Trendfolge – Kapitalanlage prognosefrei

Trendfolge – Kapitalanlage prognosefrei

Wir alle hätten gern eine Glaskugel.

Jedenfalls geben wir Menschen eine Menge Geld dafür aus, unsere Zukunft in Erfahrung zu bringen.

Das ist verständlich. Lebt es sich doch ruhiger, wenn wir das Ergebnis schon kennen. Nehmen wir ein einfaches Beispiel: Die Fahrt in den Urlaub.

Fahren wir das erste mal an diesen Ort und womöglich über weite Strecken über für uns unbekanntes Terrain, dann sind wir die ganze Zeit angespannt und das Ziel will und will nicht erreicht werden. Wir haben sogar manchmal das Gefühl, als ob trotz der zurückgelegten Kilometer das ersehnte Urlaubsziel immer noch genauso weit weg ist. Fahren wir hingegen wieder Richtung Heimat, geht alles ganz schnell.

Noch mehr Routine kommt auf, wenn wir Ziele zum wiederholten mal ansteuern.

Dann sind uns viele Besonderheiten auf dem Weg schon bekannt und werden von uns nicht mehr aktiv wahrgenommen.

Dies ist sicher einer der Gründe, warum viele Touristen oft an die gleichen Orte fahren – der Urlaub beginnt dann eben schon an der Haustür, da man die Reise entspannt angehen kann.

Die Reise am Kapitalmarkt ist leider immer neu – wie wir wissen reimt sie sich zumindest.

Somit sind einige Zyklen und Verhaltensweisen schon absehbar, viele andere jedoch noch nicht. Deshalb beginnt Geldanlage eben nicht schon an der Haustür, sondern die Angespanntheit bleibt die ganze Reise über.

Leider kann es dadurch vorkommen, dass wir uns auf dem Weg zum Ziel verfahren bzw. das Ziel ganz aus den Augen verlieren.

Zumindest können wir uns auf die lange Reise vorbereiten – wir können Werkzeug mitnehmen. Das Werkzeug wird uns dann helfen, wenn es wieder einmal eine Panne am Kapitalmarkt gibt. Dann sind wir in der Lage richtig zu reagieren.

Ein richtiges Werkzeug

Wir müssen nicht wissen wann und wie die Störung erfolgt, sondern nur vorbereitet sein, falls die Situation eintrifft. Dazu müssen wir auf unsere erprobten Werkzeuge vertrauen, dass diese uns im richtigen Moment aus der Patsche zu helfen.

Trendfolge-Konzepte sind für mich eben dieses Werkzeug – keine Prognose, aber zur Stelle wenn es gebraucht wird.

Nehmen wir das monatliche Trendfolge-System. Es ist generell im Markt investiert und verdient die verschiedenen Risikoprämien. Lässt der Trend bzw. das Momentum einer Risikoprämie nach, fängt es an zu bremsen und kommt komplett zum Stehen falls es durch fallende Kurse an den Börsen mal rückwärts geht.

Trendfolge auf Basis der Monte-Carlo Daten

Die im letzten Blog gewonnen Daten sollen für die nächsten Überlegungen weiter verarbeitet werden. Wir haben mit Hilfe der Monte-Carlo Methode einen Zeitraum von 10 Jahren bzw. 120 Monate nach vorn simuliert, um den Weg zu erkunden.

Damit können wir ein simples Trendfolge-System testen. Das System soll nur Long im Markt sein, wenn der aktuelle Indexwert über dem Mittelwert der letzten 12 Monate liegt. Falls er unterhalb liegt, stellt das System die Position glatt und hat keine Position – geht also nicht short.

Da wir die ersten 12 Monate für die Bildung des Durchschnitts benötigen, fängt das das Ausgangsbild erst ein Jahr später an. Der Verlauf wurde neu indexiert und gleicht dem des letzten Blogs:

monte-carlo_diy_renditen-9j
Daten Bloomberg, eigene Berechnungen

Aufgefallen ist beim letzten Mal schon der sehr hohe Drawdown von über 50%. Durch unser einfaches System soll nun versucht werden diesen Drawdown etwas abzuschwächen und möglichst gleichzeitig den Maximalen Verlauf nicht zu beeinflussen.

Ein erster Blick auf die neu erzeugten Daten zeigt wie das System häufig aus dem Markt geht. Insbesondere natürlich im Fall des Median und des Minimalen Verlaufs.

monte-carlo_diy_renditen-9j_trend
Daten Bloomberg, eigene Berechnungen

Erster Erfolg! Durch die Trendfolge Komponente sieht der Drawdown schon wesentlich besser aus. Der maximale Ertrag wird jedoch auch gemindert. Das hatten wir schon oft gesehen. Die Verteilung der Renditen wird nicht nur links (im Verlust-Bereich) abgeschnitten, sondern insgesamt schmaler.

Es lohnt ein zweiter Blick auf die Daten:

Vergleicht man die Zeitreihen miteinander, so stellt man schnell fest, dass durch die die Anwendung des Trendfolge-Systems die Min, Median und Max generell anderer Zeitreihen sind als im oberen Verlauf. Max, Min und Median werden somit völlig neu interpretiert.

Das ist auch zu erwarten, da insbesondere klare Trends nach oben und unten gut von einer Trendfolge-Strategie auffangen werden. Hingegen ein ständiges Hin- und Her der monatlichen Erträge bereitet dem System Schwierigkeiten. Es folgen Fehlsignale und diese kosten gewöhnlich Rendite.

Es muss eben ein Trend existieren, um diesem zu folgen.

Nehmen wir die gleichen Zeitreihen, die im ersten Schaubild Min, Max und Median erzeugt haben, dann erreichen wir ein komplett anderes Bild:

monte-carlo_diy_renditen-9j_trend_ii
Daten Bloomberg, eigene Berechnungen

Die eben noch schwache Performance – entlang der Min-Linie – wird vom System deutlich verbessert. Das Trendfolge-System ist die meiste Zeit nicht im Markt und verhindert dadurch große Drawdowns.

Da die Drawdowns für das Handelssystem nicht aus stark fallenden Märkten resultieren, sondern v.a. aus oszillierenden müssen wir die Annahmen noch einmal überprüfen.

Der Vorteil der Monte-Carlo Simulation ist auch eine Schwäche

Die Monte-Carlo Zeitreihen sind rein zufällige Zahlen (monatliche Erträge), aneinander gereiht. Dass wollten wir so.  In der realen Zeitreihe finden sich jedoch mindestens auf dem 1. und 2. Lag noch genügend Residuen, sodass wir eine Autokorrelation vorfinden.

Die Autokorrelation ist der statistische Begriff für die Möglichkeit mit Trendfolge-Systemen im Markt zu agieren. Die Lags bezeichnen den zeitlichen Versatz der Korrelation.

Ein Beispiel: Es werden die monatlichen Erträge von t (Heute) mit den Erträgen von t-1 (Gestern) verglichen. Sollten dabei positive Werte entstehen, dann bedeutet dies – der heutige Wert wird ähnlich dem gestrigen – ein Trend ist entstanden.

Die Monte-Carlo Simulation besitzt aufgrund des Zufallcharakters keine Autokorrelation. Über die gesamte Menge an Zufallszahlen ist diese im Mittel 0.

Ein Autokorrelationsfilter muss her!

Um die Autokorrelation wieder „einzubauen“ könnte man den Rechnkern entsprechend anpassen, sodass die Ziehung einer Zufallszahl von der vorherigen Ziehung abhängt.

Für heute soll uns eine Filter-Methode genügen. Da Zeitreihen mit Autokorrelation auch über die Monte-Carlo Simulation zufällig entstehen, filtern wir diese aus der Gesamtheit heraus.

Als Parameter dient hierzu der Autokorrelationswert bzw. der quadrierte Wert der Autokorrelation mit dem Lag 2 Perioden.

Das Ergebnis lässt sich im nächsten Bild sehen. Der Drawdown konnte nochmals deutlich gesenkt werden – die für die Trendfolge schädlichen Zeitverläufe wurden entfernt.

monte-carlo_diy_renditen-9j_trend_ac
Daten Bloomberg, eigene Berechnungen

Das ist vielleicht auch noch nicht die ganze Wahrheit, aber weitere Überlegungen möchte ich an dieser Stelle nicht anführen, sondern auf spätere Blogs verschieben.

 

MAQS – Global Trend Following

Signale des wöchentlichen Systems:

  • Short US 10Y T-Note
  • Short Gold

 

Eure Kommentare sind herzlich willkommen.

 

Kommentar verfassen

Trage deine Daten unten ein oder klicke ein Icon um dich einzuloggen:

WordPress.com-Logo

Du kommentierst mit Deinem WordPress.com-Konto. Abmelden /  Ändern )

Google+ Foto

Du kommentierst mit Deinem Google+-Konto. Abmelden /  Ändern )

Twitter-Bild

Du kommentierst mit Deinem Twitter-Konto. Abmelden /  Ändern )

Facebook-Foto

Du kommentierst mit Deinem Facebook-Konto. Abmelden /  Ändern )

w

Verbinde mit %s