Re-Entry – oder No Entry

Re-Entry – oder No Entry

Die Idee zum heutigen Kapitel hatte ich schon eine ganze Weile, aber andere spannende Dinge hatten Vorrang.

Hinter uns liegt ein sehr turbulenter Monat. Mit dem kurzen „von allen erwarteten“ Crash gleich zu Beginn des Monats war der Monat eigentlich schon gelaufen.

Wie Ihr Euch erinnert hatten wir gerade MAQS neu ausbalanciert, da traf uns der Crash mit voller Wucht. Einige Positionen liefen durch den Stop und kamen auch während des Monats nicht wieder zurück ins Portfolio.

Einzig die Position im S&P500 wurde noch am Freitag vor der Crashwoche geschlossen. Dies war möglich, da der S&P500 -im vergangenen Jahr 2017 sich schon sehr weit von seinen gleitenden Durchschnitten entfernt hatte. Da gleichzeitig die Volatilität immer weiter fiel, hat das wöchentliche System den Stop-Kurs sehr eng nachgezogen.

Dieser Stop Regel hatte ich bei der Konzeption eher für die Rohstoffmärkte mit ihren deutlichen Schwankungen eingebaut, aber auch in den Aktienmärkten sollte sich zeigen, was diese Regel bewirkt. Nebenbei bemerkt kam diese Art des Risikomanagements selbst im Extrem-Bullenmarkt bei den Bonds schon vor.

Der Stop führte dazu, dass MAQS den Rutsch im S&P500 nicht mitmachte und für mich erstaunlicherweise in der Woche darauf ein Signal zum Einstieg gab. Das Signal zum Einstieg war nach den Regeln völlig korrekt. Der kurze Gleitende Durchschnitt lag über dem mittleren und langen und da die Volatilität offensichtlich ebenfalls angezogen hatte, war das Setup perfekt für einen erneuten Einstieg – einen Re-Entry.

Das veranlasst mich für den heutigen Blog zu untersuchen, ob diese Art Entry – also in die gleiche Richtung (long oder short), in der Woche direkt nach dem Exit besonders gut oder eher schlecht sind. Als Trendfolger rechnet man damit, dass nach einem Exit der Trend schon gedreht hat und ein Wiedereinstieg – in die gleiche Richtung – daher nicht möglich ist.

Dazu habe ich mir im wöchentlichen System die oben beschriebene Entries analysiert und bin zu den folgenden Ergebnissen gekommen.

Die Analyse verlief über 23 verschiede Märkte in einem Zeitraum von knapp 9 Jahren. Dabei kamen in der Summe 479 Trades zustande. Davon waren 186 (38,8%) Trades Gewinner und 293 (61,2%) Loser.

Im gleichen Zeitraum gab es 91 Trades mit den oben beschriebenen Merkmalen – das sind knapp 20% aller Trades. Dafür, dass ich dachte, dass diese Re-Entrys nur ab und zu vorkommen, zeigt die Analyse eine deutliche Quote – jeder 5. Trade ist ein genau solcher!

Von diesen 91 Trades waren 42 Gewinner – also 46% und 49 waren Verlierer – also 54%.

Das ist keine schlechte Quote. Der existierende unterliegende Trend ist in diesen Fällen scheinbar so stark, dass dieser selbst bei einem Rücksetzter oder Vola-Stop noch etwas weiter trägt.

Eine höhere Hit-Ratio als bei normalen Entries macht diese Art von Entry auf jeden Fall interessant.

Schaut man sich den durchschnittlichen Gewinn pro Trade an, kommt ein wenig Ernüchterung auf. Der durchschnittliche Gewinner-Trade erreicht mit 0,84R (R=Risikoeinheit) nur knapp das Doppelte vom durchschnittlichen Verlierer-Trade mit -0,48R.

Bei den normalen Trades sehen die Gewinner typischer Weise mit 1,5R deutlich besser aus. Die Verlierer sind zwar ebnefalls schlechter bei -0,60R. In der Summe kommen wir jedoch auf einen Wert vom 2,5 fachen.

Meine Erklärung ist, dass der vorherrschende Trend zwar stark ist – also Gewinner produziert – aber eben auch schon reif und damit nicht mehr so lange läuft. Außerdem werden die Re-Entries generell bei höheren Risiko und damit kleinerer Positionsgröße und weniger Leverage eröffnet. Damit muss sich der Markt um die die gleiche Performance zu erreichen deutlich weiter bewegen.

Im Mittel verdient man mit einem Re-Entry 0,14R und mit einem normalen Trade 0,22R.

Side-Kick: Es gab nur 7 Trades, die gleich in der Woche nach dem Exit eröffnet wurden, aber mit einer Gegenposition – also dem Wechsel von Long auf Short oder umgekehrt. Diese Trades hatten ebenfalls eine 50/50 Quote aber trotzdem negative durchschnittliche Erträge von -0,41R, da die Verlusthöhe die Gewinnhöhe deutlich überstieg.

FAZIT: Re-Entries sind gut! Wir können den bestehenden Trend noch eine Weile weiter reiten. Die Ausbeute ist nicht ganz so stark wie bei normalen Trades, aber immer noch positiv.

 

MAQS – Global Trend Following

Performance Februar

Der Februar war wie schon Eingangs beschrieben geprägt vom Crash gleich zu Beginn.

Über alle Risiko-Assets: Aktien, Rohstoffe, Währungen musste MAQS große Verlust verkraften. Einige wöchentliche Trades wurden sogar ausgestoppt – so z.B. USD/YEN und EuroStoxx50. Bei den ETF leideten die Aktien-Märkte besonders. Die Renten konnten sich anfangs stabilisieren, aber mit dem fallenden Bund und T-Note Future gab dann auch der Langläufer-ETF aus der Eurozone nach.

Am Ende stand für diesen Monat trotz Aufholjagd ein dickes Minus zu Buche. Der versuchte Ausbruch nach oben fand ein jähes Ende und neue Tiefstände wurden markiert.

Februar: -6,82%, seit Jahresanfang: -3,91%

Monatsupdate_201802

Signale des monatlichen Systems:

  • Verkauf von DAX

Das neue MAQS-Portfolio hält im März 2018 folgende Positionen:

Name ISIN Preis MAQS
DAXEX GY Equity DAX Aktien DE0005933931 107,58 0
EUNZ GY Equity EM Aktien IE00B8KGV557 24,98 300
IBCH GY Equity Welt Aktien IE00B441G979 50,91 290
IUS7 GY Equity EM Anleihen IE00B2NPKV68 90,90 0
IBCL GY Equity EUR Staatsanleihen IE00B1FZS913 228,14 100
XDBC GY Equity Rohstoffe LU0292106167 18,79 800
Gesamt in EUR     85,76
*Schätzung

Eure Kommentare sind herzlich willkommen.

Wikifolio: MAQS – Global Trend Following

Rückblick 2017, Ausblick 2018

Rückblick 2017, Ausblick 2018

Wie im letzten Jahr möchte ich am Anfang des neuen Jahres einen kleinen Rückblick auf die Ergebnisse des letzten Jahres geben. Den Ausblick für 2018 werden ich in den nächsten Tagen noch nachliefern, da ich zeitlich etwas knapp bin. (Anmerkung der Redaktion: Aktualisierung am 07.01.2017)

MAQS Jahres-Performance:

Im letzten Jahr gab es eine Menge Auf und Ab in der Performance von MAQS. Leider stand am Jahresende ein relativ dickes Minus von über 13% zu Buche.

Das war nicht schön und schon gar nicht schön darüber jede Woche zu schreiben. Verluste behält man besser für sich, oder?

Auf alle Fälle gehen viele Leute mit den Gewinnern dieses Jahr hausieren – eben ein netter Plausch auf den Parties zum Jahreswechsel. Es gab am Aktienmarkt auch eine Menge „Super Gewinner“.

  • Lufthansa: 150%
  • Commerzbank 72%
  • Uniper: 98%
  • Leoni: 84%
  • Boeing: 89%
  • Align Technology: 131%
  • Take-Two Interactive Software: 122%
  • usw.

Nicht zu  vergessen der märchenhafte Aufstieg des Bitcoin von ca. 1.000 USD auf 18.000 USD zum Jahreswechsel.

Wer ist da nicht gern dabeigewesen. Interessant sind m.E. vor allem die Storys, warum der oder diejenige gerade diesen Trade gemacht haben.

Ohne den Gewinn zu schmälern, war sicher auch eine Portion Glück im Spiel – Eben wie bei einer Lotterie.

Bisher habe ich übrigends noch niemanden mit Steinhoff International im Portfolio gefunden. Selbst mit so einem langweiligen Wert wie Fresenius, konnte man dieses Jahr einen Verlust von ca. 12% einfahren.

Letztes Jahr hatte ich an dieser Stelle noch einmal betont:

„Trades entstehen auf Basis von Analysen und Regeln!“

Daran habe ich mich das ganze Jahr gehalten. Alle Trades im MAQS-Portfolio wurden entweder vom wöchentlichen oder vom monatlichen System nach klaren reproduzierbaren Regeln generiert.

Das diese Methode nicht der „Heilige Gral“ ist und damit eben auch Verluste entstehen können, hatte ich schon im Ausblick 2017 gezeigt. Aber wir haben eben wie im Beitrag zu den Slot-Maschinen einen gewissen Vorsprung, der auf lange Sicht erfolgreich sein sollte.

Die „Prognose 2017“ sah wie folgt aus:

maqs-performance_erwartung_2017
Quelle: Daten Bloomberg, eigene Berechungen

Die Median Erwartung lag bei ca. 16% und das -99% Quantil (also der Wert der in 99% der Fälle nicht erreicht werden sollte) lag bei ca. -13%.

Damals hatte ich noch großzügig gerundet und kam auf einen Drawdown von -15%, aber auch ein mittleres Upside-Potential von ca. 15%.

Leider hat sich nur die negative Seite des Portfolios gezeigt. Wir haben die -13% bei MAQS im letzten Jahr gesehen – das hätte statistisch nicht vorkommen sollen.

Eine kleine Analyse zeigt aber relativ schnell, worauf die Simulation nicht achtete. Die Zahlen zur Simulation beinhalteten keinerlei Kosten.

Nach weiteren Analysen und Überlegungen werde ich die Kosten – vor allem die Finanzierungskosten des wöchentlichen Systems – zukünftig mit berücksichtigen.

In meinem neuen Ausblick (folgt), sind diese Kosten approximativ enthalten und nach einer Anpassung der Modellierung, werden diese möglichst genau in das System mit einfließen. Letztlich senkt es die Performance Erwartung um ca. 3% p.a. ab. Damit sind die erreichten -13% nicht mehr erst im 99% Quantil errreichbar, sondern leider schon eher. Simulation folgt!

#Nachlieferung Ausblick 2018

Häufig fängt man mit einer auf den ersten Blick einfachen Analyse an und stellt kurz dannach fest, dass Dinge die man noch vor Jahren als sinnvoll erachtete plötzlich in einem anderen Licht erscheinen.

Wie versprochen war das Ziel die DIY Renditen zu nutzen, um die Performance der Bond-Komponente in einem Zinssteigerungsszenario besser zu erfassen.

Dabei ist mir klar geworden, dass unser Algorithmus zur Selektion der Trades im monatlichen System mit den schnelle Preisbewegungen der langen Bonds seine Problem hat. Das Verhältniss von Aufwärtsbewegung (das System ist Long-Only) zur Volatilität ist für einen Trendfolger sehr ungünstig. Es kommt zu oft zu apprupten Preisbewegungen gegen den Trend und diese führen zu einem Positionswechsel. Kurz darauf wir der eigentliche Pfad wieder aufgenommen.

Damit ist die Trendfolgemethode auf den langen Bonds alles andere als optimal. Ich hatte diese hingenommen, da in verschiedenen Studien keine Nachteile auf anderen Bond-Märkten erkannt worden bzw. diese nachteile nur sehr gering waren. Wesentlich war jedoch für mich, eine Methode zu haben, die bei steigenden Zinsen mich aus dem Bond-Markt hält.

Nach den Untersuchungen der letzten Tage, bin ich zum Schluss gekommen, dass

  1. mein Trading-Algorithmus diese Aufgabe nicht leisten kann und
  2. ein steigender Zins nicht notwendiger Weise so negativ für die Performance der Bond-Komponente ist. Jedenfalls ist eine Buy-and-Hold Strategie unter Berücksichtigung von Handelskosten nicht schlechter als der Algorithmus.
  3. die wichtigste Aufgabe – große Drawdowns zu verhindern erreicht die MAQS-Systematik nur bedingt. Bei fallenden Zinsen reduziert sich der Drawdown nur marginal, bei steigenden schon etwas mehr, aber alles in allem zu wenig, um dafür die Rendite aufzugeben.

Lasst Zahlen sprechen:

10Y historisch 10Y inverse
Index
Rendite 4,33% 2,00%
Risiko 6,17% 6,25%
Drawdown -9,13% -14,87%
MAQS
Rendite 2,48% 0,72%
Risiko 5,13% 4,40%
Drawdown -8,38% -11,21%

Und Bilder:

10y-Rendite_normal
Performance 10-jähriger Bond (historicher Verlauf)
10y-Rendite_inverse
Performance 10-jähriger Bond (simulierter Zinsanstieg)

Damit sollten wir für die Bond-Komponente das Handelssystem aussetzten. Mit dem nächsten Monatstrade werde ich die halbe Position wieder zurückkaufen.

Jetzt wir die Zahlen zusammen haben, können diese in die Monte-Carlo Simulation aufgenommen werden.

Gesagt getan:

 

 

MC-Forecast_2018
eigene Berechnungen

Unter Berücksichtigung steigender Zinsen sollte MAQS in 2018 im Mittel um 9% zulegen. Dabei entsteht leider eine relativ hohe Streuung der möglichen Resultate. Im negativen Bereich erreichen wir mit ca. -17% einen deutlichen Drawdown – zum Glück nur in 1% der Fälle.

Im anderen 1% der Fälle ist auch eine deutlich positive Performance von > 43% möglich sein.

Lassen wir uns überraschen!

Willkommen in 2018

 

MAQS – Global Trend Following

Performance Dezember

Die Performance im Dezember war negativ. Anfänglich lief es noch sehr gut und MAQS konnte etwas Boden gutmachen, doch zum Jahreswechsel setzte die Schaukelei wieder ein und ohne Trends keine positive Performance. Der einzige Markt der wirklich das gesamte Jahr in einem sehr starken Trend verlief war der S&P500. Leider reichte die Performance nicht, die Verluste wieder wettzumachen.

Dezember: -1,96%, 2017: -13,38%

Monatsupdate_201712

Die Signale des wöchentlichen Systems werde ich nicht mehr jede Woche schreiben. Diese lassen sich im Detail immer im MAQS-Portfolio ablesen. Ebenso ist dort ein Chartverlauf zu sehen.

Signale des monatlichen Systems:

  • Verkauf einer halben Position der EUR Staatsanleihen

Das neue MAQS-Portfolio hält im Januar 2018 folgende Positionen:

Name ISIN Preis MAQS
DAXEX GY Equity DAX Aktien DE0005933931 112,17 60
EUNZ GY Equity EM Aktien IE00B8KGV557 25,13 300
IBCH GY Equity Welt Aktien IE00B441G979 51,10 290
IUS7 GY Equity EM Anleihen IE00B2NPKV68 95,62 0
IBCL GY Equity EUR Staatsanleihen IE00B1FZS913 226,56 50
XDBC GY Equity Rohstoffe LU0292106167 18,75 800
Gesamt in EUR     89,23
*Schätzung

Eure Kommentare sind herzlich willkommen.

Wikifolio: MAQS – Global Trend Following

System Review und Verbesserung

Bei meinem wöchentlichen Review der generierten Signale im Preischart, kam mir die Idee einer Verbesserung des Systems.

Wie schon beim Pyramiding möchte ich diese Möglichkeit der Verbesserung des Systems im heutigen Blog-Beitrag evaluieren.

Um dies zu erreichen, möchte ich:

  1. Einen Vergleich auf der Zeitspanne von 2009-2017 machen (das aktuelle rollierende Zeitfenster) und
  2. auf die Anfänge von MAQS zurückblicken und den Test auf dem historischen Zeitraum von 2000-2008 machen. Über diesen Zeitraum sind die meisten Parameter bzw. Filter generiert (kalibriert) worden. Insofern ist die Analyse der Verbesserung über diese Zeitspanne eine kleine Zeitreise in die Anfänge von MAQS.

Wir beginnen wie immer das Feld von hinten aufzurollen:

1.  Der Verbesserungs-Idee

Ich trage die generierten Siganle jede Woche in meine Charts ein und tracke damit die Performance bzw. visualisiere ich diese. Ich ziehe immer ein Rechteck vom Beginn des Trades zum Close. Am Ende färbe ich die Rechtecke rot für einen Verlust und grün für einen Gewinn. Des Weiteren füge ich noch eine Zahl für R hinzu. Somit kann ich sehr schön sehen, wie sich das wöchentliche System im aktuellen Marktumfeld schlägt.

Dabei ist mir aufgefallen – erst jetzt – dass insbesonder die Trades gegen den Major Trend häufig Verlust-Trades waren. Da ich als Trendfolger im allgemeinen den Trends folgen möchte, ist das natürlich ein Unding.

Der Major Trend wird im wöchentlichen System als der längste gleitende Durchschnitt definiert. Steigt dieser, sind wir in einem Major-Up-Move, fällt dieser im Down-Move.

Meine Kaufsignale werden generiert, sobald der kürzeste gleitende Durschschnitt über dem längsten gleitenden Durchschnitt liegt. Für Verkaufssignale gilt genau das Gegenteil.

Bei dieser einfachen Art der Trend-Messung kann es jedoch vorkommen, dass der Major Trend noch fallend ist, aber der kurzfristige Trend bzw. der mitellfrsitige (spielt für das Entry-Signal keine Rolle) schon aufwärts gerichtet ist. Mit der Visualisierung der Signale zeigte sich jedoch, dass gerade diese Trades dann nicht die gleiche Qualität / Profitabilität besitzen, wie Signale mit dem Major-Trend.

Ein neuer Filter muss her!

Daraufhin habe ich mir meine Filter nochmal angesehen und einen ausgetauscht. Der Filter mit dem geringsten Impact – der Preis zeigt in Richtung des Trends – wurde deaktiviert. Anstelle dessen wurde ein simpler Vergleich des aktuellen langfristigen gleitenden Durchschnitts mit dem gleiche Wert der Vorwoche verglichen.

Lag der aktuelle Wert über dem der Vorwoche, steigt der Major-Trend, dann sind nur noch Long-Signale möglich. Liegt der aktuelle Wert unterhalb des Wertes der Vorwoche sind nur Short-Signale zulässig.

Gesagt getan:

Ran an den Code und die Veränderung auf der Testumgebung umgesetzt. Damit haben wir dann den direkten Vergleich mit der besthenden Modellierung.

2. Die Headline-Daten

Diese Veränderung wirkte ganz ordentlich. In der Tabelle sind die Daten für beide Zeiträume: Mit und ohne des neuen Filters aufgeführt.

2000 – 2008 2009 – 2017
Vorher Nachher Vorher Nachher
Ertrag 17,3% 17,8% 10,8% 11,8%
Regress. Ertrag 14,9% 14,9% 13,2% 14,3%
Risiko 16,1% 16,1% 12,9% 12,5%
Drawdown -17,3% -17,4% -13,1% -15,2%
Sharpe Ratio 1,08 1,10 0,83 0,95
MAR 1,00 1,03 0,82 0,78

Der Ertrag verbesserte sich deutlich für den aktuellen Zeitraum: 2009-2017 um ganze 100bp. Dies gilt nicht nur für den geometrischen Ertrag von Anfang bis Ende also Punkt zu Punkt, sondern auch für den Anstieg der Regressionsgeraden.

Regressions-Ertrag: Zur Systemevaluierung lohnt sich ein Blick auf den Regressionsertrag, da dieser deutlich weniger anfällig für zufällig günstige bzw. ungünstige Anfangs und Endzeitpunkte. Der Regressionsertrag ist der Mittlere Ertraf über den gesamten Zeitraum.

Im Zeitraum 2000-2008 führte der Filter nur zu geringen bis fast keinen Ertragssteigerungen. Auch die anderen Kennzahlen verbesserten sich nicht deutlich. Dies ist sicher ein Grund, warum in zu Beginn diesen Filter verworfen hatte – Ineffektivität. Wir kommen dazu gleich im nächsten Abschnitt, wenn wir noch einen Blick unter die Motorhaube werfen.

Auch die Sharpe-Ratio (Ertrag pro Risiko) verbessert um einiges. Der Ertrag steigt mit der neunen Methode und auch das Risiko geht etwas zurück. Kritischer zu sehen ist der höhere Drawdown von +3% zu sehen – die MAR (Ertrag pro Drawdown) leidet dadurch deutlich. Allerdings gab es in der Vergangenheit (im Zeitraum 2000 – 2008) schon höhere Drawdowns mit >17% und diese werden im neunen Zeitraum nicht erreicht.

Wie immer gilt im Allgemeinen ein höherer Ertrag geht of auch mit höheren Risiken einher.

3. Ein Blick unter die Motorhaube

Nach dem Blick auf die „Headline“-Daten, möchte ich noch einen Blick unter die Motorhaube werfen und weitere Kennzahlen evaluieren. Die Headline-Zahlen sind zwar prinzipiell schon ein gutes Set um auf den ersten Blick eine Einschätzung der Leistungsfähigkeit eines Systems zu erkennen. Für die Effektivität der gewählten Filter ist es jedoch m.E. besser noch weitere Analysen zu benutzen.

Als Erstes wollen wir uns die Wirkung der geänderten Filter auf die Anzahl der Trades anschauen:

2000 – 2008 2009 – 2017
Trades Vorher Nachher Vorher Nachher
Gesamt Anzahl 161 154 167 150
Ø R 0,48 0,51 0,30 0,36
Long Anzahl 84 86 71 68
Ø Laufzeit 20 19 25 24
Short Anzahl 77 68 96 82
Ø Laufzeit 11 11 8 8

Blicken wir auf die ersten beiden Zeilen der Tabelle, stellen wir fest, dass der gewünschte Effekt eintritt. Der Filter ist effektiv – er reduziert die Anzahl der Trades. In beiden zeiträumen geht die Anzahl zurück von 161 auf 154 und von 167 auf 150.

Weniger Trades sind prnzipiell besser, da dadurch entstehen weniger Trade-Fehler und Slippage und es müssen weniger Courtage/Kommission gezahlt werden.

Interessant ist, dass über beide Zeiträume eine ähnliche Größenordnung an Trades entstanden ist, obwohl die Märkte deutlich unterschiedlich reagierten und damit die Performance im zweiten Zeitraum ab 2009 auch unter der des ersten Zeitraums blieb.

Im Zweiten Zeitraum ist die Wirkung des Filters noch etwas deutlicher, da scheinbar öfters das eingangs beschriebene Setup: Signal gegen den Major-Trend auftrat.

Nicht zu vergessen, wurde ein Filter entfernt, der zusätzliche bzw. v.a. frühere Entries generiert.

Die durschnittliche Qualität der Trades wurde ebenfalls durch die neuen Filter verbessert. Im Alten Zeitraum nur gering von 0,48 auf 0,51, im neunen Zeitraum deutlich von 0,30 auf 0,36. Auch hier zeigen sich die Schwierigkeiten der Trendfolger in den letzten Jahren. Die durchschnittlichen R also der Ertrag pro Risikoeinheit war über den gesamten Zyklus hinweg deutlich tiefer als in ersten Zeitraum ab 2000.

Trennen wir die Trades in Long und Short Trades auf, so sehen wir v.a. weniger Short Trades. Das ist ökonomisch mit der Existenz von Risikoprämien zu bewerten. Es muss schon eine deutliche Gegenbewegung stattfinden, damit sich ein Trade auf der Shortseite lohnt.

Die durchschittliche Laufzeit der Trades wurde durch die neu eingestelltn Filter nicht sonderlich berührt.

Die zweite Tabelle schneidet die Trades etwas anders –  in Gewinner und Verlierer:

2000 – 2008 2009 – 2017
Trades Vorher Nachher Vorher Nachher
Gesamt Anzahl 161 154 167 150
Ø R 0,48 0,51 0,30 0,36
Gewinn Anzahl 77 78 65 63
Anzahl R>2 25 24 19 18
Ø R 1,58 1,50 1,62 1,64
Verlust Anzahl 84 76 102 87
Anzahl R<-1 11 7 13 13
Ø R -0,54 -0,50 -0,54 -0,56

Bei diesem Schnitt durch MAQS sehen wir die effektivität der Filter besonders: Es werden wesentlich weniger Fehltrades generiert, während die Anzahl der Gewinner nicht sonderlich betroffen ist. Einzig die Gewinner >2R fallen jeweils um 1.

Die Verlierer sinken deutlich. Insbesonders im aktuellen Zeitraum wirken die Filter. Die Abnzahl geht von 102 auf 87 zurück. Im ursprünglichen Zeitraum gehen die Verlierer ebenfalls stark zurück – von 84 auf 76. In diesem zeitraum fallen auch die Verluste mit R < -1 um deutliche 4 Stück (36%!).

Alles in allem sprechen die Zahlen für die neue Filtereinstellung.

Zum Abschluss noch ein Blick auf die langfristige Performance beider Varianten:

4. Das gesamte System im Langfristvergleich

MAQS_2000-2017_vorher_nachher

MAQS – Global Trend Following

Performance Oktober

Die Performance im Oktober war positiv.  Das Jahr bleibt zwar für Trendfolger weiter schwierig, aber das monatliche System ist rechtzeitig zum Aufschwung an den Börsen wieder zurück im Spiel. Nach anfänglichen hoch uhnd runter konnte der Aktienmarkt seinen Aufstieg fortsetzen – es follgten neue Hochs an den weltweiten Aktienbörsen.

Nach den Entscheidungen der Zentralbanker – allen vorran der EZB kamen auch die Anleihen wieder in ruhigeres Fahrwasser. Rohstoffe haben auch seit Monaten wieder Rückenwind.

MAQS entfernt sich diesen Monat ganz leicht vom Drawdown.

September: -1,36%, Seit Jahresanfang: -12,03%

Monatsupdate_201710.pngSignale des monatlichen Systems:

  • Kauf EM Aktien (+halbe Position)
  • Kauf EM Anleihen (+halbe Position)
  • zusätzlich leichtes Rebalancing w/ guter Performance der Aktien Welt

Das neue MAQS-Portfolio hält im November 2017 folgende Positionen:

Name ISIN Preis MAQS
DAXEX GY Equity DAX Aktien DE0005933931 111,57 60
EUNZ GY Equity EM Aktien IE00B8KGV557 23,99 300
IBCH GY Equity Welt Aktien IE00B441G979 48,46 290
IUS7 GY Equity EM Anleihen IE00B2NPKV68 96,96 40
IBCL GY Equity EUR Staatsanleihen IE00B1FZS913 225,38 100
XDBC GY Equity Rohstoffe LU0292106167 17,91 800
Gesamt in EUR     89,41
*Schätzung

Signale des wöchentlichen Systems:

  • Verkauf der Gold-Long-Position: Durch die Umstellung auf den neuen Filter entfällt diese Position. Konsequenter Weise wird diese auch gleich geschlossen.

 

Eure Kommentare sind herzlich willkommen.

Wikifolio: MAQS – Global Trend Following

MAQS, Winton & Co

MAQS, Winton & Co

Mit diesem Monatsbeitrag möchte ich erneut einen Blick auf die Performance der Trendfolge-Branche werfen. In einem früheren Beitrag hatte ich schon die Performance von MAQS mit der des AHL Deversified CTA und des Winton Trendfolge-Fonds vergleichen. Dies ist insbesondere in Zeiten von Drawdowns eine gute „mentale“ Unterstützung. Die Verluste bleiben zwar Verluste, aber es „fühlt“ sich besser an – „Geteiltes Leid ist schließlich halbes Leid“.

Die Vergleichbarkeit ist natürlich immer etwas eingeschränkt, da alle Anbieter gewisse Unterschiede in der Generierung von Signalen und im Money Management haben.

Neben den schon oft zitierten und auch schon hinsichtlich der Performance untersuchten AHL und Winton möchte ich noch einige weitere Kandidaten aufführen und deren Kennzahlen präsentieren.

Die weiteren Kandidaten sind mir im Laufe meiner Analysen aufgefallen bzw. wurden immer wieder für erfolgreiche Beispiele der Industrie aufgeführt. Dazu zählen DUNN Capital, EMC (Elizabeth Chaval), Abraham Trading (Andrew Abraham) und Cheasapeake (Jerry Parker), Paul Rabar und Aspect (Das „A“ von AHL). Einige der Gründer der CTA’s waren früher im Turtle-Programm von Richard Dennis und Bill Eckhardt (ebenfalls vertreten).

Die Daten zur Analyse habe ich im Fall der CTA’s von der Seite Managed Futures.com.

Wie schon des Öfteren habe ich für die Analysen den Ertrag über verschiedene Zeiträume (9,5 Jahre, 3 Jahre und 1 Jahr) ermittelt. Mein kleines Sample habe ich dann als Durchschnitt für die „erfolgreiche und bekannte“ Branche mit MAQS verglichen.

Da MAQS natürlich noch nicht so lange existiert, war der erste Schritt eine Zeitreihe herzustellen. Dazu verwende ich für den ersten Zeitraum von 2008 bis Juli 2014 einen Backtest für das wöchentliche System und Indizes für das ETF-Monatssystem.

Der zweite Zeitraum erstreckt sich von Juli 2014 bis Juli 2016 und kombiniert den Backtest des wöchentlichen Systems mit den aktuell verwendeten ETF’s auch im Backtest.

Der letzte und damit auch der spannendste Zeitraum für mich ist dann von Juli 2016 bis Juli 2017. Dazu konnte ich die Daten von MAQS (Wikifolio) zum Vergleich heranziehen.

Da der Zeitraum mit einem Jahr allerdings sehr kurz ist, lohnt isch der Blick auf die längere Perspektive meines Erachtens. Wie immer gilt: „take it with a grain of salt“.

The Facts are in:

Der gesamte untersuchte Zeitraum von 9,5 Jahren.

Die letzten 9,5 Jahre waren für alle Trendfolger positiv, aber der Ertrag konnte nicht an vergangene Tage anknüpfen. Im Mittel erreichen die beobachteten Trendfolger gerade einmal 4% Ertrag p.a. über den gesamten Zeitraum. Der Backtest (die meiste Zeit) konnte sich deutlich besser schlagen, aber Backtest ist Backtest und die anderen sind reale (Netto-) Performance Zahlen nach allen Gebühren.

01/2008 – 07/2017 Ertrag p.a. Risiko Drawdown
Dunn WMA 12,1% 26,2% -27,9%
Eckhardt 2,4% 13,4% -24,0%
Abraham 2,6% 10,3% -16,6%
Paul Rabar 3,1% 13,4% -27,3%
Chesapeake 3,4% 16,7% -31,6%
Aspect 3,8% 14,2% -22,2%
Winton 5,4% 8,7% -9,7%
Campbell 1,2% 12,1% -22,4%
EMC 2,0% 16,2% -28,2%
Mittelwert 4,0% 14,6% -23,3%
MAQS 13,9% 14,8% -14,0%

Das die geschätzten Zahlen von MAQS nicht komplett aus der Welt sind, zeigt m.E. die Risikokomponente. Mein Trendfolge-Sample hat eine Standardabweichung von ca. 15%. MAQS trifft diesen Wert nahezu exakt. Der Fonds von Winton ist im untersuchten Zeitraum nur halb so riskant – dies liegt an der etwas stärkeren Limitierung des Risikosystems.

Der Winton Fonds wird schließlich heute einer sehr breiten Kundschaft angeboten und diese können mit den hohen Risiken bzw. Drawdowns der Branche nicht gut umgehen. Interessant ist, allerdings, das im Beobachtungszeitraum der Winton Fonds trotz der geringen Risiken zu den besseren Vertretern der Branche zählt.

Die letzte Kennzahl: Drawdown ist über alle Fonds deutlich heterogener als die Ertrags- bzw. die Risikokomponente. Dies liegt m.E. in der Natur der Sache. Ein Minimum ist immer etwas sensibler auf Ausreißer, als dass Mittelwerte sind.

Die letzten 3 Jahre Trendfolge.

In den letzten 3 Jahren konnten nicht alle Trendfolger des Samples positive Erträge erwirtschaften. Die Verluste sind zwar relativ gering, dennoch ist ein Verlust von -0,3% p.a. bzw. von -1,7% p.a. für einen institutionellen Investor nicht sehr erfreulich. Die Aktien und Rentenmärkte performten deutlich besser im gleichen 3 Jahres Zeitraum.

Der Backtest (2 von 3 Jahren) von MAQS konnte in relativ stabil die Performance halten, die in der langen Zeitreihe schon zu beobachten war. Mit ca. 12% liegt MAQS vorn mit dabei.

07/2014 – 07/2017 Ertrag p.a. Risiko Drawdown
Dunn WMA 12,7% 22,8% -17,6%
Eckhardt 3,6% 13,1% -14,5%
Abraham -0,3% 9,9% -16,6%
Paul Rabar -1,7% 10,3% -20,8%
Chesapeake 3,0% 7,6% -8,3%
Aspect 7,5% 14,6% -17,0%
Winton 4,6% 8,7% -6,7%
Campbell 2,7% 13,3% -22,4%
EMC 0,6% 14,2% -28,2%
Mittelwert 3,6% 12,7% -16,9%
MAQS 11,8% 14,9% -14,0%

Das Risiko liegt im Mittel leicht unter der des langen Zeitraums. MAQS hat sein Risikoprofil beibehalten. Auch der Drawdown von MAQS liegt in der aus der langen Zeitreihe erwarteten Range. Der Drawdown des Sample ist im Mittel etwas niedriger, was aber ggf. nur technischer Natur ist bzw. den leicht, mit Blick auf die schwachen Nerven der Investoren, veränderten Risikoprofilen zurückzuführen ist.

Der „echte“ Track Record von einem Jahr.

Leider viel zu kurz, aber besser als kein Live-Track-Record. MAQS schlägt sich nach Kosten und allen weiteren operativen Unwägbarkeiten gar nicht schlecht.

Sowohl Ertrag, Risiko als auch Drawdown sind in der erwarteten Größenordnung bzw. passen sich gut in aktuelle Bild im Vergleich mit dem Sample.

Das der Drawdown kleiner als die p.a. Performance ist, liegt an der Verwendung der geometrischen Rendite bei der Drawdown Berechnung und der logarithmischen Rendite bei der Berechnung des Ertrags.

07/2016 – 07/2017 Ertrag p.a. Risiko Drawdown
Dunn WMA -19,3% 15,6% -17,6%
Eckhardt -11,9% 11,7% -14,5%
Abraham -15,9% 7,0% -16,2%
Paul Rabar -8,8% 10,4% -11,6%
Chesapeake -6,8% 4,4% -6,6%
Aspect -11,5% 6,1% -11,4%
Winton -5,8% 4,9% -5,8%
Campbell -13,2% 10,0% -14,5%
EMC -19,8% 11,7% -18,6%
Mittelwert -12,6% 9,1% -13,0%
MAQS -13,3% 10,9% -12,4%

Der kurze Überblick stimmt mich ganz zuversichtlich. Wie oben beschrieben ist ein Blick auf den Markt immer ganz hilfreich die eigene Performance besser einzuschätzen. Natürlich befindet sich MAQS im Drawdown und auf Sicht von einem Jahr hat MAQS auch mehr als 12% verloren, aber im Gesamtkontext passen alle Parameter zu einem Trendfolge-Portfolio.

Mit dieser Erkenntnis kann ich zumindest ruhig schlafen – immer im Vertrauen darauf, dass diese Phasen auch zu Ende gehen.

MAQS – Global Trend Following

Performance August

Dieser August war nicht nur ein Monat zum Urlaub machen, sondern zeigte wieder einmal wie tief Drawdown gehen können. Es braucht Nerven, um den Krimi bis zum letzten Tag anzuschauen.

MAQS rutschte bis 1 Woche vor Monatsende immer tiefer in den Drawdown. Nach der Rede von Fed Governor Yellen und EZB Ratspräsident Draghi ging es schlagartig wieder bergauf. Am Ende reichte es für ein kleines Plus im August.

Performance August: +0,72%, seit Jahresanfang: -9,85%

Monatsupdate_201708

Signale des monatlichen Systems:

  • Keine

Das neue MAQS-Portfolio hält im September 2017 folgende Positionen:

 Bloomberg Name ISIN Preis MAQS
DAXEX GY Equity DAX Aktien DE0005933931 104,95 30
EUNZ GY Equity EM Aktien IE00B8KGV557 23,74 0
IBCH GY Equity Welt Aktien IE00B441G979 47,39 340
IUS7 GY Equity EM Anleihen IE00B2NPKV68 97,11 0
IBCL GY Equity EUR Staatsanleihen IE00B1FZS913 228,68 100
XDBC GY Equity Rohstoffe LU0292106167 17,70 420
Gesamt in EUR*     93,19
*Schätzung

Eure Kommentare sind herzlich willkommen.

Wikifolio: MAQS – Global Trend Following

Meinung, Heuristik, Regel

Meinung, Heuristik, Regel

Über die Art wie wir als Individuen entscheiden, habe ich schon in einigen Blog-Beiträgen geschrieben. Dietrich Dörner zeigte die Schwierigkeit von Regelprozessen, ohne Feedback und Gerd Giegerenzer zeigte das Heuristiken an der richtigen Stelle angewandt zu guten bzw. besseren und vor allem schnelleren Entscheidungen führen.

Ein weiterer bekannter Vertreter der Entscheidungslehre ist sicher Daniel Kahneman. Er zeigt in seinem Buch „Thinking, Fast and Slow“ ebenfalls die Problem der Entscheidungsfindung auf.

Ein paar interessante Beispiele von Ihm:

Beim israelischen Militär wurde Kahneman beauftragt die Auswahl von Rekruten für Kampfeinsätze zu verbessern. Bisher wurden diese von relativ jungen Frauen, ohne eigene Kampferfahrung durchgeführt. Das ist auf den ersten Blick nicht weiter relevant, da die Ärzte, die Rekruten bei der Musterung untersuchen, nicht notwendigerweise erfahrene Generäle sein müssen, um die Tauglichkeit der Rekruten beurteilen zu können.

Kahneman wurde beauftragt den Prozess zu hinterfragen und ggf. auch zu verbessern. Er etablierte ein Scoring-Verfahren. Dabei wurden die Gruppe der Rekruter angewiesen nur einzelne Eigenschaften in den Interviews zu bewerten und Punkte dafür zu geben.

Das finale Ergebnis wurde dann über einen einfachen von Kahneman entwickelten Algorithmus ermittelt. Dies gefiel den bisherigen Rekrutern nicht sonderlich, da sie nur noch als einfache Scorer „benutzt“ werden und nicht mehr die Entscheidung selbst nach individueller Evaluierung fällen.

Es zeigte sich jedoch, dass der daraus entstehende Auswahlprozess um Längen besser als der nur auf individuellen Meinungen basierende war. Der Auswahlprozess wurde auch noch Jahre später in der israelischen Armee beibehalten.

In einem weiteren Beispiel wird die Apgar-Score als Beitrag zur Verringerung der Sterblichkeit von Neugeborenen aufgeführt.

Die Sterblichkeit von Neugeborenen war jahrelang sehr hoch. Oft lag dies an Komplikationen in den ersten Lebensminuten. Diese wurden nicht eindeutig und damit rechtzeitig erkannt, sodass die notwendige Hilfe ausblieb und das Neugeborene schwere Schäden bekam bzw. starb. Die Anästhesistin Virginia Apgar entwickelte 1952 fünf Indikatoren, die mit einem einfachen Algorithmus verbunden zu einer deutlichen Verbesserung beitrugen. Damit hatten die Hebammen eine bessere und vergleichbare Basis für die Entscheidung weiter Maßnahmen einzuleiten. Der simple Algorithmus basierte auf einem arithmetischen Durchschnitt der Punkte der einzelnen Indikatoren von 0, 1 oder 2. Lag das Neugeborene bei einer Punktzahl von 9 – 10 Punkten war alles in Ordnung, anderenfalls wurden Maßnahmen ergriffen. Der Test ist sicher nicht perfekt, ist aber einfach anwendbar und deshalb bis heute in Benutzung (Apgar-Test).

Als letztes Beispiel eine kleine Anekdote aus dem Leben:

Wer kennt Sie nicht – diese Spiele: welcher Charakter einer Serie bist Du?

Wenn man so einen Test beginnt, hat man allerlei Vorstellungen, wer man gern sein möchte. Natürlich bietet sich als Wunsch immer der Held der Serie, bzw. dessen Geliebte an. Auch der Bösewicht ist eine attraktive Option – die Overconfidence ist nicht zu bremsen. Der Wunsch ist Vater des Gedanken und man sucht nur noch nach Bestätigung seiner eigenen Thesen – nicht nach Falsifikation à la Karl Popper.

Geht man jedoch die einzelnen Fragen Schritt für Schritt durch und vergibt in einem geordneten Prozess die Punkte bzw. entscheidet sich für eine der Optionen, ist man am Ende sicher überrascht wen man „neutral“ betrachtet entspricht.

Das ist auch nicht verwunderlich, denn der gesamte Prozess ist nicht leicht zu durchschauen und hinreichend komplex – somit können ein paar Profiling-Fragen Ordnung schaffen und letztlich ein ganz gutes Ergebnis finden. Auch wenn man nicht der Held oder Bösewicht der Serie ist, kann man mit dem Ergebnis leben, denn so weit weg vom eigenen Charakter ist das Ergebnis erstaunlicher Weise nicht. (bzw. wirkt nach dem Ergebnis der Endowment Effekt und man gewöhnt sich an die gezeigte Auswahl).

Das komplizierte Regeln nicht immer zum Ziel führen, hatte ich schon in mehreren Beiträgen über Gerd Giegerenzer beigetragen. Das klassische Beispiel für mich ist immer der Hund der den Frisbee fängt. Dieser kann natürlich keine komplizierten Berechnungen anstellen, um die Flugbahn zu ermitteln, ist aber dennoch in der Lage den Frisbee zu fangen.

Der Hund nutzt dafür einfache Regeln – bzw. genauer Heuristiken oder Daumenregeln. Diese Daumenregeln sind oft schneller bzw. ausreichend genau um eine hohe Erfolgswahrscheinlichkeit zu besitzen.

Unterscheidet man in Risiko und Unsicherheit, dann ist klar, dass Risiko immer genau bestimmbar ist und Unsicherheit mit einer Heuristik hinreichend genau bestimmt werden kann. Risiko hingegen begegnet man mit Regeln und Mathematik.

Wie lässt sich dies nun auf die Welt der Finanzen übertragen?

Schon lange vor der Finanzkrise beschäftigte sich James Montier mit der Behavioural Finance. Im Jahr 2005 veröffentlichte er ein Sammel-Paper: „The Seven Sins of Fundmanagement“.

Darin wurden einige der Sünden aufgeführt, die bei der Finanzanlage hinderlich sein könnten. Einige dieser passen sehr gut zum heutigen Thema.

  1. Der Glaube der Verlauf der Zukunft lässt sich vorhersagen.
  2. Die Meinung, dass viele Informationen für eine Entscheidung besser sind.
  3. Die Überzeugung, dass die Suche nach Bestätigung der vorgefassten Meinung die Eintrittswahrscheinlichkeit verbessert.

Zum ersten Punkt gibt es ein gutes Sprichwort:

“Those who have knowledge don’t predict. Those who predict don’t have knowledge” (Lao Tzu)

Die Vorhersagekraft von Analysten und Experten wurde schon oft analysiert. Das Problem lässt sich auf ein paar Problemfelder zurückführen.

Die generell positive Grundeinstellung lässt führt immer wieder zu zu optimistischen Prognosen. So werden Projekte generell zu Vorteilhaft eingeschätzt, bzw. werden die Kosten dieser Projekte deutlich unterschätzt. Dietrich Dörner hat dazu einige Beispiele gebracht, aber warum in die Ferne schweifen, wenn wir hier in Deutschland einen unfertigen Flughafen in Berlin und nun endlich nach vielen Problemen und Verzögerungen fertigen Elbphilharmonie in Hamburg haben.

Die Selbstüberschätzung der Entscheider zeigt sich in vielen Tests, wobei die Probanden zu einem sehr hohen Prozentsatz (>>50%) angaben, überdurchschnittlich gut Autofahren zu können bzw. besonders gute Liebhaber zu sein.

Den zweiten Punkt kann ich aus eigener Erfahrung bestätigen. Zu meiner Zeit als Fondsmanager hatte ich sehr detaillierte Erkenntnisse über die Branchen welche ich analysierte. Ich kannte die verschiedenen Produktionsverfahren und Firmenteile, Produkte Management etc. Die Frage blieb jedoch, was dieses Wissen eigentlich bringen sollte. Letztlich entscheidet der Markt, ob die Produkte erfolgreich sind oder nicht. Das lässt sich an wenigen Finanzzahlen hinreichend genau ablesen – ganz so wie Graham & Dodd in ihrem Standardwerk „Security Analysis“ beschrieben.

Der letzte Punkt der Suche nach Bestätigung ist dann besonders fatal. Bei der Analyse der Unternehmen werden keine kritischen Fragen mehr gestellt, sondern die eigene vorgefasst Meinung wird bei einem Unternehmensbesuch nur noch bestätigt.

Natürlich möchte jeder am liebsten Recht haben. An der Börse hilft das allerdings wenig und kann sehr teuer werden. Denn auch das haben Kahneman und Tversky bewiesen. Drohen Verluste werden wir zum Spieler und setzen Haus und Hof. Gewinne schneidern wir in der Regel zu früh ab.

Im Trendfolge-Portfolio MAQS gehen wir vielen dieser Problem aus dem Weg. Wir kennen nicht die Zukunft und wollen diese auch nicht vorhersagen. Was wir allerdings aus der Forschung seit Jegadeesh und Titman wissen, ist das Bestehen des Momentum Effekts durch langsame Anpassungsprozesse der Kapitalmarkt-Teilnehmer.

Diesen Faktor nutzt MAQS aus, indem es den Trends folgt und darauf setzt, dass diese hinreichend lange halten. Das versuche wir sehr systematisch und regelgebunden. Wir kennen zwar nicht die optimale Portfolio-Allokation, kommen aber mit einer einfachen Risk-Parity Strategie gut zurecht. Dieser wurde ebenfalls schon akademisch nachgewiesen, dass sie eine effiziente Portfolio-Allokation darstellt.

Das Wesentliche ist jedoch die disziplinierte systematische Umsetzung. Die zu erwartende Risikoprämie ist nicht gleichmäßig verteilt. Es entstehen mitunter längere Phasen der negativen Performance. Nur wenn Positionen diszipliniert geöffnet und geschlossen werden, kann die Risikoprämie „Momentum“ über lange Zeiträume „geerntet“ werden.

MAQS – Global Trend Following

Performance Juli

Der Juli brachte keine Besserung der aktuellen Talfahrt. Im Gegenteil MAQS rutscht immer tiefer in den Drawdown. Die wenigen Lichtblicke EUR/USD können den Verfall nicht aufhalten. Zu viele Fehlsignale machen die Performance stark negativ. Positiv schneidet das Teilportfolio der ETF’s ab. Leider ist dies auch nur ein Tropfen auf den heißen Stein.

Performance Juli: -4,18%, Seit Jahresanfang: -10,49%

Monatsupdate_201707

Signale des monatlichen Systems:

  • Keine

Das neue MAQS-Portfolio hält im August 2017 folgende Positionen:

Name ISIN Preis MAQS
DAXEX GY Equity DAX Aktien DE0005933931 105,45 30
EUNZ GY Equity EM Aktien IE00B8KGV557 23,61 160
IBCH GY Equity Welt Aktien IE00B441G979 47,50 340
IUS7 GY Equity EM Anleihen IE00B2NPKV68 96,21 0
IBCL GY Equity EUR Staatsanleihen IE00B1FZS913 224,47 50
XDBC GY Equity Rohstoffe LU0292106167 17,65 420
Gesamt in EUR     92,10
*Schätzung

Eure Kommentare sind herzlich willkommen.

Wikifolio: MAQS – Global Trend Following

Rückblick Ivy Portfolio

Rückblick Ivy Portfolio

In früheren Beiträgen (monatliches System, Gewinner & Verlierer, Baustein Nr. 2, Fundamental-Analyse, Education of a Trader) habe  ich des öfteren über das Ivy Portfolio berichtet bzw. dieses als Startpunkt meiner Überlegungen zum Aufbau meines monatlichen Systems aufgeführt.

Nochmal kurz zum Hintergrund: Mebane Faber hat im Jahr 2007 zusammen mit einem Kollegen von Cambria Asset Management ein Research Paper herausgebracht: „A Quantitative Approach to Tactical Asset Allocation“.

Darin wird eine Methode beschrieben, wie mit einem einfachen fachen Trendfolge -Verfahren eine dynamische Asset Allokation betrieben werden kann. Der Erfolg des Papers führte letztlich zu einem Buch. Das Ivy Portfolio, welches zeigt, wie die großen Stiftungen der US-Universitäten Yale, Harvard und ca. ihr Vermögen anlegen bzw. diversifizieren.

Daran anschließend wurde der dynamische Asset Allokationsprozess über ein Trendfolge Ansatz vorgestellt.

Die Assets bzw. Strategien die zur Anwendung kamen waren:

  1. Vanguard Total Bond Market 4-5 Jahre
  2. PowerShares DB Commodity
  3. S&P GSCI Commodity-Index Trust
  4. SPDR DJ International Real Estate
  5. Vanguard MSCI US REIT
  6. iShares Barclays TIPS Bond
  7. Vanguard Emerging Market Stock
  8. Vanguard fTSE All-World ex-US
  9. Vanguard Small Cap
  10. Vanguard MSCI Total US Stock Market

Alle diese 10 Fonds sind ETF’s und aus Sicht eines US Investors ausgesucht.

Der Trendfolgeansatz bestand aus einigen sehr simplen Regeln.

  • Kaufe, wenn der Preis des ETF’s (bzw. des Index) über dem Durchschnitt der letzten 10 Monate liegt.
  • Verkaufe, wenn der Preis unter diesen Durchschnitt sinkt und halte das Geld auf dem Geldmarkt-Konto.

Warum genau die 10 Monate gewählt wurden lag einfach an der Aussage des von Meb erstellten Backtest. Es wurden auch andere Zeiträume untersucht, um die Robustheit des Systems zu testen. So waren alle Zeiträume zwischen 6 Monaten und einem Jahr interessant. Da die Backtests für die 10 Monate am erfolgreichsten waren, wurden diese benutzt.

Wer meinen Blog verfolgt, erkennt die sehr große Ähnlichkeiten zwischen meinem monatlichen System und dem Ivy Portfolio von Meb Faber – zumindest inhaltlich.

Wie eingangs erwähnt wurde mein monatliches System von den Überlegungen des Ivy Portfolios inspiriert. Natürlich ist die Zusammenstellung meiner ETF’s bzw. Strategien aus Sicht eines EUR Investors bzw. ich würde sogar den Rahmen noch enger fassen – aus meiner Sicht.

In die Auswahl an ETF’s habe ich meine Erfahrung und die Ergebnisse meiner eigenen Tests einfließen lassen. Außerdem wurde neben den sehr einfachen Basis Regeln noch die ein oder andere Erkenntnis aus dem wöchentlichen System übernommen.

Das führte aus meiner Sicht (für meine Strategien und meinen untersuchten Zeitraum – Achtung Bias) zu besseren = stabileren Ergebnissen.

Meine Auswahl an Strategien ist etwas kleiner und verzichtet weitestgehend auf REITS, da diese in Europa nicht besonders etabliert sind. Sonst werden alle Strategien Aktien, Anleihen und Rohstoffe abgedeckt.

  1. iShares DAX EX Index
  2. iShares Emerging Market Aktien
  3. iShares MSCI Welt EUR hedged
  4. iShares JPM Emerging Market Bonds
  5. iShares Barclays Staatsanleihen 15-30 Jahre
  6. DB OY Balanced Commodity

Im heutigen Beitrag möchte ich erstens die beiden Systeme nebeneinander vorstellen und Unterschiede und Gemeinsamkeiten herausarbeiten. Natürlich über allem steht die Frage, wie haben sich die Systeme im realen Leben entwickelt.

Das wollen wir für die kurze Zeit – also ca. 2,5 Jahre-Live Track Record untersuchen. Dabei soll nicht so sehr der Frage nachgegangen werden, welches der Systeme mehr Ertrag bzw. Risiko-adjustierten Ertrag die Systeme gemacht haben, sondern es soll untersucht werden, ob sich die Erwartungen hinsichtlich der Performance und Risiko aus den jeweiligen Backtests erfüllt haben.

Zuerst ein Blick auf die Charts der Jahre 2008 – Anfang 2015, wie sie sich für den Backtest ergaben:

Die Performance beider Systeme kann sich schon mal sehen lassen. Beides mal konnte gegenüber der Buy-and-Hold Anlage eine Outperformance generiert werden. Das ist insofern kein wirklicher Glücksfall, sondern auch Basis der Überlegung. Hätte dieser ersten Test schon keine positiven Ergebnisse erbracht, würden wir nicht über einen Live-Track Record sprechen.

Für einen genauen Blick schauen wir auf die üblichen Parameter: Ertrag, Risiko und Drawdown.:

Ertrag p.a. Risiko Drawdown
Ivy Buy-and-Hold 1,7% 17,4% -48,7%
Ivy Portfolio 2,5% 8,1% -14,3%
MAQS Buy-and-Hold 3,4% 10,6% -31,7%
MAQS Portfolio 4,9% 4,9% -6,7%

Besonders an dieser Stelle wieder der Hinweis, dass der größte Vorteil der Trendfolge-Strategie darin liegt, den Investor vor tiefen Drawdowns zu bewahren. Diese Strategie soll den Investor davor schützen zum falschen Zeitpunkt die Reißleine zu ziehen.

Beide Systeme können diese Vorgabe sehr gut meistern. Auch die Schwankungsbreite in Form der Volatilität konnte jeweils halbiert werden.

Die von mir gewählte Risk Parity -Struktur kommt bei MAQS ebenfalls qua design etwas stärker zum tragen. In den USA (also auch im Ivy-Portfolio) werden typischer Weise Vergleiche zu einer Allokation von 60% Aktien und 40% Renten gemacht. Somit kommen dort Risk-Parity Überlegungen nicht vollständig im Portfolio an.

Performance Live und in Farbe

Werfen wir einen Blick auf die Live-Performance beider Portfolien seit 2015:

In Zahlen wird das Bild noch deutlicher:

Ertrag p.a. Risiko Drawdown
Ivy Buy-and-Hold 0,6% 8,5% -15,9%
Ivy Portfolio 1,3% 3,3% -4,6%
MAQS Buy-and-Hold 2,3% 7,3% -12,6%
MAQS Portfolio 2,3% 4,6% -7,3%

Soweit so gut!

Der Backtest konnte zwar nicht exakt die gleichen Zahlen liefern und insbesondere der Drawdown im MAQS Portfolio war in der Live-Periode noch etwas schärfer als ursprünglich auf historischer Basis ermittelt.

Das erinnert uns auf jeden Fall daran, dass der Backtest eben nur einen Teil einer Simulation darstellt und die gesamten Werte immer mit etwas Abstand betrachtet werden müssen.

Was der Vergleich der Live-Performance mit dem Backtest allerdings ebenfalls zeigt ist, dass die Struktur stimmt. Mit Struktur meine ich, dass die Werte in der gleichen Größenordnung aufgetreten sind und diese auch in ähnlicher Relation also z.B. Ertrag pro Risiko bzw. Drawdown stehen.

Das ist im Großen und Ganzen worauf es ankommt.

Verwenden wir die historischen Monatsrenditen mit dem ebenfalls hier im Blog gezeigte Monte-Carlo-Simulation, dann erhalten wir weitere mögliche Backtestwerte. Bei einer ausreichend großen Anzahl an Simulationen, sollte der Live-Track-Record enthalten sein.

Eine Grafik sagt mehr als 1000 Worte – und vier Charts … :

Ivy Buy-and-Hold_Performance_mcIvy Portfolio_Performance_mcMAQS Buy-and-Hold_Performance_mcMAQS Portfolio_Performance_mc

Manchmal helfen auch die konkreten Zahlen:

Ertrag p.a. Risiko Drawdown
Ivy Buy-and-Hold 0,6% 16,2% -59,1%
Ivy Portfolio 2,4% 7,7% -29,5%
MAQS Buy-and-Hold 2,9% 9,6% -35,3%
MAQS Portfolio 3,6% 4,5% -13,0%

Alles in allem sehr zufriedenstellend. Die Simulation zeigt nochmal etwas tiefere Drawdowns. Auf diese können wir uns einstellen und entsprechend damit umgehen (durchhalten).

Wichtig ist auch hier wieder, dass die Struktur stimmt und der bisherige Track-Record keinen Ausreißer darstellt.

Alles im grünen Bereich.

 

MAQS – Global Trend Following

Performance Juni

Die Performance im Juni war anfänglich sehr positiv. Mit den letzten Kommentaren von Mario Draghi änderte der Markt seine Struktur. Plötzlich waren Inflationstendenzen zu erkennen. Daraufhin verlor der Bund-Future heftig und auch die Aktien gaben noch etwas weiter nach. Der Markt sprach vom „Taper Tandrum“, ähnlich der Bewegung nach den Kommentaren von Fed Chef Bernanke 2013.

Für Trendfolger sind solche abrupten Änderung immer sehr schwer. Die im Juni bis dato aufgebaute Performance brach komplett zusammen und der Monat schloss im Minus.

Das Öl war trotz der Aufwärtsbewegung der letzten Tage die einzige Position im Plus.

Performance Juni: -2,02%, Seit Jahresanfang: -6,59%

 

Wochenupdate_KW25

Signale des wöchentlichen Systems:

  • Verkauf der Long-Position Bund Future
  • Kauf einer Long-Position EUR/USD

Signale des monatlichen Systems:

  • Keine

Das neue MAQS-Portfolio hält im Juli 2017 folgende Positionen:

Name ISIN Preis MAQS
DAXEX GY Equity DAX Aktien DE0005933931 107,34 70
EUNZ GY Equity EM Aktien IE00B8KGV557 23,66 320
IBCH GY Equity Welt Aktien IE00B441G979 46,86 340
IUS7 GY Equity EM Anleihen IE00B2NPKV68 98,96 0
IBCL GY Equity EUR Staatsanleihen IE00B1FZS913 223,71 50
XDBC GY Equity Rohstoffe LU0292106167 17,10 0
Gesamt in EUR     96,24
*Schätzung

Eure Kommentare sind herzlich willkommen.

Wikifolio: MAQS – Global Trend Following

ETF & Fintech – Innovation?

ETF & Fintech – Innovation?

ETF’s sind in aller Munde und mittlerweile auch in vielen Depots der Kleinanleger. Selbst professionelle Anleger benutzen ETF’s in der Vermögensverwaltung bzw. als Ersatz für Futures.

ETF’s sind sicher wie die FAZ in ihrer Sonntagsausgabe vom 13.11.2016 schrieb eine der erfolgreichsten Finanzinnovationen der vergangenen Jahre.

ABS waren auch mal eine Finanzinnovation mit enormen Potential. Leider macht der Markt aus Dingen die ursächlich gut für den erdachten Zweck sind oft ein Produkt, das dann für alles und jeden Zweck herhalten muss.

Das ist meist der Weg zum Scheitern – einer Abkehr – auch von sinnvollen Produkten.

Der ursprüngliche Gedanke von ETF’s war einen breiten Markt relativ kostengünstig nachzubilden. Dabei kommen die ETF’s mit relativ geringen Kosten aus, da man auf den aktiven Fondsmanager verzichtet. Außerdem können die Investitionsprozesse auf wenige Schritte reduziert werden – dies spart ebenfalls Kosten.

In unserer Werkzeugkiste befindet sich damit ein günstiges und effizientes Werkzeug, um Zugang zum Kapitalmarkt zu erhalten. Soweit so gut!

Neuerdings hat die Finanzindustrie diese Fonds-Konstrukte sogleich zum Allheilmittel auserkoren –  darüber hatte ich schon geschrieben. Aber können die ETF’s leisten, was versprochen wird?

ETF’s in der individuellen Geldanlage

Von der Finanzindustrie und auch der Presse wird meist nur das Argument der besseren Performance aufgrund der geringeren Kosten angeführt. Die meisten Fondsmanager schlagen nicht den Vergleichsindex – so das Argument, also sollte man folglich besser in einen ETF investieren und nicht einem Fondsmanager folgen.

Es entsteht der Eindruck, das bei Beachtung dieser Regel nichts schief gehen kann und der Anleger somit blind einen ETF für sein Depot erwerben kann und damit für alle Zeiten versorgt ist – bzw. sollte der Anleger sogleich einen Sparplan eröffnen und somit regelmäßig Geld investieren soll.

Auf den ETF-Zug sind auch die Fintechs bzw. Robo-Advisors aufgesprungen. Sie werben mit den niedrigen Kosten für den Zugang zum Kapitalmarkt. Aus meiner Sicht ist das keine Innovation der Kapitalanlage oder der Vermögensbildung, sondern eine reine Prozess-Innovation.

Die Fintechs haben es vor allem verstanden über Apps oder das Internet einen simplen Zugang für den Kleinanleger zu schaffen. Mit dem Werkzeug ETF wird typischerweise ein Sparplan beworben, der die monatlichen Sparraten in ETF’s verschiedener Ausprägung investiert.

Soweit so gut, aber recht das aus? Wird damit dem Kleinanleger wirklich geholfen?

Die m.E. ungelöste Frage bleibt doch, in welchen ETF soll der Anleger überhaupt investieren – bzw. noch etwas abstrakter in welche Asset-Klasse oder Strategie? Ist es für jeden Anleger ratsam einen Kapitalgewichteten Aktienindex zu erwerben?

Gerade in dieser Disziplin versagen bisher die meisten Anbieter – die neuen Fintechs wie auch die alten Etablierten.

Auf der institutionellen Seite sieht das etwas anders aus. Hier werden nicht nur einzelne Produkte, sonder immer ganze Lösungen angeboten.  Leider auch nicht von allen, aber die Beratungsleistung geht deutlich über „100 minus Lebensalter“ für eine Aktienquote hinaus.

Das Kernproblem für den Privatanleger ist m.E. nicht die Möglichkeit Kosten durch niedrige Gebühren zu sparen – das ist nur die Kür, sondern vor allem sein Verhalten im Griff zu haben – die Pflicht.

Der oben erwähnte FAZ Beitrag war überschrieben mit dem Titel „ETF kaufen, aber richtig!“ beschreibt das Thema ganz gut. Leider nicht umfassend, aber im gezeigten Teilaspekt wird ein Problem der Anleger deutlich.

Die im Artikel beschriebene wissenschaftliche Studie kommt zum Schluss, dass Anleger wohl das Mantra bzgl. der ETF verstanden haben, aber dennoch hinter der erwarteten Performance zurück bleiben.

Wie kann das denn sein – ETF’s und trotzdem Underperformance!

Es wurden verschiedene Anleger bzw. verschiedene Strategien untersucht. Dabei wurde ein Buy-and-Hold Ansatz mit der Wirklichkeit der Anleger – „rein-raus“ verglichen. Die Studie gibt drei Maßnahmen vor, wie man richtig in ETF’s investiert. Alle haben gemeinsam, dass man als Buy-and-Hold Investor in breiten Indizes agiert. Es wird sogar erwähnt, dass eine Buy-and-Hold Strategie weniger Risiko verursacht als das ständige Handeln mit sehr spezialisierten ETF’s auf gewisse Nischenmärkte.

Solche Nischen-ETF’s sind m.E. etwas problematisch und haben mit dem eigentlichen Charater der ETF’s nicht mehr viel gemein. Es werden dabei aktive bzw. regel-gebundene Strategien verfolgt. Leider ist deren Strategie nicht immer transparent, sodass der Anleger entscheiden kann, ob diese Strategie zu seinem Verhalten passt.

Meiner Meinung nach werden aber von der Presse die falschen Schlüsse gezogen.

Sicher ein einfaches Buy-and-Hold sollte die Transaktionskosten gering halten. Die Transaktionskosten von ein paar Basispunkten fallen aber nicht ins Gewicht, wenn der Investor die Strategie im Drawdown von mehreren Prozentpunkten nicht durchhält.

Das ist aus meiner Sicht wesentlich.

Ein einfaches Beispiel zeigt das Dilemma zwischen niedrige Handelskosten und ausgesessene Marktwertverluste.

Die Regel:

  1. Kaufe den Dax Index, wenn dieser sich mindestens 10% von seinem Tief auf monatlicher Basis erholt hat.
  2. Verkaufe den Dax Index, wenn dieser 10% von seinem Höchststand auf Monatsbasis verloren hat.

Initial kaufen wir direkt, um in das System zu starten. Der Kursverlauf ist im nächsten Bild zu sehen. Als Handelskosten habe ich 1% angesetzt.

Dax_mit_System
Quelle: Bloomberg, eigene Berechnungen

Der Performance-Unterschied ist deutlich. Durch einige wenige Trades in den mehr als 22 Jahren konnte eine Performance von 11% vs. 8% für Buy-and-Hold erzeugt werden. Das Risiko war ebenfalls geringer: 18% vs. 22% für Buy-and-Hold.

Der psychologische Unterschied ist jedoch, dass man zu jedem Zeitpunkt handlungsfähig ist. Man muss nicht darauf hoffen, dass der Preisverfall aufhört, sondern man bleibt aktiv – man führt konsequent die Strategie fort.

Vieles was ich bisher aus der Presse lese ist Buy-and-Hold Aktien ETF. Selbst Fintechs, die sich mit der Geldanlage beschäftigen konzentrieren sich ausschließlich auf das Thema ETF. Dabei merken diese nicht, dass sie diese Problem nicht lösen – genau wie die Produktanbieter.

Also wenn wir unsere Werkzeugkiste anschauen, dann haben wir dort, wie oben beschrieben, ein sehr mächtiges Werkzeug. Aber nur weil ich einen Hammer besitze, bedeutet dies nicht, dass alle Probleme Nägel sind.

Meiner Meinung nach wird aber genau das aktuell von den ETF’s und den Fintechs erwartet. Die Geldanlage zu revolutionieren und nur noch Gewinner an den Kapitalmärkten zu produzieren.

Jedem sollte klar sein, dass dies nicht möglich ist, bzw. sollte man vorher definieren, was man unter „Gewinner“ versteht.

Zurück zu unserem Werkzeug.

  • Der Zugang zum Kapitalmarkt ist immer mit gewissen Risiken verbunden.
  • Nicht jeder ETF ist für jeden Anleger die richtige Wahl.
  • Wenn die gesamte Welt nur noch in ETF’s investiert, wird es für Spekulanten wieder große Möglichkeiten geben einen Vorteil aus der Massenbewegung zu ziehen.

Alles Nägel?

  • Die meisten Anleger scheuen das Risiko – bzw. wie Kahneman sagen würde haben eine Verlust-Aversion. Sie bewerten durch den Dispostionseffekt Gewinne und Verluste nicht gleich.
  • Das führt zum typischen Verhalten: Gewinne frühzeitig mitnehmen und Verluste aussitzen.
  • Im Zweifel verkaufen Anleger dann, wenn der Schmerz am höchsten ist. Da dies für viele Kleinanleger zutrifft – ist dann meist ein Boden erreicht und der Markt dreht nach oben.
  • Schon Herr Kostolany sprach in diesem Zusammenhang von den „schwachen Händen“.

Nun predigen die Zeitungen, dass man auf keinen Fall verkaufen sollte. Das DAI zeigt regelmäßig die Statistiken, das über sehr lange Zeiträume noch kein Verluste am Aktienmarkt erzielt wurden. Dabei wird die Statistik auch einfach zur Beantwortung jeder Fragestellung herangezogen.

Die meisten Anleger in einem Sparplan haben das Problem, dass kurz vor der Auszahlung das Risiko am größten ist – über große Drawdowns viel zu verlieren.

Das DAI rechnet nur mit einer Einmal-Anlage z.B. EUR 2.000. Dabei ist es egal, wann der Drawdown einsetzt. Die Performance jedes Jahres wird multiplikativ verknüpft. Alternativ untersuchen wir, wenn wir jedes Jahr 100 EUR investieren.

Die Tabelle zeigt die Berechnungen:

Jahr DAX Einmal-Anlage Kapital mtl. Rate Kapital
1996 47,1% 2.000,00 2.000,00 100,00 100,00
1997 17,7% 2.942,00 100,00 247,10
1998 39,1% 3.462,73 100,00 390,84
1999 -7,5% 4.816,66 100,00 643,65
2000 -19,8% 4.455,41 100,00 695,38
2001 -43,9% 3.573,24 100,00 657,69
2002 37,1% 2.004,59 100,00 468,97
2003 7,3% 2.748,29 100,00 742,95
2004 27,1% 2.948,92 100,00 897,19
2005 22,0% 3.748,07 100,00 1.240,33
2006 22,3% 4.572,65 100,00 1.613,20
2007 -40,4% 5.592,35 100,00 2.072,94
2008 23,8% 3.333,04 100,00 1.335,47
2009 16,1% 4.126,30 100,00 1.753,32
2010 -14,7% 4.790,64 100,00 2.135,60
2011 29,1% 4.086,41 100,00 1.921,67
2012 25,5% 5.275,56 100,00 2.580,87
2013 2,7% 6.620,83 100,00 3.338,99
2014 9,6% 6.799,59 100,00 3.529,15
2015 6,9% 7.452,35 100,00 3.967,95
Invest-ment 2.000,00 2.000,00

Dabei sieht man den deutlichen Unterschied in der absoluten Performance. Das ist natürlich dem sukzessiven Investieren geschuldet, aber zu einem großen Teil auch dem Zeitpunkt der Drawdowns. Wichtig ist, das die Statistiken des DAI zwar korrekt, aber ggf. nicht genau auf den jeweiligen individuellen Anwendungsfall zugeschnitten sind.

Verkaufen die Anleger im z.B. 30% Drawdown, weil sie die Verluste mental nicht mehr aushalten können und steigen erst wieder bei neuen Höchstständen ein, dann bleibt die Rendite deutlich hinter dem Index zurück (wie im FAZ Artikel beschrieben).

Es ist sicher geschickter dem Anleger nur einen kleinen Verlust zuzumuten und dann z.b. bei neuen Höchstständen (wie oben gezeigt nach einer Erholung) wieder einzusteigen. Dann bleibt man zwar immer noch hinter dem Index zurück, der Anleger fühlt sich aber deutlich besser, da er die Geschicke selbst in der Hand behält und nicht erst im Schockzustand panisch reagiert.

Eine simple Trendfolge-Strategie wie oben gezeigt, kann genau das für den Anleger bewirken.

Die Drawdowns für den Anleger werden kleiner – der mentale Stress bleibt ebenfalls überschaubar und langfristig entsteht eine ähnliche Performance wie Buy-and-Hold aber viel wahrscheinlicher. Die Strategie lässt sich auch sehr gut mit ETF’s kombinieren –  diese sind aber nur das Mittel zum Zweck und nicht die Strategie selbst.

MAQS – Global Trend Following

Performance April

Die Performance des April sieht auf den ersten Blick harmlos aus, aber wer die wöchentlichen Kommentare verfolgt kennt die gesamte Story. Der April brachte uns tief in den Drawdown. Das Portfolio verlor nochmal deutlich an Wert, konnte dann aber in den letzten Tagen des Monats deutlich aufholen und beendetet den Monat fast unverändert. Die vielen Fehlsignale im wöchentlichen System führten zwischenzeitlich dazu, dass nur noch die Aktien-Position blieben – alle anderen wurden diszipliniert geschlossen.

April: +0,27%, Seit Jahresanfang: -5,66%

Monatsupdate_201704.png

 

Signale des monatlichen Systems:

  • keine

Signale des wöchentlichen Systems:

  • keine

Das neue MAQS-Portfolio hält im Mai 2017 folgende Positionen:

Name ISIN Preis MAQS
DAXEX GY Equity DAX Aktien DE0005933931 108,78 70
EUNZ GY Equity EM Aktien IE00B8KGV557 24,03 320
IBCH GY Equity Welt Aktien IE00B441G979 46,31 340
IUS7 GY Equity EM Anleihen IE00B2NPKV68 104,08 70
IBCL GY Equity EUR Staatsanleihen IE00B1FZS913 225,39 0
XDBC GY Equity Rohstoffe LU0292106167 17,52 0
Gesamt in EUR     97,20
*Schätzung

Eure Kommentare sind herzlich willkommen.

 

Wikifolio: MAQS – Global Trend Following

 

Titelbild