The Trend is your Friend. Überrenditen durch Trendfolge?

Inhaltsverzeichnis

Abbildungsverzeichnis

Tabellenverzeichnis

Abkürzungsverzeichnis

Symbolverzeichnis

1 The Trend is your Friend

2 Einführende Erläuterungen
2.1 Trend, Zyklus, Saisonalität und Technische Analyse
2.2 Zeitliche Unabhängigkeit von Kursbewegungen
2.3 Informationseffizienz des Kapitalmarktes
2.4 Beurteilung der Kapitalmarkteffizienzhypothese
2.4.1 Kapitalmarktanomalien
2.4.2 Long Memory in Aktienkursen

3 Trendfolgeindikatoren
3.1 Die Dow Theorie
3.1.1 Die drei Arten von Trends
3.1.2 Die drei Phasen des Primärtrends
3.1.3 Trendbestätigungen
3.1.4 Die Umkehrung eines Trends
3.2 Trendlinien
3.3 Regressionskanäle nach Gilbert Raff
3.3.1 Grundlegendes Konzept
3.3.2 Handelsregeln für Regressionskanäle
3.4 Gleitende Regression
3.5 Die Steigung der Regressionsgeraden
3.6 Der Korrelationskoeffizient r²

4 Empirische Ergebnisse zum Erfolg von Trendfolgesystemen
4.1 Stärken und Schwächen klassischer Trendfolgesysteme
4.2 Handelssysteme auf Basis der linearen Regression
4.2.1 Studie von Sherstov und Stone
4.2.2 Erkenntnisse der Praktikerliteratur
4.3 Der Erfolg von Market Timing

5 Beschreibung der durchgeführten Studie
5.1 Die Daten
5.1.1 Die Aktienzeitreihen
5.1.2 Datenaufbereitung
5.1.3 Indexperformance in sample
5.2 Das Regressionshandelssystem (RHS)
5.2.1 Die Regressionsgerade
5.2.2 Kauf- und Verkaufsignale
5.2.3 Optimierung in sample
5.2.4 Transaktionskosten
5.3 Portfoliobildung
5.4 Performancemessung

6 Untersuchungsergebnisse
6.1 Indexperformance out of sample
6.2 Die optimalen Regressionsparameter
6.3 Investitionszeiten
6.4 Rendite
6.4.1 Analyse von Trefferquote und Payoff-Ratio
6.4.2 Rentabilität von Long- und Short-Engagements im Vergleich
6.4.3 Die Bedeutung der Transaktionskosten
6.5 Risikoadjustierte Performance
6.6 Regelmäßigkeit der Gewinnentwicklung und Korrelation
6.7 Hohe Güte linearer Regression in Trendphasen
6.8 Verteilung der Tagesrenditen
6.9 Ergebnisse der Portfoliobildung

7 Zusammenfassung der Studienergebnisse

8 Bessere Handelsdisziplin durch Technische Analyse?

Anhang mit Anhangsverzeichnis

Verzeichnis der Internetquellen

Literaturverzeichnis

Abbildungsverzeichnis

Abb. 1: Komponenten einer Zeitreihe

Abb. 2: R/S-Analyse eines internationalen Aktienindex (1959 – 1990)

Abb. 3: Aufsteigende Trendlinie am Beispiel HypoVereinsbank (Juni 2004 – Juli 2006)

Abb. 4: Linearer Regressionskanal am Beispiel der E.On-Aktie

Abb. 5: Gleitende Regression am Beispiel der Allianz-Aktie (Januar 2004 – Mai 2006)

Abb. 6: Lineare Regression und Steigung am Beispiel der Allianz-Aktie (Januar 2004 – Mai 2006)

Abb. 7: Lineare Regression und r² bei der Allianz-Aktie (Januar 2004 – Mai 2006)

Abb. 8: Erfolg eines auf linearer Regression basierenden Handelssystems in Abhängigkeit vom Regressionszeitraum am Beispiel des Nasdaq 100 (1997 – 2003)

Abb. 9: Wertentwicklung DAX (1987 – 1995)

Abb. 10: Wertentwicklung Dow Jones Industrial Index (1987 – 1995)

Abb. 11: Funktionsweise des Regressionshandelssystems am Beispiel Deutsche Bank AG

Abb. 12: Optimierung in sample am Beispiel von BMW

Abb. 13: Beispiel für die Schwäche des Sharpe-Ratios

Abb. 14: Abweichungen von der Normalverteilung

Abb. 15: Wertentwicklung DAX (1997 – Mai 2006)

Abb. 16: Wertentwicklung Dow Jones Industrial (1997 – Mai 2006)

Abb. 17: Optimale Steigungen der Regressionsgerade nach Quartilen

Abb. 18: Renditeverlauf des Regressionshandelssystems am Beispiel der Lufthansa-Aktie

Abb. 19: Annualisierte Bruttorenditen bei den DAX-Werten nach Quartilen

Abb. 20: Gesamtrenditen Regressionshandelssystem und Buy&Hold im Vergleich

Abb. 21: Volatilitäten aller Aktien nach Quartilen

Abb. 22: Maximum Drawdown beim Regressionshandelssystem und Buy&Hold nach Quartilen

Abb. 23: Korrelation in Abhängigkeit von der Steigung der Regressionsgeraden (n = 100)

Tabellenverzeichnis

Tab. 1: Überblick über die Renditekennziffern des Regressionshandelssystems

Tab. 2: Mittelwerte ausgewählter Trading-Kennziffern

Tab. 3: Charakteristika der getätigten Long- und Short-Trades nach Transaktionskosten

Tab. 4: Rentabilität von Long- und Short-Positionen im Vergleich

Tab. 5: Höhere Momente der Wahrscheinlichkeitsverteilung (Mittelwerte)

Tab. 6: Durchschnittliche Performance-Kennziffern der fünf untersuchten Portfolien

Tab. 7: Kritische Werte für r²

Tab. 8: Indexzusammensetzungen im Januar 1997

Tab. 9: Gebühren ausgewählter Broker (Stand: Juni 2006)

Tab. 10: Performance-Maße (Teil 1)

Tab. 11: Performance-Maße (Teil 2)

Tab. 12: Performance-Daten des Regressionshandelssystems bei den DAX-Werten (Teil 1)

Tab. 13: Performance-Daten des Regressionshandelssystems bei den DAX-Werten (Teil 2)

Tab. 14: Performance-Daten des Regressionshandelssystems bei den Dow Jones-Werten (Teil 1)

Tab. 15: Performance-Daten des Regressionshandelssystems bei den Dow Jones-Werten (Teil 2)

Tab. 16: Performance-Kennzahlen der Portfoliobildung

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 The Trend is your Friend

„The Trend is your Friend“^[1] – Diese Aussage begegnet einem bei der Lektüre einschlägiger Börsenliteratur immer wieder. Handelt es sich dabei um eine Art „Börsenplacebo“ oder wirklich um eine gewinnbringende Weisheit? Offensichtlich scheint es genügend Investoren zu geben, welche diesem Motto folgen. Wie wäre es sonst erklärbar, dass selbst in Zeiten langer und stark gestiegener Kurse immer wieder genügend Investoren auf der Käuferseite zu finden sind. Oder spielt die Psychologie den Anlegern einen Streich? Diese finden oftmals erst dann den Mut, eine Aktie zu kaufen, wenn die Kurse bereits stark gestiegen sind und es als völlig normal gilt, dieses Wertpapier zu kaufen.^[2] Dabei können die Gründe, in einen Markt einzusteigen, der sich bereits stark bewegt hat, vielfältiger Natur sein. Vielleicht wurde der Markt zuvor nicht beachtet oder es wurde vergeblich auf eine Kurskorrektur gewartet. Möglicherweise war man anfangs skeptisch über die Dauer der Kursbewegung und hat daher ganz bewusst einen Kursanstieg abgewartet.^[3]

Das letzte Motiv ist der typische Beweggrund für Trendfolger. Dabei werden sie in der Praktikerliteratur durch eine Fülle von Ratschlägen unterstützt: Die Handlungsmaxime, „sich niemals gegen den Trend stemmen“^[4] zielt auf die gleiche Börseneinstellung ab, wie „Never catch a falling knife“^[5] oder „It is easier to swim with the tide than against it“^[6]. Das Resultat führte ebenfalls zu einem populären Slogan: „Die Hausse nährt die Hausse“ bzw. im Falle von sinkenden Kursen zu „Die Baisse nährt die Baisse“.^[7] Kaufen institutionelle Anleger vermehrt gut gelaufene Aktien, um am Jahresende Gewinnaktien ausweisen zu können, kann dieser Effekt noch weiter verstärkt werden.^[8] Ist es aber wirklich profitabel, auf einen fahrenden Zug aufzuspringen? Wie riskant ist die Einstellung „Noch schnell dabei sein, ehe der Markt dreht“? Haben Trendfolger das Potential für Überrenditen?

Diesen Fragen wird im Rahmen dieser Diplomarbeit nachgegangen. Neben allgemeinen Erläuterungen zu den Finanzmärkten werden einige Trendfolgekonzepte und Studien zu deren Erfolg vorgestellt. Der Fokus liegt dabei auf Strategien, welche die lineare Regression beinhalten. Kern der Arbeit ist die Vorstellung einer Trendfolgestrategie und deren Evaluierung anhand von DAX- und Dow Jones-Aktien zwischen Januar 1997 und Mai 2006.

2 Einführende Erläuterungen

Zum besseren Verständnis soll allerdings zunächst erläutert werden, was die Statistik unter dem Begriff „Trend“ versteht und welche Auffassungen die Wissenschaft zu Kursbewegungen an den Finanzmärkten besitzt.

2.1 Trend, Zyklus, Saisonalität und Technische Analyse

Der Kursverlauf einer Aktie stellt eine Abfolge historischer Daten dar, was in der Statistik auch als Zeitreihe bezeichnet wird. Zeitreihen können sich aus den Komponenten Trend, Zyklus und Saisonalität zusammensetzen, weshalb man in diesem Zusammenhang häufig vom „additiven Zeitreihenmodell“^[9] spricht. Daneben existiert noch eine nicht näher analysierbare irreguläre Komponente.

Die Trendkomponente entsteht durch längerfristig vorherrschende Ursachen und verläuft monoton fallend oder monoton steigend. Bei Untersuchungszeiträumen von einigen Jahren ist der Verlauf des Trends i. d. R. als lineare Funktion darstellbar. Der zyklische Teil der Zeitreihe ist dagegen wellenförmig und entsteht durch die Konjunkturzyklen. Als Saisonkomponente wird der ebenfalls wellenförmige Teil der Zeitreihe bezeichnet, der durch den jahreszeitlichen Wechsel entsteht. Es gilt zu beachten, dass eine Zeitreihe neben dem Trend nicht zwangsläufig eine zyklische und saisonale Komponente beinhalten muss.^[10]

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1: Komponenten einer Zeitreihe

Abb. 1:(Quelle: Bamberg, G./Baur, F. (2002), S. 64)

In der Börsenliteratur dagegen wird als Trend allgemein die Richtung bezeichnet, in welche sich die Kurse bewegen. Dieser Kursverlauf selbst ist in den meisten Fällen alles andere als linear, sondern durch viele Zacken gekennzeichnet, die Gebirgen mit Gipfeln und Tälern ähneln. Je nachdem, ob das Niveau dieser Kursspitzen steigt, fällt oder gleich bleibt, spricht man von einem Aufwärts-, Abwärts- oder Seitwärtstrend. Der Trend kann sich also in drei Richtungen bewegen. Bei seitwärts tendierenden Kursen spricht man allerdings weniger von einem Seitwärtstrend, sondern von einem trendlosen Markt.^[11]

Neben den drei Richtungen kann ein Trend auch nach seiner Dauer unterteilt werden. Demnach ist zwischen kurzfristigen, mittelfristigen und langfristigen Trends zu unterscheiden. Die Dauer eines Trends kann sich vom Minuten- oder Stundenbereich bis zu einer Dauer von bis zu 100 Jahren erstrecken. Auf die genauere Unterteilung wird später noch separat eingegangen. Allerdings sei an dieser Stelle erwähnt, dass eine gewisse Subjektivität in der Abgrenzung nicht zu verleugnen ist.^[12]

Den zukünftigen Trend einer Aktie versucht die Technische Analyse anhand der vergangenen Kursentwicklung zu prognostizieren. Sie wird häufig mit der Chartanalyse gleichgesetzt, welche die Kursentwicklung graphisch darstellt (Chart) und aufgrund von Kursformationen Rückschlüsse auf die Zukunft zu ziehen versucht. Dieses Vorgehen fußt auf der Prämisse, dass Aktienkurse dazu tendieren, sich in Trends zu bewegen. Daher sind die meisten Indikatoren trendfolgender Natur. Ferner geht die Technische Analyse davon aus, dass der Kurs einer Aktie alle verfügbaren Informationen beinhaltet und das Ergebnis von Angebot und Nachfrage ist. Ob dieser Kurs dem fairen Wert einer Aktie entspricht, spielt dabei keine Rolle. Dabei wird auch unterstellt, dass die Kursbewegungen an der Börse nicht nur die vorhandenen Informationen und deren Interpretation, sondern auch das Verhalten der Börsenteilnehmer widerspiegeln. Da Menschen in bestimmten Situationen immer gleich reagieren, würde sich die Marktgeschichte stets wiederholen.^[13]

2.2 Zeitliche Unabhängigkeit von Kursbewegungen

Die Wissenschaft hat sich ebenfalls intensiv mit der Frage, ob Kursschwankungen an den Kapitalmärkten profitabel ausgenutzt werden können, auseinandergesetzt. Die Antworten basieren hauptsächlich auf den Erkenntnissen zur Entwicklung von Wertpapierkursen.

Eine der ersten Arbeiten zu diesem Thema verfasste der französische Mathematiker Louis Bachelier bereits im Jahre 1900. In seinem Werk „Théorie de la Spéculation“ geht er davon aus, dass die Kursänderungen unkorreliert und stationär^[14] sind und publiziert ein der Brownschen Bewegung ähnliches Modell.^[15] Demnach sind die Kurse eine Schätzung des fairen Wertes basierend auf einem Mittelwert aus vergangenen Nachrichten und zukünftigen Erwartungen. Die Schwankungen an der Börse sind dagegen rein zufällig und folgen einem Random-Walk.^[16]

Im Jahre 1959 erweiterte Osborne Bacheliers Ansatz um die Annahme, dass die Aktienkursschwankungen einer Brownschen Bewegung folgen.^[17] Die Brownsche Bewegung ist ein spezieller Fall des Random-Walks. Gemäß der orthodoxen Form der Random-Walk-Hypothese bildet sich der Kurs eines Wertpapiers aus dem gegenwärtigen Kurs und einer Zufallsvariable.^[18]

Kt+1 = Kt + et Gl. 1^[19]

Legende:

Kt+1 = Kurs im Zeitpunkt t+1

Kt = Kurs im Zeitpunkt t

et = Zufallsvariable im Zeitpunkt t

Damit wird unterstellt, dass die Kursschwankungen voneinander unabhängig verlaufen, einen Erwatungswert von Null besitzen und einer Normalverteilung unterliegen. Diese Annahmen sind heute weit verbreitet und liegen u. a. dem Black-Scholes-Modell zur Optionsbewertung zugrunde.^[20] Gemäß der Random-Walk-Hypothese lassen sich durch Handelsregeln keine überdurchschnittlichen Gewinne realisieren.^[21]

Samuelson erweiterte 1965 das Random-Walk-Modell. In seinem Martingal-Modell unterliegen die Kursschwankungen keiner Normalverteilung sondern einer nicht näher spezifizierten multivariaten Wahrscheinlichkeitsverteilung.^[22] Die Annahme unkorrelierter Kursschwankungen mit einem Erwartungswert von Null bleibt weiterhin bestehen. Eine Verzinsung des eingesetzten Kapitals ist demnach nicht möglich. Dieser Mangel wird durch das Submartingal-Modell behoben, bei dem der Erwartungswert der Kursschwankungen einer positiven Gleichgewichtsrendite entspricht. Demnach ergibt sich der Wertpapierkurs aus dem aktuellen Kurs plus einer positiven Verzinsung des Investitionsbetrages und einer Zufallskomponente gemäß folgender Formel.^[23]

Kt+1 = Kt + E (Δ Kt) + et Gl. 2^[24]

Legende:

E (Δ Kt) = erwartete positive Verzinsung des investierten Geldbetrages

2.3 Informationseffizienz des Kapitalmarktes

Diese Ansätze zur Unabhängigkeit der Kursbewegungen bildeten die Grundlage für Famas Hypothese der effizienten Märkte (1970).

Demnach liegt ein informationseffizienter Markt vor, wenn sich zu jedem Zeitpunkt alle verfügbaren Informationen in den Wertpapierkursen widerspiegeln. Fama unterscheidet drei verschiedene Arten von Informationseffizienz. Wenn in den Marktpreisen alle Informationen über das historische Marktgeschehen enthalten sind, handelt es sich um eine schwache Informationseffizienz. Mittels Fundamentalanalyse^[25] wäre im Gegensatz zur Technischen Aktienanalyse in diesem Fall eine Überrendite erzielbar. Bei der halbstrengen Informationseffizienz geht man jedoch davon aus, dass sich alle öffentlich verfügbaren Informationen in den Marktpreisen widerspiegeln. In dieser Ausprägung ist auch die schwache Informationseffizienz enthalten. Daher kann bei Vorliegen der halbstrengen Informationseffizienz weder durch fundamentale noch durch technische Aktienanalyse, sondern lediglich durch Ausnutzen von Insiderinformationen eine Überrendite erzielt werden. Die strenge Informationseffizienz schließt die beiden vorangegangen Stufen der Informationseffizienz mit ein. Liegt sie vor, sind alle verfügbaren Informationen in den Kursen abgebildet. Bei strenger Informationseffizienz wird der Investor lediglich die „Gleichgewichtsrendite gemäß dem Risiko der Anlage“^[26] erwirtschaften.^[27]

2.4 Beurteilung der Kapitalmarkteffizienzhypothese

Gegen Ende der siebziger, besonders aber in den achtziger Jahren wurde die Hypothese der effizienten Kapitalmärkte zunehmend in Frage gestellt.^[28]

2.4.1 Kapitalmarktanomalien

Bei vorwiegend auf dem amerikanischen Aktienmarkt durchgeführten Tests wurde festgestellt, dass eine strenge Informationseffizienz nicht vorliegen kann. Beispielsweise kommt es bei vielen Werten bereits vor der offiziellen Ankündigung von Fusionen, Übernahmen, Kapitalmaßnahmen oder anderen wichtigen Ereignissen zu signifikanten Kursbewegungen.^[29]

Des Weiteren wurden Kapitalmarktanomalien^[30] nachgewiesen, die nicht mit der halbstrengen Form der Kapitalmarkteffizienz vereinbar sind. Dazu gehört beispielsweise der Size-Effekt. Demnach ist mit Aktien kleinerer Unternehmen langfristig eine bessere Rendite zu erzielen als mit den Papieren großer Unternehmen. Eine weitere Anomalie zeigt sich bei Value- und Growth-Aktien. Unter Value-Aktien versteht man Werte, die ein hohes Verhältnis von Buchwert des Eigenkapitals zum Marktwert des Eigenkapitals aufweisen. Titel, bei denen dieses Verhältnis gering ist, werden als Growth-Aktien eingestuft. Bei Value-Aktien ist tendenziell eine höhere Rendite zu erwarten als bei Growth-Werten.^[31]

Hinsichtlich der schwachen Form der Kapitalmarkteffizienz existieren jedoch die größten Auffassungsunterschiede. Die Kritiker der Theorie effizienter Kapitalmärkte argumentieren, dass die Erwartungen vieler Marktteilnehmer auf Kursdaten der Vergangenheit basieren. Dabei spielen nicht nur die technischen Hilfsmittel eine Rolle, sondern auch die Fundamentalanalyse und zahlreiche ökonomische Indikatoren. Da diese auf historischen Daten basierenden Erwartungen der Marktteilnehmer die Kurse beeinflussen, hätten vergangene Kurse einen entscheidenden Einfluss auf die zukünftige Kursentwicklung.^[32]

Demnach könnte durch das Studium historischer Kurse an der Börse eine Überrendite erzielt werden. Dabei stehen v. a. wiederkehrende Trends im Fokus, die laut Befürwortern der Technischen Aktienanalyse in vielen Kursverläufen beobachtet werden können. Getreu dem Motto „Die Vergangenheit wiederholt sich“^[33] sollen mittels Technischer Analyse diese Trends identifiziert und mögliche zukünftige Kursverläufe prognostiziert werden.^[34]

2.4.2 Long Memory in Aktienkursen

Um die schwachen Form der Kapitalmarkteffizienz belegen oder widerlegen zu können, wird in den entsprechenden Studien untersucht, inwieweit tatsächlich Korrelationen innerhalb einer Zeitreihe existieren und vergangene Kurse somit einen Einfluss auf zukünftige Kurse haben. Tatsächlich belegen einige statistische Tests, dass Aktienkurse nicht nur zufällig schwanken, sondern zumindest zeitweilig dazu tendieren, sich in die einmal eingeschlagene Richtung weiter zu bewegen.^[35] Dieses Phänomen wird auch als Long Memory, Persistenz oder Langzeitgedächtnis bezeichnet.^[36]

Eines der am häufigsten verwendeten Verfahren zur Aufdeckung von Long Memory ist die Rescaled Range-Analyse, kurz R/S-Analyse. Dabei wird untersucht, inwieweit die Schwankungsbreite eines Wertpapierkurses über verschiedene Zeitintervalle mit der eines Random Walks übereinstimmt. Die Schwankungsbreite verhält sich gemäß folgender allgemeiner Formel:

(R/S)n = cnH Gl. 3^[37]

Legende:

(R/S)n = Schwankungsbreite eines Kursintervalls der Länge n

c = Konstante

H = Hurst-Exponent

Ziel der R/S-Analyse, deren einzelne Schritte hier nicht näher dargelegt werden sollen, ist die Bestimmung des Hurst-Exponenten. Dieser wird auch als Selbstähnlichkeitsparameter bezeichnet und kann Werte zwischen 0 und 1 annehmen. Durch Logarithmieren lässt sich die Gleichung nach H auflösen. In einem doppelt-logarithmierten Diagramm dargestellt ist der Hurst-Exponent nichts anders als die Steigung der logarithmierten R/S-Geraden. Bei Vorliegen eines echten Random Walks müsste die Gerade eine Steigung von 45° aufweisen und H somit einen Wert von 0,5 besitzen. Werte über 0,5 (und kleiner 1) signalisieren ein Beharrungsvermögen (Persistenz) des stochastischen Prozesses. Es liegt also Long Memory vor.^[38]

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2: R/S-Analyse eines internationalen Aktienindex (1959 – 1990)

Abb. 2:(in Anlehnung an: Thoma, B. (1997), S. 49)

Seit Mandelbrot (1966, 1971) erstmals die Möglichkeit von Long Memory an den Finanzmärkten in Betracht zog, gab es zahlreiche Untersuchungen zu dem Thema. Während das Langzeitgedächtnis bei den Volatilitäten des Aktienmarktes nachgewiesen werden konnte, fallen die Ergebnisse für die Wertpapierrenditen selbst sehr unterschiedlich aus. Viele Untersuchungen belegen, dass Long Memory in Aktienmärkten existiert, während andere Untersuchungsergebnisse gegen Long Memory sprechen. Aufgrund der unterschiedlichen Ergebnisse kann vermutet werden, dass es sich bei Long Memory möglicherweise um ein landesspezifisches Problem handelt und das Phänomen zeitlich begrenzt ist.^[39]

Da im Falle von Long Memory die Vergangenheit Auswirkungen auf die Zukunft hätte, stellt sich die Frage, ob man durch die Analyse historischer Kurse wirklich eine Überrendite am Markt erzielen kann. Die Befürworter der Hypothese effizienter Kapitalmärkte sehen in der Existenz von Long Memory jedoch keine Verletzung der Theorie. Sie argumentieren, dass die Trends nur kurzzeitig andauern und sie daher unter Einbeziehung von Transaktionskosten nicht profitabel nutzbar sind.^[40] Dahingehend wurde Famas (1970) preisorientierte Definition der Kapitalmarkteffizienz von Jensen (1978) erweitert, welcher neben dem Kursverlauf der Wertpapiere auch die Kosten berücksichtigt. Demnach wird von einem effizienten Markt gesprochen, falls trotz Informationsvorsprungs keine Überrenditen nach Transaktionskosten erzielbar sind.^[41]

Daneben gibt es noch weitere Anomalien und Statistiken, welche die Kapitalmarkteffizienz in Frage stellen.^[42] Auf diese wird jedoch nicht weiter eingegangen, da es über die eigentliche Thematik dieser Arbeit hinausgehen würde. Trotzdem ist es fraglich, ob durch diese Beobachtung die Theorie der effizienten Kapitalmärkte irgendwann widerlegt oder bestätigt werden kann.^[43] Die Vielzahl der Kapitalmarktanomalien und die große Anzahl der technisch orientierten Investoren lassen jedoch vermuten, dass es an der Börse gewinnbringende Trends gibt.^[44] Allerdings liefert die Technische Aktienanalyse keine Erklärungen für derartige Beobachtungen, sondern zielt einzig und allein darauf ab, diese durch Ausnutzung bestimmter statistischer Informationen gewinnbringend auszubeuten.^[45]

3 Trendfolgeindikatoren

Die dabei von den Technikern verwendeten Konzepte sind sehr vielfältig. Es ist allgemein zwischen Oszillatoren, Anti-Trend-Strategien und Trendfolgekonzepten zu unterschieden. Unter letzteren versteht man das Eingehen einer Position in Richtung einer Kursbewegung in der Erwartung, dass der bestehende Trend weiter anhalten wird.^[46] Anti-Trend-Ansätze zielen auf eine Umkehr des vorherrschenden Trends ab. Dementsprechend wird hier eine Position entgegen des Trends eingegangen, während Oszillatoren ein profitables Handeln in Phasen seitwärts verlaufender Kurse ermöglichen sollen.

3.1 Die Dow Theorie

Die ersten umfangreichen Studien zur Technischen Analyse gehen auf Charles Henry Dow zurück und wurden zwischen 1900 und 1902 im „Wall Street Journal“ veröffentlicht. Daraus entstand die Dow Theorie, welche heute als Vorfahre vieler Prinzipien der modernen Technischen Analyse gilt. Die Theorie zielte ursprünglich nicht darauf ab, Aktienkurse zu prognostizieren, sondern die Entwicklung der Aktienmärkte als Indikator für die gesamtwirtschaftliche Entwicklung zu verwenden.^[47]

Aus diesem Grund entwickelte Dow einen Index aus Industrieaktien und einen aus Eisenbahntiteln. Beide Indizes sollten als Indikator für die zukünftige wirtschaftliche Entwicklung dienen, da die Masse der Investoren die wirtschaftliche Entwicklung richtig vorwegnimmt und in ihren Anlageentscheidungen berücksichtigt. Die Indizes diskontieren somit die Zukunft und können auch als Barometer für die Stimmung unter Investoren betrachtet werden. Demnach würde einer wirtschaftlichen Rezession ein Abfallen der Aktienkurse vorangehen.^[48]

Diese Argumentation ist zugleich die erste von sechs Annahmen der Dow Theorie. Vier davon befassen sich direkt mit dem Thema Trend.

3.1.1 Die drei Arten von Trends

Die Dow Theorie unterscheidet, wie bereits in Kapitel 2.1 dargelegt, drei Trendrichtungen: Aufwärtstrend (Bull Market), Abwärtstrend (Bear Market) und Seitwärtstrend. Hinsichtlich der Dauer lassen sich Trends in primäre, sekundäre und tertiäre oder zufällige Kursbewegungen einteilen. Die kürzeren Trends sind dabei Bestandteile eines übergeordneten, längeren Trends.

Primärtrends dauern gewöhnlich ein Jahr oder länger an und führen zu einer Kurssteigerung oder einem Kursverfall von mindestens 20 %. Sie werden durch Sekundärtrends, welche zwischenzeitliche Korrekturen des Primärtrends darstellen, in die Gegenrichtung unterbrochen. Diese Korrekturen dauern normalerweise zwischen drei Wochen und mehreren Monaten, selten länger. Dabei wird der Gewinn des vorangegangenen Aufschwungs im Primärtrend um etwa ein bis zwei Drittel dezimiert. Gleiches gilt für einen abwärtsgerichteten Primärtrend, bei dem es zu einer zeitweiligen Erholung der Kurse kommt. Man sollte berücksichtigen, dass diese „ein bis zwei Drittel“ keine feste Regel darstellen, sondern eine Angabe von Wahrscheinlichkeiten sind. Sekundärtrends bestehen aus noch feineren Trends, den Tertiärtrends oder Tagesschwankungen. Sie sind für einen Investor i. d. R. unbedeutend, da sie zu kurz und im Gegensatz zu Primär- und Sekundärtrends zu einem gewissen Grad manipulierbar sind. Tertiärtrends dauern gewöhnlich weniger als 6 Tage und in seltenen Fällen länger als drei Wochen.^[49]

3.1.2 Die drei Phasen des Primärtrends

Dow konzentrierte sich vorwiegend auf langfristige Primärtrends und unterteilt diese in drei Phasen.

In der Akkumulationsphase, der ersten der drei Phasen, herrscht unter der breiten Masse der Investoren eine gedrückte und negative Stimmung. Einige gut informierte Investoren erkennen bereits in diesem frühen Stadium, dass ein wirtschaftlicher Aufschwung und ein damit verbundenes Anziehen der Kurse unausweichlich sind. Daher kaufen sie in Erwartung des nahenden Wirtschaftsaufschwungs aggressiv Aktien.

Die zweite Phase ist durch bessere Wirtschaftsnachrichten und steigende Unternehmensgewinne gekennzeichnet. Unter diesen sich verbessernden Bedingungen steigen die Trendfolger und auch die breite Masse der Investoren in den Markt ein.

Wenn sich die Medien zunehmend optimistisch über den Kursaufschwung an der Börse äußern und die wirtschaftlichen Aussichten so günstig wie nie erscheinen, ist bereits die dritte Phase angebrochen. In dieser sog. Distributionsphase vertritt die breite Öffentlichkeit die Meinung, dass der Aktienmarkt nur noch die Richtung nach oben kennt und hat daher keine Scheu mehr vor Neuengagements an der Börse. Die Marktteilnehmer kaufen nun immer mehr Aktien, was letztendlich in eine Kauf-Rallye mündet. In Erwartung eines baldigen Abschwungs beginnen nun die wenigen Investoren, welche bereits während der ersten Phase aggressiv kauften, ihre Aktienbestände zu liquidieren.^[50]

3.1.3 Trendbestätigungen

Es stellt sich nun die Frage, wie diese mutigen Investoren den Beginn eines solchen Börsenaufschwungs bzw. des darauffolgenden Abschwungs erkennen können. Damit beschäftigt sich die vierte Annahme der Dow Theorie. Demnach müssen sich beide von Dow auferlegten Indizes gegenseitig bestätigen, indem sie ohne größeren zeitlichen Abstand neue Hoch- oder Tiefpunkte ausbilden. Weichen sie voneinander ab, signalisiert dies die Fortsetzung eines bestehenden Trends.^[51]

Als zusätzliche Bestätigung für einen Trend gilt das Handelsvolumen (fünfte Annahme der Dow Theorie). So sollten die Umsätze in Richtung des Primärtrends zunehmen. Wenn der Primärtrend negativ ist, sollte das Volumen während eines Markabschwungs steigen. Ist der Primärtrend positiv, sollte sich das Volumen während eines Marktanstiegs erhöhen. Das Handelsvolumen ist allerdings nur ein sekundärer Indikator, da sich die Dow Theorie hauptsächlich auf den Kursverlauf konzentriert.^[52]

3.1.4 Die Umkehrung eines Trends

Die sechste Annahme der Dow Theorie besagt, dass der Trend solange als intakt gilt, bis ein deutliches Umkehrsignal entsteht. Ein solches kann gegeben sein, sobald die Kurse mindestens einmal einen niedrigeren Hoch- und einen niedrigeren Tiefpunkt als bei der letzten Kurswelle erreichen. Für einen Abwärtstrend gilt das Gegenteil. Eine einmalige Verletzung dieser Regel sollte den Anhängern der Dow Theorie zufolge jedoch nicht verabsolutiert werden, sondern vielmehr als Warnsignal gesehen werden. Je länger ein Trend sich fortsetzt, desto geringer sind die Chancen, dass er intakt bleibt.^[53]

[...]

---

^[1] Vgl. Meyers, T. (2002), S. 5.

^[2] Vgl. Goldberg, J./Nitzsch, R. von (1999), S. 123f.

^[3] Vgl. Schwager, J. (2001), S. 162.

^[4] Vgl. Murphy, J. (2004), S. 63.

^[5] Vgl. Conway, M. (2002), S. 5.

^[6] Vgl. Edwards, R./Magee, J. (2001), S. 326.

^[7] Vgl. Grosjean, R. (2003), S. 64.

^[8] Vgl. im Internet: FAZ (2003).

^[9] Vgl. Bamberg, G./Baur, F. (2002), S. 63.

^[10] Vgl. Bamberg, G./Baur, F. (2002), S. 63.

^[11] Vgl. Murphy, J. (2004), S. 63ff.

^[12] Vgl. Murphy, J. (2004), S. 65ff.

^[13] Vgl. Goldberg, J./Nitzsch, R. von (1999), S. 20.

^[14] Bei einem stationären Prozess {Xt, t ≥ 0} hängt die Verteilung der Zufallsvektoren (Xt1 + τ , … , Xtn + τ) nicht von τ ab.

^[15] Vgl. Nemtsev, S. (2006), S. 22.

^[16] Vgl. Bachelier, L. (1900), S. 21ff.; Perridon, L./Steiner, M. (2004), S. 221.

^[17] Vgl. Osborne, M. (1959), S. 145ff.

^[18] Vgl. Steiner, M./Bruns, C. (2002), S. 43.

^[19] Vgl. Perridon, L./Steiner, M. (2004), S. 222.

^[20] Vgl. Barth, W. (1996), S. 4.

^[21] Vgl. Gothein, W. (1995), S. 9f.

^[22] Vgl. Samuelson, P. (1965), S. 41.

^[23] Vgl. Perridon, L./Steiner, M. (2004), S. 222f.

^[24] Vgl. Perridon, L./Steiner, M. (2004), S. 223.

^[25] Bei der Fundamentalanalyse wird der innere Wert einer Aktie durch unternehmensspezifische und gesamtwirtschaftliche Daten ermittelt. Ein Vergleich des inneren Wertes mit dem Marktpreis zeigt eine mögliche Unter- oder Überbewertung auf.

^[26] Vgl. Steiner, M./Bruns, C. (2002), S. 44.

^[27] Vgl. Fama, E. (1970), S. 383ff.

^[28] Vgl. Dorfleitner, G./Klein, C. (2002), S. 497ff.

^[29] Vgl. Steiner, M./Bruns, C. (2002), S. 44f.

^[30] Kapitalmarktanomalien sind Renditemuster, die nicht mit den Aussagen der Kapitalmarkttheorie übereinstimmen und damit auch im Widerspruch zur Hypothese der Kapitalmarkteffizienz stehen.

^[31] Vgl. Steiner, M./Bruns, C. (2002), S. 47.

^[32] Vgl. Achelis, S. (2001), S. 134.

^[33] Vgl. Achelis, S. (2001), S. 3.

^[34] Vgl. Steiner, M./Bruns, C. (2002), S. 45.

^[35] Vgl. Thoma, B. (1997), S. 8.

^[36] Vgl. Barth, W. (1996), S. 1.

^[37] Vgl. Peters, E. (1996), S. 63.

^[38] Vgl. Peters, E. (1996), S. 63f.

^[39] Vgl. Barth, W. (1996), S. 11ff.

^[40] Vgl. Perridon, L./Steiner, M. (2004), S. 223.

^[41] Vgl. Jensen, M. (1978), S. 96.

^[42] Vgl. Dorfleitner, G./Klein, C. (2002), S. 499f.

^[43] Vgl. Murphy, J. (2004), S. 38.

^[44] Vgl. Gothein, W. (1995), S. 263.

^[45] Vgl. Thoma, B. (1997), S. 115.

^[46] Vgl. Schwager, J. (2001), S. 646.

^[47] Vgl. Achelis, S. (2001), S. 123.

^[48] Vgl. Gothein, W. (1995), S. 85.

^[49] Vgl. Achelis, S. (2001), S. 124f.; Edwards, R./Magee, J. (2001), S. 15ff.

^[50] Vgl. Achelis, S. (2001), S. 125.

^[51] Vgl. Achelis, S. (2001), S. 126.

^[52] Vgl. Achelis, S. (2001), S. 126f.

^[53] Vgl. Achelis, S. (2001), S. 127; Schwager, J. (2001), S. 30.