Absolute-Return-Renditen mit Chart-Mustern

Transkript

1 Absolute-Return-Renditen mit Chart-Mustern Von Robert Fischer Wall Street Technology GmbH Schopenhauer Straße Berlin Telefon

2 Voraussetzungen einer Absolute-Return-Strategie [1] Diversifikation Long-Short-Signale Risikobegrenzung durch Stop-Loss-Marken Gewinnzieldefinitionen in Abhängigkeit von der Volatilität einzelner Finanzinstrumente Positiver Ergebnisbeitrag aller Finanzinstrumente im Portfolio auf Jahresbasis gemäß Ergebnissen auf Basis von 10 Jahren historischer Zahlenreihen Ein einzelner Parameter für die Signalgebung, der ohne Veränderung gleichermaßen gut auf allen Produkten im Portfolio arbeitet Einstiegssignale basierend auf einem einzigen Chartmuster Keine Optimierung der Einstiegssignale Volle Automatisierung der Handelssignale

3 Vorteile der Verwendung von Chart-Mustern für Anlageentscheidungen [2] Robert Fischer beschäftigt sich seit mehr als 20 Jahren mit der Analyse von Chartmustern. Er hat darüber 6 Bücher (englisch) geschrieben, die über den Verleger John Wiley, New Jersey, USA erhältlich sind. Es ist Robert Fischer nach vielen Jahren Research gelungen, aus der Vielzahl von Chartmustern ein einziges herauszufiltern und zu computerisieren. Warum sind Handelssignale basierend auf einem einzigen Chartmuster und eingebettet in eine Automatisierung Handelssignalen basierend auf technischen Indikatoren überlegen? Kein time lag Während man mit Chartmustern ohne zeitliche Verzögerung Handelssignale sofort bekommt wenn Trendlinien bzw. high-low Kurse durchbrochen werden, hat jeder technische Indikator einen eingebauten time lag, z.b. durch Glättung. Diesen time lag kann man zwar durch die Benutzung von intra-day Daten, Kombinationen von technischen Indikatoren oder Beschleunigungsfaktoren reduzieren. Hier begeben wir uns aber in die Optimierungsfalle. Mit anderen Worten: Mit den Signalen der Chartanalyse handelt man wesentlich hautnaher an den aktuellen Kursverläufen als wenn man auf der Basis von technischen Indikatoren handelt. Dynamische Anpassung Hautnah sich den Kursbewegungen einzelner Produkte anzupassen muss nicht immer ein Vorteil sein. Durch Über-Optimierung kann man

4 sich zwar immer enger Kursbewegungen mit technischen Indikatoren anpassen, das Problem liegt hier aber in der statischen Natur der technischen Indikatoren. Weil Kursbewegungen aber dynamisch sind wird es immer große Verlustperioden geben. Noch gravierender ist der Nachteil technischer Indikatoren, wenn es um die Anwendung eines einzelnen technischen Indikators ohne Veränderung auf alle Produkte in einem Portfolio geht. Typisches Beispiel ist hierfür die oft zitierte 200-Tagelinie. Wer genauer hinsieht wird feststellen, dass die 200- Tagelinie in der Regel Fehlsignale mit großen Wertverlusten produziert. Allein in sehr starken Kursbewegungen werden auch große Gewinn erzielt. Dies erkennt man aber in der Regel immer erst zu spät. [3] Anders verhält es sich bei einem funktionierenden Chartmuster. Das Problem hier liegt aber darin, dass man Chartmuster wenn überhaupt viel schwieriger als einen technischen Indikator optimieren kann und ohne Optimierung nur die Wahl besteht zwischen es funktioniert oder es funktioniert nicht. Weil aus der Vielzahl der ca. 200 vorhandenen Chartmuster die meisten nicht funktionieren und die Anleger oder Analysten an computerisierte Chartmuster nicht glauben, wird auf eine solche Analyse wenig Augenmerk gerichtet. Ein weiterer Grund dafür, warum ein funktionierendes, voll automatisiertes Chartmuster allen technischen Indikatoren überlegen ist liegt darin, dass sich Chartmuster dynamisch Kursverläufen anpassen können. Diese Fähigkeit der dynamischen Anpassung bewirkt, dass je nach Kursverlauf in Seitwärtsbewegungen häufiger Signale auftreten und in starken Kursbewegungen die Anzahl der Signale stark reduziert ist. In allen Marktphasen wird in der Regel aber Geld verdient. Robert Fischer ist davon überzeugt, ein funktionierendes Chartmuster gefunden und automatisiert zu haben.

5 Optimierung [4] Historische Testergebnisse haben nur dann Aussagefähigkeit für realtime trading im Echtzeithandel in der Zukunft, wenn keine Optimierung die Einstiegssignale beeinflusst. Bei einem funktionierenden Chartmuster ist keine Optimierung erforderlich. Ein funktionierendes Chartmuster bildet sich in der Regel in einem Zeitraum von ca. 20 Tagen. Egal wie lang ein Testzeitraum zurückgeht, ein funktionierendes Chartmuster kann zwar zeitlich und preislich verschieden ausfallen, die charttypische Charakteristik bleibt aber immer erhalten. Mit anderen Worten: Egal welche Zeitperiode in der Vergangenheit betrachtet wird, innerhalb von ca. 20 Tagen müssen sich die Handelssignale mit den gleichen Chartmustern ergeben. Hier liegt auch der Grund dafür, dass wir über die letzten 10 Jahre in allen Produkten in unserem Portfolio fast die gleiche Anzahl von Signalen haben und in allen Produkten eine Trefferquote von fast 70%. Dies steht im krassen Gegensatz zu den Handelssignalen, die auf technischen Indikatoren basieren. Kein technischer Indikator funktioniert ohne Optimierung. Solange ein Produkt sich in den von der Optimierung vorgegebenen Parametern bewegt, können auch sehr gute Ergebnisse erzielt werden. Das Problem besteht darin, dass sich über einen längeren Zeitraum die Kursbewegungen einzelner Produkte aus der von der Optimierung vorgegebenen Frequenz raus bewegen können, was dann zu unerwartet hohen Verlusten führen kann. Es gibt unzählige Anstrengungen die Optimierungsfalle zu eliminieren bis hin zu Programmen, die monatlich alle Parameter eines Produktes neu optimieren. Noch keine dieser Anstrengungen hat die Optimierungsfalle jemals vermeiden können. Ein noch größeres Problem bei der Arbeit mit technischen Indikatoren ist die Zahl der Parameter, die in einem Handelsansatz genutzt werden.

6 Als Regel kann gelten: Je mehr Parameter in einem Handelsansatz verwendet werden, desto besser sehen die historischen Testergebnisse aus, umso geringer sind aber die Chancen, dass sich die Testergebnisse auch in der Zukunft wiederholen. Dies steht im krassen Gegensatz zu unserem Ein-Parameter Handelsansatz, den wir mit unserem Chartmuster verfolgen und das in allen Produkten des Portfolios unverändert angewandt wird. [5] Diversifikation Allgemein wird die Meinung vertreten, dass man in einem Portfolio lediglich gut diversifiziert sein muss, um eine anständige Performance zu erzielen. Wenn man zum Beispiel in 10 Produkten mit einem überoptimierten Handelsansatz vertreten ist, dann kann es passieren, dass in allen Produkten zur gleichen Zeit Geld verloren wird, weil man überhaupt nicht diversifiziert ist. Wenn man aber in denselben 10 Produkten wie bei uns ein einziges Chartmuster benutzt, das nicht optimiert ist und jedes Produkt in den historischen Testergebnissen in jedem Jahr Gewinne mit einer hohen Trefferquote in den einzelnen Signalen erzielt, dann ist die Wahrscheinlichkeit eines hohen Wertverlustes sehr gering.

7 Unsere Portfoliostruktur [6] Wir arbeiten in unserem Portfolio mit 12 der liquidesten Währungspaare die da sind: AUDJPY, EURSGD, AUDUSD, EURUSD, EURAUD, USDJPY, EURGBP, GBPJPY, EURJPY, GBPUSD, EURNZD, NZDUSD. Was macht den Handel mit Währungspaaren so attraktiv 24-Stundenhandel von Sonntag Abend 23:00 bis Freitag Abend 22:00. Dies bedeutet: Keine gap-openings, problemlose Ausführung von Gewinnzielen und Stopp-Loss Marken. Geringes Verlustrisiko, weil unsere Analyse auf allen Währungspaaren gleichermaßen gut arbeitet. Computergestützte Handelsstrategien.

8 Hohe Transparenz für Anleger durch tägliche Liquidierbarkeit der Positionen und tägliche NAV-Berechnungen. Fast unbegrenzt hohes Volumen [7] Chartmuster ergeben sich aus dem Anlegerverhalten. In keiner anderen Produktgruppe ist das Anlegerverhalten so gut ausgeprägt wie in den großen Währungspaaren. Dies ist auch der Grund, warum Chartmuster in einem Währungspaar wie zum Beispiel dem EURUSD genauso deutlich und analysierbar sind wie zum Beispiel im USDJPY. Diese Gleichförmigkeit ist der eigentliche Grund für die guten Portfolioergebnisse mit dem geringen maximalen Wertverlust. Die hohe Trefferquote in den einzelnen Produkten und die fast gleich guten Ergebnisse in allen Produkten in dem Portfolio ergeben letztlich eine optimale Diversifikation. Im Gegensatz zum Beispiel zu Aktienanlagen ist das Risiko in einem Währungspaar in unserem Portfolio wesentlich geringer als in einem der großen Aktien im Dax. Hinzukommt aber noch als ein wesentlicher Faktor: Bei einer Aktienanlage haben wir es mit 2 Arten von Risiken zu tun. Dem Risiko in der einzelnen Aktie und dem Marktrisiko. Fällt zum Beispiel der Dax Index sehr, verlieren so gut wie alle Aktien aufgrund des Marktrisikos. Je nach Qualität der Aktien sind die Verluste bei den einzelnen Aktien größer oder kleiner. Deshalb funktioniert die Diversifikation in manchen Situationen überhaupt nicht und lässt große Fonds bis zu 50% ihres Wertes verlieren. Dieses Marktrisiko haben wir bei den Währungspaaren in unserem Portfolio nicht. Wir konnten in der langen Zeit unserer Arbeit mit Währungspaaren nicht einen einzigen Zeitraum entdecken, wo alle 12 Produkte in unserem Portfolio gemeinsam gefallen oder gestiegen sind. Das geringe Portfoliorisiko liegt aber auch an der Tradingfrequenz, wie wir später noch zeigen werden.

9 Ergebnisse seit Januar 2005 bis Dezember 2014 bei Hebel 2 [8] YEAR JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV DEC YTD % 0.32% 1.96% -0.56% -0.13% 0.63% 1.11% 2.15% 1.32% -0.21% 1.31% 1.02% 8.92% % -0.15% 0.67% -0.84% 1.60% 1.23% 0.30% -0.06% 1.42% 0.16% 1.31% 0.30% 7.44% % 0.05% 1.86% 0.01% -1.56% 1.29% 1.75% 1.37% 0.78% 2.38% 2.10% 1.08% 11.75% % 0.96% -0.11% 2.15% 1.41% -0.11% 0.24% 0.72% 1.63% 3.76% 1.04% 1.39% 15.22% % 2.86% 0.09% 2.16% 1.95% 1.86% 1.56% 1.46% 0.82% 1.22% 1.08% 0.81% 19.17% % 1.41% 0.31% 0.64% 3.23% -0.62% 2.72% 0.10% 1.37% -0.99% 1.63% 2.32% 12.52% % 2.09% 2.52% 0.37% 3.48% -0.06% 1.44% 0.95% 1.18% 4.00% 1.50% 1.58% 20.29% % 0.36% -0.27% 1.73% -0.33% 0.33% 1.36% -1.23% -0.36% 1.65% 0.93% 1.00% 5.55% % 0.81% 0.33% 0.63% 1.97% 0.61% 0.19% 1.61% 0.85% 1.18% 1.30% 1.27% 11.75% % 2.45% 0.42% -1.19% -0.45% 0.69% 1.59% 0.26% 0.62% 2.43% 0.19% 0.40% 8.25% STATISTICS* Since Jan 2005 Last 12 month % 8.25% Year-to-date 8.25% Performance (annualized) 11.14% Best month 4.00% Worst month -1.56% Average month 1.00% Volatility (annualized) 3.60% Sharpe Ratio 2.54 Sortino Ratio 5.65 Skewness 0.17 Kurtosis 3.20 # Positive month 101 Ø Gain (positive month) 1.28% Negative month 19 Ø Loss (negative month) -0.50% % number of positive month 84.17% Ø Gain / Ø Loss 2.57 Maximum DrawDown (monthly basis) -1.64% VaR (99%) on monthly basis 2.42%

10 [9]

11 Performance Profil [10] Es können folgende Aussagen über das Performance Profil des Portfolios gemacht werden. Die Anzahl der Trades pro Währungspaar liegt zwischen 1-3 Trades im Monat Die Haltedauer eines Trades liegt in der Regel zwischen 1 4 Tage Die Trefferquote bei den einzelnen Signale liegt bei ca. 70% und ist in allen Währungspaaren fast gleich Über die 10 Jahre gesehen hat es nur zwei Situationen gegeben, in denen 2 Verlustmonate in Folge zu verzeichnen sind Das maximale Verlustrisiko auf täglicher Basis liegt in den ursprünglichen Handelsansatz bei 1.1%. Da wir aber mit einem Hebel von 2:1 handeln, liegt der maximale Verlust bei 2.2% Jede Position wird durch einen Stopp Loss sofort nach dem Einstieg mit einem Sicherheitsstop von 2.5 Big Figures abgesichert Über die 10 Jahre ergaben sich 3844 Trades, von denen 2523 im Gewinn waren (66%)

12 [11] Robert Fisher studierte an den Universitäten Köln und Bochum in Deutschland Betriebswirtschaft und beendete das Studium als Diplomkaufmann. Er studierte als Austauschstudent an der University of California, Los Angeles, USA. Er erhielt von der Universität Trier, Deutschland 1978 einen Lehrauftrag und lehrte dort als Privatdozent interne und externe Unternehmensfinanzierung. Er veröffentlichte sechs Bücher auf dem Gebiet der Kursanalysen. Fünf Bücher wurden von dem Verleger John Wiley&Sons in New York verlegt, in mehrere Sprachen übersetzt und weltweit vertrieben. Eines der Bücher wurde in die deutsche Sprache übersetzt und vom Eichborn Verlag in Frankfurt, Deutschland vertrieben. Robert Fischer wurde als Sprecher zu vielen internationalen Konferenzen eingeladen und sein Konzept über Global Asset Allocation wurde vom Verlag Dow Jones & Company, Inc. New Jersey, USA in der Zeitschrift Journal of Index Issues in Investing 1999 veröffentlicht. Robert Fischer hat eigene Seminare in Chicago, Los Angeles, Singapore, Hong Kong, Manila, Kuala Lumpur und andere internationalen Standorten abgehalten auf der Basis der Fibonacci Quotienten. Seit 1991 berät Robert Fischer reiche Privatkunden und Firmen weltweit, wie eine Absolute Return Strategie in der Praxis realisiert werden kann. Robert Fischer s Arbeit dreht sich seit vielen Jahren darum, wie man am sichersten als Portfolio Manager für seine Kunden jedes Jahr Geld verdienen kann. Drei Faktoren stehen für ihn hierbei im Vordergrund: Computeranalyse Risikomanagement Diversifikation Das hier vorgestellte Portfolio ist nach Meinung von Robert Fischer die beste Kombination von Chance und Risiko die man sich vorstellen kann. Die in dieser Broschüre dargestellte Portfoliostruktur und die Erstellung der Handelssignale ergeben ein Ergebnisprofil, das sich stark von derzeit bekannten Portfoliostrukturen positiv abhebt und die besten Voraussetzungen bietet, dass sich die guten Ergebnisse auch in der Zukunft wiederholen.