Der Butterpreis in Bangladesh - oder: Marktvorhersagen sind schwierig

Steigt der Markt in einer Phase, in der der quantitative Aktienfonds stärker abgesichert ist und er folglich nur bedingt von der Marktbewegung profitiert, dann höre ich oft Argumente wie „Könnten Sie nicht die Absicherung aufheben, solange es aufwärts geht und erst wieder absichern, wenn der Trend vorbei ist?“ Solche Fragen implizieren, dass man doch wenigstens so lange am Markt dabei sein sollte, wie ein Trend anhält. Da ist generell keine schlechte Idee! In der Regel antworte ich mit einer Gegenfrage: „Wann fängt Ihrer Meinung nach ein Trend an, wann hört er auf?“. Sobald ich darauf eine Antwort habe, kann ich testen, ob dieser angenommene Zusammenhang funktioniert, bzw. um es genau zu sagen: ob er in der Vergangenheit funktioniert hätte.

Ich höre dann die üblichen Vorschläge, die man oft auch im Internet findet, wie z.B. „Steigen Sie ein wenn der Markt ein neues Jahreshoch erreicht“ oder „Kaufen Sie, wenn der Markt die 200-TageLinie überschreitet“. Schwieriger wird es schon bei der Frage nach Ausstiegsszenarien. Dann kommt z.B. „bei einer Korrektur von größer als X%“ wobei X 8%, 10% oder auch 15% sein können. Oder auch „beim Unterschreiten der 200-Tage-Linie“.

Ich habe Daten über mehr als 100 Jahre vom US-Markt und einige Jahrzehnte von anderen Märkten. Damit lässt sich sehr fundiert testen, wie sich solche Ideen in der Vergangenheit bewährt hätten. Z.B. „Einstieg bei neuen Jahreshochs, Ausstieg bei 10%-Korrektur“. Im Ergebnis ist es ein völliger Flop. Sie würden rund 2% pro Jahr weniger Performance haben als ohne Markt-Timing. Und dies ist kein Einzelfall. Ich habe solche Ideen früher sehr oft getestet. In 99% aller Fälle erhalte ich ähnlich negative Ergebnisse.

Doch es gibt auch Ausnahmen, wie z.B. der Kauf beim Überschreiten der 200-Tage-Linie und Verkauf beim Unterschreiten. Hier kann man tatsächlich vor Kosten über den Zeitraum von 110 Jahren am US-Markt eine Outperformance von 0,4% pro Jahr erreichen. Das Modell hat in 110 Jahren 767 Signale geliefert (in der Nähe der 200-Tage-Linie liefert es oft mehrere Signale nacheinander). Lässt man davon aber nur ein Signal weg, nämlich das vom 27.3.1931, dann werden aus den +0,4% pro Jahr -0,5% pro Jahr!

Im Ergebnis bedeutet dies, dass ein Anleger nur profitiert hätte, wenn er bereits vor dem 27.3.1931 sein Geld nach dieser Strategie verwaltet hätte. Danach hätte er mit dieser Strategie im Schnitt relativ zu einem Anleger ohne Markt-Timing Geld verloren. Die Tatsache, dass die Outperformance einer Regel nur von einem Signal (oder einigen wenigen) abhängt, macht auch solche Modelle statistisch irrelevant, auch wenn es immer wieder längere Phasen gab, in denen sie funktionieren. Rein statistisch betrachtet handelt es sich um Zufall!

Im Laufe der Jahre habe ich Hunderte solcher Modelle getestet, andere Leute Tausende. Es gibt nichts, was zuverlässig funktioniert. Nicht jeder glaubt das. Das liegt daran, dass wir als Menschen dazu neigen, Muster zu sehen wo keine sind. Charts sind da keine Ausnahme, es scheint (im Nachhinein) einfach, einen Trend zu sehen. Aber so einfach es auch scheint, Anfang und Ende eines Trends in Echtzeit zu erkennen und zwar so, dass man davon profitieren kann, ist quasi unmöglich, weil jeder „Trend“ anders ist!

Die Leute, die sich noch ein wenig intensiver mit der Materie beschäftigt haben, kommen dann mit dem Vorschlag, dass man doch noch andere Indikatoren hinzuziehen könnte, um die kurzfristige Bewegung des Marktes vorherzusagen. Aber auch hier ist es sehr schwierig, etwas statistisch Signifikantes zu finden, insbesondere wenn man einfache und logische Indikatoren verwendet. Natürlich lassen sich komplexe Modelle aufsetzen, die scheinbar die Fähigkeit zur Vorhersage der Märkte haben, aber je komplexer ein Modell desto statistisch unzuverlässiger wird es.

Ein nettes Beispiel hat der brillante quantitative Analyst David Leinweber geliefert. Er hat im Jahr 1993 mit Hilfe riesiger UN-Datenbanken eine Analyse angefertigt, welche Indikatoren am besten die Entwicklung des S&P500 vorhersagen.

Dabei hat er herausgefunden, dass eine Kombination von drei Indikatoren 99% der Entwicklung des S&P500 „vorhersagen“ konnte.

Diese Indikatoren waren

1. der Butterpreis in Bangladesh,
2. der Käsepreis in den USA und
3. die Anzahl der Schafe in Bangladesh.

Bei diesen Indikatoren sollte selbst jeder Laie sofort sehen, dass die Zusammenhänge zur Performance des US-Aktienmarktes rein zufälliger Natur waren.

Leinweber war sich dessen natürlich bewusst und hat die Ergebnisse der Studie nicht veröffentlicht. Irgendwie sind sie aber doch an die Öffentlichkeit gelangt und wurden in den Medien viel zitiert. Danach, so berichtete Leinweber später, hätte er viele Anfragen erhalten mit der Bitte, diesen Indikator zu publizieren (1995 ist der dem Wunsch auch nachgekommen: http://www.nerdsonwallstreet.typepad.com/my_weblog/files/dataminejune_2000.pdf. Naturgemäß hatte der Indikator nach seiner „Entdeckung“ keinerlei Vorhersagewirkung mehr.

Selbst wenn man eine Kombination von Indikatoren findet, die auf den ersten Blick einigermaßen logisch erscheinen, ist deren Vorhersagewirkung in die Zukunft äußerst fragwürdig. Das wird allein durch die Tatsache bewiesen, dass sich schon Tausende von Menschen bzw. Firmen, teils mit riesigen Datenbanken und den schnellsten Computern ausgestattet, auf die Suche nach dem heiligen Gral der kurzfristigen Marktvorhersage begeben haben. Hätte jemand eine mit hoher Wahrscheinlichkeit funktionierende Formel gefunden, so hätte er in kürzester Zeit massive Reichtümer anhäufen können. Das wäre mit Sicherheit nicht unbemerkt geblieben.

Somit stellt sich die Frage: Macht es dann überhaupt Sinn, ein Markt-Timing zu versuchen? Ja, nämlich dann, wenn man sich auf drei Dinge beschränkt: inhärent logische Indikatoren, einfache, wenig optimierte Modelle und vor allem lange Vorhersagezeiträume (viele Monate bis Jahre) oder geringe Vorhersagegenauigkeit (z.B. 55% Genauigkeit). Mit solchen Modellen liegt man naturgemäß im ständigen Auf und Ab der Märkte scheinbar 50% der Zeit falsch und in diesen, manchmal Monate oder Jahre dauernden Phasen kann das sehr frustrierend für den Anleger sein.

Aber genau diese Frustration ist es auch, die verhindert, dass diese Modelle massenhaft genutzt werden und damit ihre Wirkung verlieren.

Solche langfristigen oder im statistischen Mittel wirkenden Modelle sind keine Basis zum schnellen Anhäufen von Reichtümern. In einem längerfristig orientierten Portfolio jedoch können sie einen wichtigen Performancebeitrag liefern. Da sie zudem oft über längere Phasen defensiv ausgerichtet sind, vermindern sie die Volatilität des Portfolios, was insbesondere in Phasen starker Abwärtsbewegungen ein entscheidender Vorteil ist.