Die Rolle der technischen Analyse im Devisenhandel

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

1. Einleitung
1.1. Relevanz des Themas
1.2. Forschungsfrage und Zielsetzung
1.3. Methodik
1.4. Aufbau und Gliederung der Arbeit

2. Grundlagen der technischen Analyse
2.1. Historischer Rückblick
2.2. Definition und Prämissen
2.3. Technische gegen fundamentale Analyse
2.4. Kritikpunkte an der technischen Prognose
2.4.1. Die sich selbsterfüllende Prophezeiung
2.4.2. Random-Walk-Theorie

3. Technische Analyse mit Hilfe von Charts
3.1. Lineare gegen logarithmische Skalierung
3.2. Arten von Charts
3.3. Umkehrformationen
3.3.1. Kopf-Schulter-Formationen
3.3.2. Doppelte Spitzen
3.3.3. Untertassen
3.4. Fortsetzungsformationen
3.4.1. Flaggen und Wimpel
3.4.2. Dreiecke
3.4.3. Rechtecke
3.5. Investment-Grade-Formationen auf Kerzencharts

4. Technische Analyse mit Hilfe von Indikatoren
4.1. Gleitende Durchschnitte
4.1.1. Einfache gleitende Durchschnitte
4.1.2. Exponentiell geglättete gleitende Durchschnitte
4.1.3. Indikator für das Zusammen-/Auseinanderlaufen des gleitenden Durchschnitts ...
4.1.4. Bollinger Bänder
4.2. Oszillatoren
4.2.1. Das Momentum
4.2.2. Der Relative-Stärke-Index
4.2.3. Der Stochastik-Oszillator
4.2.4. Indikator zur Messung der Intensität einer Kursbewegung

5. Empirische Untersuchung
5.1. Test auf Random-Walk anhand Augmented-Dickey-Fuller-Test
5.2. Ergebnisse des Augmented-Dickey-Fuller-Tests
5.3. Jährliche Charten-Analyse über den Zeitraum 2003-2012
5.3.1. Charten-Analyse durch Beobachtung von Formationen
5.3.2. Charten-Analyse anhand Indikatoren
5.3.3. Gesamtergebnis

6. Conclusio

Anhang

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Tagesumsatz des Devisenmarkts nach Kontrahenten

Abbildung 2: Anteil der USD, EUR und JPY im Tagesumsatz des Devisenmarkts

Abbildung 3: Die drei verschiedenen Trends nach Dow

Abbildung 4: Anwendung der Prognosemodelle unter den Devisenhändlern

Abbildung 5: Beziehung der Informationseffizienzstufen

Abbildung 6: Vergleich zwischen logarithmischer und linearer Skalierung anhand EUR/USD ..

Abbildung 7: Vergleich zwischen logarithmischer und linearer Skalierung anhand S&P 500

Abbildung 8: Vergleich von verschiedenen Charttypen

Abbildung 9: Darstellung einer oberen Kopf-Schulter-Formation

Abbildung 10: Darstellung eines Zweifachhochs

Abbildung 11: Darstellung einer Untertasse-Formation

Abbildung 12: Unterschied zwischen Flaggen und Wimpel

Abbildung 13: Darstellung eines symmetrischen Dreiecks

Abbildung 14: Darstellung eines Rechtecks

Abbildung 15: Darstellung der beiden Kerzentypen

Abbildung 16: Darstellung 4-,9- und 18-Perioden-SMA anhand EUR/USD

Abbildung 17: Darstellung des MACD-Indikators anhand EUR/USD

Abbildung 18: Darstellung der Bollinger Bänder anhand EUR/USD

Abbildung 19: Darstellung des Momentum-Indikators anhand EUR/USD

Abbildung 20: Darstellung des RSI-Indikators anhand EUR/USD

Abbildung 21: Vergleich zwischen dem Stochastik und dem RSI-Indikator anhand EUR/USD ..

Abbildung 22: Darstellung des DMI-Indikators mit ADX-Linie anhand EUR/USD

Abbildung 23: Die verschiedenen Fälle eines Unit-Root-Tests

Abbildung 24: Chart-Analyse für 2003

Abbildung 25: Chart-Analyse für 2004

Abbildung 26: Chart-Analyse für 2005

Abbildung 27: Chart-Analyse für 2006

Abbildung 28: Chart-Analyse für 2007

Abbildung 29: Chart-Analyse für 2008

Abbildung 30: Chart-Analyse für 2009

Abbildung 31: Chart-Analyse für 2010

Abbildung 32: Chart-Analyse für 2011

Abbildung 33: Chart-Analyse für 2012

Abbildung 34: Indikatoren-Analyse für 2003

Abbildung 35: Indikatoren-Analyse für 2004

Abbildung 36: Indikatoren-Analyse für 2005

Abbildung 37: Indikatoren-Analyse für 2006

Abbildung 38: Indikatoren-Analyse für 2007

Abbildung 39: Indikatoren-Analyse für 2008

Abbildung 40: Indikatoren-Analyse für 2009

Abbildung 41: Indikatoren-Analyse für 2010

Abbildung 42: Indikatoren-Analyse für 2011

Abbildung 43: Indikatoren-Analyse für 2012

Tabellenverzeichnis

Tabelle 1: Die Händler über den sich selbsterfüllenden Charakter der technischen Analyse

Tabelle 2: Anwendung der technischen Analyse unter den Devisenhändlern

Tabelle 3: Vergleich von Charten-Typen

Tabelle 4: Investment-Grade-Formationen nach Bulkowski

Tabelle 5: Ergebnisse des Einheitswurzeltests

Tabelle 6: Gesamtergebnis der Charten-Analyse mittels Formationen

Tabelle 7: Gesamtergebnis der Charten-Analyse mittels Indikatoren

1. Einleitung

1.1. Relevanz des Themas

Die vorliegende Arbeit stellt die Rolle der technischen Analyse im Devisenhandel dar. Durch Angebot und Nachfrage auf dem Devisenmarkt, auch Forex oder Währungsmarkt, bildet sich der Wechselkurs, also der Preis einer Währung, ausgedrückt in einer anderen Währung, wodurch ein Handel mit Devisen ermöglicht wird.¹

Mit ausländischen Zahlungsmitteln wurde schon während des späten Mittelalters gehandelt, als in den großen Handelszentren der Beruf des Geldwechslers entstand.² Bedingt durch die volkswirtschaftliche Entwicklung und internationalen Verflechtungen wurde die Währungsordnung im letzten Jahrhundert durch verschiedene Mechanismen reguliert, wie den Goldstandard oder das System der festen Wechselkurse von Breton Woods.

Der Devisenmarkt gewinnt ständig an Bedeutung. In den letzten 12 Jahren hat sich der Tagesumsatz vervierfacht. Im April 2013 betrug er rund USD 5,3 Billionen, was den Währungsmarkt somit zum größten Finanzmarkt der Welt macht.³ Mit der Computerisierung und dem Internetzugang können immer mehr private Investoren am Devisenmarkt teilnehmen. Sie zählen zu den „non-financial customers“ in dem Bericht der „Bank for international Settlements“. Aus Abbildung 1 wird ersichtlich, dass ihr Anteil vom Tagesumsatz im Vergleich zu 2001 gestiegen ist. Die Zunahme des Devisenhandels ist aber primär Hedgefonds, institutionellen Investoren und nicht berichteten Banken zuzuschreiben, die als „andere Finanzinstitutionen“ in der Auskunft figurieren.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Tagesumsatz des Devisenmarkts nach Kontrahenten Quelle: BIS Triennial Central Bank Survey (2013), S. 6

Mit der Globalisierung werden die Unternehmen heutzutage immer mehr internationaler. Sie verkaufen auf ausländischen Absatzmärkten oder haben Produktionsstätten im Ausland. Für eine adäquate Steuerung des Unternehmens ist eine kohärente Wechselkursprognose erwünscht, weil die Zahlungen meistens in verschiedenen Währungen erfolgen. Neben der Zahlungssicherung sind andere Motive zur Vorhersage der Wechselkurse zu nennen, wie kurz- und langfristige Finanzierungs- und Investitionsentscheidungen oder reine Spekulationen mit kurzfristigen Gewinnabsichten. Eine Prognose kann auf verschiedene Art und Weise erfolgen - mittels fundamentaler Analyse, innovativer Ansätze, wie das DAWOP- Modell oder durch technische Prognose. Trotz der vielseitigen Kritik an der letzten Vorgehensweise, wie die sich selbsterfüllende Prophezeiung oder die Zufallsbewegung der Wechselkurse, verliert die technische Analyse nicht an Bedeutung. Sie spielt eine wesentliche Rolle bei den Investitionsentscheidungen der professionellen Händler. Menkhoff und Taylor (2007) kommen in ihrer Untersuchung zu der folgenden Schlussfolgerung:

„ […] the use of technical analysis is an important and persistent phenomenon which is highly influential in the decision making of foreign exchange professionals. It is beyond question that, for major flexible exchange rates and over longer time periods, the use of technical analysis may be used to provide very high returns.“⁴

Neely et al. (2009) betonen auch die Relevanz der technischen Prognose in ihrer Ausarbeitung über die „Adaptive-Market-Hypothese“:

„ A survey conducted for the Group of Thirty (1985), which covered 40 large banks and 15 securities houses in 12 countries, found that 97% of bank respondents and 87% of Securities houses believed that technical analysis had a significant impact on the foreign exchange market. ” ⁵

Aus diesem Grund widmet sich die vorliegende Arbeit den Grundkonzepten der technischen Analyse und ihrer Anwendung auf dem größten Finanzmarkt der Welt. Die Forschungsfrage und die Zielsetzung lassen sich von diesem Hintergrund im nächsten Abschnitt formulieren.

1.2. Forschungsfrage und Zielsetzung

„Billig kaufen, teuer verkaufen“ besagt eine Börsenweisheit. Wie kann man aber vorhersehen wann der richtige Anstiegsmoment ist und wann die Zeit zum Verkaufen gekommen ist? Die technische Analyse versucht diese Fragen zu beantworten. In wie weit man sich auf den technischen Ansatz verlassen sollte, ist ein anderes Problem. Lassen sich die Kurse mittels Grafiken und Indikatoren vorhersagen, oder die Preise sind unabhängig von ihren vergangenen Werten und weisen einen zufälligen Verlauf auf. Aus dieser Problemstellung wird die Forschungsfrage der vorliegenden Arbeit abgeleitet und in zwei Aspekten geteilt:

1. Ist bei EUR/USD zwischen 2003 und 2012 ein Random-Walk festzustellen?
2. H ä tten die j ä hrlichen Chart- und Indikatoren-Analysen eine effiziente Prognose des EUR/USD Wechselkurses zwischen 2003 und 2012 erlaubt?

Das Paar EUR/USD wurde als Objekt der Forschung gewählt, weil diese Währungen mit einem Anteil des Tagesumsatzes von 87% für den US-Dollar und 33,4% für den Euro am häufigsten gehandelt werden, was aus Abbildung 2 ersichtlich ist. Wegen der hohen Liquidität entstehen keine Lücken auf den Grafiken, was zu einer präziseren Forschung beiträgt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Anteil der USD, EUR und JPY im Tagesumsatz des Devisenmarkts Quelle: BIS Triennial Central Bank Survey (2013) S. 5

Wie schon erwähnt, wird in den letzten Jahren ein Anstieg des Handelsvolumens auf dem Währungsmarkt beobachtet.⁶ Um Ergebnisse der aktuellen Marksituation zu liefern, bezieht sich der Zeitraum der Untersuchung auf die letzten zehn vollständigen Handelsjahre (bis inkl. 2012).

Die Zielsetzung der vorliegenden Arbeit besteht darin, neben der Vorstellung der Grundprinzipien der technischen Analyse, ihre Relevanz kritisch zu betrachten. Es wird die Autokorrelation der Kassakurse des EUR/USD Währungspaares in Frage gestellt. Wenn die Preise autokorreliert sind, dann besteht ein Zusammenhang zwischen den vergangenen und den zukünftigen Werten. Diese Abhängigkeit widerspricht der Hypothese effizienter Märkte in ihrer schwachen Form, bzw. dem Random-Walk-Modell. Auf diese Weise würde ein Beweis für die Relevanz der technischen Analyse bei der Kursprognose generiert werden.

1.3. Methodik

Die Vorgehensweise in der vorliegenden Arbeit sieht wie folgt aus. Zuerst wird eine empirische Untersuchung über die Abhängigkeit der Tageskurse des Währungspaares EUR/USD durchgeführt. Ausgehend von der Markteffizienz-Theorie wird die Random-Walk- Hypothese mittels Einheitswurzeltests untersucht. Nach dem Muster von Garcia et al. (2012) wird die Schwankungsbreite der Tageskurse zur Analyse herangezogen, wo

Schwankungsbreite = Tageshoch - Tagestief

und dann entsprechend in aufeinanderfolgende Differenzen umgeformt:

Δ (Schwankungsbreite)t = Schwankungsbreitet - Schwankungsbreitet-1

Es wird untersucht, ob der betrachtete Währungsmarkt in jedem einzelnen Jahr der definierten Periode effizient in seiner schwachen Form ist. Wenn er nicht effizient ist, könnte man mittels Vorhersage auf Basis vergangener Kursbewegungen eine Überrendite erzielen. Für die notwendigen Daten wird auf die Datenbank der „Dukascopy Bank“ SA zurückgegriffen. Nach der Erhebung wird die Auswertung der Daten mittels der Ökonometrie-Software des US- amerikanischen Unternehmens IHS „EViews 8“ erfolgen, wo der „Augmented-Dickey-Fuller- Test“ durchgeführt wird. Ziel ist es, das Vorliegen einer Einheitswurzel bei den Schwankungsbreiten der Tageskurse des Währungspaares EUR/USD zu überprüfen. Danach werden die Ergebnisse diskutiert und die Random-Walk-Hypothese, die als einer der Kritikpunkte der technischen Analyse betrachtet wird, bestätigt oder falsifiziert.

Nach dem Einheitswurzeltest wird eine subjektive Analyse der jährlichen EUR/USD-Charts mittels Beobachtung von Formationen und Indikatoren durchgeführt. Es wird veranschaulicht, welche Trefferquote die beiden Ansätze im definierten Zeitraum erzielen. Die Untersuchung erfolgt mit Hilfe der Handelsplattform des englischen Brokers „CMC Markets“.

1.4. Aufbau und Gliederung der Arbeit

In der vorliegenden Arbeit widmet sich jedes Kapitel einem eigenen relevanten 4 Themenkomplex. Auf diese Weise sollte ein logisch strukturierter und klarer Aufbau erreicht werden. Nach der Einleitung folgt der Literaturteil, welcher in drei Schwerpunkte eingeteilt wird (linkes Rechteck). Nach einem Überblick über die Annahmen und Prinzipien der technischen Analyse, widmet sich der zweite Teil der Arbeit der empirischen Untersuchung, (rechtes Rechteck). Graphisch dargestellt sieht der Aufbau wie folgt aus:

Abbildung in dieser Leseprobe nicht enthalten

Betrachtet man den Gang der Untersuchung im Detail, so beginnt die vorliegende Arbeit mit dem ersten Kapitel als Einleitung. Als erster Unterpunkt kommt die Relevanz des Themas (Kap. 1.1.), gefolgt von der Forschungsfrage und der Zielsetzung (Kap. 1.2). Im nächsten Abschnitt (Kap. 1.3.) wird die Methodik kurz skizziert und als letzter Unterpunkt (Kap. 1.4.) werden der Aufbau und die Gliederung der Arbeit beschrieben.

Im zweiten Kapitel werden die Grundlagen der technischen Analyse diskutiert, die in historischem Überblick (Kap. 2.1.), Definition und Prämissen des technischen Ansatzes (Kap 2.2.), Abgrenzung zu der fundamentalen Analyse (Kap 2.3.) und Kritikpunkte an der technischen Prognose (Kap. 2.4.) eingeteilt werden.

Im Zentrum des dritten Kapitels steht die Analyse mit Hilfe von Charts, wobei hier auf die Gegenüberstellung der linearen und logarithmischen Skalierung (Kap. 3.1.) und auf die unterschiedliche Arten von Grafiken (Kap. 3.2.) näher eingegangen wird. In diesem Kapitel erfolgt auch die Untersuchung der Formation, die auf einem Chart zu finden sind - die Umkehrmuster (Kap. 3.3.) und die Fortsetzungsformationen (Kap. 3.4.). Schließlich wird den Investment-Grade-Kerzen von Bulkowski Aufmerksamkeit geschenkt (Kap. 3.5.).

Im vierten Punkt wird die Analyse mit Hilfe von Indikatoren betrachtet. Es wird den Gleitenden Durchschnitten (Kap. 4.1.) und den Oszillatoren (Kap. 4.2.) Aufmerksamkeit geschenkt.

Das f ü nfte Kapitel befasst sich mit der empirischen Untersuchung der beiden Teile der Forschungsfrage. Zuerst wird der Augmented Dickey-Fuller-Test durchgeführt (Kap 5.1.) und dann seine Ergebnisse diskutiert (Kap. 5.2.). Im Kapitel 5.3. werden die jährlichen Charten über den Zeitraum 2003-2012 analysiert.

In der Conclusio (Kap. 6.) wird es über die Ergebnisse der Arbeit neben dem Untersuchungsverlauf mit seinen Erkenntnissen und Limitation reflektiert und über weitere Implikationen für Forschung und Praxis diskutiert.

2. Grundlagen der technischen Analyse

2.1. Historischer Rückblick

Seitdem die Preise der verschiedenen Finanzinstrumente in einer grafischen Form dargestellt werden, gibt es Prognosemechanismen, die die zukünftigen Preisbewegungen der Aktien oder Währungen anhand der Charts versuchen vorherzusagen. Jedoch dreht sich der Forschungsgegenstand der meisten Finanzmarkt-Theorien aus dem vergangenen Jahrhundert darum, ob die Märkte effizient sind und ob man eine Prognose aus den vergangenen Kursen ableiten kann.

Historisch gesehen ist die Hypothese effizienter Märkte mit dem Random-Walk-Modell verbunden, das noch 1863 von dem französischen Makler Jules Regnault und später (1900) von dem Mathematiker Louis Bachelier erforscht wurde.⁷ Ihre Untersuchungen waren aber ausdrücklich ignoriert und nicht als relevant für die Finanzmarkttheorie eingeschätzt.⁸

1884 wurden die Gedanken von Charls Dow über die Trendbewegung der Märkte publiziert. Seine Theorie wurde für die Interpretation des Kursverlaufs von den Aktienhändlern eingesetzt und gilt immer noch als Grundstein des Finanzmarktmechanismus. Jedoch wurde in den 60er Jahren des vergangenen Jahrhunderts das zufällige Bewegungsprinzip der Preise von Osborne (1952) und Fama (1965) wieder in Frage gestellt. Die beiden Forscher versuchten die Verluste der sich auf die Charts verlassenden Händler mit dem Random-Walk- Verlauf zu erklären, der aus der Markteffizienz abzuleiten ist.⁹

Die Hypothese effizienter Märkte wurde von Professor Eugene Fama im Rahmen seiner PhD- Untersuchung entwickelt. Einen effizienten Markt definierte er als “A market in which prices always ‘ fully reflect ’ available information “. In seinen Ausarbeitungen (1970, 1991, 1998) liefert er einen umfassenden Überblick über die Entwicklung der mit dem Thema relevanten Literatur.¹⁰ Die Theorie von Fama wurde als weit verbreitete und akzeptierte Hypothese angenommen. In den 70er Jahren wurde die Theorie durch die meisten auf dem Kapitalgutpreismodell (CAPM) basierenden Forschungen bestätigt - Lintner (1965); Samuelson (1970).¹¹ Weiters berichten Solnik (1973), Sharma und Kennedy (1977), dass die entwickelten Aktienmärkte, vor allem New York Stock Exchange und London Stock Exchange, als effizient zu betrachten sind und im Einklang mit dem Random-Walk-Modell stehen.¹² Doch haben nicht empirisch, aber mit Vermögenswachstum, Investoren wie George Soros [USD 22,9 Mrd. an Vermögen (Forbes, September 2013)] und Warren Buffet [USD 58,5 Mrd. an Vermögen (Forbes, September 2013)] bewiesen, dass eine Überrendite auf den Finanzmärkten erzielt werden kann.

Seit 1980 genießt das Diskussionsthema über die Autokorrelation der Wechselkurse eine wesentliche Aufmerksamkeit. 1981 hat Longworth die Preisentwicklung des CAD in USD in der Periode von Juli 1970 bis Oktober 1976 untersucht. Er ist zu dem Ergebnis gekommen, dass der Terminkurs des USD/CAD von dem aktuellen Wert abhängt. Die Devisenmärkte in Tokio, London und New York werden aber in der Forschung von Beillie und Boollerslev (1991) als effizient betrachtet.¹³

Die Untersuchungen anhand Dickey-Fuller-Tests von Harris und Inder (1994), sowie von Dutt und Ghosh (1999) zeigen auch anhand der Kassa- und Terminkurse der europäischen Währungen DKK, DEM, FRF, BEF, NLG und ITL gegenüber dem USD, dass der Devisenmarkt in der langen Frist ineffizient ist. Demgegenüber haben Trapletti et al. (2002) die kurzfristige Entwicklung der Wechselkurse betrachtet. Für die Stationarität-Analyse wurden die Stundenpreise der Währungen JPY, DEM und USD von 1. Oktober 1992 bis zum 30. September 1993 herangezogen. Als Resultat wurde es bewiesen, dass die Integrationsordnung jeder Zeitreihe keine Einheitswurzel aufweist, was dem Random-Walk- Modell widerspricht.¹⁴ Wickremasinghe (2005) hat auch mittels Unit-Root-Tests den Devisenmarkt in Sri Lanka erforscht. Im Gegensatz zu den beiden obigen Untersuchungen bestätigt er die Effizienz des Markts in seiner schwachen Form.¹⁵

Aus dem Forschungsüberblick lässt sich feststellen, dass es keine Übereinstimmung in Bezug auf die Gültigkeit der Kursprognose mittels vergangener Daten gibt. Einige Untersuchungen bestätigen die schwache Effizienzform der Kapitalmärkte und somit das Random-Walk- Modell, andere beurteilen die Beobachtung der vergangenen Werte als sinnvoll. Allerdings deuten die Befragungen von Taylor und Allan (1992), Menkhoff (1997) und Oberlechner (2001) auf die weite Verwendung der Grafiken und der technische Analyse bei der Entscheidungsfindung unter den professionellen Händlern hin.¹⁶

2.2. Definition und Prämissen

John Murphy definiert die technische Prognose als „ das Studium von Marktbewegungen, in erster Linie durch den Einsatz von Charts, um zuk ü nftige Kurstrends vorherzusagen “, wobei neben der Kursentwicklung auch die Veränderung des Umsatzes und Open Interest verfolgt wird.¹⁷ Diese Prognose beruht auf dem menschlichen Verhalten und führt zu subjektiven Markteinschätzungen.¹⁸ Die Händler neigen dazu, in bestimmten Situationen ähnlich zu reagieren. Deswegen zählt sich die technische Analyse zu dem Themenbereich der Behavioral Finance. Diese Forschungsrichtung versucht das Anlageverhalten und Marktanomalien zu erklären, welche als Ergebnis eines kollektiven (Fehl-)Verhaltens dargestellt werden.¹⁹ Wenn man die Emotionen der Menschen und die Massenpsychologie versteht, dann lassen sich die Kursbewegungen besser interpretieren und beginnende Trends frühzeitig erkennen.²⁰

Der technische Ansatz basiert auf drei Prämissen. Die erste Grundannahme lautet „Die Marktbewegung diskontiert alles“ und dient als Grundstein der Analyse mit Charts. Das bedeutet, dass die fundamentalen, politischen und psychologischen Faktoren, die die Wechselkurse beeinflussen können, durch den Marktpreis widergespiegelt werden. Ausgehend von der Marktgleichgewichtstheorie wird es angenommen, dass der Preis steigt, wenn die Nachfrage das Angebot übertrifft. Die Techniker drehen diese Behauptung um und nehmen wahr, dass, wenn die Kurse steigen, die Nachfrage höher als das Angebot ist. Die technischen Analysten wissen, dass es Gründe dafür gibt. Sie werden aber nicht so ausführlich analysiert wie bei dem fundamentalen Ansatz, weil der aktuelle Kurs alle relevanten Marktinformationen antizipiert. Um den zukünftigen Marktpreis zu bestimmen, reicht es laut Techniker die Entwicklung von ehemaligen Charts zu verfolgen.²¹

Die zweite Prämisse besagt, dass sich die Kurse in Trends bewegen. Die Hauptaufgabe des Chartismus ist die frühe Phase eines Trends zu bestimmen und dann wird es in seine Richtung gehandelt. Ein Börsensprichwort lautet: „Der Trend ist dein Freund.“ Die Kurse neigen dazu einem bestehenden Trend zu folgen, bis er sich umkehrt.²² Nach der Dow-Theorie lassen sich drei Trends identifizieren- der primäre, der sekundäre und der tertiäre Trend. Der Primärtrend dauert zwischen ein bis mehrere Jahren. Jegliche Korrekturen während dieses Zeitraumes sind Bestandteile des sekundären Trends, der sich von drei Wochen bis drei Monaten erstreckt. Fluktuationen innerhalb des mittelfristigen Trends sind im Tertiärtrend antizipiert, der üblicherweise weniger als drei Wochen dauert.²³ Abbildung 3 liefert eine Übersicht über die oben genannten Trends.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Die drei verschiedenen Trends nach Dow

Quelle: Forex Capital Markets Ltd. (2013), Eigene Darstellung

Die dritte Grundannahme lautet: „Die Geschichte wiederholt sich selbst“. Die Prognosen im Bereich der technischen Analyse sind auf die menschliche Psychologie zurückzuführen. Die Techniker glauben, dass solche Formationen, die in der Vergangenheit profitable Signale generiert haben, auch in der Zukunft für einen erfolgreichen Handel verwendet werden können. Je mehr historische Daten vorhanden sind, desto mehr Formationen können beobachtet werden, die die Kauf- oder Verkaufsentscheidung beeinflussen.²⁴ Deshalb ist die Vollziehung der technischen Signale bei Terminkontrakten wegen der kurzfristigen Zeitspanne verhindert, weil der Chart eines verfallenen Kontrakts nicht mehr von Nutzen ist und eine neu begonnene Grafik analysiert werden muss.²⁵ Dasselbe Problem kann auch auf dem Aktienmarkt entstehen. Bei der Untersuchung von Unternehmen mit einem in der jüngeren Vergangenheit (1 oder 2 Jahre) stattgefundenen Börsengang lässt sich der technische Ansatz begrenzt verwenden. Unternehmen wie Twitter Inc. (IPO: November 2013) kann man nur mit Hilfe von Tagescharten technisch analysieren, weil die Daten für eine langfristige Kursbestimmung nicht ausreichend sind. Beispielsweise kann im Moment (Februar 2014) kein gleitender Durchschnitt auf Monatsbasis gebildet werden, der zur Charten-Analyse beiträgt.²⁶

Der Hauptvorteil der technischen Analyse im Vergleich zu den anderen Prognosemodellen, wie zum Beispiel den fundamentalen Ansatz, ist ihre Flexibilität in Bezug auf die Märkte, Basiswerte und den betrachteten Zeitraum. Wie schon erwähnt, können die Prinzipien des technischen Modells nicht nur im Devisenhandel, sondern auch bei Aktien- und Optionenanalyse für kurz- und langfristige Anlageentscheidungen verwendet werden.²⁷ Eine Gegenüberstellung zu dem fundamentalen Ansatz erfolgt im nächsten Unterkapitel.

2.3. Technische gegen fundamentale Analyse

Wie auf allen Finanzmärkten, gibt es auch im Devisenhandel verschiedene Ansätze, die versuchen, die Kursentwicklung vorherzusagen. Die Händler verlassen sich entweder auf die technische oder die fundamentale Analyse, oder meistens auf eine aus den beiden Methoden zusammengesetzte Prognose, wie aus der folgenden Abbildung ersichtlich ist. Ein dritter Ansatz, die zyklische Analyse, hat in den letzten Jahren an Bedeutung gewonnen, gehört aber immer noch zu dem Experimentalbereich der Analysten.²⁸

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 4: Anwendung der Prognosemodelle unter den Devisenhändlern (n = 289)

0 - nur technische Analyse; 10 - nur fundamentale Analyse

Quelle: Oberlechner (2004), S. 104

Es kann auch vorkommen, dass die oben genannten Prognosetechniken nicht gleichartige Handelssignale generieren. Das beruht auf die unterschiedliche Betrachtungsweise des Marktes. Die technische Analyse widmet sich dem Studium von Marktbewegungen, während sich der fundamentale Ansatz mit den Faktoren beschäftigt, die Angebot und Nachfrage nach einer Währung beeinflussen und auf diese Weise auf ihren Preis reflektieren. Der Fundamentalist analysiert die Ursachen für die Marktbewegung, während der Techniker die Auswirkungen betrachtet. Der Letzte kann die Entwicklung eines neuen Trends beobachten, der von der fundamentalen Analyse noch nicht erfasst und bestätig wird. Deshalb gilt der technische Ansatz als Frühindikator des Fundamentals.²⁹

Manchmal entwickeln sich die Märkte nicht in die Richtung, die von der fundamentalen Analyse prognostiziert wird. Ein solcher Fall wurde im Zeitraum von Juni 1984 bis Februar 1985 betrachtet. Der US-Dollar hat sich gegen die Deutsche Mark (DM), den Britischen Pfund (GBP) und den Japanischen Yen (JPN) um durchschnittlich 20% abgewertet, obwohl standardisierte makroökonomische Indikatoren, wie das Bruttoinlandsprodukt und die Handelsbilanz, auf eine Aufwertung hingedeutet haben. Wie in diesem Fall gelingt es der fundamentalen Prognose manchmal nicht, solche kurzfristigen Marktbewegungen zu fassen, die durch die Beobachtung von Charts und Analyse des technischen Ansatzes vorhergesagt werden können.³⁰ Trotzdem bleibt auch diese Vorgehensweise nicht kritiklos.

2.4. Kritikpunkte an der technischen Prognose

2.4.1. Die sich selbsterfüllende Prophezeiung

Einer der Kritikpunkte an der technischen Analyse ist die sich selbsterfüllende Prophezeiung.³¹ Das ist „ eine Vorhersage, die sich meist deshalb erf ü llt, weil der Vorhersagende sich so verh ä lt, dass die Vorhersage sich erf ü llen muss.“³² In Bezug auf die Finanzmärkte und im Fall des Devisenhandels ist gemeint, dass es zu einer sich selbsterfüllenden Prophezeiung kommt, weil die beobachteten und sich wiederholenden Formationen zu einer Auslösung von Kauf- und Verkaufswellen führen. Als Gegenargument gilt, dass keine technische Formation bis jetzt mathematisch quantifiziert wird und die Analyse des Charts von dem Verhalten und Kenntnissen des Individuums abhängt.³³ Trotzdem bleibt dieser Kritikpunkt nicht bedeutungslos. In der folgenden Tabelle sind die Ergebnisse von empirischen Untersuchungen über die sich selbsterfüllende Prophezeiung zusammengefasst.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 1: Die Händler über den sich selbsterfüllenden Charakter der technischen Analyse

2.4.2. Random-Walk-Theorie

Der zweite Kritikpunkt der technischen Analyse besagt, dass sich die Kurse unabhängig von ihren vergangenen Werten entwickeln. Die Preise weisen zufällige Auf- oder Abwärtsbewegungen auf, die durch Beobachtung von Charts nicht vorhersehbar sind. Diese Kritik ist auf die Hypothese effizienter Märkte zurückzuführen. Sie besagt, dass ein Markt dann effizient ist, wenn der Währung- oder Aktienpreis jederzeit alle verfügbaren Informationen antizipiert.³⁴ Deswegen kann man keinen überdurchschnittlichen Gewinn realisieren, wenn der Markt effizient ist.

Es wird nach drei Informationseffizienzstufen unterschieden:

1. Schwache Form der Markeffizienz: Eine Überrendite kann durch Anwendung von technischer Analyse nicht erzielt werden, weil alle Informationen bezüglich der vergangenen Kursentwicklungen in dem aktuellen Preis vollständig berücksichtigt sind.³⁵
2. Halbstrenge Form der Markteffizienz: Keine Vorteile können durch den fundamentalen Ansatz generiert werden, weil der Preis alle öffentlichen Informationen antizipiert.³⁶
3. Strenge Form der Markteffizienz: Alle öffentlichen und nicht öffentlichen Informationen sind in den Aktien-, Wertpapier- und Devisenkursen berücksichtigt. Auf den Finanzmärkten ist keine Überrendite erzielbar.³⁷

Eine Übersicht über die oben genannten Markteffizienzformen findet in der folgenden Abbildung statt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 5: Beziehung der Informationseffizienzstufen Quelle: Eustermann (2010), S. 88

Jede der oben genannten Formen der Markteffizienz besagt, dass kein Gewinn erzielt werden kann, wenn man sich auf vergangene Auskünfte verlässt. Jederzeit sind die Informationen durch den Preis berücksichtigt. Des Weiteren wird angenommen, dass die Preisveränderung in der nächsten Periode eine Funktion aus der erwarteten Rendite und aus den neuen, für den Markt relevanten Nachrichten oder Erwartungen ist. Unter den Prämissen der Hypothese effizienter Märkte werden die Kursbewegungen als „random walk“ definiert und die technische Analyse wird noch in der schwachen Form der Markteffizienz als wertlos betrachtet.³⁸ Trotzdem ist zu erwähnen, dass die Marktsituation durch die Informations- und Entscheidungsfindungsprozesse der Händler, die nicht immer rational sind, beeinflusst werden kann. Bis jetzt gibt es keine unumstrittene empirisch gehaltene Theorie, die dem Angebots- und Nachfrageverhalten auf den Finanzmärkten gewidmet ist.³⁹ Schiller (2003) ist in seiner Forschung auch zu der folgenden Schlussfolgerung gekommen:

“ While theoretical models of efficient markets have their place as illustrations or characterizations of an ideal world, we cannot maintain them in their pure form as accurate descriptors of actual markets.⁴⁰

Trotz der Annahme, dass die Kurse einen zufälligen Verlauf aufweisen, weist die technische Analyse einen hohen Anwendungsgrad unter den professionellen Händlern auf, was aus der folgenden Tabelle ersichtlich ist.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 2: Anwendung der technischen Analyse unter den Devisenhändlern

Als Nachteil der technischen Analyse wird auch ihre Vergangenheitsorientierung erwähnt. Jedes Prognosemodell, wie auch der fundamentale Ansatz, basiert aber vollkommen auf dem Studium von vergangenen Daten.⁴¹

3. Technische Analyse mit Hilfe von Charts

Die Händler, die sich auf die technische Analyse verlassen, lassen sich in zwei Typen unterteilen: die Chartisten und die statische Methoden anwendenden Analysten. Für die ersten ist das Lesen von Charts und ihren Formationen die grundlegende Prognosetechnik. Weil die Grafikbeobachtungen in gewisser Weise subjektiv erfolgen, ist ein erfolgreicher Handel primär auf die persönlichen Fähigkeiten des Händlers angewiesen. Im Gegensatz dazu versuchen die Analysten, die statische Methoden verwenden, die Subjektivität beim Entscheidungsfindungsprozess zu minimieren oder sogar auszuschließen, indem sie Handelssysteme mit Hilfe von Indikatoren entwickeln, die automatisierte Kauf- und Verkaufssignale generieren.⁴² Deshalb widmet sich dieses Kapitel dem Chartismus und seiner Methodik, während sich der vierte Punkt mit der Analyse anhand Indikatoren beschäftigt.

3.1. Lineare gegen logarithmische Skalierung

Zum Ersten ist zu klären, woher die Daten kommen, die man mit dem technischen Ansatz analysiert. Wie bereits berichtet, repräsentiert der Chart das Prognoseinstrument der Techniker. Im Devisenhandel stellt eine Grafik die ehemaligen Wechselkurse eines Währungspaares in einem bestimmten Zeitraum dar. Aus einem Diagramm können verschiedene Formationen abgelesen werden, die aus der Marktentwicklung in der Vergangenheit erfolgen. Die Daten werden entweder linear, oder logarithmisch dargestellt. Abbildung 6 liefert einen Vergleich zwischen den beiden Skalierungen.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 6: Vergleich zwischen logarithmischer und linearer Skalierung anhand EUR/USD Quelle: CMC Markets (2013)

Die logarithmische Skala (links) widerspiegelt die Veränderungen des Wechselkurses auf prozentualer Basis.⁴³ Deshalb ist der Abstand auf der linken Grafik zwischen 0,80 und 0,90, die einer Veränderung von 12,5% entspricht, größer als der Abstand zwischen 1,50 und 1,60

[...]

---

¹ Vgl. Siebert / Lorz (2007), S. 480

² Vgl. Klose / Ladewig (2009), S. 145

³ Vgl. Deutsche Bundesbank (2013)

⁴ Menkhoff / Taylor (2007), S. 966

⁵ Neely et al. (2009), S. 470

⁶ Vgl. Abbildung 1.

⁷ Vgl. Jovanovic / Le Gall (2001), S. 333

⁸ Vgl. Sarkauskyte (2012), S. 12

⁹ Vgl. Garcia et al. (2012), S. 17

¹⁰ Vgl. Palan (2009), S. 11

¹¹ Vgl. Palan (2009), S. 12

¹² Vgl. Sarkauskyte (2012), S. 12

¹³ Vgl. Garcia et al. (2012), S. 18

¹⁴ Vgl. Gredilla et al. (2006)

¹⁵ Vgl. Wickremasinghe (2005), S. 13

¹⁶ Vgl. Tabelle 2.

¹⁷ Vgl. Murphy (2010), S. 21

¹⁸ Vgl. Kahn (2013), S. 13

¹⁹ Vgl. Dorfleitner / Klein (2002), S. 499

²⁰ Vgl. Rossiwall / Schröder (2011), S. 63

²¹ Vgl. Murphy (2010), S. 22

²² Vgl. Murphy (2010), S. 24

²³ Vgl. Langager / Murphy (2013)

²⁴ Vgl Kahn (2013), S. 32

²⁵ Vgl Murphy (2010), S. 31

²⁶ Vgl. Kap. 4.1.

²⁷ Vgl. Luca (2004), S. 2

²⁸ Vgl. Magee / Edwards (2013), S. 3

²⁹ Vgl. Murphy (2004), S. 25

³⁰ Vgl. Frankel / Froot (1990), S. 181

³¹ Vgl. Institut für Geld- und Kapitalverkehr der Universität Hamburg (o. J.)

³² Kundruß (2010), S. 5

³³ Vgl. Murphy (2010), S. 34

³⁴ Vgl. Luca (2004), S. 2

³⁵ Vgl. Eustermann (2010), S. 88

³⁶ Vgl. Vinod / Derrick (2005), S. 24

³⁷ Vgl. Eustermann (2010), S. 88

³⁸ Vgl. Vinod / Derrick (2005), S. 25

³⁹ Vgl. Eustermann (2010), S. 120

⁴⁰ Schiller (2003), S. 102

⁴¹ Vgl. Murphy (2004), S. 36

⁴² Vgl. Murphy (2004), S. 30

⁴³ Vgl. Bulkowski (2008), S. 11