Die Performanz von technischen Handelsstrategien. Ein Literaturüberblick

Inhaltsverzeichnis

ABBILDUNGSVERZEICHNIS

TABELLENVERZEICHNIS

ABKÜRZUNGSVERZEICHNIS

1 EINLEITUNG

2 TECHNISCHE ANALYSE
2.2 Effiziente Markthypothese
2.3 Technische Handelsstrategien
2.3.1 Allgemein
2.3.2 Chartmuster
2.3.3 Moving Average
2.3.4 Filter
2.3.5 Oszillatoren

3 TESTMETHODEN UND KENNZAHLEN
3.1 Hypothesentest
3.2 Bootstrapping-Methode
3.3 Autokorrelation
3.5 Sharpe-Ratio

4 PROFITABILITÄT DER TECHNISCHEN HANDELSSTRATEGIEN
4.1 Profitabilität der Handelsstrategien in Aktienmärkten
4.2 Währungsmarkt

5 FAZIT

6 LITERATURVERZEICHNIS

Abbildungsverzeichnis

Abbildung 1: Randomwalk um das rationale Preisniveau 5

Abbildung 2: Trendumkehrformation - Schulter-Kopf-Schulterformation 10

Abbildung 3: Trendfortsetzungsformation-Flagge 11

Abbildung 4: Handelsstrategien mit dem RSI Oszillator 13

Abbildung 5: Hypothesentest - Ablehnungsbereiche 17

Abbildung 6: Hypothesentest mit t- und p-Werten 20

Tabellenverzeichnis

Tabelle 1: Auswertung der 2580 technischen Handelsstrategien im S&P 500 26

Tabelle 2: Auswertung der 2580 technischen Handelsstrategien im S&P 500 Future-Markt 27

Tabelle 3: Auswertung der 2580 technischen Handelsstrategien im S&P 500 Future-Markt auf 30 Minuten Daten 28

Tabelle 4: Portfoliorenditen 31

Tabelle 5: Portfolioeigenschaften anhand des Dreifaktorenmodells 33

Tabelle 6: Handelsergebnisse zu den entwickelten Ländern 37

Tabelle 7: Handelsergebnisse zu den Entwicklungsländern 38

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

Der Handel mit technischen Handelssignalen an den Börsen kann auf eine lange Geschichte zurückblicken. Bereits im 18. Jahrhundert entwickelten japanische Reishändler technische Handelsstrategien um Kurse zu prognostizieren. Bei dieser technischen Analyse bedient man sich des Kerzencharts. Die Vorteile dieser Charts sind im Gegenschatz zu den gewöhnlichen Liniencharts, dass sie mehr Informationen enthalten. Für jede Periode kann man Höchst-, Tiefst-, Eröffnungs- und Schlusskurse auslesen. Diese Vorteile waren für den Westen eine lange Zeit unbekannt. Daher genossen die ersten Einführungsliteraturen eine breite Zuwendung unter den Analysten und Kursspekulanten/innen (Vgl. Nison, 1991, S. 1).

Durch die Anwendung von technischen Handelsstrategien versucht man, anhand verschiedener Indikatoren, Oszillatoren und Chartmuster, Kurstrends bzw. optimale Einstiegs- und Ausstiegspunkte zu generieren.

Technische Handelsstrategien sind unter Groß- und Kleininvestoren/innen weit verbreitet. Laut der empirischen Untersuchung von Cheol-Ho Park und Scott H. Irwin im Jahre 2007, benutzen professionelle Analysten mindestens ein technisches Handelssystem, um ihre Kaufs- und Verkaufsentscheidungen zu unterstützen (Vgl. Park/Irwin, 2007, S. 787).

Diese Bachelorarbeit beschäftigt sich mit der Profitabilität solcher Handelsstrategien. Das Hauptinteresse liegt bei der Feststellung, ob technische Handelsstrategien profitabel sind. Hierfür werden die verschiedenen Ergebnisse der empirischen Untersuchungen aufgezeigt.

Eingangs werden die am meisten verwendeten technischen Handelssysteme vorgestellt. Hierzu gehört der Handel mit Momentum-, Chartmuster-, Moving Average- und Filterstrategien. Im Kapitel 2 wird sowohl das Grundprinzip der technischen Analyse (TA) als auch die effiziente Markthypothese (EMH) dargestellt. Diese Hypothese vertritt seit mehr als 40 Jahren die These, dass unsere Finanzmärkte effizient arbeiten und es daher bereits in der schwachen Form nicht möglich sei, durch historische Kurse, Prognosen über zukünftige Kursentwicklung zu treffen.

Im Kapitel 3 werden die, für die Ausarbeitung der empirischen Studien notwendigen Testmethoden und Kennzahlen vorgestellt. Die ersten Erkenntnisse zur Profitabilität von technischen Handelsstrategien wurden durch Hypothesentest gemacht. Durch diesen Test sollte festgestellt werden, ob die Ergebnisse eine Signifikanz besitzen oder ob diese auch rein zufällig zustande hätten kommen können.

Die meisten neuerlichen Studien weisen jedoch darauf hin, dass der gewöhnliche Hypothesentest zu falschen Ergebnissen führen kann (Vgl. Hsu et al., 2016, S. 193). Denn die Verwendung von mehreren technischen Handelsstrategien auf dieselben Stichproben kann dazu führen, dass die signifikant besten Handelsstrategien zufällig entstehen. Dieser Fehler wird in der Literatur „Data-Snooping-Bias“ genannt (Vgl. White, 2000, S. 1097). Die neuerlichen Studien umgehen diesen Fehler durch die Bootstrapping-Methode. Eine genauere Erklärung erfolgt im entsprechenden Kapitel.

Darauffolgend wird die Autokorrelation vorgestellt. Das Auftreten von Autokorrelation in den Kurszeitreihen ist eine essentielle Annahme für die Momentum-Strategie. Die empirischen Untersuchungen liefern zu diesem Thema sehr unterschiedliche Ergebnisse. Bei der Betrachtung von verschiedenen Perioden weichen die Autokorrelationen in den jeweiligen Märkten untereinander ab.

Die Untersuchungen möchten vor allem, die Frage beantworten, ob man mit dem technischen Handel systematisch Überrenditen erzielen kann. Die Überrenditen sollen vor allem höher als die der Renditen der „Buy and Hold“ Strategie, des zugrundeliegenden Wertpapiers bzw. Marktes sein (Underlying). Mit dazu soll das, beim technischen Handel in Kauf genommene Risiko kleiner oder gleich des Risikos des jeweiligen Underlyings sein. Um eine Vergleichbarkeit der Strategien herstellen zu können, verwenden die meisten Untersuchungen das Performanz-Maß Sharpe-Ratio. Eine genaue Erläuterung hierzu erfolgt im Kapitel 3.5.

Im Kapitel 4 werden die Ergebnisse der Untersuchungen vorgestellt. Die Untersuchungen weisen sowohl wesentliche Unterschiede in den verschiedenen Märkten als auch Zeiten auf. Daher erfolgt die Aufteilung dieses Kapitels in Aktien- und Währungsmärkte.

2 Technische Analyse

Dieses Kapitel beschäftigt sich mit den Handelstechniken, die in den Studien angewendet wurden. Bei der TA führt man eine Zeitreihenanalyse der historischen Kurse durch, um eine Prognosen über zukünftige Kursentwicklungen treffen zu können. Dies erfolgt hauptsächlich durch Indikatoren, Oszillatoren und Chartmuster. Technische Handelsstrategie tätigen, durch vordefinierte Regeln automatisiert, Käufe und Verkäufe eines Wertpapiers im entsprechenden Markt. Das Ziel bei der Verwendung von technischen Handelsstrategien ist es, einen Trend frühzeitig zu erkennen und diesen profitabel zu handeln.

Bevor die Vorstellung der technischen Handelsstrategien erfolgt, gibt es eine kurze Einführung in die effiziente Markthypothese, da diese These als das Gegenargument zur TA dient. Auf eine umfangreiche Stellungnahme zu dieser Hypothese wird verzichtet, da es den Rahmen dieser Bachelorarbeit unnötig ausdehnen würde.

2.2 Effiziente Markthypothese

Die effiziente Markthypothese ist seit 1970 eine weit verbreitete und akzeptierte Hypothese über unsere Finanzmärkte. Die EMH geht von einem kollektiven Investoren/innen-Verhalten aus. Jedes Individuum versucht durch rationales Handeln seine Gewinne zu maximieren, indem alle vorhandenen Informationen regelmäßig aktualisiert und bewertet werden. Weitere Annahmen sind, dass keine Transaktionskosten und alle verfügbaren Informationen kostenlos für jeden der Marktteilnehmer/innen vorhanden sind. Zu diesen Informationen gehören historische Kurse, öffentliche- und Insiderinformationen. Unter diesen Voraussetzungen sind alle Informationen im Preis abgebildet und der aktuelle Kurs bildet den rationellsten Kurs ab (Vgl. Fama, 1970, S. 387).

Effiziente Märkte werden in der Literatur in schwache, semistarke und starke Form gegliedert.

-In einem schwach effizienten Markt, sind alle historischen Informationen bereits im Markt eingepreist.

-In einem semistark effizienten Markt, sind sowohl historische und öffentlich verfügbare Informationen im Markt eingepreist.

-In einem stark effizienten Markt, sind alle Informationen, die irgendjemanden bekannt sind (z.B. Insiderinformationen), bereits im Markt eingepreist (Vgl. Jensen, 1978, S. 3-4).

Die logische Schlussfolgerung daraus ist, dass jeglicher Versuch Informationen zu beschaffen und auszuwerten, unnötig sei, um Kursprognosen über die Zukunft zu treffen. Es können vor allem bei Informationsbeschaffung und -auswertung hohe Kosten entstehen. Unter der Annahme, dass unsere Finanzmärkte effizient sind, stehen den Kosten keine Renditen gegenüber. Umso gegensätzlicher ist die Tatsache, dass Finanzinstitute hohe Ressourcen für Informationsbeschaffung und -auswertung aufwenden (Vgl. Aronson, 2007, S. 342 ff.).

Eine wichtige Rolle im effizienten Markt spielen die Arbitrageure. Diese nutzen Kursunterschiede (Kurse, die vom rationalen Niveau abweichen) aus, um risikolos Gewinne zu erzielen. Dies kann vor allem dann vorkommen, wenn einige Investoren/innen Informationen falsch bewerten und dadurch den Kurs über bzw. unter das rationale Kursniveau treiben. Mittels der Arbitrageure passt sich der Kurs an das rationale Niveau an. Die Kursbewegungen um den rationalen Preis erfolgen zufällig (Vgl. Aronson, 2007, S. 334 ff.).

Die zufällige Kursentwicklung wird auch als Randomwalk bezeichnet. Eine grafische Veranschaulichung ist in Abbildung 1 gegeben. Der Randomwalk impliziert, dass die Kursveränderungen voneinander unabhängig sind. Die nichtlineare Abhängigkeit kann durch einen Autokorrelationstest überprüft werden. Grundsätzlich sind verschiedene Ergebnisse in den wissenschaftlichen Untersuchungen über Autokorrelationen auffindbar. Ein tieferer Einblick erfolgt in dem entsprechenden Kapitel.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Randomwalk um das rationale Preisniveau (Quelle: Aronson, 2007, S. 336).

Bei den Finanzmärkten kann man sehr oft von der Abbildung 1 abweichende Kursverläufe beobachten. Vor allem, wenn neue Informationen publik gemacht werden, sind die Phänomene der Über- bzw. Unterreaktion regelmäßig zu beobachten. Der Entwickler der EMH, Eugene F. Fama, argumentiert in seiner 1998 veröffentlichten wissenschaftlichen Studie, dass Kursanomalien (z.B. Über- und Unterreaktion) in den Kursen langfristig gleich häufig auftauchen. Dies bedeutet, dass bei einer Überreaktion (Unterreaktion) in den Kurse, langfristig eine Unterreaktion (Überreaktion) erfolgt, sodass dieser erneut das rationale Niveau erreicht. (Vgl. Fama, 1998, S. 284).

Eine Studie aus dem Jahr 2007 sieht in dieser Argumentation einen Widerspruch. Beim Vorhandensein einer Über- bzw. Unterreaktion und der Erwartung, dass der Kurs langfristig zu seinem Mittelwert zurückkehrt, führt eine Betrachtung bzw. Analyse der historischen Kurse dazu, dass Kurse prognostizierbar werden (Vgl. Aronson, 2007, S. 339). Die EMH schließt somit systematische Gewinnmöglichkeiten durch den technischen Handel aus.

Mehrmals dienten Erkenntnisse über die Profitabilität von technischen Handelsstrategien, z.B. Momentum-Strategien im Small-Cap-Markt, als Angriffspunkt zur EMH. Diese konnten oftmals vor 1990 stark signifikante Ergebnisse liefern. Darauf erfolgte durch Eugen Fama und Kenneth French (1993) eine Modifizierung des „Capital-Asset-Pricing- Models“ (CAPM). Dadurch sollten die Renditenerwartungen durch das aufgenommene Risiko besser beschrieben werden. Beim CAPM werden risikoadjustierte Renditen mit einem Risikofaktor, nämlich das Beta, berechnet. Dieser bildet das systematische Risiko ab. Eugen Fama und Kenneth French erweiterten in ihren Untersuchungen das CAPM um zwei Risikofaktoren. Es konnte dadurch festgestellt werden, dass Aktien mit kleiner Marktkapitalisierung und Aktien mit hohem Buch-/Marktwert-Verhältnis bessere Ergebnisse als der Gesamtmarkt erzielen konnten (Vgl. Fama/French, 1993, S. 4).

Die Marktkapitalisierung wird als Risikofaktor bestimmt, da kleinere Unternehmen in Phasen der wirtschaftlichen Depression stärkere Rückgänge im Gewinn aufweisen und in Phasen des wirtschaftlichen Aufschwungs weniger stark als die großen Unternehmen profitieren. Die Hinzunahme des zweiten Risikofaktors wird dadurch begründet, dass Unternehmen mit höherem Buchwert/Marktwert-Verhältnis weniger Gewinn zum eingesetzten Vermögen erwirtschaften und dadurch nicht profitabel genug seien (Fama/French, 1993, S. 7 ff.).

Wertpapiere mit hohen Buch-/Marktwert-Verhältnissen werden grundsätzlich „Valuestocks“ bezeichnet. David R. Aronson erwähnt in seiner wissenschaftlichen Arbeit, dass bis dato keine empirische Untersuchung dazu Beweise liefern konnte, dass „Valuestocks“ basierende Investments während einer wirtschaftlichen Rezession schlechter abschneiden würden (Vgl. Aronson, 2007, S. 355).

Die in dieser Bachelorarbeit vorgestellten Untersuchungen nehmen oftmals Stellung zur EMH auf. Einige bestätigen die EMH und andere kritisieren diese. Die meisten Ergebnisse aus den Untersuchungen indizieren, dass unsere Finanzmärkte über die Zeit effizienter wurden. Mehr dazu erfolgt in Kapitel 4.

2.3 Technische Handelsstrategien

Unter technischen Handelsstrategien versteht man Strategien, die unter vordefinierten Bedingungen Handelssignale erzeugen. In den empirischen Studien werden den technischen Handelsstrategien, Einstiegs- bzw. Ausstiegsstrategien zugeordnet. Diese laufen automatisiert über eine historische Zeitreihe. Die daraus gewonnenen Handelssignale liefern Daten über die Profitabilität zu den jeweiligen technischen Handelssystemen.

Das Gegenstück zur TA ist die Fundamentalanalyse. Die Fundamentalanalysten bewerten Unternehmenszahl, um Verkauf- bzw. Kaufentscheidungen zu treffen. Grundsätzlich werden in den Untersuchungen keine Handelssignale über die Fundamentalanalyse generiert. Einige Kennzahlen, wie z.B. das Verhältnis aus Buch/Marktwert des Eigenkapitals oder aus Gewinn/Kurs, werden bei Momentum-Strategien in Indikatoren umgewandelt, um daraus handelbare Signale zu erzeugen. Daher sind diese auch dem technischen Handel zuzuordnen.

2.3.1 Allgemein

In den Folgekapiteln werden die gängigsten Methoden der Generierung von technischen Handelssignalen vorgestellt. Indikatoren, Oszillatoren und Chartmuster erzeugen durch historische Kurs- und Zeitinformationen Werte, welche als Handelssignale wahrgenommen und gehandelt werden können. Die meisten technischen Handelsstrategien sind hauptsächlich solche, die dem aktuellen Kurs nachlaufen und daher meist später in die Richtung des Kursverlaufes drehen. Dies ist vor allem damit zu begründen, dass beim technischen Handel grundsätzlich historische Kurse verwendet werden, um Handelsentscheidungen zu treffen.

Eine Methode, um Kursschwankungen in die Zukunft zu projizieren, ist die Verwendung eines Handelssystems, die das GARCH-Model verwendet. In dieser Bachelorarbeit werden wir hauptsächlich nur nachlaufende Handelssysteme vorstellen, da in den meisten empirischen Untersuchungen einfache Handelssysteme verwendet wurden.

Die Verwendung einfacher Handelssysteme hat sowohl Vorteile als auch Nachteile. Der Vorteil ist, dass diese vielen Marktteilnehmern/innen bekannt sind. Liefern diese bereits signifikante Ergebnisse zur Profitabilität, kann darauf geschlossen werden, dass der technische Handel generell profitabel ist. Denn die Bekanntheit eines technischen Handelssystems kann die Profitabilität eines Handelssystems zum Schlechten wenden. Profitable technische Handelssysteme neigen mit steigendem Bekanntheitsgrad dazu, sich in unprofitable Handelssysteme zu verwandeln. Man nennt dies auch den Zerfall einer Handelsstrategie (Vgl. Timmermann/Granger, 2004, S. 22).

Durch ein nachstehendes Beispiel soll dies verdeutlicht werden:

Ein Investor besitzt ein profitables Handelssystem, welches systematisch Gewinne erzielt. Dieses System erzeugt z.B. Kaufsignale in fallenden Märkten. Der Investor kauft dadurch auf Basis der Kaufsignale Wertpapier zu bestimmten Preisen.

Nun besitzen sehr viele Investoren/innen das gleiche Handelssystem. Dadurch erhalten auch diese das Kauf-Signal auf demselben Preisniveau. Die hohe Nachfrage kann auf diesem Preisniveau nicht bedient werden, da der Großteil der Markteilnehmer kaufen und nur wenige verkaufen wollen. Es kommt zu einem Nachfrageüberschuss und unausgeführter Kaufaufträge.

Dabei steigt der Preis des Wertpapiers weiter nach oben. Die Investoren/innen, bei denen nur eine Teilausführung oder überhaupt keine Ausführung stattgefunden hat, werden beim nächsten Kaufsignal die Einkaufsorder über den generierten Einkaufspreis legen, um die Kaufausführung dieses Mal erhalten zu können. Daher erfolgt bei einem neuen Kaufsignal und erfolgreicher Kaufausführung bereits ein Kursanstieg vor dem Erreichen des vom technischen Handelssystem generierten, ursprünglichen Preisniveaus. Gleichzeitig verpassen die restlichen Investoren/innen, die dieses Handelssystem benützen, die Einstiegschance, da der Kurs bereits im Vornhinein nach oben gedreht hat.

Nun entschließen sich auch diese beim nächsten Kauf-Signal die Kauforder auf einen noch höheren Preis zu legen, um das Handelssignal handeln zu können. Dadurch steigt der Einstiegskurs weit über das vom Handelssystem generierte Preisniveau. Das profitable Handelssystem zerfällt dadurch und wird unprofitabel.

Dieses Beispiel ist für Marktteilnehmer/innen gültig, welche in fallenden Märkten kaufen. Dennoch bleibt die Logik auch bei Marktteilnehmer/innen gleich, welche andere Strategien anwenden.

Aus dieser Erkenntnis stellt sich daher nun die Frage, ob Untersuchungen zur Profitabilität von technischen Handelssystemen durch Verwendung von einfachen technischen Handelsstrategien eine Aussage über die Grundgesamt treffen können.

2.3.2 Chartmuster

Beim Handeln von Chartmustern werden Kursformationen visualisiert und identifiziert. Die Erwartung bei Chartmusterhandel ist, dass sich die Marktteilnehmer/innen in zukünftigen Marktsituationen gleich verhalten, wie sie es bereits in der Vergangenheit getan haben. Durch diese Erwartung werden Kaufs- bzw. Verkaufsentscheidungen getroffen, um Gewinne zu erwirtschaften. Den Chartmustern wird grundsätzlich die beobachtete Formation als Name zugeteilt Die bekanntesten sind Schulter-Kopf-Schulter-, Dreifachspitzen und -Böden sowie Flaggen- und Keilformationen. Um ein besseres Verständnis für solche Handelssysteme zu bekommen, werden folgend zwei der oben genannten Formationen vorgestellt.

Nachstehend die Schulter-Kopf-Schulterformation:

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Trendumkehrformation - Schulter-Kopf-Schulter.

Die Formation in Abbildung 2 bildet die „Schulter-Kopf-Schulter“-Formation (SKS). Die Kursentwicklung vom Punkt „linke Schulter“ zum Punkt “Kopf” bildet ein höheres Hoch. Von diesem Punkt aus geht die Bewegung zur Nackenlinie, welche sich in diesem Fall als eine Unterstützungslinie darstellt. Der Punkt „rechte Schulter“ zeichnet einen schwachen aufstieg, welcher unterhalb des Punktes „linke Schulter“ liegt. Folgend kehrt die Bewegung hinunter zur Nackenlinie. Diese wird im Folgenden nach unten durchbrochen. Daraufhin erfolgt eine Rückkehr zur Nackenlinie, welche sich in diesem Fall als Widerstand darstellt. Nachfolgend bildet die Bewegung einen Abwartstrend nach unten. Dieses Chartmuster wird grundsätzlich als Umkehrformation betrachtet (Vgl. Murphy, 2013, S. 115).

Die nachstehende Formation in Abbildung 3 ist eine Trendfortsetzungsformation und wird als „Flagge“ bezeichnet. In den Kursverläufen findet man diese Formation ziemlich häufig. Man unterstellt dieser Formation, dass ein Abwärtstrend intakt ist, welche sodann in Form eine Flagge nach oben konsolidiert. Das Durchbrechen der unteren Trendlinie (rote Linien) signalisiert das Ende der Konsolidierung und die Fortsetzung des Trendverlaufs.

Das Signal ist, jedoch nur dann gültig, wenn das letzte Hoch in der „Flagge“ das übergeordnete Hoch der Abwärtsbewegung nicht überschreitet (Vgl. Murphy, 2013, S. 151 f.).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3: Trendfortsetzungsformation-Flagge.

Chartformationen sind in den Kursverläufen oft und leicht erkennbar. Das Handeln von solchen Chartformationen kann schnell zu hohen Transaktionskosten führen. Meist empfiehlt es sich bei den Handelsstrategien Filter einzubauen, um Fehlsignale zu reduzieren. In einigen Studien sind mehrere solcher Chartmusterhandelssysteme vertreten.

[...]