formen von Plots findet sich auf der Matplotlib.org Seite.
Die Möglichkeiten, die sich durch Matplotlib ergeben, sind nahezu grenzenlos.

Um Matplotlib nutzen zu können, installieren Sie dieses bitte über die Konsole mit Hilfe von pip install.

In dem folgenden Abschnitt werde ich mit Ihnen eine Klasse erstellen, die für Sie verschiedene Grafiken einfach direkt erstellen kann. Dabei werden wir eine objektorientierte Programmierweise verwenden. Diese ist etwas anspruchsvoller, jedoch können Sie alleine mit dem Code, den Sie in diesem Artikel finden, bereits ansehnliche Grafiken für beide vorgestellten Datenquellen erstellen.

Kursdaten mit Python als Linienchart darstellen

Zuerst importieren wir wie gewohnt alle notwendigen Pakete für das Programm, das wir erstellen wollen.

from pandas_datareader import data as pdr
import fix_yahoo_finance
import quandl
import matplotlib.pyplot as plt
import pandas as pd

Daraufhin definieren wir die Klasse, mit deren Hilfe wir die Daten beziehen wollen. Dieser übergeben wir den Ticker des Produkts sowie das Start Datum, also ab wann wir die Zeitreihe beziehen wollen.

class Stock_Analysis:
    #
    def __init__(self, Stock_Ticker,Start_Date,Stock_Name):    
        self.ticker = Stock_Ticker
        self.start_date = Start_Date
        self.name = Stock_Name
        self.stock_data = pdr.get_data_yahoo(self.ticker,self.start_date)

Die Init Methode ist die Methode, welche beim Aufrufen der Klasse, also dem Erstellen eines Objektes immer als erstes ausgeführt wird. Mit ihrer Hilfe werden dem Objekt die einzelnen Eigenschaften übergeben, die es trägt.
Dabei werden dem Obekt über self.xxx Werte zugeordnet. In unserem Beispiel übergeben wir also einem Objekt, das wir mit Hilfe dieser Klasse erstellen, folgende Informationen:

self.ticker

Ist der Ticker, welchen wir abfragen wollen

self.start_date

Das Startdatum, ab dem die Daten abgefragt werden sollen

self.name

Übergibt dem Objekt den als Inputwert angegebenen Namen der Aktie

self.stock_data

Bezieht mit Hilfe des pandas_datareaders die Kursdaten des von Ihnen gewünschten Unternehmens

Neben der __init__ Methode brauchen Sie nun weitere Methoden, um mit den gewonnen Daten zu arbeiten. Die erste Methode, die wir dazu einführen wollen, ist die Print_Data() Methode, welche die gespeicherten Kursdaten ausgibt.

    def Print_Data(self):
        print(self.stock_data)
        return self.stock_data

Diese Methode erhält selbst keine Inputfaktoren mehr und ist somit ausschließlich von den Informationen abhängig, die das Objekt (self) bereits gespeichert hat. Dabei macht die Methode zwei Dinge:
print(self.stock_data)
Gibt die Daten in der Konsole aus, um sie zu betrachten
return self.stock_data
Kann die Daten an eine Variable übergeben, sofern dies gewünscht ist z.B: über

AktieA = Stock_Analysis(AktieA,2015-01-01,Name der Aktie A)
Akktienkurse = AktieA.Print_Data()

Somit können die Daten auch für Funktionen verwendet werden, die ggf. noch nicht als Methoden in der Klasse enthalten sind.

Als nächster Schritt sollen nun die ersten Grafiken erstellt werden. Hierfür soll zuerst ein klassischer Linienchart dienen:

    def Print_Linechart(self):
        plt.plot(self.stock_data["Adj Close"],label = self.name)
        plt.title("Adj. Aktienkurs des Unternehmens %s"%self.name)
        plt.legend()
        plt.xlabel("Time")
        plt.ylabel("Price")
        plt.show()

Hier wird bereits etwas komplexere Syntax angewandt. Um diese im Detail zu verstehen und nachvollziehen zu können, empfehle ich (wie auch in unseren Beiträgen zu MQL5) die Plattform Sololearn zu verwenden.

Gehen wir aber kurz über die einzelnen Schritte der Methode Print_Linechart():
plt.plot()
Bezieht sich auf pyplot, welches wir aus Matplotlib importiert haben. Da wir keine weiteren Informationen übergeben, wird die Methode als Standard einen einfachen Linienchart ausgeben. Als Parameter übergeben wird die angepassten Schlusskurse der Kursdaten, sowie als Label (Legende) den Namen des Unternehmens
plt.title()
Ebenfalls eine Methode aus Matplotlib, die für die Anpassung des Titels zuständig ist. Dieser wird über String-Formatierung zusammengesetzt, da der Name des Unternehmens, das im Chart dargestellt wird, immer ein anderes ist -nämlich der Namen, den wir dem Objekt in self.name gegeben haben
plt.xlabel() & plt.ylabel()
Sind für die Beschriftung der Achsen zuständig
plt.plot()
Zeichnet den Chart

apple = Stock_Analysis("AAPL","2015-01-01","Apple")
apple.Print_Linechart() 

Ich gratuliere – Sie haben gerade eine Klasse erstellt, mit einer Methode, die Ihnen alle möglichen Aktiencharts zeichnen kann. Sie haben sogar bereits die Möglichkeit, den Darstellungszeitraum sowie die Beschriftung individuell zu gestalten.
Aktien-Renditen mit Python als Histogramm darstellen

Doch wir wollen mehr – schließlich könnte man eine solche Grafik auch noch einfach im Internet beziehen. Betrachten wir im Folgenden einmal die Renditeverteilung einer Aktie für die historischen Kursdaten:

    def Histogramm_Returns(self):
        stock_returns = ((self.stock_data["Close"]/self.stock_data["Open"])-1)*100
        plt.hist(stock_returns)
        plt.show()

Wieder erstellen wir eine Methode für die Aktienklasse. In dieser Methode berechnen wir unter Zuhilfenahme von pandas die täglichen Renditen der Aktie, indem wir den Tagesschlusskurs durch den Tagesöffnungskurs teilen (Wichtig: Wir wollen wirklich nur die Renditen betrachten, welche innerhalb der Handels-Sessions erzielt werden, Overnight Gaps und Kurssprünge über Feiertage und das Wochenende werden nicht beachtet).
stock_returns = ((self.stock_data[“Close”]/self.stock_data[“Open”])-1)*100
Erledigt den eben genannten Berechnungsprozess für uns
plt.hist(stock_returns)
Erzeugt wiederum das Histogramm, welches in Folge mit plt.show() angezeigt wird. plt.hist hat abgesehen von den Inputdaten noch weitere Inputparameter, wie zum Beispiel die Balkenbreite, welche nach Verfahren wie dem nach Silverman oder Scott optimal geschätzt werden kann

Aktien-Korrelationen mit Python als Scatterplot darstellen

Für viele ist ebenfalls der Zusammenhang zwischen zwei Aktienwerten interessant. Wie stark korrelieren diese?
Die Frage, die sich stellt: „Was passiert mit Aktie B, wenn Aktie A steigt?“
Um diesen Zusammenhang grafisch zu veranschaulichen, verwenden wir Scatter-Plots. Diese stellen die Rendite von Aktie B in Abhängigkeit zu der Rendite von Aktie A dar. Da dieser Prozess etwas komplizierter ist, würde ich an dieser Stelle einfach den Code präsentieren und zwei Anwendungsbeispiele bringen. Die Funktionsweise können Sie dann durch das Nachbauen der Methode, sowie den obigen Methoden selbst nachvollziehen, da einige Gemeinsamkeiten bestehen.

def Scatter_Plot(self,comparison_ticker,ref_name):
        ref_stock = pdr.get_data_yahoo(comparison_ticker,self.start_date)
        ref_stock_name = ref_name
        stock_returns = 
        pd.DataFrame(((self.stock_data["Close"]/self.stock_data["Open"])-1)*100)
        ref_returns = pd.DataFrame(((ref_stock["Close"]/ref_stock["Open"])-1)*100)
        returns_df = stock_returns.join(ref_returns,lsuffix=
        ("Returns %s"%self.name),rsuffix=("Returns %s"%ref_stock_name))
        print(returns_df)
        ax1 = plt.subplot2grid((1,1),(0,0))
        ax1.grid(True, color = "b", linestyle = "-")
        plt.xlabel(ref_stock_name)
        plt.ylabel(self.name)
        plt.scatter(returns_df[returns_df.columns[1]],returns_df[returns_df.columns[0]])
        plt.title("Scatterplot von %s und %s"%(ref_stock_name,self.name))
        plt.plot()

Um die Funktionsweise dieser Methode sowie die Intuition hinter dieser Grafik etwas zu verdeutlichen, möchte ich für Sie an dieser Stelle zwei Beispiele erstellen. Zum einen mit zwei Unternehmen aus derselben Branche, bei denen ein Zusammenhang naheliegt, sowie mit zwei Unternehmen unterschiedlicher Branchen, bei denen dieser nicht direkt gegeben ist.

apple = Stock_Analysis("AAPL","2015-01-01","Apple")
apple.Scatter_Plot("msft","Microsoft")

Die Grafik stellt die Korrelation zwischen Microsoft und Apple grafisch dar. Es ist durchaus ersichtlich, dass ein positiver Zusammenhang zwischen Microsoft und Apple besteht, das bedeutet: Steigt Microsoft, so ist die Wahrscheinlichkeit, dass Apple auch eine positive Tagesperformance aufweist, relativ hoch. Dieser Zusammenhang lässt sich aber noch besser bei den beiden Deutschen Autobauern Daimler und BMW erkennen.

apple = Stock_Analysis("DAI.DE","2015-01-01","Daimler")
apple.Scatter_Plot("BMW.DE","BMW")

In dieser Darstellung von Daimler Renditen gegen die Renditen von BMW wird der Zusammenhang von der Aktienperformance von Unternehmen aus demselben Sektor noch deutlicher. Es ist klar zu erkennen, dass die Renditen einen positiven Zusammenhang aufweisen.

Wie sieht dies nun aber für Unternehmen unterschiedlicher Sektoren aus? Und was ist mit der negativen Korrelation, von der in der Portfoliotheorie immer die Rede ist?

Betrachten wir einmal die täglichen Renditen von Tesla und Exxon mobile. Alleine von der Aufstellung der Unternehmen ist keinerlei Zusammenhang zu erwarten. Die Analyse für den Zeitraum von 2015-01-01 bis heute bestätigt diese Vermutung:

Stark negative Korrelationen zu finden, ist selbst in historischen Zeitreihen nicht unbedingt einfach, da tendenziell alle Aktien auf lange Sicht eine positive Wertentwicklung aufweisen und gerade während des aktuellen alten Bullenmarktes (Stand 2017) alle Aktien eine positive Tendenz aufzuweisen scheinen. Doch es gibt sie. So weisen zum Beispiel die Lufthansa und Pro Sieben im Zeitraum von 2016-01-01 bis heute einen negativen Zusammenhang.

Sowie gleichfalls in 2017:

Damit haben Sie das Ende der Einführung zur Erstellung von Grafiken für Finanzanalysen in Python erreicht. Der nächste Teil beschäftigt sich mit dem Backtesten von Strategien.

*Wir versuchen in unseren Codes grundsätzlich kostenfreie Datenquellen zu verwenden. Aufgrund der Tatsache, dass sie nicht kommerziell genutzt werden, kann sich die Verfügbarkeit im Laufe der Zeit verändern. Zudem kann es sein, dass Syntax sich im Laufe der Zeit verändert. (Stand Dezember 2017)

Die verwendeten Codes finden sich auch auf meinem GitHub Repository und sind frei zum Download verfügbar: https://github.com/JulianStorz/Python_Backtest

by Jan 19, 2018 Keine Kommentare
Investieren und Traden mit Python lernen – Beziehen von Kursdaten für Technische Analyse

Investieren und Traden mit Python lernen – Beziehen von Kursdaten für Technische Analyse

Analysetechniken

BITTE BEACHTEN SIE – DER API VON YAHOO FINANCE WURDE DAUERHAFT GESCHLOSSEN – ALS KOSTENFREIE ALTERNATIVE KÖNNEN SIE ALPHAVANTAGE ALS DATENQUELLE VERWENDEN – DIE DOKUMENTATION FINDEN SIE AUF DEREN SEITE

Für jede Analyse braucht es Daten, die eine Datenanalyse möglich machen. Ein deutsches Sprichwort sagt, „Woher nehmen, wenn nicht stehlen?“. Genau diese Frage stellt sich vielen, wenn es zum Thema Kapitalmarktdaten kommt. Doch ich verspreche Ihnen, es gibt Mittel und Wege, ohne dass Sie alles von Hand abtippen müssen.
API heißt das Zauberwort.

In diesem Beitrag soll es darum gehen, wie Sie an die Daten für Ihre Analysen kommen. Außerdem wird kurz die Handhabung von Pandas besprochen, des wohl wichtigsten Tools für den Umgang mit Daten in Python.

Installieren notwendiger Libraries für diesen Beitrag

Sofern noch nicht geschehen, sollten Sie an dieser Stelle die Librarys Pandas, fix_yahoo_finance und Pandas_Datareader installiert haben. Zudem möchte ich noch eine Alternative aufzeigen, welche besonders für fundamental-versierte Leser interessant sein könnte. Der Quandl API. Hierfür sollte zusätzlich noch die Library Quandl installiert werden.
Wie üblich öffnen Sie hierfür bitte die Kommandozeile (Windowstaste + R und CMD eintippen). Dort führen Sie bitte die folgenden Befehle, aus um die Pakete für Python herunterzuladen und zu installieren.

pip install pandas
pip install pandas_datareader
pip install fix_yahoo_finance
pip install quandl

WICHTIG: Zusätzlich zu pandas_datareader muss auch fix_yahoo_finance mit installiert werden. Dies ist seit einer Veränderung des Yahoo Finance APIs notwendig geworden.

WICHTIG: Damit Sie pip einfach so verwenden können, sollten Sie Python Ihren Systempfaden hinzufügen:

  1. Öffnen Sie dazu die System Übersicht (Drücken Sie dazu Win+Pause)
  2. Wählen Sie dort die Erweiterten Einstellungen
  3. Klicken Sie auf Umgebungsvariablen
  4. Klicken Sie dort auf PATH in der Systemvariablen Sektion
  5. Klicken Sie Bearbeiten
  6. Fügen Sie am Ende der Liste ein Semicolon (;) ein und fügen Sie dahinter den Pfad ein, in dem Sie Python installiert haben, sowie den Pfad des Scripts Ordners. In meinem Fall sieht das so aus:
    C:\Users\Programs\Python\Python36-32;C:\Users\Programs\Python\Python36-32\Scripts:

Nachdem dies geschehen ist, können Sie auf die Libraries zugreifen, indem Sie diese zum Beginn Ihres Programms importieren.

import pandas as pd
from pandas_datareader import data as pdr
import fix_yahoo_finance
import quandl

Bitte beachten Sie, dass die Libraries zumeist mit einem Kürzel importiert werden, welches mit as deklariert ist. Dies ist eine Konvention bei einigen der Pakete und sollte beibehalten werden, um den Code mit anderen besser vergleichbar zu machen und Einheitlichkeit zu gewährleisten. Dies verbessert den Austausch in der Community und trägt zur Stärkung der Programmiersprache bei.

Lassen Sie sich von den Ausrufezeichen am Anfang der Zeilen nicht irritieren. Diese werden von Pydev in Eclipse lediglich angezeigt, da Sie noch keine Operationen mit den Paketen ausgeführt haben und diese bis jetzt quasi noch nutzlos in Ihrem Code platziert sind. Dies ist kein guter Stil, da es Ressourcen Ihres Computers unnötig in Beschlag nimmt. Diese verschwinden nach und nach sobald der Code, den Sie entwickeln, die einzelnen Importe verwendet.

Beziehen von Kursdaten

Die Pakete sind installiert und in der Entwicklungsumgebung importiert. Lassen Sie uns nun also starten, die ersten Daten zu beziehen. Als erstes möchte ich auf den Import von Kursdaten über Yahoo Finance eingehen und dabei pandas_datareader vorstellen. Pandas Datareader war ursprünglich ein Teil der Pandas Library, wurde jedoch ausgelagert, nachdem der Umfang dies nahegelegt hatte.

Um Kursdaten von Yahoo zu beziehen, brauchen wir den jeweiligen Ticker der Aktie, wie er bei Yahoo hinterlegt ist. Meist sind dies die RICs des Wertpapiers, jedoch nicht immer zwangsläufig.

Auf dem Bild habe ich für Sie die Daimler Aktie auf Yahoo-Finance geöffnet und den Ticker gelb hinterlegt.

Damit Sie die Kursdaten von Yahoofinance beziehen können, müssen Sie also die Daten für DAI.DE abfragen: Dafür benötigen wir die Hilfe von Pandas_Datareader:

from pandas_datareader import data as pdr
import fix_yahoo_finance

pdr.get_data_yahoo("DAI.DE","2015-01-01")

Der erste Abschnitt des Codes gibt an, für welchen Ticker wir Kursdaten abfragen und der zweite Teil gibt an, ab welchem Datum die Zeitreihe beginnen soll. In dem von mir gewählten Beispiel fragen wir die Kursdaten der Daimler AG ab dem 01 Januar 2015 ab.

Diese werden uns auch nach kurzer Ladezeit in der Konsole ausgegeben.

Anders als von Ihnen vielleicht erwartet, erhalten wir nicht nur eine sondern gleich sechs Spalten ausgegeben.

Um dies genauer zu analysieren, speichern wir den Datensatz als Variable ab (diese Variable wird ein Dataframe werden) und schauen uns an, wofür die einzelnen Spalten stehen.

Daimler = pdr.get_data_yahoo("DAI.DE","2015-01-01")

Anders als in Ihrer letzten Abfrage werden nun keine Werte mehr angezeigt, da diese in der Variable Daimler gespeichert sind und nun weiter von uns bearbeitet werden können. Zu Beginn interessiert es Sie sicherlich, was es mit den 6 Spalten auf sich hat. Lassen wir uns also die Spaltennamen ausgeben, um den Hintergrund zu beleuchten.

Daimler.columns
Out[9]: 
Index(['Open', 'High', 'Low', 'Close', 'Adj Close', 'Volume'], dtype='object')

Schauen wir zudem noch den Anfang und das Ende des Datensatzes an:

Daimler.head()
Out[10]: 

                 Open       High        Low      Close  Adj Close   Volume
Date                                                                      
2015-01-02  69.599998  70.000000  68.160004  68.750000  60.556007  2778600
2015-01-05  68.260002  68.849998  65.980003  66.169998  58.283508  4527144
2015-01-06  66.400002  68.040001  65.570000  66.610001  58.671062  4331135
2015-01-07  67.250000  68.150002  66.760002  67.129997  59.129089  3394084
2015-01-08  68.220001  70.160004  67.809998  70.070000  61.718681  5009933
Daimler.tail()
Out[12]: 

                 Open       High        Low      Close  Adj Close   Volume
Date                                                                      
2017-10-24  68.570000  69.769997  68.459999  69.400002  69.400002  3395679
2017-10-25  69.339996  69.870003  68.839996  69.250000  69.250000  2898836
2017-10-26  69.230003  70.150002  69.019997  69.949997  69.949997  3893181
2017-10-27  70.139999  71.699997  70.099998  71.110001  71.110001  5655575
2017-10-30  71.139999  71.580002  71.070000  71.290001  71.290001  2414098

Nun wird klar, wofür die einzelnen Spalten stehen. Sie haben durch Ihre Abfrage nicht nur die Schlusskurse, sondern alle Kursdaten zur Daimler-Aktie -also die Tageseröffnungs, -Hochs, -Tiefs, die um Splits und Dividenden adjustierten Kurse sowie das Volumen des Tages erhalten. 

 

Ich würde sagen, damit haben Sie sich eine Grundlage geschaffen, mit der Sie anfangen können zu arbeiten.
Um einzelne Spalten des Datensatzes zu isolieren, können diese über ihren Spaltennamen mit folgender Syntax ausgewählt, in neuen Variablen gespeichert und verarbeitet werden.

Der folgende Code speichert die Schlusskurse des Datensatzes in die Daimler Variable, sodass im weiteren Verlauf nur noch auf diese zugegriffen wird, sofern Sie die Daten aus der Variable abfragen.

Daimler = Daimler["Close"]

Daimler["Close"].head()
Out[40]: 

Date
2015-01-02    68.750000
2015-01-05    66.169998
2015-01-06    66.610001
2015-01-07    67.129997
2015-01-08    70.070000
Name: Close, dtype: float64

 

 

Alternative Datenquellen – Quandl

Neben Yahoo-Fiannce, stehen weitere Datenquellen zur Verfügung, welche je nach Datenbedarf mehr oder weniger nützlich sind.

Wer Makro-Analysen erstellen möchte und danach sein Portfolio steuert, für den sind vor allem Wachstumsraten von Ländern und Sektoren relevant. Solche Datensätze sind durch Yahoo-Finance nicht in ausreichendem Format verfügbar. Hierfür empfehle ich Ihnen Quandl zu nutzen.

Quandl ist eine Datenbank, welche den Zugriff über APIs erlaubt. Sowohl R als auch Python werden unterstützt.

Anmeldung bei Quandl und Nutzung des APIs

Um den Quandl API nutzen zu können, ist eine Anmeldung nicht notwendig, jedoch sind die Zugriffe ohne eine Anmeldung massiv eingeschränkt. Daher empfiehlt es sich einen kostenlosen Account zu erstellen, der mehr API Zugriffe pro Tag erlaubt.

Wer die Daten in großem Umfang oder auch professionell verwenden möchte, findet bezahlte Datenbanken und Angebote die in großem Umfang Abfragen zulassen.

 

Nach der Anmeldung können Sie sich mit dem API Zugriff identifizieren und auf die Daten in entsprechendem Umfang zugreifen.

 

Das folgende Beispiel zeigt den Prozess wie der persönliche API Key in Python eingegeben wird und wie Sie auf eine makroökonomische Datenbank zugreifen können. Als erstes muss der API Key aus dem Nutzerprofil kopiert werden.

import quandl
quandl.ApiConfig.api_key = "IHR_API_KEY"

Diesen geben Sie in Folge mit diesem Code in Eclipse ein und führen diesen aus. Daraufhin ist ihr API Zugriff mit dem KEY legitimiert und Sie haben mehr Zugriffe. Als nächstes benötigen wir eine Datenbank, die Macro-Daten enthält. Für das Beispiel nutze ich die European Commission Annual Macro-Economic Database auf Quandl. Diese ist kostenfrei, sodass das Beispiel von jedem nachvollzogen werden kann.

Um die Verwendung des API darzulegen, beziehe ich die kurzfristigen nominalen Zinssätze in Deutschland als Zeitreihe. Dafür muss in Python der Quandl Code in Methode aus der Quandl library übergeben werden. Der Code findet sich auf der jeweiligen Quandl Seite oben rechts. Ich habe diesen im Bild gelb markiert.

nom_short_term_interest_ger = quandl.get("AMECO/DEU_1_1_0_0_ISN")

Nach dem Ausführen des entsprechenden Befehls im Code werden die Daten von Quandl bezogen und in der entsprechenden Variable abgespeichert.

Dies können Sie entsprechend wieder überprüfen, indem Sie sich die Daten aus der Variable ausgeben lassen.

nom_short_term_interest_ger.head()
Out[48]: 

            Value
Date             
1960-12-31   5.10
1961-12-31   3.59
1962-12-31   3.42
1963-12-31   3.98
1964-12-31   4.09

nom_short_term_interest_ger.tail()
Out[49]: 

               Value
Date                
2012-12-31  0.570000
2013-12-31  0.220000
2014-12-31  0.210000
2015-12-31 -0.019750
2016-12-31 -0.264167

nom_short_term_interest_ger.describe()
Out[51]: 

           Value
count  57.000000
mean    4.803089
std     2.904286
min    -0.264167
25%     3.300000
50%     4.290000
75%     5.970000
max    12.350000

Nachdem Sie nun verschiedene Datenquellen kennengelernt und einen kurzen ersten Eindruck zur Handhabung der Daten bekommen haben, beginnen wir in den nächsten Schritten mit der Analyse und der Darstellung von diesen Daten in Grafiken. 

Die verwendete Codes finden sich auch auf meinem GitHub Repository und sind frei zum Download verfügbar: https://github.com/JulianStorz/Python_Backtest

by Jan 18, 2018 Keine Kommentare
Investieren und Traden mit Python – Installieren von Python und einrichten von Eclipse

Investieren und Traden mit Python – Installieren von Python und einrichten von Eclipse

Analysetechniken

BITTE BEACHTEN SIE – DER API VON YAHOO FINANCE WURDE DAUERHAFT GESCHLOSSEN – ALS KOSTENFREIE ALTERNATIVE KÖNNEN SIE ALPHAVANTAGE ALS DATENQUELLE VERWENDEN – DIE DOKUMENTATION FINDEN SIE AUF DEREN SEITE

Aktiver an der Börse und an den Finanzmärkten zu sein, wünschen sich viele Wirtschaftsbegeisterte – seien es Studenten oder Berufstätige. Doch oft fehlt -die Zeit gerade unter der Woche- sich mit der Börse zu beschäftigen. Wenn man doch nur die Möglichkeit hätte, mehr Zeit am Wochenende aufzubringen statt unter der Woche.

Geht nicht, weil die Börsen geschlossen haben? Das ist nicht ganz richtig.
„Automatisierung“ heißt das Zauberwort, das auch Ihnen bei Ihren Investitionen helfen kann.

Neben den von uns angebotenen Services und Signalen können Sie auch selbst erste Versuche zu starten. Dafür finden Sie bei uns auf der Website zu verschiedenen Programmiersprachen Einführungen in das Programmieren für Finance.

Installieren von Python für Finance

Um Python auf einem Computer verwenden zu können, muss es als erstes installiert werden, denn Python ist nicht standardmäßig auf einem Computer verfügbar. Dazu müssen Sie als erstes die aktuelle Installationsdatei von Python.org downloaden und ausführen. Wir verwenden für die Tutorials eine Version von Python 3, daher empfehlen wir Ihnen sich diese ebenfalls zuzulegen (Download).
TIPP: Sie können sich auch Anaconda installieren. Dies benötigt etwas mehr Speicherplatz auf Ihrem Computer, kommt aber dafür mit vielen bereits integrierten Packages (Download Anaconda).

Nach dem erfolgreichen Abschluss der Installation von Python oder Anaconda ist es an der Zeit, für Sie nach einer geeigneten Entwicklungsumgebung zu schauen. Wir bei InsideTrading.de verwenden entweder Notepad++, Python IDLE oder aber Eclipse. Da Eclipse eine Vielzahl an Features bietet und auch sehr einfach mit GitHub synchronisiert werden kann, wollen wir das Einrichten von Eclipse für Python etwas näher beleuchten.

PyDev & Eclipse – IDE für Python

Eclipse ist eine eigentlich für Java entwickelte IDE (Integrated Development Environment). Diese lässt sich aber durch eine kostenfreie Erweiterung auch wunderbar für die Entwicklung von Python-Programmen verwenden. Gerade wenn man mit Lernen von Python beginnt, ist eine solche Entwicklungsumgebung sehr nützlich, da Sie bei der Erstellung der ersten Codes hilft. Um diese funktionsfähig einzurichten, bedarf es einiger kleiner Schritte, die ohne eine genaue Führung für viele bereits ein extrem frustrierendes Erlebnis sein können. Wir wollen diesen Zustand bei Ihnen tunlichst vermeiden und machen uns hier direkt an die Arbeit:

Download von Eclipse

Als ersten Schritt müssen Sie Eclipse installieren, dies ist notwendig, da Eclipse das Grundgerüst ist, in dem Sie später arbeiten werden. Die Downloadseite zu Eclipse finden Sie hier (Klicken).
Nach dem erfolgreichen Download müssen Sie Eclipse nurnoch installieren. Starten Sie nun Eclipse

Installieren von PyDev für Python

Gehen Sie nun in der gestarteten Eclipse Anwendung in der Taskleiste zu Help:

Wählen Sie dort das Fenster Install New Software aus. Fügen Sie in das sich öffnende Fenster den folgenden Link ein: http://www.pydev.org/updates
Dieser greift direkt auf die aktuellsten Versionen von PyDev zu und erlaubt es Ihnen diese direkt über Eclipse zu Downloaden. Klicken Sie next und installieren Sie PyDev auf diese Art und Weise.

Auswählen des Python-Paths für Eclipse

Gehen Sie nun auf Window>Preferences

Und wählen Sie dort die Einstellungen für PyDev aus, um Eclipse zu sagen, wo es Python finden kann, damit Sie dieses auch in der IDE ausführen können.

Mit dem Abschließen dieser Einstellungen sind Sie bereit und können Eclipse für Python verwenden. Erstellen Sie nun einfach ihre ersten PyDev Module und führen Sie den Code direkt in Eclipse aus. Hier noch ein Tipp:, Sie können auch nur einzelne Zeilen ausführen, indem Sie die entsprechenden Zeilen markieren und dann mit STRG+ALT+Enter ausführen. Mit diesem Arsenal ausgestattet – Legen  wir los > Beziehen von Kursdaten mit Python lernen.
Die verwendete Codes finden sich auch auf meinem GitHub Repository und sind frei zum Download verfügbar: https://github.com/JulianStorz/Python_Backtest

by Jan 17, 2018 Keine Kommentare
Bollinger Band – Berechnung und Interpretation der Bollinger Bänder

Bollinger Band – Berechnung und Interpretation der Bollinger Bänder

Analysetechniken

ALLGEMEINES ZU DEN BOLLINGER BÄNDERN:

Eine Analysemethode, die unter anderem Gebrauch vom gleitenden Durchschnitt macht, verwenden die sogenannten Bollinger Bänder. In seinem Buch „Bollinger Bänder: Der einfache Weg, Kursverläufte zu bestimmen“ beschrieb John Bollinger dieses Verfahren erstmals. Basierend auf der Normalverteilung wird bei diesem Indikator davon ausgegangen, dass der nächste Kurs eines Finanzproduktes mit höherer Wahrscheinlich nahe dem Mittelwert vorangegangener Kurse liegt, als weit davon entfernt. Wahrscheinlich weil die Berechnung relativ simpel ist, kommt diese Methode relativ häufig zum Einsatz. Neben dem gleitenden Durchschnitt wird zusätzlich nur die Standardabweichung benötigt.

BERECHNUNGS METHIDUK EINES BOLLINGER BANDES:

Lässt man sich in einem Chart die Bollinger Bänder anzeigen, erscheinen drei Linien. Die mittlere stellt dabei den gleitenden Durchschnitt dar. Zumeist werden zu dessen Berechnung die letzten 20 Werte beachtet. Das obere Band wird bestimmt, indem zum Wert des gleitenden Durchschnitts das k-fache der Standardabweichung addiert wird. Bollinger empfahl das zweifache der Standardabweichung. Es ist aber auch möglich, das einfache bzw. dreifache zu addieren. Das untere Band ergibt sich analog, wobei das k-fache der Standardabweichung vom Mittelwert subtrahiert wird.

Je größer k gewählt wird, desto größer ist der Abstand zwischen dem oberen und unterem Band. Gleichzeitig steigt die Wahrscheinlichkeit, dass die nächste Kursstellung innerhalb der Bänder liegt. Die Wahrscheinlichkeiten leiten sich dabei aufgrund der angenommen Normalverteilung ab und sind wie folgt:

für k = 1: 68,3%
für k = 2: 95,4%
für k = 3: 99,7%

INTERPRETATION:

Gemäß John Bollinger geben die Bänder selbst nur Aufschluss darüber, ob ein Finanzprodukt gerade relativ teuer oder günstig gehandelt wird. Zusammen mit den Bändern benötigt man zwei weitere Werte, die ebenfalls von John Bollinger entwickelt wurden, um Aussagen über die richtigen Signale zu erhalten. Diese Parameter sind %b und die Bandbreite. Sie stehen jedoch in der Standardsoftware nicht zur Verfügung und sollen hier auch nicht weiter beschrieben werden.

Die gängigste – wenn auch nicht unbedingt richtige – Interpretation der Bollinger Bänder ist folgende: Bildet sich wiederholt ein Plateau an einem Band, wird eine Kurswende erwartet. Hingegen wird ein Kurs nahe eines Bandes als kurzfristige Bewegung in die Gegenrichtung interpretiert. Längerfristige Kursentwicklungen werden mit Hilfe der Bollinger Bänder auf besondere Schwankungen hin überprüft. Es werden steigende Kurse erwartet, wenn das obere Band durchschnitten wird.

KRITIK:

Die den Bollinger Bändern zugrunde liegende Theorie basiert auf normalverteilten Kursen im jeweiligen Finanzprodukt. Diese Annahme ist jedoch nicht zutreffend. Außerdem erfüllt der gleitende Durchschnitt nicht den Anforderungen an einen Erwartungswert. Da die Standardabweichung nicht exakt bekannt ist, wird sie stattdessen geschätzt. Obwohl John Bollinger selbst darauf hinwies, dass der Berührung der Bänder selbst keine besondere Bedeutung beigemessen werden sollten, wird der Indikator häufig für die Darstellung der Preisvolatilität verwendet.

by Okt 04, 2017 Keine Kommentare
Kaufen wenn in den Straßen Blut fließt – Value mit ETFs und Aktien

Kaufen wenn in den Straßen Blut fließt – Value mit ETFs und Aktien

Analysetechniken

Kaufen wenn in den Straßen Blut fließt – Value mit ETFs und Aktien

Vor einigen Jahren, haben wir hier bei InsideTrading.de einen Artikel zu eben diesem Thema veröffentlicht. Dabei wurde der Fokus jedoch auf kurzfristige Engagements an den Finanzmärkten gelegt.

Da dies weder alltagstauglich noch kostengünstig ist, wollten wir uns dieser Thematik von neuem widmen und in den Zusammenhang mit mittel- bis langfristigen ETF und Aktieninvestitionen bringen, welche besonders für Berufstätige und Sparer viele Vorzüge mit sich bringen.

„Man muss kaufen, wenn in den Straßen Blut fließt“

… so lautet zumindest die These, die Baron Rothschild nur allzu gerne in den Mund gelegt wird. Ob dies seine historische Richtigkeit hat oder nicht, sei an dieser Stelle dahingestellt – wir wollen uns mit den Implikationen dieser Aussage auf unser Investmentverhalten auseinandersetzen. Ein anderes sehr bekanntes Zitat in diesem Zusammenhang stammt von Warren Buffet und lautet:

„Sei gierig, wenn andere ängstlich sind – sei ängstlich, wenn andere gierig sind“

Beide weisen den Adressaten (also uns) auf ein und dasselbe hin – „denke und handle antizyklisch, lasse dich nicht von der Masse und Emotionen leiten“.

Diese Denkweiße widerstrebt den meisten Menschen – sie jagen einem Trend hinterher und wollen das Markt-Momentum nutzen, um Profite am Markt zu erzielen. Auch wenn diese Möglichkeit durchaus interessant und profitabel sein mag, so ist sie doch mit einem erhöhten Zeitaufwand verbunden. So müssen aktiv Positionen gecheckt und gemanagt werden, neue Kauf- und Verkaufsaufträge folgen wöchentlich, wenn nicht gar täglich. Es kann daher nicht jeder einen solchen Investitionsansatz im Alltag verfolgen. Aber gute Gelegenheiten abzuwarten und dann gezielt zu investieren – nach einem Ansatz aus der Value Methodik- kann selbst der vielbeschäftigte Berufstätige.

Billig ist nicht gleich günstig – Diversifizieren oder Selektieren

Wer nach starken Kurseinbrüchen kaufen möchte, um sich günstige Einstiegskurse zu sichern, kann seine Aktivitäten auf zweierlei Weisen planen. Zum einen gibt es die Möglichkeit, Aktien auf Basis von Kriterien der Fundamentalanalyse auszuwählen, zum anderen kann man diversifiziert in den Gesamtmarkt investieren. Je nach Risikobereitschaft und Wissensstand ist die eine oder die andere Lösung vorzuziehen. Beide haben sowohl Vor- als auch Nachteile. Wie diese sich aufteilen, lässt sich der Grafik entnehmen.

Um für beide Arten sinnvolle Beispiele zu liefern und zusätzlich einen Ausblick zu geben, wie sich dieser Ansatz noch anwenden lassen kann, sollen drei Beispiele betrachtet werden. Das erste Beispiel ist die Volkswagen Aktie nach der Diesel-Affäre, das zweite der Bankensektor, im speziellen die Deutsche Bank und das dritte Beispiel ist China nach der Blase 2015 und der daraufhin folgenden scharfen Korrektur. Diese drei Situationen sollen keine Empfehlung für ein optimales Vorgehen darstellen, sondern vielmehr zeigen, wie man vergangene Chancen ganz im Sinne von Rothschild oder auch Buffet – streng getreu dem Motto: kaufe, wenn in den Straßen Blut fließt – hätte spielen können.

Volkswagen – eine Aktie gerät unter massiven Druck

Der obige Chart gehört zur Volkswagen Vz. Aktie, welche im Rahmen der Diesel-Abgas-Affäre massiv unter Druck geriet. Dabei wurde von Seiten der US-Behörden ermittelt, ob und in welchem Ausmaß die Testergebnisse von Motoren manipuliert wurden, um bessere Abgaswerte zu erzielen und so konkurrenzfähigere Automobile anzubieten. Dabei wurden sowohl Störsysteme als auch an- und abschaltbare, mechanische Einrichtungen verbaut und installiert.

Zeitweise wurden Strafen diskutiert, welche für die Existenz des Automobilkonzerns als durchaus grenzwertig einzuordnen waren. Diese Phase lässt sich gut am rechten Rand des Charts erkennen, eine Kurslücke ist erkennbar – panisch verkauften Investoren ihre Anteile: „Das Blut floss“ sprichwörtlich auf der Straße. Wer hier Fälle der Vergangenheit analysiert hat und sich nicht einschüchtern ließ, konnte gut Kasse machen – mit Kursen um die 100€-Marke war auch aus fundamentalen Gesichtspunkten eine Talsohle erreicht. Dieser Kursbereich war dabei zweimal über einen Abstand von fast drei Monaten erreicht worden und öffnete mutigen, nüchternen Investoren Tür und Tor für satte Renditen.

Hierbei war es jedoch wichtig, den Markt aktiv zu beobachten, sowie die fundamentalen Umstände und Kennzahlen zu kennen und sich mit vergleichbaren Rechtsfällen auseinanderzusetzen, um so ein eigenes Urteil fällen zu können. Dies ist je nach Berufsgruppe und familiärer Situation nicht für jedermann möglich – wer zeitlich stark eingebunden ist, kann nicht auch für die Aktienanalyse noch Stunden einplanen. Daher ist unser Fazit – selektive Aktieninvestments in kurzfristig prekären Situationen bieten große Chancen für Personen mit ausreichend Fachwissen und Zeitbudget.

Fachwissen kann man sowohl im Eigenstudium hier bei InsideTrading unter der Rubrik „Know how“ oder auch gezielt über die Suchfunktion finden – für eine gezieltere Ausbildung bietet Findedeinentradingcoach.de die richtige Anlaufstelle.

Ein Sektor stürzt ab – Leicht gestreut investieren

Wer nun nicht das Interesse hat, in einzelne Titel zu investieren, kann stattdessen auch einen ganzen Sektor durch einen ETF kaufen.

So gerieten in der Vergangenheit beispielsweise Banken als ganze Branche unter Druck, sobald eines der global relevanten Institute Probleme bekam. Dies hängt mit der der Tatsache zusammen, dass Unternehmen innerhalb einer Branche stark vernetzt sind. Bekommt ein Unternehmen Probleme, leiden die anderen zumeist auch dadurch. Gründe dafür sind unter anderem Image-Verlust, Vertrauenskrisen im Interbankenmarkt (Liquiditäts-Knappheit) und im schlimmsten Fall gar politische Interventionen.

Je nach Branche und Geschehnis äußert sich dies unterschiedlich. Ganz unabhängig davon, wie und was die genauen Hintergründe sind, lässt sich hier durch eine rein qualitative Analyse bereits eine erste Aussage darüber treffen, ob eine Erholung des Marktes auf mittlere und lange Frist realistisch erscheint.

So sind Banken, solange für ihre gesellschaftlich wichtige Funktion der Fristen- und Losgrößentransformation kein Ersatz gefunden wurde, aus unserem Wirtschaftskreislauf nicht wegzudenken. Die Vergabe von Krediten ist maßgeblich für das Wirtschaftswachstum notwendig. De facto sind günstige Kaufkurse für Unternehmen im Finanzsektor eine durchaus interessante Option. Wichtig: Wir sprechen hier von Finanzprodukten, die den Sektor abbilden und nicht von einem Einzeltitel.

Eine so qualitative Analyse wäre beim Kauf von Einzelaktien bei weitem nicht ausreichend. Gerade in Krisenzeiten kann man hier ins Messer greifen und eine Detailanalyse ist notwendig. Wenn man jedoch in verschiedene Unternehmen innerhalb eines Sektors investiert, reduziert sich das Risiko selbst dann, wenn ein oder zwei der Unternehmen auch längerfristig Probleme bekommen. So können die anderen dies durchaus auffangen – der Portfolioeffekt bzw. die Diversifikation schützen uns in diesem Fall.

Sowohl für die Sektoren- als auch die Länder-Indizes liefern wir in unserem Memberbereich tägliche Updates, sowie monatlich in unserem Newsletter.

Eine Blase platzt – jeder schreit, kaum einer sieht die Chancen

Die letzte Möglichkeit und die wohl alltagstauglichste ist, noch einen Schritt zurück zu treten und nicht nur die Sektoren, sondern ganze Länder zu betrachten.

Dies ist am einfachsten, risikoärmsten und am wenigsten zeitintensiv. Durch die starke Diversifikation und Neugewichtungen, welche mit den Aktienindizes ganzer Länder einhergehen, ist man als Investoren mit einer langfristig orientierten, qualitativen Analyse oftmals bereits ausreichend gut bedient.

Die Grafik zeigt den Kursverlauf des IShares Large Cap China ETFs zwischen April 2015 und Juni 2017

Wer sich nicht in einer großen Intensität mit Aktien beschäftigt, kann auch in Stesssituationen die Ruhe bewahren. So boten sich in China nach dem Platzen der Blase 2015/ 2016 wunderbare Einstiegschancen. Wer bei seiner Analyse zu dem Schluss kam, dass langfristig gesehen China ein wichtiger Spieler auf den Weltmärkten bleiben wird, freute sich über kurzfristige Verwerfungen unter dem Aspekt der günstigen Einstiegskurse hinsichtlich der langfristigen Vision.

So war der Kurs, zu welchem wir nach unserem CostAverage 2.0 Sparplan gekauft hätten, bei 0,65*150€ = 97,50€. Unter diesem Kurs konnten wir eine Sparplanausführung zum 15ten des Monats in folgenden Monaten erzielen:

Monat Januar 2016 Februar 2016 März 2016 Mai 2016 Juni 2016
Kurs am 15ten 85,85€ 82,55€ 93,05€ 91,83€ 94,84€
Sparvolumen 500€ 500€ 500€ 500€ 500€
Gekaufte Stücke 5,82 6,07 5,37 5,45 5,27
Gewichtung des Kaufkurses 0,2080 0,2169 0,1919 0,1948 0,1883

Somit konnten wir 5 Ausführungen erzielen, welche zu einem Durchschnittskurs von 89,37€, bei einem konstanten Sparplan-Volumen von 500€ geführt hätte. Die Performance (Stand 27.06.2017) läge bei 29,5%; bei der beispielhaften Sparsumme von 500€ entspräche dies einem Bruttoprofit von 2500€*0,295 = 737,50€.

Die Idee, die hinter diesem Ansatz steckt, beschreiben wir im Detail in unserem Artikel Costaverage 2.0.

Die zugehörigen Signale dazu finden sich in unserem Memberbereich als tägliche Updates sowie monatlich in unserem Newsletter.

Wie kaufe ich die Krise am besten?

Wir setzen bei langfristigen Investitionen stark auf den Costaverage-Effekt. Dabei kaufen wir regelmäßig Anteile von einem Fonds, ETF oder auch einer Aktie. Fällt der Titel, so kauft man günstiger nach und ist bei steigenden Kursen schnell im Gewinn. Steigt die Aktie, so gewinnt man an der Wertentwicklung. Mit dieser Art des Investierens setzt man auf einen langfristig steigenden Markt.

Wie diese Form des Ansparens / des Vermögensaufbaus im Detail funktioniert, kann man in den folgenden Artikeln genauer nachlesen:

by Jul 15, 2017 Keine Kommentare
Praktische Anwendung der DOW-Theorie  [Folge_#02]

Praktische Anwendung der DOW-Theorie [Folge_#02]

Analysen

“Eine Anwendungsvariante der DOW Theorie zum Identifizieren konkreter Handelssignale in einer mehrteiligen, detaillierten Schritt für Schritt Anleitung.”


Was bisher geschah…

In Folge 1 wurden bereits die Grundsätze der Handelsstrategie festgelegt und auf deren gedanklichen Ursprünge eingegangen. Weiters haben wir unter Zuhilfenahme der DOW-Theorie das 1. Kriterium überprüft und positiv bestätigt, dass sich der zu handelnde Basiswert in einem übergeordneten Aufwärtstrend befindet (siehe u.a. Folge_01, Baseline Pkt. b.).

Vorschau

In dieser Folge werden wir einen kleinen Zwischenschritt einlegen und den vorherrschenden Trend und das Kursniveau-Umfeld visualisieren bzw. qualifizieren. Auch wenn dies dann wohl erst frühestens in Folge 3 erfolgen wird, erarbeiten wir mit den nachfolgenden Arbeitsschritten die Basis für Zielkurs- und CRV-Annahmen. Ergänzend hierzu werden wir den Output dann auch als Kriterium für ein probates Money- und Riskmanagement heranziehen.

2. Bestimmung der Hoch- und Tiefpunkte

In Folge 1 haben wir erkannt, dass sich ein neues Höheres Hoch (HH) ausbildet, nachdem das Kursniveau des letztgültigen Hochs übertroffen wurde. Zwischenzeitlich hat sich der Kurs noch weiter erhöht und somit wird auch das HH mit jeder noch höheren Kurskerze angepasst. Nachdem der Kurs nun mittlerweile eine “signifikante” Abwärtsbewegung vollzogen hat, kann man das zwischenzeitliche HH als gültig annehmen und folgt nun dem abwärts laufenden Kurs, der Raktionsbewegung. Zur Erinnerung, das sich gerade ausbildende (vermeintliche) Höhere Tief kann erst “verlässlich” bestimmt werden, wenn wiederrum das aktuell gültige Höhere Hoch übertroffen wird.

3. Das Umfeld qualifizieren

Untergeordnet zur Trendbestimmung nach der DOW-Theorie kann man auch Trendlinien, -kanäle und Widerstands-/Unterstützungslevel berücksichtigen. Trendlinien werden eingezeichnet, in dem man zumindest zwei Tief- oder zwei Hochpunkte mit einer Linie verbindet. Per se sind diese daher diagonale Linien im Chart, die grobe visuelle Anhaltspunkte über die Trendrichtung und die vorherrschende Trendstärke geben. Im Gegensatz hierzu werden Widerstands- und Unterstützungslevel als horizontale Linien/Zonen/Marken bestimmt und signalisieren jene Kursniveaus, an denen der Kurs auffällig oft reagiert, z.B. ein Rücksetzen von einem bisheriges ATH.

In der Regel sollte man zum Erfassen und Einzeichnen solcher Orientierungen jenen Zeitinvertall wählen, den man auch zum Trading nutzen möchte (in unserem Fall somit H1). Man sollte sich auch ein wenig Historie mit anzeigen lassen und ruhig ein, zwei Schritte vom Monitor zurück machen … und damit eine Art Vogelperspektive wirken lassen. In unserem Beispiel “ghosten” wir auch ein wenig die Darstellung des Aufwärtstrends auf Tagesbasis, um davon nicht zu sehr abgelenkt zu werden.

Wir zeichnen nun Trendlinien, Unterstützungen und Widerstandsniveaus ein. Allgemein kann man festhalten, dass die Verlässlichkeit von Trendlinien zunimmt, wenn diese vom Kurs oft angelaufen wurden und von dort wieder abprallten. Weiters steigt gewöhnlich die Relevanz mit zunehmendem Bestand, also wenn eine Trendlinie über längere Zeit hinweg besteht.
Als Hilfestellung habe ich auch einige typische Kurs-Reaktionen mit Pfeilen im Chart eingezeichnet.

 

Betrachtet man nun den Kursverlauf fällt eine gewisses Gleichmäßigkeit der Entwicklung der Höheren Hochs auf, auch scheinen diese halbwegs parallel zu der untersten Trendlinie zu verlaufen.

Wir erweitern somit die außen/unten liegenden Aufwärts-Trendlinie zu einem Trendkanal und ziehen dessen obere Begrenzung in die Region der Höheren Hochs.

In diesem Fall passt der Trendkanal wirklich erstaunlich gut und uns liegt nun eine Indikation der weiteren Entwicklung des Aufwärtstrends vor. Wie eingangs erwähnt, ist so ein Trendkanal keineswegs verbindlich, er bildet aber zumindest eine Basis um eine Annahme bevorstehender Kursbewegungen zu treffen.

Man sollte auch ruhig einmal den Versuch wagen, einen Trendkanal in die Vergangenheit zu verlängern. Manchmal muss man erkennen, dass dessen Entwicklung bereits deutlich länger andauert, was wiederum seine Relevanz erhöht.

Ergänzende Informationen:
– Wird eine Unterstützung oder ein Widerstand nachhaltig durchbrochen, so ändert sich seine Funktion. Eine Unterstützung wird dann somit zu einem Widerstand bzw. vice versa.

– Es ist essenziell wichtig die Aussagekraft von charttechnischen Linien und dem vorherrschenden Trend korrekt einzuordnen. Die Trendrichtung und der -bestand wird ausschließlich von der Bestimmung gem. DOW-Theorie abgeleitet. Ein Bruch einer Trendlinie oder eines Trendkanals hat keine bemerkenswerte Relevanz. Sie lässt bestenfalls frühzeitige Schlussfolgerungen über die Verfassung des Trends zu, zum Beispiel ob die vorherschende Trendstärke eher rückläufig ist oder eher zunimmt.


Fortsetzung folgt …

by Jun 01, 2017 Keine Kommentare
Praktische Anwendung der DOW-Theorie  [Folge_#01]

Praktische Anwendung der DOW-Theorie [Folge_#01]

Analysen

“Eine Anwendungsvariante der DOW Theorie zum Identifizieren konkreter Handelssignale in einer mehrteiligen, detaillierten Schritt für Schritt Anleitung.”


Prolog

Das Gebiet der Technischen Chartanalyse wirkt gerade auf Einsteiger beinahe grenzenlos. Selbst wenn man eher esoterisch anmutende Techniken beiseite lässt, verläuft man sich trotzdem sehr schnell in einer großen Menge unterschiedlicher Indikatoren, deren vermeintlich profitablen Kombinationen, Kursformationen, Candlestick-Pattern, Elliott-Waves und vielem anderen mehr .. Und all dies möchte man auch tiefgründig studieren. Schließlich scheint es doch so unglaublich verlockend, diese eine perfekte Technik zu finden, die immer funktioniert und die am laufenden Band perfekte Trades produziert… meist mündet dies jedoch in eine fruchtlose Suche nach dem Heiligen Gral.

Dabei verhält es sich beim Trading sehr ähnlich, wie auch in vielen anderen Lebensbereichen … Weniger ist oft mehr.

Begibt man sich auf die Suche nach den Anfängen der Charttechnik, stößt man unweigerlich auf einen gewissen Mr. Charles Henry Dow, er war wohl der Pionier und Begründer der modernen (westlichen) Charttechnik. Nachdem ich mich mit seinen Theorien und deren Anwendung eingehender beschäftigt hatte, kam ich zu der Erkenntnis, dass sehr viele mir bereits bekannter Charttechniken eigentlich auf dessen Grundlagen beruhten. Ich beschloss somit kurzerhand, mich primär auf diese Quelle der Technischen Analyse zu fokusieren und konnte damit meine Trading deutlich verbessern. Seit damals verfolge ich daher einen Kiss-Ansatz (“Keep It Simple Stupid”) und habe meine charttechnische Analyse auf das wirklich Notwendige beschränkt, ohne damit die Analysequalität zu reduzieren.

Natürlich erfordert auch die folgende charttechnische Anwendung der DOW-Theorie ein gewisses Maß an Können und Erfahrung, sie als”leicht” zu bezeichnen, wäre sicher verfehlt. Doch werden Sie anhand des nachfolgenden Beispiels und der schrittweisen Erläuterungen wahrscheinlich feststellen, dass die Technische Analyse/Charttechnik nicht zwingend so kompliziert und aufwändig sein muss, wie manche Schulungsanbieter und Coaches es so gerne suggerieren.

0. Baseline

Eine wirklich verlässliche und genaue Vorhersage zukünftiger Kursentwicklungen ist faktisch unmöglich. Die Technische Analyse kann diese jedoch mit einer erhöhten Wahrscheinlichkeit prognostizieren, zeigt Szenarien und mögliche Handelsmarken auf.

Ergänzend hierzu schaffen wir  grundlegende Rahmenbedingungen, die diese erhöhten Wahrscheinlichkeiten noch zusätzlich positiv beeinflussen können.

Konkret erreichen wird dies indem wir

  • .. einen Basiswert mit ausreichender Liquidität wählen, der in einem politisch und wirtschaftlich möglichst stabilem Land angesiedelt ist und markttechnisch eine hohe Diversifizierung aufweist.
    Fazit: Aus diesem Grund wählen wir als Basiswert z.B. den DAX®.
  • .. das kapitalistische Primärziel aller im Index enthaltenen Unternehmen berücksichtigen, nämlich den (Kurs-)wert der Aktiengesellschaft zu steigern und möglichst hohe Gewinne zu erwirtschaften. Diese Bestrebung der einzelnen Unternehmen reflektiert auch die mittel-/langfristige positive Entwicklung des Index. Da man somit auch für die Zukunft tendenziell steigende Kursen unterstellen kann, besteht eine erhöhte Wahrscheinlichkeit von längeren/stabileren/häufigeren Phasen steigender Kurse, als fallender Kurse.
    Fazit: Aus diesem Grund handeln wir Long-only.
  • .. berücksichtigen, dass die Trendstabilität i.d.R. mit größeren Kursintervallen zunimmt. Gleichzeitig reduziert sich aber i.d.R. die Richtungsintensität in höheren Kursintervallen. Wir entscheiden uns daher für einen Zeitintervall, der bereits einen etwas ruhigeren Verlauf aufzeigt und trotzdem ausreichend Handlungsmöglichkeiten bietet, um eine höhere Performance als die durchschnittlichen ~7% p.a. zu erwirtschaften.
    Fazit: Aus diesem Grund wählen wir z.B. einen Stundenintervall, wir handeln also im H1-Chart.

 

1. Bestimmung der übergeordneten Trendrichtung

Laut Baseline haben wir festgeschrieben nur Long zu handeln. Um die Wahrscheinlichkeit steigender Kurse zu erhöhen, setzen wir voraus, dass sich der Wert auch übergeordnet in einem Aufwärtstrend befinden muss.

Weiters haben wir beschlossen im H1-Chart zu handeln, daher wechseln wir für die Bestimmung des übergeordneten Trends auf die Ansicht des Tagesintervalls (D1).
Ein Aufwärtstrend besteht aus einer Sequenz Höherer Hoch- (HH) und Höherer Tiefpunkte (HT).

In diesem Beispiel liegt somit ein aktiver Aufwärtstrend vor, welcher so lange besteht, bis das Kursniveau des letzten Höheren Tiefpunktes nach unten durchbrochen wird.

Ergänzende Informationen:
Mit dem Bruch des Kursniveaus des jeweils letzten Hochpunktes bildet  sich bereits gesichert ein neuer Hochpunkt  (dessen Höhe zu diesem Zeitpunkt noch nicht bestimmbar ist). Der niedrigste Kurs zwischen den beiden Hochpunkten bildet ein neues Höheres Tief.
Manche Analysten zeichnen die Kursanstiege und -rückläufe mit Linien ein, um die Trendbewegung besser zu visualisieren.
Anstiege werden auch als Impulsbewegungen bzw. Rückläufe als Reaktionsbewegungen bezeichnet.

Typische “Fehler”:
Für einen klaren Trend sollte ein jeweils neues Höheres Hoch immer “signifikant” höher liegen, als das davorliegende.
Auch sollte eine gewisse Range zwischen den Hoch- und den Tiefpunkten liegen. Bei einer eher geringen Volatilität können sich durchaus problematische Situation ergeben (siehe z.B. die Marktphase Mitte März). Generell ist man in solchen Fällen gut beraten, bei der Bestimmung neuer Höherer Tiefpunkte die retriktivste der möglichen Varianten zu wählen. Also jene, die das neue HT auf dem niedrigsten Kursniveau belässt.

 


Fortsetzung folgt …

by Mai 18, 2017 Keine Kommentare
Die Fibonacci Trading Analyse: Sind Fibonacci Retracements sinnvoll?

Die Fibonacci Trading Analyse: Sind Fibonacci Retracements sinnvoll?

Analysetechniken

 

In diesem Artikel zeigen wir Ihnen unsere Ergebnisse einer statistischen Analyse zu dem Thema: Fibonacci Trading.

Wir werden in diesem Artikel nicht auf die Grundlagen der Fibonacci-Zahlenreihe eingehen und wir werden auch nicht einen Grundlagenkurs eröffnen. Jeder der sich die Basics zu dem Thema Trading in Verbindung mit Fibonaccis aneignen will, der findet eine Menge Content auf anderen Blogs oder Informations-Websiten.

Wir wollen uns hier zu der Fragestellung äußern, ob Trading mit Fibonaccis tatsächlich funktioniert oder ob man, wie auch im Falle der Dojis, man der selektiven Wahrnehmung zum Opfer fällt.

Wir sind der Meinung: Nein. Fibonacci Trading funktioniert nicht. Zumindest defintiv nicht so, wie es in der Börsen-Literatur definiert wird.

Wir werden nicht nur erläutern, in welchen Fällen ein Fibonacci-Retracement funktioniert, sondern auch in welchen oder in wie vielen Fällen er auch nicht funktioniert. Das ist nämlich der Punkt, den die Meisten weglassen.

Es ist nämlich von ungeheurer Wichtigkeit zu erkennen, wann eine Methodik nicht funktioniert, anstatt sich nur darauf zu fokussieren und sich eventuell einzubilden, dass die Trading-Systematik funktioniert.

In unserer Analyse wurden insgesamt 665 Trends auf dem Tages-Chart ausgearbeitet. Davon sind 251 Trends aus dem Dax-Markt, 154 aus dem EUR/USD Markt und 261 aus dem Gold-Markt.

Im Dax-Markt begannen wir den ersten Trade im Jahr 1991 auszuzählen, während wir im EUR/USD- und dem Gold-Markt ab dem Jahr 1993 begannen.

Wir haben uns für den Trend auf Tages-Basis entschieden, da in der „Community“ dieser Trend als der stabilste gezählt wird. Obwohl wir in unserer Artikelreihe „Statistische Markttechnik“, das Gegenteil bewiesen haben.

Beginnen wir erstmal mit der Vorgehensweise unserer Analyse.

 

Die Vorgehensweise der Fibonacci Analyse

Wie sind wir die Analyse nun angegangen?

Zu Anfang möchten wir gerne erwähnen, dass wir die Fibonacci Retracements dazu verwendet haben, um den Handel aus der Korrektur zu tätigen. Es existieren definitiv mehrere Möglichkeiten die Retracements zu verwenden. Wir sind aber Trendhändler und haben uns somit für diese Variante entschieden. Es ist auch wohl die gängigste Verwendung von Fibonacci Retracements.

Somit haben wir es für uns ganz simpel gemacht. Wir haben zuallererst einen Trend identifiziert. Fand in diesem Trend eine Korrektur statt, wurde das Fibonacci Retracement an vom Tief bis an das Hoch der Bewegungs-Phase angesetzt und es wurde analysiert, ob die Korrektur-Bewegung auf ein Fibonacci-Retracement reagiert hat.

Für diese „Reaktionen“ haben wir uns eine Systematik ausgedacht. Die Reaktionen auf die Retracements wurden entweder mit einer 0, einer 1 oder einer 2 markiert.

Eine 0 besagt, dass die Korrektur-Phase ein Fibonacci Retracement komplett ignoriert hat.  So sieht, beispielsweise, eine „0“ aus:

 

 

Wir können, im blau markierten Bereich, erkennen, dass sowohl der Docht, als auch der Spike der Kerze unterhalb des 23,6%-Fibonacci Retracements liegt. Das wäre ein schönes Beispiel für eine „0“ aus unserer Analyse.

Eine 1 steht dafür, dass die Korrektur-Phase zwar eine Reaktion am Fibonacci Retracement gezeigt hat, die nächste Korrektur-Bewegung daraufhin aber das Fibonacci Retracement gebrochen hat. Mit einer „Reaktion auf das Fibonacci Retracement“ meinen wir, dass der Markt einen Spike auf dem Niveau des Fibonacci Retracement getätigt hat, der Körper der Kerze aber oberhalb/unterhalb des Fibonaccis liegt.

Hier ein Beispiel für eine „1“:

 

 

In der oberen Abbildung erkennen Sie nun ein Musterbeispiel für eine „1“ aus unserer Analyse. Die grüne Candle hat zwar auf das 23,6% Fibonacci Retracement reagiert, da wir einen Spike oberhalb des Niveaus haben, der Körper aber darunter geschlossen hat. Die nächste grüne Candle jedoch, wie man erkennen kann, reagiert nicht mehr auf das 23,6% Retracement.

Die „1“ ist das, was wir als ein Fehlsignal betiteln würden.

Und zu guter Letzt haben wir da noch die „2“. Die „2“ ist das, was wir als einen Treffer werten. Eine „2“ ist vom Aussehen her, genauso wie eine „1“. Nur dass eine „2“ dann auch im Nachhinein zu einer Trendbestätigung führt.

Hier ein Beispiel:

 

 

Im oberen Bild sehen wir nun, wie eine „2“ aus unserer Analyse aussieht. Hier können Sie deutlich erkennen, dass der Markt an dem 38,2% Retracement reagliert hat. Diese Reaktion führte daraufhin zu einer Trendbestätigung ohne ein weiteres Fibonacci-Retracement zu tangieren oder das 38,2% Fibonacci Retracement zu brechen.

 

Beginnen wir nun mit den Ergebnissen unserer Analyse.

Wir werden jeden Markt den wir aufgearbeitet haben einzeln analysieren und am Ende nochmal eine Analyse für alle Märkte zusammen.

 

Fibonacci Retracement Analyse: Der Dax-30

 

Wir haben nun die Vorgehensweise unserer Analyse erläutert. Erläutert wurde auch, was die genauen Ereignisse: 0,1 und 2 bedeuten. Somit können wir uns jetzt an die Ergebnisse des ersten Börsen-Marktes ansehen.

Wir werden Ihnen in der Analyse des Dax-Marktes noch expliziter unsere Vorgehensweise erklären und auch erläutern, welche Formeln wir verwendet haben um auf die Ergebnisse zu kommen. Somit wird der Dax-Markt am „längsten“ erläutert. Die Formeln und die Methodik sind bei den anderen zwei Märkten identisch.

 

Hier ein grober Ausschnitt der Analyse des Dax-Marktes:

 

 

Sie können natürlich, rein von dem Bild, nichts erkennen. Dieses Bild soll aber aufzeigen, wie intensiv diese Recherche durchgeführt worden ist. Wer Interesse an der Original-Datei hat, der kann uns sehr gerne eine E-Mail (info@statistic-trading.de)  schreiben und wir würden Ihnen die Datei daraufhin zukommen lassen.

Fangen wir mit den grundlegenden, aber dennoch interessanten, Daten an.

 

Im Dax-Markt wurde, seit dem 01.01.1991, jeder Trend auf Tages-Basis analysiert. In Summe waren das 251 Trends. Hier die Ergebnisse:

 

 

Von diesen 251 haben somit 146 Trends einen Trend fortgesetzt, nachdem sich ein Trend etabliert hat und 105 Trends haben einen entstandenen Trend gebrochen ohne eine Trendfortsetzung durchgeführt zu haben.

Dieses Ergebnis spricht erstmal dafür, dass der Trendhandel einen statistischen Vorteil bietet. Also eine Trefferquote von über 50% aufweist. Deswegen lesen Sie das aber hier nicht. Interessanter wird jetzt die nächste Auswertung.

Und zwar dieser hier:

 

 

Diese Analyse gibt darüber Auskunft, zu wie viel Prozent ein Fibonacci Retracement Auswirkung auf eine Trendbestätigung hat. Wie Sie erkennen können, ist das Ergebnis weniger freudig.

Doch wie kamen wir auf dieses Ergebnis? Dazu müssen Sie sich vielleicht noch mal den Abschnitt mit unseren Ereignissen: 0,1 und 2 anschauen.

Um die Effektivität von Fibonacci Retracements auf Trends untersuchen zu können, haben wir eine Formel auf Excel entwickelt.

So sieht das Ganze dann aus:

 

 

Oben im Bild können Sie sowohl unsere Excel-Berechnungs-Formel erkennen, als auch ein Teil der Analyse.

In der Formel steht, einfach ausgedrückt, das hier: Wenn wir eine Trendbestätigung haben und es auch noch in einem der 6 möglichen Fibonacci Retracements eine „2“ vorgekommen ist, dann soll dort „Trend Positiv“ stehen. Tritt das gerade erklärte Ereignis nicht ein, soll dort „Trend Negativ“ stehen.

Somit ist nur ein Trend, der auch tatsächlich ein positives Ereignis an den Fibonacci Retracements getätigt hat, auch signifikant von einem Fibonacci beeinflusst worden.

Wir untersuchen hier ja immer noch die Signifikanz von Fibonaccis.

Wir erhalten somit das Ergebnis, dass nur 45,02% der Trends, auch signifikant von einem Fibonacci „vorhergesagt“ worden sind. In 54,98% der Trends erhielten wir ein negatives Ergebnis.

Wir können nun, nur aus dieser schnellen Analyse erkennen, dass die Fibonacci Retracements nicht Auskunft darüber geben können, wo ein Trend aufhört sich zu korrigieren und von wo er wieder anfängt die Bewegungs-Phase zu wechseln.

Einen statistischen Vorteil hat man dadurch auch nicht gewonnen.

Wir sind aber noch etwas weiter ins Detail gegangen und haben weiter untersucht. Wir haben uns hingesetzt und gefragt: Was können die Trader die tatsächlich mit Fibonacci Retracements traden noch für Fragen haben? Woran könnte es vielleicht liegen, dass unsere Analyse nicht anerkannt wird, weil wir, anscheinend, gegen einen Fibonacci Strom schwimmen?

Auf Grund dieser Fragen, haben wir für jeden Markt noch 3 weitere Extra-Analysen durchgeführt.

Die erste Extra-Analyse soll darstellen, wenn man sich ein System entwickeln würde, indem man IMMER bei einem bestimmten Fibonacci Niveau in den Markt geht und seinen Stop-Loss an den Tiefpunkt des Trends setzt. Mit dieser Analyse soll sozusagen das „beste“ Retracement dargestellt werden. Als Beispiel: Wir haben ein System entwickeln, wo wir IMMER am 50%-Fibonacci einstiegen sobald dieser berührt wird. Wir warten weder auf einen Rücksetzer oder darauf, dass der Markt oberhalb/unterhalb des Fibonacci Niveaus schließt.

Unsere zweite Extra-Analyse soll aufzeigen, wie ein Ergebnis aussehen kann, wenn wir nur Trades eingehen, die aufgrund von einem „1“-Ereignis geprägt sind. Als Beispiel wieder: Wir gehen nur in den Markt hinein, wenn der Kurs zwar eventuell oberhalb/unterhalb des Fibonacci Retracements spiked, aber der Körper dennoch oberhalb/unterhalb des Retracements schließt.

Und unsere dritte Extra-Analyse untersuchen wir, ob wir nicht der selektiven Wahrnehmung zum Opfer fallen.

 

Ergebnis der ersten Fibonacci-Extra-Analyse (Dax-30)

Zuallererst haben Sie hier die Abbildung der Analyse:

 

 

Wie schon erwähnt, erkennen Sie in der obigen Abbildung die Ergebnisse der ersten Analyse.

Die Tabellen sind unterteilt in „kein Trade“, „Positiver Trade“ und „Negativer Trade“. Und diese Ereignisse sind jeweils auf die Fibonacci Retracements analysiert worden.

Sie erkennen nun zum Beispiel, dass auf dem 50-% Fibonacci Retracement von 251 Trades 44 keinen Trade ergaben, 102 einen Trade generiert haben der positiv geschlossen wurde und 105 Trades die negativ geschlossen worden sind.

In der rechten Tabelle können Sie die prozentualen Werte ablesen. Somit haben wir eine 49%-ige positive Trefferquote bei dem 50%-Fibonacci. Ist jetzt nicht so beeindruckend wie wir finden.

Nur das 38,2% und das 23,6% Fibonacci Retracement haben einen statistischen Vorteil. Der Nachteil daran ist aber, dass auch diese Niveau-Punkte den geringsten CRV bieten. Da der Abstand zum Tief des Trends deutlich höher ist, als das Gewinn-Ziel am Hoch des Trends.

Man muss sich somit entscheiden, ob man eher bereit ist eine hohe Trefferquote zu haben oder ein höheres CRV.

Nochmal zur Anmerkung: Wir haben in dieser Analyse nur die Fibonacci-Retracements an sich getestet und keine Handelsstrategie darauf. Was man noch mit einem guten Risk- und Moneymanagement rausholen kann, ist eine andere Geschichte.

Aus dieser und aus der nächsten Analyse lässt sich noch ein sehr interessanter Schluss ziehen. Diese Erkenntnis hatten auch wir erstmal nicht auf dem Schirm. Haben diese aber, nach der Analyse, in unser Trading mit eingebaut. Dazu aber später mehr.

Sie können sich ja in Ruhe die Analyse-Ergebnisse anschauen und sich dazu Gedanken machen.

Kommen wir zur zweiten Extra-Analyse.

 

Ergebnis der zweiten Fibonacci-Extra-Analyse (Dax-30)

Hier das Ergebnis:

 

 

Im Vergleich zur ersten Extra-Analyse, steigen wir nicht immer bei einer Berührung in den Markt, sondern warten auf das Ereignis „1“.

Lesen Sie oben vielleicht noch einmal nach was die „1“ ist, damit Sie die Zahlen auch nicht falsch interpretieren.

Eine „1“ ist sozusagen ein Signal, dass uns von dem Börsen-Markt gegeben wird. Somit steigen wir nicht bei jedem Fibonacci-Niveau ein, sondern nur bei dem, bei dem es auch zu einem Signal kommt.

Aus den Ergebnissen können Sie nun erkennen, dass sich zwar die Tradefrequenz deutlich reduziert, aber dafür auch die Trefferquote ansteigt.

Das Ergebnis des 50-% Fibonacci Retracements steigt von 49% auf 51%. Die Anzahl der Trades verringert sich aber auf 55 Trades.

Interessant wird es, wenn man sich die Veränderung des 23,6% Retracements anschaut. Dort ist die Trefferquote auf satte 75% angestiegen.

Schauen Sie sich auch diese Tabelle in Ruhe an und untersuchen Sie, wie Sie diese Information verwenden können oder auch nicht verwenden können.

 

Ergebnis der dritten Fibonacci-Extra-Analyse (Dax-30)

Da nicht jeder Trader immer nur bei einem Retracement einsteigt, sondern höchstwahrscheinlich bei mehreren Retracements, haben wir die dritte Analyse gemacht.

In dieser Analyse geht es primär darum aufzuzeigen, wie viele Fehlsignale das Fibonacci Trading generieren kann. Es geht auch darum zu untersuchen, ob das Fibonacci Trading nicht der selektiven Wahrnehmung zum Opfer fällt. Denn immer, wenn man sich Trading-Bilder oder Trading-Webinare anschaut wo es um das Thema „Fibonacci-Retracements“ geht, erkennt man immer wieder, wie nur Charts aufgezeigt werden, bei dem der Markt perfekt am Retracement dreht. Und das immer und immer wieder. Fehlsignale gibt es wohl keine. Oder doch?

Schauen wir mal rein:

 

 

Was erkennen wir nun mit Hilfe der Abbildung? Wir erkennen eine Gesamtmenge von 1506. Wie kommt diese zustande? Wir haben 251 Trends. In diesem 251 Trends können, theoretisch, 6 Fibonacci Retracements berührt werden. Somit erhalten wir 251 x 6=1506   mögliche Berührungspunkte für ein Retracement.

Nun erkennen wir, dass 69,52 % aller möglichen Berührungspunkte entweder gar nicht berührt werden oder auch einfach ignoriert werden.

22,64% aller möglicher Punkte ergeben eine „1“. Somit findet dort zwar eine Reaktion auf das Retracement statt, aber nicht unbedingt auch eine Trendfortführung.

Und wir haben nur in 7,84% aller untersuchten Fälle ein Ereignis, was tatsächlich zu einer Trendfortführung führt.

Das ist ziemlich interessant und auch beeindruckend.

Glauben Sie, dass dieses Ergebnis nur so „semi-gut“ war, weil wir hier den Dax-Markt handeln und das Fibonaccis ja viel besser bei Rohstoffen oder bei Forex-Märkten funktionieren? Lassen Sie uns nun die anderen beiden Märkte anschauen.

In den nächsten zwei Märkten werden wir Ihnen nur die Analyse-Ergebnisse zeigen und etwas weniger kommentieren. Die Sinnhaftigkeit und die Vorgehensweise wurde, hoffen wir zumindest, in der Dax-Markt-Analyse verstanden, so dass wir in den nächsten Analysen uns das Tippen sparen können und so gut wie nur die Kennzahlen veröffentlichen können.

 

Fibonacci Retracement Analyse Forex: EUR/USD 

 

So wie der Dax-Markt analysiert wurde, so wurde auch der EUR/USD-Markt analysiert.

Im folgenden erhalten Sie die Ergebnisse der Analyse des EUR/USD-Marktes.

 

 

Im EUR/USD-Markt wurden alle Tages-Trends seit dem 01.01.1993 analysiert. Wie Sie in der obigen Abbildung erkennen können, hatten wir hier 154 Trends.

Von diesen wurden 84, und somit 54,55%, fortgesetzt und 70, also 45,45%, nicht fortgesetzt.

Aber bei wie vielen Trends war denn ein Fibonacci Retracement überhaupt signifikant?

Schauen wir rein:

 

 

In nur 65 Fällen hatten wir eine Übereinstimmung mit einem Retracement und einer Trendfortsetzung. In 89 Fällen hatten wir diese nicht.

Kommen wir jetzt zu den Ergebnissen der Extra-Analysen.

 

Ergebnis der ersten Fibonacci-Extra-Analyse (EUR/USD)

Gehen wir nun auch hier von einer Strategie aus, in der wir sofort einen Trade absetzen, wenn der Markt ein bestimmtes Fibonacci Retracement berührt. Welche Ergebnisse würden wir erhalten?

Wir erkennen auch im EUR/USD-Markt deutlich, dass je tiefer/höher der Markt an ein Fibonacci Retracement kommt, die Trefferquote deutlich fällt.

Solch ein Szenario konnten wir auch im Dax-Markt erkennen.

 

Ergebnis der zweiten Fibonacci-Extra-Analyse (EUR/USD)

Wie schaut jetzt das Ergebnis aus, wenn wir immer nur in einen Markt reingehen, wenn wir ein Signal erhalten, also eine „1“?

Hier das Ergebnis:

 

 

In der obigen Abbildung sehen Sie nun das Resultat. Das ist schon ein deutlicher Unterschied im Vergleich zur ersten Analyse vom EUR/USD-Markt.

Die Trefferquote vom 23,6%-Retracement ist deutlich angestiegen. Wobei der statistische Vorteil beim 38,2%-Retracement nicht mehr gegeben ist. Dies ist bei dem Ergebnis der ersten Analyse anders. Dort war der statistische Vorteil noch bis zum 38,2%-Retracement gegeben.

Schauen Sie sich ruhig die Statistiken an und finden Sie heraus, welche Informationen Sie für Ihr Trading verwenden können und welche nicht.

 

Ergebnis der dritten Fibonacci-Extra-Analyse (EUR/USD)

Kommen wir nun zu der dritten und letzten Extra-Analyse im EUR/USD.

Wie schaut hier denn nun die „Gesamtmarktlage“ aus?

 

 

Wir hatten im EUR/USD eine Gesamtmenge von 923 möglichen Trading-Situationen. Von diesen gab es in 62,41% der Fälle eine „0“ und somit wurde in 62,41% der Fälle entweder eine Fibonacci Retracement nicht berührt oder es wurde einfach in der Korrektur ignoriert.

In 30,55% der Fälle kam es zu einer Reaktion auf das Fibonacci-Retracement.

Und in nur 7,04% der Fälle hat ein Retracement auch tatsächlich zu einer Trend-Fortsetzung geführt.

Ein nicht so schön anzusehendes Ergebnis, finden wir.

Glauben Sie, dass das vielleicht daran liegt, dass das Fibonacci Trading bei Rohstoffen besser funktioniert? Na dann schauen wir uns doch mal den Gold-Markt an.

 

Fibonacci Retracement Analyse Rohstoffe: Gold

Schauen wir uns doch jetzt mal an, wie so ein Fibonacci Retracement auf einem Gold-Markt agiert.

Beginnen wir wie gewohnt mit der Anzahl der Trends und der damit verbundenen Trendfortsetzungen:

 

 

Wir haben auch im Gold-Markt angefangen die Trends seit dem 01.01.1993 auszuzählen. Es gab somit 261 Trends. 51,34% wurden fortgeführt, während 48,28% nach der ersten Entstehung eines Trends gebrochen sind.

Diese Zahlen sahen bei den anderen Märkten etwas besser aus. Schon das ist eine sehr nützliche und interessante Information.

Schauen wir uns jetzt als nächstes an, wie viele Trends durch ein Fibonacci Retracement „bestätigt“ worden sind:

 

 

Diese Zahlen ähneln schon den Ergebnissen der vorherigen Märkte sehr. 43,68% der Trends konnten mit Hilfe eines Retracements bestimmt werden. Während 56,32% der Trends man nicht durch ein Fibonacci Retrecement bestimmen konnte.

Kommen wir nun zu unseren Extra-Analysen im Gold-Markt.

 

Ergebnis der ersten Fibonacci-Extra-Analyse (Gold):

Gehen wir nun auch im Gold-Markt von einem Strategie-Event aus, in der wir sofort einen Trade absetzen, wenn der Markt ein bestimmtes Fibonacci Retracement berührt. Welche Ergebnisse würden wir erhalten?

 

 

Läuft der Gold-Markt denn besser? Es scheint nicht so. Im Gold-Markt generiert sogar nur das 23,6%-Retracement einen statistischen Vorteil. Alle anderen Retracements dagegen sind deutlich unter 50%.

Man braucht natürlich nicht unbedingt eine größere Trefferquote als 50% um profitabel zu sein. Es sollte aber schon irgendwo einen statistischen Vorteil gegeben sein, sonst wird es sehr hart an den Börsen.

Schauen wir uns jetzt die zweite Analyse an.

 

Ergebnis der zweiten Fibonacci-Extra-Analyse (Gold):

 

 

Der statistische Vorteil erhöht sich nun, wie schon auch in den anderen Märkten, wenn man auf ein Signal des Marktes wartet. In unserem Fall auf eine „1“.

Somit erweitert sich der Edge bis zum 38,2% Retracement. Die Anzahl der Trades verringert sich auch deutlich.

 

Ergebnis der dritten Fibonacci-Extra-Analyse (Gold)

Schauen wir uns jetzt nun auch die „Gesamtmarktlage“ des Gold-Marktes an. Agiert der Gold-Markt anders als die vorherigen Märkte?

 

 

In der oberen Abbildung erkennen Sie nun, wie auch in den anderen Märkten davor, wie das alles als Gesamtsituation aussieht.

Vergleichen Sie ruhig selber, wie der Gold-Markt im Vergleich zu den anderen Märkten abschneidet. Aber wie Sie auch auf den ersten Blick erkennen können, ist beim Ereignis der „2“ kein großer Unterschied.

Man erkennt nur, dass beim Ereignis der „1“ der prozentuale Anteil im Gold-Markt etwas höher ist.

Die restliche Interpretation der Zahlen überlassen wir ganz Ihnen.

 

Zum Schluss haben wir für Sie nochmal ALLE Märkte zusammengefasst und das analysiert.

 

Fibonacci Retracement Analyse: ALLE Märkte zusammen

Es ist schon genug Text in dieser Analyse, damit das nicht noch mehr wird, werden wir für Sie einfach alle Abbildungen der Gesamt-Analyse darstellen.

Die statistischen Zahlen können Sie dann selber analysieren und für sich selbst entscheiden, welche Schlüsse Sie daraus ziehen wollen.

 

(Abbildung: Der Trendfortsetzung allgemein)

 

(Abbildung: Der Trends die durch ein Fibonacci Retracement bestätigt worden sind oder nicht)

 

(Abbildung: Wenn der Markt das Retracement „Berührt“)

 

(Abbildung: Wenn der Markt eine „1“ generiert und man dann in den Markt einsteigt)

 

(Abbildung: Gesamtmarktlage von allen analysierten Märkten zusammen)

 

Schlussfolgerungen der Fibonacci Trading Analyse

Auch für uns war diese Analyse etwas ganz Besonderes. Fibonacci Trading ist in der Trading-Szene ein sehr großes und auch wohl beliebtes Thema. Wir können natürlich nicht jede Kleinigkeit von Fibonacci Retracements analysieren und auswerten, aber diese Analyse ist eine sehr gute Grundlage um sich mit dieser Thematik auseinanderzusetzen.

Sollte es Trader geben, die eventuell andere Statistiken zu dieser Thematik haben oder mögliche Ideen für zukünftige Analysen haben, diese können uns sehr gerne unter info@statistic-trading.de kontaktieren.

Was konnten wir für unser Trading aus dieser Analyse mitnehmen? Zuallererst konnten wir sofort erkennen, dass das Fibonacci Trading anscheinend, so wie es im Allgemeinen beigebracht wird, so nicht funktioniert.

Es ist anscheinen tatsächlich so, dass hier mit dem psychologischen Phänomen der selektiven Wahrnehmung gespielt wird oder dass sogar die eigenen Fibonacci-Gläubiger diesem Phänomen zum Opfer fallen.

Natürlich passiert es, dass man mit einem Fibonacci Retracement aus der Korrektur die Fortführung eines Trends erkennen kann. Aber wie Sie aus den Analysen erkennen können, passiert es viel öfter, dass es eben nicht funktioniert.

Es existieren bestimmt Ausnahmetrader die Fibonaccis profitabel verwenden können. Wir persönlich kennen leider keinen. Auch diese können sich gerne melden.

Wir möchten hier auch nicht die Fibonacci Trader schlechtreden. Wir legen einfach nur statistische Kennzahlen auf den Tisch die aus einer Analyse stammen. Nicht mehr und nicht weniger. Sie können ja im Nachhinein die Zahlen für Ihre eigenen Zwecke verwenden oder verleugnen, ganz wie Sie wollen.

Der zweite und eher wichtigere Punkt für uns war, bevor wir das aber bestätigen können, müssen wir noch ein paar weitere Analysen durchführen, dass es anscheinen so aussieht, dass je tiefer der Markt in eine Korrektur fällt, desto höher wird die Wahrscheinlichkeit, dass es zu einem Trendbruch kommt. Ok, der Satz ist ein wenig komplex. Nochmal die simple Hypothese: Je tiefer der Markt korrigiert, umso höher ist die Wahrscheinlichkeit, dass es zu einem Trendbruch kommt.

Die statistischen Kennzahlen scheinen dieser Hypothese Recht zu geben.

Es ist somit mit diesem Wissen jetzt möglich, am Risk- und Moneymanagement Ihres Tradings zu experimentieren.

Hier eines unserer Gedankenspiele zu diesem möglichen Phänomen: Sie könnten, bevor Sie einen Trade eingehen, festlegen, welches Risiko Sie bereit sind zu fahren, je nachdem in welchem Korrekturniveau das Signal generiert wird.

Wird ein Signal in der höheren Ebene generiert, also im Bereich des 23,6% und des 38,2% Fibonacci Retracements, wären Sie bereit ein etwas höheres Risiko zu fahren, als wenn der tiefer in die Korrektur läuft.

Das wäre eine Möglichkeit. Lassen Sie Ihrer Kreativität freien Lauf.

Wir hoffen wir konnten Ihnen mit diesem Artikel helfen und Sie vielleicht zum Nachdenken bringen. Hinterfragen Sie und testen Sie ALLES!

Nochmal zur Erinnerung: Wenn Sie die originale Analyse-Datei von uns zugeschickt haben wollen, schreiben Sie uns doch eine kleine E-Mail an info@statistic-trading.de und wir werden Ihnen die Datei zukommen lassen.

 

Wir wünschen Ihnen einen angenehmen Tag und erfolgreiche Trades

 

Mit freundlichen Grüßen aus Berlin,

Statistic-Trading

 

 

 

 

 

by Mrz 17, 2017 Keine Kommentare
Folgen Sie der Herde? Die großen Tradingfehler der Chartanalyse !

Folgen Sie der Herde? Die großen Tradingfehler der Chartanalyse !

Analysetechniken

Ja natürlich, da ist ja der Tiefpunkt. Und dort ist der Hochpunkt. Selbstverständlich, das liegt doch auf der Hand jetzt. Wieso generiere ich denn immer noch Verluste?

Charttechnik wird im Nachhinein immer als logisch empfunden. Es vermittelt ein gutes Gefühl. Im Nachhinein sind wir alle Profis und Allwissende. Die Schwierigkeit liegt aber darin, dass das Überprüfen von der Profitabilität von solch einer Trading-Methode sehr schwierig ist.

Sie müssen auch im Nachhinein mögliche Verluste nachvollziehen können. Mit der Charttechnik ist das so gut wie unmöglich.

In diesem Blog-Artikel zeigen wir Ihnen, wieso die Charttechnische-Analyse Ihnen immer das zeigt, was Sie sehen wollen. Die Charttechnik verleiht einem ein gutes Gefühl. Trendlinien, Unterstützungen, Widerstände, das alles sind Sachen, die die meisten in den Chart hineinzeichnen, weil Sie das in so vielen Büchern gelesen und gesehen haben. Man fühlt sich gut, wenn die Trendlinie perfekt zum Tiefpunkt oder zum Hochpunkt passt. Man muss aber eines wissen, diese Zeichnungen sind zu subjektiv um Sie für ein stabiles Handelssystem zu halten.

95% der Leute an den Börsen verdienen kein Geld. Die meisten Börsenbücher handeln von der Chartanalyse. Hmm?

Natürlich klappt das alles bei den „Profis“. Bei denen klappt alles. Sie müssen wissen, dass man an der Börse jedes merkwürdige Szenario auffinden kann. Sagt Ihnen ein Trader, dass er nur einen Trade eingeht, wenn 3 Unterstützungslinien sich schneiden und es gerade auch noch zufällig Vollmond ist, wird man in der Lage sein, solch eine Situation zu finden. Natürlich ist dieses Beispiel übertrieben. Es soll aber verdeutlichen, um was es geht. Nur durch objektive Faktoren sind Sie in der Lage ein stabiles Handelssystem auf die Beine zu stellen, welches auch Geld einbringt.

Wir werden dafür ein Chart-Beispiel benutzen. Welcher Markt, das ist egal. Es geht darum, dass Sie ein generelles Problem im Bereich der Charttechnik begreifen: die Subjektivität.

Widerstands-, Unterstützungs-, Trendlinien: Alles subjektive Umstände

Die ganze Trader-Welt kennt das: Linien in seinen Chart hineinzeichnen. Bei manchen Tradern sieht der Chart aus wie ein Bild von Picasso. Manche haben das aufgegeben, manche tun es immer noch. Wir für unseren Teil, zeichnen keine Trendlinien in unseren Chart. Denn Trend-, Unterstützungs- und Widerstandslinien sind einfach zu subjektive Faktoren.

Wie prüft man die Richtigkeit von solchen Linien? Hier ist unser Problem. Trendlinien sind im Nachhinein immer an der richtigen Stelle gesetzt. Meistens auf den Punkt genau. Und genau hier liegt das Problem. Wie überprüfen Sie optimal, ob diese Trendlinie in einem gerade laufenden Markt auch so gesetzt werden würde? Vielleicht ist ja das Tief, was Sie sich derzeit markiert haben, ja in 1 Stunde gar kein Tief mehr?

Eine Menge Leute traden nach dieser Methodik. Sie zeichnen sich Trendlinien etc. ein und gehen davon aus, dass der Markt nun an solch einer Stelle dreht. Dreht der Markt an dieser Stelle nicht, dann bricht er natürlich durch. Wie wir alle wissen: aus einer durchgebrochenen Unterstützung wird ein Widerstand und vice versa. Die Methodik an sich, wollen wir hier nicht in Frage stellen. Wir wollen hier auch nicht die Charttechnische-Analyse als Ganzes deklassieren. Wir wollen Ihnen begreiflich machen, dass sich in der Einzeichnung solcher Linien ein großer Denkfehler versteckt.

Beispiel an einem Chart

Hier haben wir einen Blanko-Chart in Candle-Stick-Form. Dies ist die wohl gängigste Chart-Sichtweise.

Wir erkennen sowohl ein Tief, als auch ein Hoch. Dazwischen liegen viele Tiefs, die weniger tief sind als das vorherige Tief. Ein Muster-Beispiel von Aufwärtstrend.

Doch wo setzen wir genau die Trendlinie an? Die meisten würden dieses Szenario wohl so zeichnen:

 

Hier geht es jetzt nicht um jeden Millimeter. Hier soll ein Denkfehler verdeutlicht werden und kein Charttechnik Malwettbewerb gewonnen werden.

Wir haben nun unser Tief mit dem am nächsten logischen Tief „verbunden“.

Wir haben sozusagen eine Situation erschaffen, in der wir „gewusst“ haben, wo sich das jetzige logische Tief befindet. Als Analyse-Zweck möglicherweise zu gebrauchen, aber um zu erfahren, ob solch ein Trading überhaupt funktioniert, ist solch eine Methodik nicht zu empfehlen.

Sie wollen mit dem Trading ja Geld verdienen, oder nicht?

Es besteht nun das Problem, dass wir für uns eine Situation erschaffen haben, in der wir uns wohl fühlen. Wir haben alles unter Kontrolle. Die Linie sitzt.

Das Ding ist aber nun, dass der reale Markt sich erst entwickelt. Der Markt läuft auch immer weiter.

Schauen wir uns nun das selbe Szenario an, nur aus einer realistischeren Sicht:

Nun haben wir den selben Chart, nur aus einer realistischeren Sicht. Wir erkennen nun, dass wir jetzt ein ganz anderes Tief haben. Wir können ja nicht in die Zukunft sehen. Wir gehen also davon aus, dass der Markt an dieser Trendlinie abprallen wird. Oder möglicherweise ein anderes von Ihnen gedachtes Szenario eintritt.

Schauen wir uns den Chart, mit der dazugehörigen Trendlinie, nun weiter an:

 

Der Markt ist nun weitergelaufen. Wie das nun halt so funktioniert. Und was erkennen wir? Die Trendlinie ist wieder eine Andere. Wir haben unsere Trendlinie schon 2x verschoben. Die Realität ist, wenn man nicht das ganze Bild betrachtet, eine Andere. Am Anfang haben wir nur eine Trendlinie gezeichnet und gingen davon aus, dass das alles so der Richtigkeit entspricht. In der Realität zeichnen wir schon die zweite verbesserte Trendlinie.

Sie können sich eventuell schon denken worauf wir hinaus wollen, oder?

Bevor wir zum Fazit kommen, zum Schluss noch das ganze Szenario.

Voila, eine „perfekte“ Trendlinie. Wir erkennen, dass der Markt den Trend eine gute Weile aufrechterhalten hat und im Nachhinein dann doch durchgebrochen ist. Es ist natürlich nur ein kleiner Ausschnitt. Der Zweck wird aber damit erfüllt.

Welche Schlüsse ziehen wir nun aus diesem Artikel?

Fazit

Wir malen uns die Welt so, wie Sie uns gefällt. Das könnte das Motto von so einigen Charttechnikern sein.

Die Quintessenz des Ganzen hier ist: Es ist so gut wie unmöglich zu überprüfen, ob solch ein Trading tatsächlich funktioniert. Und mit „funktioniert“ meinen wir, gewinnbringend. Die Überprüfung ist erst möglich, wenn Sie anfangen Ihre Charttechnik in objektive Formeln zu formulieren.

Es kann sein, dass Sie im tatsächlichen Handel, in ein und demselben Trend, mehrere Verluste erlitten haben, oder Gewinne. Aber Analysieren Sie diese Situation im Nachhinein, stellen Sie fest, dass ja doch alles klar war. Hier haben wir das Problem der subjektiven Wahrnehmung. Die Linie muss nach oben, die nach unten und die einmal quer durch. So hätten Sie den Trend heil und mit Gewinn überstanden. Dem ist leider nicht so.

Um in der wirklichen Trading-Welt zu überleben, müssen Sie in der Lage sein sowohl Verluste als auch Gewinne zu akzeptieren. Gewinne akzeptieren kann jeder, Verluste wohl eher nicht.

Sie brauchen für ein stabiles Handelssystem so wenig wie möglich subjektive Eigenschaften in Ihrem System. Sie müssen aus Ihrem Trading ein „Wenn-Dann“-Objekt basteln. Wenn das Ereignis eintritt, dann tue ich dies. 100%-ige Objektivität ist das Stichwort.

Sie sollten auch in der Lage sein ein System im Nachhinein testen zu können. Trendlinien, Widerstände und der ganze Spaß, das sieht zwar für Anfänger immer hoch-professionell aus, aber der Schein trügt. Die objektive Überprüfung der Trade-Ergebnisse ist so gut wie unmöglich.

Wie können Sie etwas im Nachhinein überprüfen, was sich im Nachhinein immer als richtig erweist? Gar nicht!

Lassen Sie sich nicht von eingezeichneten Chart-Linien täuschen. Finden Sie Ihren eigenen Weg.

 


by Feb 07, 2017 Keine Kommentare
Gleitende Durchschnitte / Moving Averages – Signale

Gleitende Durchschnitte / Moving Averages – Signale

all

Gleitende Durchschnitte – SMA – EMA – WMA – LMA

Welche gleitende Durchschnitte / Moving Averages gibt es?

Es gibt eine Vielzahl von gleitenden Durschnitten. Das Grundprinzip von allen ist die Bildung eines Mittelwertes aus vergangenen Kursen. Der Unterschied der einzelnen gleitenden Durchschnitte ist die Gewichtung. Wie man die verschiedenen Moving Averages in den jeweiligen Handelsplattformen findet, sowie Beispiele zur Anwendung zeigt das Beispielvideo.
Ein Mittelwert berechnet sich durch das Aufsummieren aller Werte im Betrachtungszeitraum und dem darauffolgenden Teilen durch die Anzahl von aufsummierten Punkten. Formal lässt sich das ausdrücken als:

Je nach Typ des Moving Averages werden nun die einzelnen Perioden unterschiedlich stark gewichtet, sodass beispielsweise die letzten Perioden einen wesentlich größeren Einfluss auf den Wert des gleitenden Durchschnittes haben. Gleichfalls kann man auch das Gegenteil darstellen. Den Gewichtungsmöglichkeiten sind keine Grenzen gesetzt. Die bekanntesten vier Formen von Moving Averages werden hier vorgestellt.

Was sind die gängigsten gleitenden Durchschnitte?

Simple Moving Average (SMA)

Der Simple Moving Average (SMA) oder auch einfacher gleitender Durchschnitt ist lediglich der oben beschriebene Durchschnitt über die letzten n Perioden. Der Indikator ist von der Anzahl der Perioden, der in die Berechnung einbezogen werden soll, abhängig. Durch die unterschiedliche Anzahl der betrachteten Zeitpunkte lassen sich kurz-, mittel- oder auch langfristige Trends erkennen und verfolgen.

Exponential Moving Average (EMA)

Exponential Moving Average (EMA) oder auch exponentieller gleitender Durchschnitt gewichtet die vergangenen Kurse in der Betrachtungsperiode anhand einer Exponentialverteilung. Dabei wird dem jeweiligen Datenpunkt der zugehörige Wert aus der Verteilungsfunktion einer Exponentialfunktion mit dem entsprechenden Alpha als Faktor angehängt. Das Ergebnis: Je größer das Alpha, desto schneller werden ältere Datenpunkte für den Wert des Durchschnittes uninteressant. Somit reagiert der Indikator auf aktuelle Preisbewegungen umso sensitiver und der gleitende Durchschnitt folgt dem Markt enger. Bei den normalen EMAs orientiert sich das Alpha an der Anzahl der betrachteten Perioden.

Gewichtung von Moving Averages

Abbildung 1: Die Gewichtungen eines EMA 30 (y-Achse) zum jeweiligen Zeitpunkt (Periode x-Achse)

Weighted Moving Average (WMA)

Beim Weighted Moving Average (WMA) also dem gewichteten gleitenden Durchschnitt nimmt das Gewicht der einzelnen Datenpunkte linear ab. Je älter der Wert, umso geringer ist sein Einfluss auf den Wert des Indikators. Ähnlich dem EMA wird hier ein größerer Schwerpunkt auf die aktuellen Marktbewegungen gelegt. Beim EMA fällt jedoch der Einfluss der vergangenen Perioden sehr schnell ab und nähert sich dann langsam einem Nulleinfluss an. Bei der linearen Variante haben die mittleren Werte des Betrachtungszeitraums einen größeren Einfluss. Dafür ist das extreme Übergewicht, welches auf den ersten Perioden im Beispiel des EMA liegt, nicht gegeben.

Gewichtung bei 30 Perioden:

Linear Gewichteter Gleitender Durchschnitt

Abbildung 2: Darstellung der lineare verlaufenden Gewichtungen eines WMA Gewichte auf der y-Achse, die jeweilige Periode ist auf der x-Achse abgetragen.

Volume Weighted Moving Average (VWMA)

Beim Volume Weighted Moving Average (VWMA) wird das Gewicht, also der Einfluss der einzelnen Perioden auf den Wert des gleitenden Durchschnittes, durch das Handelsvolumen der jeweiligen Periode bestimmt. Je größer das gehandelte Volumen in einer Periode, umso größer ist der Einfluss auf den Wert des Moving Average. Dieser Indikator ist allerdings nicht für alle Märkte vorhanden. Zur Berechnung sind die Volumensdaten notwendig. Diese sind jedoch zum Beispiel für FOREX oder auch OTC Produkte nicht immer verfügbar. Die Intention hinter diesem Indikator ist relativ klar und einleuchtend. Kurse, die unter viel Volumen entstanden sind, sollten von mehr Marktteilnehmern erzeugt worden sein und somit vom Markt eine höhere Anerkennung erhalten, als durch wenige Transaktionen entstandene Kurse. Durch die Volumensgewichtung lässt sich nicht sagen, welche Periode in der Zukunft welches Gewicht bei der Berechnung des Indikators haben wird.

unterschiedliche Gleitende Durchschnitte

Abbildung 3:Verschiedene gleitende Durchschnitte im Metatrader 4.  Blau: der SMA – Rot: der EMA – Grün: der WMA – VWMA (ist aufgrund des Fehlenden Volumens bei FX nicht verfügbar)

Trading mit Moving Averages – Signale durch gleitende Durchschnitte

Warum sollte man unterschiedliche Moving Averages verwenden?

Durch die Nutzung unterschiedlicher gleitender Durchschnitte kann man seine Analyse verfeinern und sich vor bestimmten Situationen schützen, welche man aus einem Signal ausschließen möchte. So folgt ein EMA dem Markt wesentlich direkter, da die letzten Kurse stärker eingerechnet werden als bei einem normalen SMA. Als Folge kann es bei kurzen Korrekturen schneller zu einem Signal kommen. Wenn dies nicht gewünscht ist, kann man solche Umstände durch die richtige Wahl des gleitenden Durchschnittes vermeiden.

Moving Average Cross- Over

Eines der klassischen Handelssignale, welches sich unter Zuhilfenahme von gleitenden Durchschnitten erzeugen lässt, ist der Cross-Over – also das Schneiden von verschiedenen gleitenden Durchschnitten. Die wirtschaftliche Intention hinter diesem Handelsansatz liegt wie beim Momentum-Indikator in der Momentum-Risikoprämie. Wenn ein Markt unter Druck steht und Verluste verzeichnet, so liegt der schnelle gleitende Durchschnitt unter dem langsamen, da die aktuell fallenden Kurse einen Mittelwert mit weniger Beobachtungen stärker beeinflussen, als einen in den eine größere Anzahl an Perioden eingeht. Sobald der Markt dann wieder Kursgewinne erzielen kann, die ausreichend groß sind, damit der schnelle den langsamen Durchschnitt bricht (also von unten nach oben überkreuzt), könnte die Korrektur beendet sein und sich der Aufwärtstrend fortsetzen. Die umgekehrte Version gilt für einen Abwärtstrend. Sobald das entgegengesetzte Signal erscheint, wird die Position liquidiert. Ein großer Vorteil eines solchen Vorgehens: Die Risiken werden minimiert und die Chancen sind unendlich offen. Wieso? Ganz einfach: Betrachten wir ein Kaufsignal. Wenn das Kaufsignal erscheint, wird die Kaufposition eröffnet und so lange gehalten, bis das Gegensignal eintritt. Beginnt der Markt entgegen der Erwartung nicht zu steigen sondern zu fallen, so wird die Kaufposition schnell wieder aufgelöst. Steigt der Markt hingegen, so bleibt die Position so lange offen, bis eine eindeutige Korrektur Anlass zum Schließen der Position gibt, da die gleitenden Durschnitte sich wieder schneiden. Durch diese Asymmetrie ergeben sich ein gutes Chance-Risikoprofil und eine optimierte Renditeverteilung. Kombiniert mit fundamentalen Meinungen kann ein solcher Indikator beim Timing und der Risikobegrenzung helfen.

Steigung des gleitenden Durchschnittes – Delta des Moving Averages zur Trenddefinition

Die Urfrage des Händlers lautet wie folgt: Steigt oder fällt der Markt aktuell? Was ist der Trend des Marktes?
Eine der simpelsten Methoden der Trenddefinition ist es, verschiedene gleitende Durchschnitte zu betrachten. Steigen alle, so ist der Markt in einem Aufwärtstrend. Fällt der kurzfristige, während alle anderen steigen, ist der Markt zwar bullish, befindet sich aber aktuell in einer Korrektur. Genau dasselbe gilt selbstredend auch für einen Abwärtstrend. Somit lässt sich einfach über die Steigung der einzelnen gleitenden Durchschnitte ein Trend herleiten. Dieser ist immer eindeutig und lässt keinen Interpretationsspielraum zu.

Wem die Nutzung von vielen Durchschnitten zu aufwändig ist, kann sich auch einfach mit einem eher längerfristigen gleitenden Durchschnitt die Markttendenz anzeigen lassen. Steigt der Indikatorwert von Periode zu Periode, ist der Markt in einem Aufwärtstrend. Fallen die Indikatorwerte, so ist der Markt in einem Abwärtstrend.

Wo findet man die gleitenden Durchschnitte in den gängigen Handelsplattformen

Trader Workstation

Die Traderworkstation ist eine professionelle Handelsplattform für den Aktien-, Futures-, Options- sowie FOREX- und Bonds-Handel. Sie ermöglicht das Einbinden verschiedenster Datenfeeds und unterstützen durch die Verwendung gängiger Programmiersprachen auch die Erstellung von Handelssystemen. Ein Orderbuchtrader sowie ausgefeilte Tools zur technischen Analyse, Risikoszenarien und Impliziter Volatilitätsanalyse sind integriert. Angeboten wird sie z.B. hier.

Wie man einen Chart in der Handelsplattform von BANX öffnet und Moving Averages hinzufügt, zeigt dasVideo.

Metatrader 5

Der Metatrader 5 ist der Nachfolger der von den meisten Forex und CFD Brokern angebotenen Software MT4. Was sich im Vergleich zum MT4 geändert hat, kann nachgelesen werden.

Wie man einen Chart öffnet und Moving Averages hinzufügt, lässt sich dem Video entnehmen.

by Dez 19, 2016 Keine Kommentare
Stochastics- Technische Analyse – Signale – Anwendung

Stochastics- Technische Analyse – Signale – Anwendung

all

Der Stochastics Indikator – Funktionsweise – Anwendung – Signale

Der Stochastics ist ein Oszillator, also ein schwankender (oszillierender) Indikator. Er verwendet in der Berechnung Support und Resistance Levels, also Unterstützungen und Widerstände der aktuellen Preisspanne. Aus diesem Zusammenhang rührt auch der Name des Indikators, der seine Stärken besonders in Seitwärtsphasen im Markt ausspielt, da in der Berechnung die aktuellen Hochs und Tiefs der letzten Perioden betrachtetet werden. Der Stochastics wird wie folgt berechnet:

Stochastics Indikator berechnenStochastics Indikator Berechnung FormelDefinition Formel Stochastics Indikator Elemente

Der Indikator setzt sich aus der %K und der %D Linie zusammen. Die %K Linie ist die Differenz des aktuellen Preises und dem Tief der letzten n Perioden geteilt durch die Differenz des Hochs und des Tiefs der letzten n Perioden. %D ist dabei ein Moving Average, also ein gleitender Durchschnitt der letzten i %K Werte. Im Standardfall wird dafür ein 3er-SMA verwendet, also der Durchschnitt der letzten drei %K Werte. Es lassen sich aber auch andere gleitende Durchschnitte verwenden, um den Stochastics auf die jeweiligen Bedürfnisse des Händlers anzupassen – z.B. WMA, EMA…

Der Indikator sucht die Hoch- und Tiefpunkte der aktuellen Trading Range, also der Seitwärtsphase in der der Markt sich befindet. 0% bezeichnet dabei den Tiefpunkt der Range und 100% das aktuelle Hoch. Ist der aktuelle Marktpreis also nahe des Hochs der Range, wird der Stochastics einen Wert nahe 100% annehmen. Die Idee dahinter ist, dass ein Markt in einer Seitwärtsphase diese eine Zeitlang nicht verlässt und dass Wendepunkte sich nahe der Hoch- und Tiefpunkte der Range bilden sollten. Als Bestätigung wird dabei ähnlich dem MACD ein Schnitt des aktuellen Wertes mit dem gleitenden Durchschnitt der letzten Tage herangezogen. George Lane, einer der ersten Analysten, die den Stochastics öffentlich nutzten, legte zudem nahe, nach Einstiegen mit dem Stochstatics einen Wilder Parabolic SAR zu verwenden, einer Form des SAR Indikators.

Trading mit dem Stochastics Indikator – Stochastics Signale

Stochastics Cross Over – Das überkreuzen der %D und der %K Linie

Beim Cross Over Signal des Stochastics überkreuzt die %K-Linie die %D-Linie.ics Indikat legte zudem nahe nach Einstiegen mit dem Stochstatics einen Wilder Parabolic SAR zu verwenden, einer Form de Unterhalb oder oberhalb des 30% bzw. des 70% Levels ist das Signal dabei besonders aussagekräftig, da sich der Markt aktuell in einem extremen Bereich innerhalb der Range befindet. Unterhalb der 30% ist ein Schnitt der %K-Linie mit der %D-Linie von unten nach oben abzuwarten. Oberhalb der 70% soll die %K-Linie die %D-Linie von oben nach unten durchschneiden. Die Idee dahinter findet sich im Mean-Reversion Ansatz ­– ein Markt sollte immer wieder zurück zu seinem normalen Trend kommen. In einer Seitwärtsphase halten sich Käufer und Verkäufer die Waage und der Kurs sollte weiter um seinen fairen Preis, also den Mittelwert der Price Range schwanken.

Dies sollte funktionieren, da eine Trading Range sich selbst erhält, weil Händler-Limits an den jeweiligen Extrempunkten der Seitwärtsphase platzieren, um gute Einstiege zu bekommen. Um nun aber nicht blind einen starken Kursanstieg oder Kursverfall in der Range über Limits zu kaufen oder zu verkaufen, wartet man lieber ab, bis der Markt die Trading-Idee etwas bestätigt hat und die %K-Linie die %D Linie schneidet. Somit verschafft man sich einen Vorteil, da der Einstieg im Gegensatz zu dem anderer Händler durch den Crossover bestätigt wird, der Markt also bereits angefangen hat, sich in die gewünschte Richtung zu Bewegen. So kann die Trefferquote eines Handelssystems gesteigert werden und dadurch wird die Volatilität des Depots reduziert.

Stochastics Divergenz – tiefere Hochs oder höhere Tiefs

Hoch- und Tiefpunkte lassen sich in einer Seitwärtsphase auch mit der Methode der Divergenzen erkennen. Der Stochastics eignet sich gleichfalls, um einen Ausbruch aus der Range zu prognostizieren. Erreicht der Indikator seine alten Hochs in der Seitwärtsphase nicht mehr oder erreicht er seine alten Tiefs nicht mehr, so kann dies als Anzeichen gedeutet werden, dass die Bullen bzw. die Bären –also die Käufer oder Verkäufer– zunehmend an Kraft verlieren. Dies begünstigt den Ausbruch also das Verlassen der Range.

 

Wo findet man den Stochastics Indikator in den gängigen Handelsplattformen

Trader Workstation

Die Traderworkstation ist eine professionelle Handelsplattform für den Aktien-, Futures-, Options- sowie FOREX- und Bonds-Handel. Sie ermöglicht das Einbinden verschiedenster Datenfeeds und unterstützen durch die Verwendung gängiger Programmiersprachen auch die Erstellung von Handelssystemen. Ein Orderbuchtrader sowie ausgefeilte Tools zur technischen Analyse, Risikoszenarien und Impliziter Volatilitätsanalyse sind integriert. Angeboten wird sie z.B.hier.

Wie man einen Chart öffnet und Stochastics hinzufügt, lässt sich dem Video entnehmen.

 

Metatrader 5

Der Metatrader 5 ist der Nachfolger der von den meisten Forex und CFD Brokern angebotenen Software MT4. Was sich im Vergleich zum MT4 geändert hat, kann hier nachgelesen werden.

Wie man einen Chart öffnet und Stochastics hinzufügt, lässt sich dem Video entnehmen.

 

 

by Nov 29, 2016 Keine Kommentare
Parabolic SAR – Trendfolge Indikator

Parabolic SAR – Trendfolge Indikator

all

Der Parabolic SAR Indikator – Funktionsweise – Anwendung – Signale

Der Parabolic SAR Indikator ist ein Trendfolge-Indikator. Diese tendieren dem Markt etwas hinterher zu hängen, sie laggen. Die Abkürzung SAR steht dabei für STOP and REVERSE und genau darum geht es bei diesem Indikator. Als Trendfolger eignet er sich besonders gut dazu einen Stop Loss oder auch Trailing-Stop Levels zu finden. Besonders in starken Trendphasen spielt der Parabolic SAR seine Stärken aus. Neben den Ausstiegen lassen sich mit Hilfe des Indikators aber auch Einstiege finden. Wilder empfahl mithilfe des Parabolic SAR Indikators die Richtung des Trends festzulegen, die Stärke der Bewegung jedoch unter Zuhilfenahme eines anderen Indikators zu bestimmen.

Generell gilt: ist der Indikator oberhalb des aktuellen Marktpreises, so ist dies ein bearishes Zeichen, ist der Indikator unterhalb, so ist dies ein Indiz für ein bullishes Marktumfeld. Die Besonderheit des Parabolic SAR ist, dass heute der Indikatorwert für morgen berechnet wird. Der Indikator liefert also zum Schlusskurs den für den folgenden Tag gültigen Wert, welcher zur Stopp-Setzung oder für eine Handelsentscheidung herangezogen wird.

Ein kleines Beispiel zur Verwendung des Indikators kann dem Video unten entnommen werden.

Berechnung des Parabolic Indikators

Der Parabolic SAR Indikator berechnet den Wert für die folgende Periode wie folgt:

parabolic-sar-berechnung

Dabei ist SAR(n) der SAR des heutigen Tages und EP der Extremwert des aktuellen Trends. Im Falle eines Aufwärtstrends ist EP also das höchste Hoch, im Fall eines Abwärtstrends das tiefste Tief. Sobald in einem Trend der Extremwert gebrochen wird, wird der neue Wert in die Berechnungsformel eingesetzt und für die folgenden Berechnungen verwendet. Der Alpha-Faktor ist ein Steigerungsfaktor, welcher mit jeder Periode, in der der Trend sich fortsetzt, erhöht wird.

Die Idee des Indikators ist angelehnt an die Idee des Theta (Zeitwertverlust) aus dem Optionshandel. Er spiegelt die Kosten des Haltens einer Position wieder. Sollte eine Position keine Kursgewinne mehr erbringen, so sollte man sich von ihr trennen, da das Geld in einem anderen Asset eine bessere Performance erwirtschaften könnte. Gerade für Optionshändler und Trader, die Produkte mit Hebel verwenden, kann dieser Indikator interessant sein. Denn der Steigerungsfaktor steigt mit dem Andauern eines Trends kontinuierlich an, auch wenn keine neuen Extrempunkte erreicht wurden. Je nachdem wie hoch der Alpha-Faktor eingestellt wird, ist das Nachziehen des Indikatorwertes aggressiver oder defensiver und kann so dem Handelsstil optimal angepasst werden.  Je höher der Alpha Wert gesetzt wird, desto drastischer reagiert der Indikator auf das Alter des Trends und ein Schließen der aktuellen Position wird mit jeder neuen Periode wahrscheinlicher. Traditionell nutzen Händler im Aktienbereich einen Alpha Wert von 0.01 während Trader von Devisen oder im Rohstoffhandel einen Faktor von 0.02 nutzen. Bei beiden wird der maximale Alpha-Wert im Normalfall mit 0.2 gewählt. Würde man ein solches Maximum nicht setzen, so würde nach einiger Zeit alleine durch die Höhe des Alpha-Wertes die Position ausgestoppt werden.

Die Abbildung 1 und 2 zeigen den Einfluss des Alpha-Wertes auf den jeweiligen Durchschnitt. Es lässt sich gut erkennen, dass der Indikator bei höheren Alpha-Werten wesentlich aggressiver auf Marktbewegungen reagiert. Gleiches gilt für einen höheren Maximum-Wert, senn dieser erlaubt es, dass der Steigerungsfaktor Alpha große Werte annimmt.

Parabolic SAR Trendfolge Indikator

Abbildung 1: Einfluss des Alpha-Wertes auf die Morphologie des parabolischen Durchschnitts: Gelb = 0.001; Grün = 0.01; Blau = 0.02; Rot = 0.04

Auswirkung der Maximalwerte auf den Parabolic SAR

Abbildung 2 – Verschiedene Maximumwerte für den Alpha-Faktor: Rot = 0.05; Grün = 0.1; Gelb = 0.2

Für alle, die sich jetzt noch fragen, wie man den ersten SAR-Wert berechnet: Der Indikator nimmt den Extremwert des letzten vorherrschenden Trends und rechnet von dort aus weiter.

Trading mit dem Parabolic SAR Indikator – Trailing Stop mit Parabolic SAR

Trailing Stop anhand der SAR Punkte

Der SAR Indikator setzt im Chart auf den jeweiligen Levels kleine Punkte. Diese können in Trendmärkten eine gute Hilfestellung bei der Platzierung eines Stops darstellen. Durch die zunehmende Aggressivität des Indikators durch den Alpha-Faktor werden Gewinne bei langen Bewegungen zunehmend gesichert. Der Markt hat aber weiterhin Luft zum Atmen.

Wie bereits am Anfang gesagt, sollte neben dem Parabolic SAR noch ein weiterer Indikator oder eine weitere Methode verwendet werden, um Einstiege in einen Markt zu finden, beziehungsweise die Trendstärke zu definieren.

Je nach Handelsstil sollte man sich mit der Wahl des Alpha-Faktors, sowie dessen Maximum-Wertes auseinander setzen. Diese Faktoren können über ein frühzeitiges Ausstoppen oder sauberes Trailen einer Absicherung entscheiden. Im Optimalfall sollten hier Backtests oder ausführliche Forewardtests betrieben werden. Um zu erkennen, ob die Nutzung dieses Trendfolgers einen Mehrwert geliefert hätte, sollten historische Trades erneut mit dem Indikator durchgespielt werden

Wo findet man den Parabolic SAR Indikator in den gängigen Handelsplattformen

Trader Workstation

Die Traderworkstation ist eine professionelle Handelsplattform für den Aktien-, Futures-, Options- sowie FOREX- und Bonds-Handel. Sie ermöglicht das Einbinden verschiedenster Datenfeeds und unterstützen durch die Verwendung gängiger Programmiersprachen auch die Erstellung von Handelssystemen. Ein Orderbuchtrader sowie ausgefeilte Tools zur technischen Analyse, Risikoszenarien und Impliziter Volatilitätsanalyse sind integriert. Angeboten wird sie z.B. hier.

Wie man einen Chart öffnet und den Parabolic SAR Indikator hinzufügt, zeigt das Video.

Metatrader 5

Der Metatrader 5 ist der Nachfolger der von den meisten Forex und CFD Brokern angebotenen Software MT4. Was sich im Vergleich zum MT4 geändert hat, kann nachgelesen werden.

Wie man einen Chart öffnet und den Parabolic SAR hinzufügt, lässt sich dem Video entnehmen.

by Nov 24, 2016 Keine Kommentare
Wie Unternehmen legal die Bilanz aufhübschen

Wie Unternehmen legal die Bilanz aufhübschen

all

Analysten orientieren sich am Gewinn je Aktie, Anleger meistens an Kennziffern, wie dem KGV oder der Dividenden-Rendite, und Banken an der EK-Quote eines Unternehmens. Doch Unternehmen haben einen massiven Spielraum, wie sie ihre Bilanzen verändern, aufbessern und manipulieren können. Und das ganz legal. Ich möchte dir die gängigsten und einflussreichsten Tricks aufzeigen. Selbst geübte Analysten haben teils Schwierigkeiten die Wahrheit in den komplexen und komplizierten Berichten von Großkonzernen herauszulesen. Eine halbe Armee aus Betriebswirten und Juristen beschäftigt sich damit unschöne Wahrheiten und Zahlen in einem Gewirr aus Berechnungen und Bezeichnungen zu verstecken. Doch ein waches und kritisches Auge sollte man immer haben, wenn man Bilanzen, Finanzdaten und Kennzahlen liest und analysiert. Was einem die Konzerne vorsetzen ist definitiv nicht immer genießbar!

 

Pensionsverpflichtungen verschieben

Pensionsverpflichtungen belasten das Eigenkapital, da sie als Fremdkapital bzw. Schuld gegenüber anderen in der Bilanz geführt werden. Mittlerweile lagern die meisten Unternehmen diese Rückstellungen für Pensionsaufwendungen in so genannte Contractual Trust Arrangements (CTA) aus. Diese vom Unternehmen gegründete Penionstreuhand ist mit einem Pensionsfond vergleichbar. Das Unternehmen kann nun Pensionsrückstellungen auszahlen. Gewinn wird in das CTA eingezahlt, welches das Geld verwaltet, anlegt und die Pensionskosten trägt. In der Bilanz des Unternehmens tauchen dann nur noch die nicht ausgezahlten Pensionsrückstellungen auf. Beispielsweise parkt Evonik derzeit (Stand 2015) 8,7 Milliarden Euro außerhalb der Bilanz. Lediglich 3,4 Milliarden nicht ausfinanzierte Pensionsrückstellungen stehen in der Bilanz.

 

Unrentable Bereiche auslagern

Was die Bilanz runterzieht muss weg. Am liebsten werden diese Bereiche dann als Tochtergesellschaft ausgelagert und nicht mehr in die Bilanz einbezogen. So lagern derzeit RWE und EoN ihr Kerngeschäft aus. Die Sparten Kohle & Gas werden in Tochtergesellschaften abgespalten. Übrig bleiben sollen die grünen, sauberen und gewinnbringenden Bereiche des Unternehmens als neue Hauptfelder. Aus den Augen aus dem Sinn? Vielleicht. Was Anleger dann aber schnell übersehen: die verlustbringenden und überschuldeten Unternehmensbereiche sind weiterhin risikoreich, denn die Muttergesellschaft haftet weiterhin für die Schulden und Kosten. Zumeist bleiben beide Konzerne anfangs verbunden und trennen sich erst nach und nach. Wie beispielweise Bayer anfangs über 30% an der ausgelagerten Kunststoff-Sparte Covestro hielt und dies Schritt für Schritt mit Teilverkäufen reduziert.

 

Firmenwerte verkaufen

Steigen die Sorgen um die Zahlungssicherheit dann verkaufen Unternehmen gerne ihre Immobilien und mieten sie sofort darauf zurück (sale-and-lease-back). Der Effekt ist klar: Es kommt sehr viel Geld bzw. Liquidität in das Unternehmen und die Bilanz sieht wieder liquide und gut aus. Das zuvor gebundene Kapital ist wieder liquide. Der Nachteil ist jedoch, dass man dies nicht zu oft machen kann und die Mietkosten daraufhin den Gewinn belasten. Auch können Mietkosten nun steigen. Thomas Middelhoff konnte die Immobilien von Arcandor beispielsweise für stolze 4,5 Milliarden verkaufen und das Unternehmen war daraufhin quasi schuldenfrei. Genützt hat dies Nichts, denn die steigenden Mitkosten führten das Unternehmen schlussendlich in die Pleite.

 

Kitchen-Sinking

Um den eigenen Job und den Aktienkurs zu retten verschleiern Chefs die Kosten, verschieben Aufwendungen und drücken Abschreibungen. Ewig können diese Lasten nicht verschoben werden. Übernimmt dann ein neuer Chef die Leitung des meist angeschlagenen Konzerns ist zu erkennen, dass diese im ersten Jahr hohe Verluste machen. Bewusst! Denn der neue Chef räumt in der Bilanz auf und deckt alle Schummeleien auf und bereinigt die Bilanz. Verwendet wird für dieses Verhalten der Fachbegriff “Kitchen-Sinking”. Der neue Chef nutzt die erste Phase seiner Amtszeit, um die Altlasten seines Vorgängers aufzuräumen. So machte beispielsweise auch die Deutsche Bank unter John Cryan schnell mehrere historisch hohe Quartalsverluste. Ist der Chef dann länger im Amt, so fällt jedes Quartalsergebnis in seine Verantwortung. Nun fängt er an Verluste zu vermeiden und schleppt Probleme mit sich. Bis ein neuer Chef das Amt übernimmt und erneut aufräumt …

Anleger können sich merken, dass nach dem Amtsantritt neuer CEOs möglicherweise überraschend schlechte Quartalsergebnisse drohen.

 

Kosten wegrechnen

Lagert ein Unternehmen einen unrentablen Bereich nicht aus, so versteckt es trotzdem gern die Kosten. Die Commerzbank beispielsweise präsentiert meist stolz die Rendite der Kernbank, welche doppelt so hoch ist wie die der Gesamt-Bank. Den Markt kann man so hervorragend blenden und von den Erfolgen sprechen. Diese Angaben hoher Renditen sind zwar richtig, aber zeigen nicht das ganze Bild des gesamten Konzerns. Bilanzen kann man stets so drehen und präsentieren, dass alles halb so wild bzw. auch gut aussieht.

 

Kennziffern erfinden

Es gibt zwar vorgeschriebene Formen, wie eine Bilanz auszusehen hat. Doch während ein Unternehmen eine Mindest-Anzahl von Angaben leisten muss, so gibt es nach oben hinaus keine Grenze. Es gibt keine maximale Grenze an Angaben oder eine vorgeschriebene nutzbare Anzahl an Kennziffern. Unternehmen sind daraus resultierend erfinderisch mit den Kennziffern und Bezeichnungen. Seit ungefähr 10 Jahren ist das Ebitda populär. Dies ist der Gewinn ohne Steuern, Zinsen und Abschreibungen. Unternehmen mit hoher Steuerlast und misslungenen Zukäufen präsentieren also lieber das Ebitda, welches die schlimme Bilanz verschönert. Große Kostenpunkte werden nicht beachtet. Auch sprechen die Unternehmen von Gewinnen der Segmente, Bereiche, von nachhaltigen Gewinnen oder bereinigten. Jeder erfindet neue Namen für neue Kennziffern. Analysten und Anleger können nur schwerlich die Übersicht behalten und müssen meist die vorgesetzten Zahlen der Unternehmen einfach hinnehmen. Immer wieder werden hierbei neue Kennzahlen erfunden.

Weitere Tricks, wie Unternehmen den eigenen Aktienkurs treiben, beschönigen und/oder manipulieren können (legal!!) habe ich hier beschrieben.

 

Goodwill

Kauft ein Unternehmen ein anderes teurer ein, als dieses laut Bilanz wert ist, dann ist die Differenz dessen der Goodwill. Siemens kaufte beispielsweise das Unternehmen Dresser-Rand (Bilanzieller Wert: 2 Milliarden Euro) für 6 Milliarden Euro zu. Siemens konnte daraufhin nicht nur das zugekaufte Unternehmen mit 2 Milliarden Euro in der Bilanz führen, sondern auch die vier Milliarden Euro Goodwill wurden in der Bilanz verbucht. Zwar wird diese Summe Jahr für Jahr überpüft, basiert diese Überprüfung jedoch auf der Einschätzung des Managements. Der Goodwill ist nicht an realwirtschaftliche Bedingungen oder Prüfungen gebunden. Siemens könnte ein Jahr später den Goodwill auf 5 Milliarden erhöhen oder auch senken. Je nachdem, wie man es für die jeweilige Bilanz für die Anleger benötigt. Das Problem: Ewig kann man das nicht machen. Irgendwann ist auch den Finanzprüfern klar, dass das gekaufte Unternehmen nicht das Wert ist, als was es taxiert wird vom Unternehmen. Daraufhin folgen meist schmerzhafte und milliardenschwere Abschreibungen. Der Goodwill (also diese aus der Luft gegriffene Fantasie-Bewertung des Managements) muss korrigiert werden.

 

Eigenkapital aufplustern

VW nutze den Goodwill bei der Übernahme von Porsche aus. Für 4 Milliarden Euro erwarb VW 50% von Porsche plus der Option weitere 50% des Konzern für weitere 4 Milliarden Euro kaufen zu dürfen. In der Folge gab VW bewusst äußerst positive Erwartungen für Porsche raus und steigerte den Goodwill der eigenen Anteile kräftig. Als VW dann die Option zog und die zweiten 50% für 4 Milliarden erwarb, wurde jedoch auch der Goodwill angepasst bzw. ausgeweitet. Durch diese Spielereien der Bewertung und Aussichten des Managements konnte VW trotz der “lediglich” überwiesenen 8,4 Milliarden für Porsche 27 Milliarden Euro in seiner Bilanz verbuchen. Allein basierend auf überzogenen Bewertungen/Aussichten wurden 19 Milliarden Euro Goodwill erstellt und verbucht. Werte, welche es so eigentlich nicht gibt und VW auch eigentlich nicht zur Verfügung standen und doch in das Eigenkapital einflossen. Im Jahr 2012 fuhr Volkswagen dann auch mit 22 Milliarden Euro den größten Unternehmens-Gewinn der deutschen Geschichte ein. Ein Schelm wer böses denkt …

 

Abschreibungen strecken

Abschreibungen schmälern den Gewinn. Vor dem Finanzamt werden Abschreibungen also besonders hoch angesetzt, denn weniger Gewinn bedeutet weniger Steuern. Vor dem Markt, Banken und Anlegern soll jedoch der Gewinn glänzen. Und so kann man beispielsweise Spielräume bei der Abschreibung nutzen und Wertgegenstände nicht in 8 sondern in 10 Jahren abschreiben. Die jährliche Belastung des Gewinns sinkt. Der Gewinn steigt. Die Anleger freuen sich, obwohl der Gewinn eigentlich nicht gestiegen ist. Die Kosten wurden nur verteilt und umgerechnet.

 

Sondereffekte verschweigen

Sondereffekte sind Einnahmen und Ausgaben, welche Unternehmen erzielen, obwohl diese nicht zum organischen Geschäft gehören. Wenn ein Bäcker-Meister und Bäckerei-Besitzer seinen Firmenwagen verkauft, dann macht er in diesem Jahr vielleicht einen besonders hohen Gewinn. Dies ist aber lediglich dem Sondereffekt des Autoverkaufs zu verdanken. Nicht dem (organischen) Kerngeschäft der Bäckerei. Die Einnahmen der Bäckerei sind eventuell sogar gesunken. Diesen Spielraum nutzen Unternehmen gerne aus. Vor Allem werden die Effekte von Übernahmen verschwiegen bzw. nur im Kleingedruckten beschrieben. Wachsen Unternehmen kaum noch organisch, dann kaufen sie verstärkt Unternehmen zu, um weiter zu wachsen. So rühmte sich Allergan beispielsweise mit 74% Umsatzwachstum. Was die Anleger nicht wussten oder vergaßen nachzuschauen: Das Wachstum war fast auschließlich auf eine Fusion mit Actavis zurückzuführen. Organisch wuchsen beide Unternehmen tatsächlich nur 3%. Das hätte den Anlegern sicherlich nicht gefallen.

by Nov 22, 2016 Keine Kommentare
Momentum Indikator – Technische Analyse

Momentum Indikator – Technische Analyse

all

Der Momentum Indikator – Funktionsweise – Anwendung – Signale

Der Momentum Indikator ist ein Oszillator, also ein um eine Mittel bzw. in diesem Falle klassisch der Nulllinie schwankender (oszillierender Indikator).  Der Momentum ist der wohl am meisten verwendete Indikator. Er besticht durch seine enorme Einfachheit. Dies macht den Indikator wesentlich intuitiver als manch andere technische Analysemethode. Durch seine einfache Berechnungsweise ist der Indikator in quasi jeder Handelsplattform verfügbar.

Die Nulllinie ist eine dem Indikator hinzugefügte statische Linie. Sie resultiert nicht aus der Berechnungsformel, sondern ist vielmehr aus signalgebenden Gründen für den Indikator interessant. Die verschiedenen Signale, die aus dem Momentum generiert werden können, werden später genauer betrachtet und in dem zugehörigen Video noch anhand eines Beispiels verdeutlicht.

Berechnung des Momentum Indikators

Dem Momentum Indikator lieg keine besonders komplizierte Berechnungsformel zu Grunde. Der Indikator berechnet lediglich die Differenz vom aktuellen Schlusskurs zum Schlusskurs vor n Tagen. Der Inputfaktor, der dem Indikator in den Handelsplattformen übergeben wird, ist eben dieses n –also die Anzahl an Tagen, die der Indikator in die Vergangenheit gehen soll. Selbstverständlich kann der Indikator auch Intra-Day verwendet werden. In diesem Falle geht der Indikator dann n Perioden zurück: seien es 5min, 15min oder Stundenintervalle. Formal sieht die Berechnung des Indikators wie folgt aus:

Oszillatoren

Je positiver oder negativer der Wert des Indikators, desto besser oder schlechter war die Performance des Marktes im gewählten Zeitfenster. Im Modell der Risikoprämien ist Momentum einer der stabilsten Performance-Faktoren (selbst stabiler als Value). Die Idee hinter dem Momentum ist, dass ein Trend sich selbst immer wieder bestätigen sollte und starke Kursbewegungen das Interesse von noch nicht investierten Marktteilnehmern weckt und diese auf den schon fahrenden Zug aufspringen. Von eben diesen Händlern profitiert der Nutzer des Momentum Indikators. Es ist wichtig zu bemerken, dass manchmal das Momentum auf 100 standardisiert wird (Werte über 100 sind dann bullishes Momentum, Werte unter 100 bearishes Momentum).

Trading mit dem Momentum Indikator – Momentum Signale

Momentum –  Das Überschreiten der Mittellinie

Sobald der Indikatorwert die Nulllinie überschreitet, kann man davon ausgehen, dass das Marktumfeld sich gewandelt hat. Die Rendite der vergangenen Periode wechselt. Positionen, die in diesem Zeitfenster eröffnet wurden und die bis jetzt noch profitabel waren, sind nun unter Wwasser. Gleichzeitig werden Händler bestätigt, die die richtige Position eingenommen haben. Objektive Beobachter sehen eine solche Wende und bekommen unter Umständen Interesse in einen Markt zu investieren, da sie von der entsprechenden Marktrichtung überzeugt sind und nun ebenfalls Positionen einnehmen wollen. Dieses sehr einfache Signal kann so viele Informationen über den Markt und seine Teilnehmer liefern.

Anders als bei einem MACD Signal versucht der Händler hier nicht in eine Korrektur hinein zu handeln, sondern er sucht nach einem Markt, der sich in die gewünschte Richtung bewegt. Der Trader fährt also einen anderen Stil als ein Marktteilnehmer, der sich z.B. Fibbonacci Retracements oder dem MACD-Crossover bedient.

Momentum Divergenzen – tiefere Hochs oder höhere Tiefs

Neben dem klassischen Ansatz des Momentums, Bewegungen zu erkennen, hat sich auch die Methode Divergenzen zu handeln zunehmend etabliert. Das Momentum eignet sich auch sehr gut, um die Stärke eines Trends zu messen. Erreicht der Basiswert in seinem Trendverlauf ein neues höheres Hoch oder ein tieferes Tief, welches nicht durch ein höheres Hoch bzw. tieferes Tief im Momentum Indikator bestätigt wird, so deutet dies auf ein Abschwächen des Trends hin. Die Idee dahinter ist, dass ein Trend sich verstärken sollte. Bei starken Bewegungen sollte die Rendite des Marktes in der jeweiligen Trendrichtung groß sein. Erreicht der Markt nun also in einem Trend ein neues Hoch, verliert aber an Dynamik, so wird dies im Momentum Indikator durch ein tieferes Hoch sichtbar. Selbiges gilt auch für einen Abwärtstrend. Natürlich ist dies auch im Kursverlauf erkennbar, jedoch glättet der Momentum Indikator diesen Zusammenhang und ermöglicht durch die Signallinie zudem die Erzeugung eines Signals.

Wo findet man den Momentum Indikator in den gängigen Handelsplattformen

Trader Workstation

Die Traderworkstation ist eine professionelle Handelsplattform für den Aktien-, Futures-, Options- sowie FOREX- und Bonds-Handel. Sie ermöglicht das Einbinden verschiedenster Datenfeeds und unterstützen durch die Verwendung gängiger Programmiersprachen auch die Erstellung von Handelssystemen. Ein Orderbuchtrader sowie ausgefeilte Tools zur technischen Analyse, Risikoszenarien und Impliziter Volatilitätsanalyse sind integriert. Angeboten wird sie z.B. hier.

Wie man einen Chart öffnet und das Momentum hinzufügt, zeigt das Video.

Metatrader 5

Der Metatrader 5 ist der Nachfolger der von den meisten Forex und CFD Brokern angebotenen Software MT4. Was sich im Vergleich zum MT4 geändert hat, kann nachgelesen werden.

Wie man einen Chart öffnet und den Momentum Indikator hinzufügt, lässt sich dem Video entnehmen.

by Nov 11, 2016 Keine Kommentare
MACD – Technische Analyse – Signale – Anwendung

MACD – Technische Analyse – Signale – Anwendung

all

Der MACD – Funktionsweise – Anwendung – Signale

Der MACD ist ein Oszillator, also ein um eine Mittellinie bzw. in diesem Falle klassisch der Nulllinie schwankender (oszillierender) Indikator. MACD steht dabei für Moving Average Convergence Divergence ­– also Zusammen- und Auseinanderlaufen von gleitenden Durchschnitten).

Die Nulllinie ist eine dem Indikator hinzugefügte statische Linie. Sie resultiert nicht aus der Berechnungsformel, sondern ist vielmehr aus signalgebenden Gründen dem Indikator hinzugefügt. Die verschiedenen Signale, die aus dem MACD generiert werden können, werden später genauer betrachtet und in dem zugehörigen Video noch anhand eines Beispiels verdeutlicht.

macd-berechnungsformel-ema-ema

macd-signallinie-berechnung-sma

Für die Berechnung des MACD werden zwei exponentielle gleitende Durchschnitte verwendet, wobei der eine einen kürzeren und der andere einen längeren Betrachtungszeitraum in die Berechnung einbezieht. Um den MACD Wert zu errechnen, wird der langsamere vom schnelleren Moving Average abgezogen. Dieser Wert ist bereits das Ergebnis, denn es gibt die Differenz der beiden Moving Averages an. Die Signallinie ist ein Durchschnitt der MACD Linie / Werte.

gewichtung-macd-berechnung

Es ist also wichtig, neben den beiden Perioden für die gleitenden Durchschnitte auch die Periode für die Signallinie mit Bedacht zu wählen. Durch den dritten Eingabewert wird die Feinfühligkeit für das Eintreten eines Signales festgelegt. Mehr zu den Gewichtungen und Effekten auf das Verhalten von Moving Averages folgt in einem entsprechenden Beitrag. Je kleiner der Gewichtungsfaktor, desto stärker fließen die vorherigen Werte in die Berechnung ein. Der Dritte Input an den MACD ist der Buchstabe l in der folgenden Formel:

Die Standardeinstellung des MACD ist (12/26/9). Also ein schneller Gleitender Durchschnitt von 12, ein langsamer Gleitender Durchschnitt von 26 und ein Gewichtungsfaktor von 9. Diese Faktoren wurden von Gerald Appel, dem „Erfinder des MACD“ als stabil erachtet.

Trading mit dem MACD – Signale

Cross Over – Das überkreuzen der MACD und der Signallinie

Beim Cross Over Signal des Indikators überkreuzt die MACD-Linie die Signallinie unterhalb oder oberhalb der Nulllinie. Unterhalb der Nulllinie ist ein Schnitt der MACD-Linie mit der Signallinie von unten nach oben erwünscht. Oberhalb der Nulllinie soll die MACD-Linie die Signallinie von oben nach unten durchschneiden. Die Idee dahinter findet sich im Mean-Reversion Ansatz. Manche bezeichnen dies auch als Trading mit der Schwerkraft. Schnitte oberhalb der Nulllinie sind dabei als potenzielle Shortsignale zu betrachten und Schnitte unterhalb als bullish zu werten

Da ein Trend nicht linear verläuft, sondern sich in Hoch- und Tiefpunkten um den Trend herum entwickelt, zielt der Indikator darauf ab, die Übertreibungen des Marktes zu erkennen, indem er misst, wie weit der schnelle gleitende Durchschnitt (kurzfristige Bewegung) sich vom langsamen gleitenden Durchschnitt entfernt (Trend). Wird diese Distanz zu groß, sollte die Bewegung korrigieren, der Markt sollte also wieder in ein angemesseneres Preisniveau zurückkehren. Um nun aber nicht blind einen starken Kursanstieg oder Kursverfall zu kaufen oder zu verkaufen, wartet man ab, bis der Markt die Trading-Idee etwas bestätigt hat und der MACD die Signallinie schneidet.

Um die Aussagekraft des Moving Average Convergence Divergence zu verstärken, ist es interessant, sich zusätzlich noch eine fundamentale Meinung oder ein langfristiges technisches Bild eines Wertes zu machen und so mit Hilfe des MACD einen Einstieg in einen langfristigen Trend oder Zyklus zu bekommen.

MACD Divergenzen – tiefere Hochs oder höhere Tiefs

Neben dem klassischen Ansatz des MACDs, Übertreibungen zu erkennen, hat sich auch die Methode Divergenzen zu handeln zunehmend etabliert, denn der Indikator eignet sich auch sehr gut, um die Stärke eines Trends zu messen. Erreicht der Basiswert in seinem Trendverlauf ein neues höheres Hoch oder ein tieferes Tief, welches nicht durch ein höheres Hoch bzw. tieferes Tief im MACD bestätigt wird, so deutet dies auf ein Abschwächen des Trends hin. Die Idee dahinter ist, dass ein Trend sich verstärken sollte. Bei starken Bewegungen sollte die Differenz des MACD groß sein. Erreicht der Markt nun also in einem Trend ein neues Hoch, verliert aber an Dynamik, so wird dies im MACD durch ein tieferes Hoch sichtbar. Selbiges gilt auch für einen Abwärtstrend. Natürlich ist dies auch im Kursverlauf erkennbar. Jedoch glättet der MACD diesen Zusammenhang und ermöglicht durch die Signallinie zudem die Erzeugung eines Signals.

Wo findet man den MACD in den gängigen Handelsplattformen?

Die Traderworkstation ist eine professionelle Handelsplattform für den Aktien-, Futures-, Options- sowie FOREX- und Bonds-Handel. Sie ermöglicht das Einbinden verschiedenster Datenfeeds und unterstützen durch die Verwendung gängiger Programmiersprachen auch die Erstellung von Handelssystemen. Ein Orderbuchtrader sowie ausgefeilte Tools zur technischen Analyse, Risikoszenarien und Impliziter Volatilitätsanalyse sind integriert. Angeboten wird sie z.B. hier.

Wie man einen Chart öffnet und den MACD hinzufügt, lässt sich dem Video entnehmen.

 

Metatrader 5

Der Metatrader 5 ist der Nachfolger der von den meisten Forex und CFD Brokern angebotenen Software MT4. Was sich im Vergleich zum MT4 geändert hat, kann hier nachgelesen werden.

Wie man einen Chart öffnet und den MACD hinzufügt, lässt sich dem Video entnehmen.

by Sep 30, 2016 Keine Kommentare
Das Orderbuch richtig lesen!

Das Orderbuch richtig lesen!

all

Wie entsteht ein Börsenkurs?

Orderbuch: Ob in der Tageszeitung, auf dem Handydisplay, dem Händlerbildschirm am Arbeitsplatz oder der Kurstafel über dem Börsenparkett: die aktualisierten Kurse verschiedener Basiswerte prägen die eingeschlagene Marktrichtung nachhaltig.

Die Frage nach der künftigen Entwicklung dieser Kurse beschäftigt zahlreiche Börsenexperten, professionelle sowie unerfahrene Anleger und füllt ganze Regalreihen mit entsprechender Fachliteratur. Bei der Analyse potentieller Preisänderung von Finanztiteln überspringen viele Investoren allerdings vor dem gewagten Schritt in die Zukunft den essentielleren Schritt bei der Kursprognose- Die Frage nach der Entstehung.

Die vermeintliche Antwort nach der Wurzel des aktuellen Marktpreises für ein Finanzinstrument liegt meist in einer Kombination von Wirtschaftsnachrichten, Fundamentaldaten oder häufig verwendeten Chartmustern. Natürlich sind diese Ansätze nicht falsch. Sämtliche der genannten Parameter tragen ihren individuellen Part zur Dynamik der Kurse bei. Allerdings ist die Antwort viel simpler als zumeist angenommen.

Der Preis für eine Aktie, einen Rohstoff, ein Währungspaar oder andere Finanztitel entsteht, wie bei allen anderen Gütern, durch das Aufeinandertreffen von Angebot und Nachfrage.

Erster Schritt in Richtung Orderbuch – Der Begriff Order

Diese preisbestimmenden Determinanten werden an der Börse durch Kauf- und Verkaufsanweisungen der Marktteilnehmer repräsentiert. Im Fachjargon spricht man hierbei von einer Order, die den Handel eines Finanztitels am Kassa- oder Terminmarkt in Auftrag gibt.

Die Order beinhaltet grundsätzlich folgende Informationen:

  • Identifikationsnummer des zu handelnden Wertpapieres
  • Klassifikation des Auftrages (Kauf oder Verkauf des Finanzinstruments)
  • Volumen des Auftrags
  • Form der Order (limitierter oder unlimitierter Auftrag)
  • Gültigkeit der Order
  • Börsenplatz bzw. Plattform über die das Geschäft abgewickelt werden soll

Was ist ein Spread/Bid/Ask?

Zwar lassen diese initialen Kenntnisse zum Entstehungsprozess vermuten, dass die Preisfindung ein simpler Vorgang ist, allerdings erhöht sich die Komplexität durch das Einwirken der primären Triebkräfte Angebot und Nachfrage. Die Vorstellungen über einen gerechten Preis für das Finanzinstrument sind zumeist ebenso individuell wie die Individuen, welche den entsprechenden Auftrag an den Handelsplatz übermitteln. In einem theoretisch vollkommenen Markt dürften die Vorstellungen von Anbieter und Nachfrager im Grunde nicht signifikant voneinander abweichen. Von diesem Idealzustand sind die tatsächlichen Gegebenheiten weit entfernt.

Den einen tatsächlichen Preis in Form einer alleinstehenden Dezimalzahl in der zugehörigen Währung gibt es nicht. Tatsächlich erhält der Marktteilnehmer zu jedem Produkt ein dynamisches bilaterales Gefüge von Kauf- und Verkaufspreis. Auf der linken Seite steht der Geldkurs, der dem Inhaber eines Wertpapiers den erzielbaren Betrag bei einem Verkauf ausweist. Der englische Begriff Bid (deutsch: Angebot) erscheint an dieser Stelle zielführender, denn der Term lässt auf einen Anbieter schließen, der seine Ware veräußern will.

Einen zumeist höheren Preis findet der Investor auf der rechten Briefseite. Der publizierte Wert zeigt dem Interessenten, zu welchem Gegenwert er aktuell den Finanztitel erstehen kann. Auch in diesem Fall findet sich die treffendere Umschreibung der Briefseite im angelsächsischen Namen Ask (deutsch: Nachfrage).

Die Differenz zwischen Geld- und Briefkurs lässt sich rational durch die unterschiedlichen Zielsetzungen der Akteure erklären. Der Verkäufer will die Ware zu einem möglichst hohen Preis veräußern, während der Käufer daran interessiert ist, das Gut zu geringfügigen Kosten zu erhalten. Der Unterschiedsbetrag zwischen Geld- und Briefkurs wird im Fachjargon als Spread bezeichnet. Zwar gibt es diverse Variationen in der Herleitung dieser Handelsspanne, allerdings konzentrieren wir uns in diesem Fall auf den absoluten Spread. Dieser resultiert, indem man vom Betrag der Briefseite den Gegenwert der Geldseite subtrahiert.

Leider wird die beschriebene Geld-Brief-Spanne, gemessen an ihrer Bedeutung, von vielzähligen Anlegern nicht ausreichend gewürdigt. Grundsätzlich ist es wichtig zu verstehen, dass der zu zahlende Unterschiedsbetrag für den Anleger ein Kostenfaktor und für das Emissionsunternehmen bzw. den vermittelnden Broker einen Ertrag darstellt. Daher sollte der potentielle Investor sich bereits vor dem ersten Handelsabschluss mit den Spreads des jeweiligen Brokers intensiv auseinandersetzen, denn diese beeinflussen seine Gesamtkosten und somit seine Performance.

Ein attraktiv erscheinender Anbieter, der mit einem spreadlosen Handelsgeschäft wirbt, kann den entgangenen Ertrag durch die höheren Ordergebühren mühelos ausgleichen. Auch für das eigene Depot ist der Spread von Bedeutung. Bei jedem eingegangenen Handelsabschluss erhöht der Spread hypothetisch die Gesamtkosten, denn die unmittelbare Glattstellung der Position würde einen Verlust mit sich bringen. Ein Kleinanleger in der Lernphase mit einem vergleichsweise geringeren Budget sollte sich zunächst eher an liquideren Märkten und Produkten orientieren, um die möglichen Verluste vorab zu begrenzen.

Bei hohen Abständen zwischen Kauf- und Verkaufspreisen spricht man von einem breiten Spread. Enge Geld-Brief-Spannen werden mit dem Adjektiv eng betitelt. Der tatsächliche Unterschiedsbetrag variiert mit zunehmenden Zeitverlauf und ist abhängig von vielen unterschiedlichen Faktoren wie der Liquidität des zugrundeliegenden Basiswertes, dessen Volatilität, dem Emittenten des Wertpapiers oder dem Börsenplatz, über den das Produkt gehandelt wird. Die Differenzen im umsatzstärkeren Markt des Devisenhandels werden geringer ausfallen als bei exotischeren Basiswerten mit einer geringen Marktkapitalisierung.

Im Falle eines besonders liquiden Marktes spricht der versierte Händler von einem Tight Market oder Narrow Market, da hier der Spread besonders eng ist. Das genaue Gegenteil hat der Investor bei einem Slack Market zu erwarten. Welche Rolle der Bid-Ask-Spread bei der Kursermittlung einnimmt, wird nun bei der Erläuterung des Orderbuches erläutert.

Einführung Orderbuch

Orderbuch lesen

Tatsächlich repräsentiert die Kursfeststellung eine der wichtigsten Aufgaben jeder Börse. Ausgeführt wird dieser Auftrag von einem Börsenmakler, welcher bei dieser Tätigkeit von der internen Handlungsüberwachungsstelle überprüft wird. Neben verschiedenen Informations- und Kontrollsystemen greift der Makler bei der Kursfindung auf das Orderbuch zurück.

Das Orderbuch offeriert dem Händler eine Bestandsliste mit gegenwärtigen Kaufs- und Verkaufsaufträgen für das entsprechende Finanzinstrument. Im Rahmen dieser Aufstellung sind die gesammelten Kundenorders gemäß ihrer Limitierung angeordnet.

Um das Orderbuch zielführend zu instrumentalisieren, sind die darin enthaltenen Informationen über das Zusammenspiel von Angebot und Nachfrage sachgemäß zu interpretieren. Der Anleger erhält zumeist einen Überblick über die zehn Aufträge mit den zum Zeitpunkt besten Kursen in Relation zum zuletzt festgestellten Gleichgewichtspreis. Auf der linken Seite des Buches werden die Kaufaufträge gelistet. Die Anzahl der Anordnungen wird mit absteigenden Preis aufsummiert, denn ein Investor würde das betrachtete Finanzprodukt nicht nur zum aufgegebenen Limit, sondern auch günstiger erstehen wollen.

Funktionsweise und Aufbau der rechten Seite – mit den Verkaufsorders – entspricht nahezu vollständig der gegenüberliegenden Käuferseite. Der gravierende Unterschied liegt in der Kumulation der Orders, denn die letzte Anzahl an Verkaufsaufträgen wird hier beim nächst höheren Preis zum entsprechenden Gebot hinzugerechnet.

Unter den Investoren wird die Anzahl der Aufträge häufig durch den Begriff Volumen ersetzt. Das Volumen wird im Gegensatz zu den Preisen nicht nur quantitativ, sondern durch die grafische Darstellung von farblichen Balken auch visuell präsentiert.

Schlussendlich eröffnet das Orderbuch einen Einblick in die Kurshistorie. In der Historie des vorliegenden Bildbeispiels sind neben den festgestellten Preisen der vergangenen Periode auch einige Kurse mit dem Zusatz „G“ versehen worden. In diesem Fall konnte die limitierte Kauforder nicht ausgeführt werden, da das eingestellte Kaufgebot unterhalb des aktuellen Briefkurses liegt. Der Makler zeigt dem Kunden durch den festgestellten Geldkurs (G), dass die Order registriert wurde, aber zum gegenwärtigen Zeitpunkt nicht ausführbar ist. Der Geldkurs signalisiert, zu welchem Preis das Produkt aktuell am entsprechenden Börsenplatz verkauft werden kann. Unter der Zuhilfenahme der vergangenen Schlusskurse und der festgestellten Preise innerhalb der betrachteten Handelsphase kann der Anleger die Kontinuität der Kurse beurteilen und bei seiner eigenen Order berücksichtigen.

Sämtliche Informationen aus dem Orderbuch helfen dem Makler bei seiner Aufgabe, einen ordnungsgemäßen Kurs festzustellen. Hierbei sind vor allem die Preis- und Zeitpriorität zu beachten. Der Börsenmakler ist verpflichtet, den Kurs festzustellen, zu dem der höchstmögliche Umsatz durch die Ausführung von Kauf- und Verkaufsaufträgen generiert werden kann. Dieses Ziel, möglichst viele Orders durchzusetzen, wird in der Händlersprache Meistausführungsprinzip benannt.

Im Rahmen der Statuten kann es auch zu einer Teilausführung kommen, sofern auf Käufer- oder Verkäuferseite ein Überhang besteht und zum gegenwärtigen Kurs somit nur ein Teil des Bedarfs erfüllt werden kann.

Abgesehen von der preisbezogenen Orientierung ist die zeitliche Komponente bei der Kursfeststellung von Bedeutung. Das System versieht jede Order mit einem zeitlichen Eingangsvermerk, sodass bei der Ausführung kein Auftrag vernachlässigt wird. Somit werden identische Gebote in Relation zu ihrem zeitlichen Eingang abgewickelt.

Die im Orderbuch enthaltenen Kauf- und Verkaufsaufträge können erst dann ausgeführt werden, wenn Geld- und Briefkurs übereinstimmen. In speziellen Fällen kann der Börsenmakler durch einen Liquiditätszuschuss für die Ausführung sorgen, auch wenn Geld- und Briefkurs nicht übereinstimmen. Nichtsdestotrotz muss der Kurs innerhalb des vorgegebenen Spreads festgestellt werden. Zur Unterstützung des Händlers signalisiert ein automatisiertes Kontrollsystem dessen Ausführbarkeit.

Nachdem die entsprechende Order nach dem Meistausführungsprinzip abgewickelt wurde, verschwinden die betroffenen Aufträge aus dem Buch und die nachstehenden Gebote ersetzen ihren Platz. Im Preisfindungsprozess werden sogenannte Stop-Loss- bzw. Stop-Buy- Orders nicht berücksichtigt, da Sie bei der Auslösung zumeist in eine Market Order transformiert werden und erst mit dieser erfolgten Umwandlung realisiert werden können.

Im Allgemeinen unterscheidet man zwischen offenem und geschlossenem Orderbuch. Selbstverständlich erhält der professionelle Börsenhändler bei der Kursfeststellung die aufgeführten Informationen in beiden Versionen, allerdings bleiben diese beim geschlossenen Orderbuch anderen Anlegergruppen vorenthalten. Deshalb ist das offene Orderbuch und seine potentiellen unterstützenden Hinweise für die Handelsstrategie von Privatanlegern äußerst lukrativ.

Welche Vorteile bietet das offene Orderbuch

Nachdem die Anatomie und die Funktionsweise des Orderbuches oben sukzessive definiert wurde, gilt es nun, den Mehrwert für das eigene Handeln durch die Anwendung des erlernten Verständnisses zu verdeutlichen.

Das offene Orderbuch ist nicht nur als reine Bestandsliste von Kauf- und Verkaufsanweisungen zu betrachten. Liest man zwischen den Zeilen, so erhält man wertvolle Hinweise für die eigene Handelsstrategie.

Das bezifferte Verhältnis von Käufern und Verkäufern galt bereits in der Historie als unterstützendes Werkzeug bei der Prognose kurzfristiger Kursverläufe. Der gezielte Blick auf die Orderlage wurde bereits vor der heute weit verbreiteten Charttechnik täglich genutzt, da in der Vergangenheit die Preise zur Vervollständigung des Kursbildes aufwendig abgetragen und zusammengeführt werden mussten.

Des Weiteren dient das Wissen hinsichtlich des Handelsvolumens und der Nachfrage- oder Angebotspreise als Orientierungspunkt für den eigenen Gegenwert des bevorstehenden Kaufs oder Verkaufs. Somit erhöht sich die Chance einem nicht marktgerecht kalkulierten Preis und somit einem potentiellen Verlust oder einer Teilausführung präventiv entgegenzuwirken.

Schlussendlich wird die Orderlage durch die visuelle Gegenüberstellung von Kaufs- und Verkaufsvolumen zu den Kursen um den entsprechenden Gleichgewichtspreis erweitert. Das symmetrische Zusammenspiel von bezifferten und grafisch aufbereiteten Informationen offeriert dem Investor einen transparenten und schnellen Überblick bezüglich der gegebenen Preisdynamik (preislichen Dynamik/Kursdynamik) am fokussierten Markt.

Das Orderbuch, kurz zusammengefasst

Schlussendlich wird die initiale Frage nach der Entstehung des Börsenkurses auf die vorgenannten zusammenwirkenden Energien von Angebot und Nachfrage beantwortet. Das aktuelle Verhältnis zwischen den kaufenden und verkaufenden Marktteilnehmern, lässt sich aus der nun transparenteren Anatomie des Orderbuches ableiten und instrumentalisieren.

Die augenblickliche Orderlage, sowie das Wissen hinsichtlich des Preisfindungsprozesses können dem Anleger bei der Bestimmung eines angemessenen Kauf- oder Verkaufsgebots unterstützen und langfristig zur Verbesserung seiner Performance beitragen.

Letztlich bleibt zu erwähnen, dass der Komfort eines offenen Orderbuches und somit ein Überblick der aktuellen Lage nicht an jedem Börsenplatz geboten wird. Steht diese potentielle Informationsquelle dem Investor jedoch zu Verfügung, sollte er diese bei seiner finalen Anlageentscheidung stets berücksichtigen.

Viel Erfolg dabei wünscht Euch

Das Insidetrading-Team

by Aug 19, 2016 3 Kommentare
RSI – Relative Strength Index

RSI – Relative Strength Index

all

RSI – Relative Strength Index

Der Relative Strength Index (RSI) gehört zu den Oszillatoren und wird im deutschsprachigen Raum auch oft als Relative-Stärke-Index oder Relative-Stärke-Indikator bezeichnet. Erfinder des RSI ist J. Welles Wilder, der diesen und weitere technische Indikatoren erstmalig in seinem bahnbrechenden Buch „New Concepts in Technical Trading Systems“ im Jahre 1978 erwähnte.

Der Relative Strength Index setzt die aktuellen und historischen Stärken und Schwächen eines Finanzproduktes ins Verhältnis. Grundlage für die Berechnung sind die Schlusskurse des vorher festgelegten Betrachtungszeitraums.

Der RSI wird auch als Momentum-Oszillator bezeichnet, da dieser sich auf die Geschwindigkeit und das Ausmaß der aktuellen Preisbewegungen bezieht.

Das bedeutet, dass Wells die Dynamik des Verhältnisses von höheren zu niedrigeren Schlusskursen betrachtet und somit Finanzprodukte mit einer positiven Entwicklung ein höheres RSI aufweisen als Finanzprodukte mit einer negativen Preisentwicklung.

Der übliche und von Wilder empfohlene Betrachtungszeitraum ist 14 Tage, aber dieser ist grundsätzlich frei wählbar. Ein kürzerer Betrachtungszeitraum führt zu einer hohen Volatilität und vielen Signalen, wohingegen ein längerer Zeitraum weniger Signale generiert.

Wie berechnet sich der RSI

Nachdem es einen neuen Schlusskurs gibt, wird erst einmal festgestellt, ob es sich in dieser „neuen“ Periode um eine positive (U upward Change) oder negative (D downward Change) Entwicklung handelt.

Positive Entwicklung:
U = Schlusskurs (neu) – Schlusskurs (alt)
D = 0

Negative Entwicklung:
D = Schlusskurs (alt) – Schlusskurs (neu)
U = 0

Wenn es keine Veränderung zum vorherigen Betrachtungszeitraum gibt, ist U= D= 0.

Als nächstes wird die Summe aller U und D für den entsprechenden Betrachtungszeitraum (n-Perioden) berechnet und durch n geteilt, um das arithmetische Mittel (Mittelwert) zu erhalten.

Summe aller positiven Entwicklungen:
Sum (D) = n1 + n2 + … +nn

Summe aller negativen Entwicklungen:
Sum (U) = n1 + n2 + … + nn

arithmetisches Mittel der positiven Entwicklungen in n Perioden:
avg (D) = Sum (D) / n

arithmetische Mittel der positiven Entwicklungen in n Perioden:
avg (U) = Sum (U) / n

Dadurch berechnet sich der Relative Strength Index wie folgt:
RSI = avg (D) / (avg (D)+ avg (U))

Anwendung

Der Relative Strength Index ist ein Indikator, der nicht im Preischart eingezeichnet wird, sondern darunter oder darüber zu finden ist (siehe Titelbild). Der Wert des Relative-Stärke-Index ist eine Zahl zwischen 0 und 100, wobei die einzelnen Werte zu einem Chart verbunden werden. Der Indikatoraufbau ist wie folgt:

RSI

In der Regel gibt es eine obere Markierungslinie bei 70, eine mittlere bei 50 und eine untere Markierungslinie bei 30. Die RSI-Werte werden als Chart dargestellt (hier blau).

Interpretation

Die Intention von Wilder ist es, mit diesem Indikator überkauftes und überverkauftes Verhalten an den Märkten zu signalisieren. Das bedeutet, wenn Kurse sehr stark und schnell steigen, dann werden diese irgendwann überkauft sein und dieses führt dazu, dass diese wieder fallen auch wenn es nur für eine kurze Korrektur ist. Dasselbe gilt natürlich vice versa: wenn ein Markt oder das Finanzprodukt sehr stark und schnell fällt, dann wird dieses irgendwann überverkauft sein und nicht weiter fallen, sondern wieder steigen.

Der RSI signalisiert überkauftes und überverkauftes Verhalten und das bedeutet, dass eine Reaktion vom Markt und damit einhergehend eine Gegenbewegung bevorsteht.

 RSI_überkauft_überverkauft

Im Bild sehen wir in blau den Relative Strength Index als Chart eingezeichnet. Der RSI gibt die aktuelle/jüngste Stärke bzw. Schwäche eines Finanzproduktes an und die Steigung des RSI ist zu der Geschwindigkeit der Veränderung des Trends direkt proportional.

Wilder glaubt, dass Höchst- und Tiefst-Positionen durch einen Relative Strength Index von über 70 oder unter 30 dargestellt werden. So wird ein RSI-Trading-Level von über 70 als überkauft und ein RSI-Trading-Level von unter 30 als überverkauft gewertet. Kurse zwischen 30 und 70 werden als neutral bezeichnet, ein RSI von 50 weist keinen Trend auf.

Abweichungen / Divergenzen

Grundsätzlich wird angenommen, dass eine Divergenz zwischen dem RSI und der Preisentwicklung ein starker Indikator für eine bevorstehende Trendwende ist. Eine bearische Divergenz liegt vor, wenn die Preisentwicklung des Basiswertes ein neues Hoch ausbildet, aber dieses vom RSI nicht durch neue Hochs bestätigt wird. Für die bullische Divergenz gelten neue Tiefs in der Preisentwicklung und eine fehlende Bestätigung im RSI.

Hier geht es zu unseren großen Sammlung der wichtigsten Analysetools!

by Mrz 17, 2016 Keine Kommentare
Warum die Charttechnik funktioniert?!

Warum die Charttechnik funktioniert?!

all

Warum die Charttechnik funktioniert?!

in unserer Serie „Charttechnik“ geht es darum, wie man den Markt anhand seiner Preisentwicklung bewerten und prognostizieren kann. Für viele klingt das etwas unrealistisch und fragwürdig, doch viele Anleger, auch auf institutioneller Seite, prüfen die charttechnische Situation an den Märkten, bevor sie zu Investieren beginnen.

Bei der charttechnischen Analyse wird speziell versucht, sich auf die Seite des Marktes zu stellen, welche einem Anleger Kursgewinne verspricht. Man versucht dem aktuellen Markt-Moment zu folgen.

Die Kurse an den Märkten werden durch die Kauf- und Verkaufseite geformt, die Charttechnik bedient sich nun verschiedener Instrumente, welche die Richtung des Preis-Trends herausstellen sollen und/oder aufzeigen, wann der Markt überkauft oder -verkauft ist.
Wenn ein Kurs nun nachhaltig steigt und die technische Analyse entsprechend Kaufsignale liefert, resultiert dies aus größerem Kauf- als Verkaufsinteresse.
Steigende Kurse wirken wiederum attraktiv auf Investoren, welche noch keine Position im Markt eingenommen haben.
Hier nochmals das Schema aus dem Charttechnik-Bereich:

Chartechnische Analyse 1

Chartechnische Analyse 2

Chartechnische Analyse 3

Gleiches gilt für den sich im fallenden Zustand befindenden Markt. Hier nutzen Investoren Phasen, in denen der Kurs sich etwas erholt, um erneut zu verkaufen. Dadurch wird der Verkaufsdruck auf den Markt größer als der Support, den die Käufer den Kursen bieten – daher auch Support-Level oder Unterstützungsniveau. Diese Levels sind einfach Preisniveaus, in denen sich historisch ein besonderes Kauf- oder Verkaufsinteresse gezeigt hat, was auf eine „faire“ Bewertung nach Ermessen des Marktes schließen lässt.
Klassisch zeichnet man diese immer an den Hoch- und Tiefpunkten ein, da sich an diesen Kursstellen bzw. zu diesen Preisen ein Nachfrage-/Angebotsüberhang bilden konnte, der den Kurs wieder drehen lies.

Chartechnische Analyse 4

Daher haben Trends die Eigenschaft sich, kontinuierlich selbst am Leben zu erhalten, was dem Sprichwort „The Trend is your friend“ einen ganz neuen Anstrich verleiht.

Das zu den Grundprinzipien der Chart- und Markttechnik.

Warum funktioniert nun aber die technische Analyse im Detail, da diese ja Durchschnitte und andere Ableitungen des Preises und der Rendite wie zum Beispiel die Volatilität verwendet?

Die technische Analyse nutzt das Sentiment aus, dass gerade am Markt vorherrscht, in dem sie zum Beispiel einen Durchschnitt der Preise der letzten Handelsperioden bildet, sogenannte Moving-Averages oder auch gleitende Durchschnitte.
Diese Durchschnitte haben nun die Eigenschaft, dem Markt immer etwas hinterher zu hängen. Sie liegen daher in einem Abwärtstrend oberhalb des aktuellen Preises und in einem Aufwärtstrend tendenziell unterhalb. Dies liegt an der Berechnungsweise, da auch die Kurse der vergangenen Perioden mit eingerechnet werden und diese in einem Abwärtstrend tendenziell höher lagen als der aktuelle Kurs und im Fall eines Aufwärtstrends eben äquivalent niedriger.
Wie sich diese Methodik rechtfertigt? Auf zwei Weisen!

Erstens: Wir wissen aus unserer Beschreibung oben, dass ein Handeln mit dem Trend eine größere Erfolgswahrscheinlichkeit hat. Wenn der Markt durch einen solchen Indikator eine eindeutige Trenddefinition erfährt, hilft dies nicht gegen die aktuelle Trendrichtung zu handeln und erleichtert so das Herausfiltern von Signalen mit einer geringeren Erfolgschance, wenn man den Trend handeln möchte.

Zweitens: Solange die Kurse tendenziell immer höher liegen, ist auch der Kaufdruck größer als der Verkaufsdruck. Wenn man den Kurs selbst betrachten würde, um daran den Trend zu definieren, wäre dies nicht besonders einfach.
Angenommen unsere Trenddefinition ist es, dass wir nach einem Tag, an dem der Markt höher geschlossen hat einen Aufwärtstrend annehmen und wenn der Markt schwächer geschlossen hat einen Abwärtstrend, so würde ein einziger Tag das Bild über den Haufen werfen, welches wir uns vom Markt gemacht haben.
Ein Durchschnitt hilft, denn auch wenn der aktuelle Tag negativ ist, oder auch einige vorhergegangene, so kann ein Durschnitt trotz allem weiterhin einen steigenden Wert aufweisen und verwirft nicht sofort die aktuell getroffene Trenddefinition.

Die Trenddefinition mithilfe von gleitenden Durschnitten kennt allerlei Formen, so gibt es den sogenannten Moving Average Crossover.

Chartechnische Analyse 5

Wie gut zu erkennen ist, verläuft der blaue (schnellere) gleitende Durchschnitt während Aufwärtstrendphasen oberhalb des langsameren grünen Durchschnittes.
Schnell und langsam meint dabei wie viele Perioden betrachtet werden. Im Beispiel handelt es sich bei den Durchschnitten um die Perioden 30 und 200, also um die letzten 30 beziehungsweise 200 Schlusskurse der gewählten Zeiteinheit, hier der M1 des DAX.
Der Crossover verbildlicht, wie die kürzere und die längere Vergangenheit miteinander in Verbindung stehen.
Im Beispiel befand sich der Markt zu Beginn des Bildes in einer Abwärtsbewegung, denn Verkäufer dominierten den Markt und Preise wurden immer weiter nach unten gedrückt. Als plötzlich Käufer in den Markt kommen und eine schnell Bewegung einsetzt, reagiert der schnelle gleitende Durchschnitt als erstes und zieht über den langsameren. Dies deutet an, dass sich das aktuelle Marktumfeld von dem bisherigen unterscheidet und aktuell der Kaufdruck den Verkaufsdruck überwiegt. Solche und ähnliche Techniken lassen sich sehr gut nutzen, um Trendfolgestrategien zu entwickeln und auszubauen.
Ein Beispiel wäre eben die genannte Strategie des Cross-Over, diese wurde im Artikel Automatisiertes Trading näher erläutert (ein kleiner Klick entfernt).

Kurz zusammengefasst lässt sich also sagen, dass die Charttechnik aufgrund der Psychologie der Marktteilnehmer und deren Spuren funktioniert, die sie durch ihr Handeln im Orderbuch und damit auch im Preisverlauf hinterlassen.
Handeln mit Charttechnik und technischer Analyse bedeutet also immer auch, sich zu überlegen was andere Marktteilnehmer aktuell bewegt und wo deren Stopps und Limits liegen könnten.

Mehr zu den angesprochenen Themen findet sich in unserem Wissensbereich.

InsideTrading.

by Feb 10, 2016 Keine Kommentare
„Kaufen, wenn in den Straßen Blut fließt“

„Kaufen, wenn in den Straßen Blut fließt“

all

Baron Rothschild soll einmal gesagt haben: “Man muss kaufen, wenn in den Straßen Blut fließt“. Ganz so drastisch würde ich es vielleicht nicht ausdrücken, doch er hatte erkannt, dass sich Wenden in Strömungen und Trends oftmals durch kriegerische Konflikte abzeichnen.

Durch die damit einhergehende wirtschaftliche Rezession werden Waren wie Lebensmittel sehr teuer, aber Kapital wie Maschinen oder Produktionsstätten  werden eher günstig zu erwerben sein (aufgrund der politischen Unsicherheit, mangelnder Nachfrage und Geldnot). Es sind dieselben Gründe, die auch heute bei fallenden Aktienkursen angegeben werden.

Was hat aber eine solche Weisheit mit unserer heutigen Zeit zu tun?

Und noch viel wichtiger: Welchen Einfluss hat das auf die eigenen Investments?

Die richtige Antwort ist: Nichts und gegebenenfalls doch alles!!!!!

Denn heute wird der Konflikt  zum Glück zumeist nur noch im Orderbuch (Auflistung der Kauf- und Verkaufsaufträge für ein bestimmtes Wertpapier) ausgefochten.

Wir haben in einem anderen Artikel bereits den Trendaufbau nach Markttechnik näher betrachtet. Dabei wurde angesprochen, dass Trends ineinander verschachtelt sein können und man damit Einstiege finden und Geld verdienen kann.

Rothschild sagte, dass Kriege und Brüche in aktuellen Entwicklungen ein gutes Indiz für eine Wende im Trend seien …und was früher die Weltkriege waren, sind heute der Fall einer Bank oder Fonds.

Doch nun wollen wir das anhand des Trends selbst bestimmen!

DAX D1

Bilder zum zoomen anklicken.

Ich habe hier den Dax(30) auf Tagesbasis mit eingezeichnetem Trendverlauf nach Markttechnik vorbereitet. Bei diesem habe ich eine Wendestelle markiert. Diese ist nicht ganz optimal verlaufen, da danach der Markt noch einmal korrigierte. Aber die untergeordneten Trends, auf die ich eingehen möchte, waren sehr klar zu erkennen.

Mir ist wichtig, dass man folgenden Zusammenhang möglichst gut versteht. Daher habe ich ein kurzes Video dazu erstellt.

Der Dax befindet sich im oberen Bild ganz unverkennbar in einem Aufwärtstrend, wie an den höheren Hoch- und höheren Tiefpunkten zu erkennen ist.

Wir wollen nun zeigen, wie man auf eben diesen Trend aufspringen kann und dabei durch eine kleine Ineffizienz einen guten Einstieg findet. (Korrektur im Trend – wie Rothschild, nur kurzfristiger, wir denken ja nicht in Generationen :-)).

Den untergeordnetenTrend erkennen:

DAX H1

Wenn man nun in die Wendestelle „hineinzoomt“ und sich den Preisverlauf auf Stundenbasis anschaut, so erkennt man, dass hier die kurze Korrektur klar als Abwärtstrend erkennbar ist. Dieser bildet dann einen Boden und kehrt sich in einen Aufwärtstrend um. Man erkennt gut die zu Beginn fallenden Hochs und fallenden Tiefs, die sich dann nach einer kurzen Phase der Uneinigkeit in steigende Hoch- und steigende Tiefpunkte umwandelt. Aus dem Artikel zum Thema Preisentstehung, wissen wir, dass Preise Angebot und Nachfrage widerspiegeln. Je kleiner die Zeiteinheiten werden, desto mehr sieht man den Einfluss jedes einzelnen Kauf- und Verkauf-Auftrages.

Ich will noch eine Stufe tiefer gehen und mit dem M5 das gesamte Bild vervollständigen.

Die kleinen Trends erkennen:

DAX M5 & H1

Hier sieht man, dass sich jede Korrektur des Stundencharts weiter aufspalten lässt und es auf dem 5 Minuten Chart wieder Bewegungen und Korrekturen gibt, welche sich wiederum weiter in kleineren Trends darstellen ließen. Dieses Spiel könnte ich nun so lange fortsetzen, bis wir auf dem Tick Chart und somit der Verbildlichung der Times and Sales Liste angekommen wären. Die Times und Sales Liste ist quasi der Kassenbon der Börse. Auf ihr werden alle Umsätze sowie die zugehörigen Preise verzeichnet. Jede Verbildlichung des Preises ist auf ihr begründet.

Kombinieren wir nun unser bisher erlangtes Wissen, können gut getimte Ein- und Ausstiege gefunden und/oder Hedges aufgelöst werden! (Wie funktioniert das Hedging?| unser Hedge-Rechner)

Zurück zum Thema: Erinnern wir uns noch einmal kurz an den Trendaufbau zurück.

Der Trend wurde definiert durch steigende Hoch- und Tiefpunkte, oder fallende Hoch- und Tiefpunkte. Die Zeiteinheit und Trendgröße ist dabei vollkommen irrelevant.

Wenn wir nun alles zusammen in ein Bild bringen dann wird schnell klar, dass die kleinen Trends in die Großen hineinlaufen. Daraus resultiert, dass man mit engen Stopps und kleinem Risiko an den großen Bewegungen partizipieren kann und hohe Vielfache des eigenen Risikos (also ein hohes CRV) verdienen kann und oder man durch Trailing-Stops dem Markt einfach folgt.

Die Übergänge erkennen:

Wie Trends ineinander Greifen - Ballkönigin

Ich habe hier erneut das Bild mit Stunden- und 5 Minuten Trend.

Wissentlich, dass der Tageschart sich in einem Aufwärtstrend befindet (siehe erstes Bild), suchen wir hier nach Aufwärtstrends in den kleineren Zeiteinheiten. Das untere, große weiße Rechteck, markiert das erste höhere Hoch im 5 Minuten Chart. Sobald der Markt dieses durchbricht, hat er begonnen eine Folge aus höheren Hochs und Tiefs auf dieser Trendgröße zu bilden. Damit wären der Tageschart und der M5 beide long ausgerichtet.

Das obere, längliche Rechteck markiert das erste höhere Hoch auf der Trendgröße des Stundencharts. Sobald der Markt dieses durchbricht, hat er begonnen auf dieser Trendgröße das Muster eines Aufwärtstrends zu bilden. Das kleine Rechteck in der Mitte ist das erste höhere Hoch des korrigierenden 5 Minuten Charts.

Möchte man nun zum Beispiel die Trendwende auf dem Stundenchart vorweg nehmen und den Ausbruch über das erste Hoch mit handeln (diese können beizeiten enorme Volatilität mit sich bringen, wenn short positionierte Marktteilnehmer sich ausstoppen und neue unpositionierte Händler den jungen Trend zu kaufen beginnen) so kann man einfach den kleineren 5 Minuten Trend handeln und schauen, ob man so in den Stunden- und Tagestrend hineinkommt. Diese Form von Handel braucht sehr viel Feingefühl, lässt sicher aber genauso gut in großen Zeiteinheiten handeln (und ist damit nicht den Intra-Day Traden vorbehalten).

Außerdem lassen sich solche Trendumbrüche wunderbar in Kerzen-Formationen erkennen. Wieso, weshalb, warum würde ich gerne nächstes Mal besprechen, da es für den Handel aus dem Chart essentiell ist, Trends und Trendgrößen zu verstehen. Es ist vollkommen normal, dass man dieses Thema eher überspringt, da es zu der trockeneren Materie des Handelns und Investierens gehört.
Aber wie wir alle wissen, hat ein Großteil der Marktteilnehmer zu kämpfen und da ein Großteil sich nicht kümmert…..^^

Wir finden, das muss nicht sein.

Daher sind wir auf dem Weg zu mehr Insight.
Liebe Grüße,
InsideTrading

by Jun 13, 2015 Keine Kommentare