Quantitative Analyse: Wie aus einer Markthypothese eine Regel wird – und wo sie versagt

Quantitative Analyse ist eine Methode, Handelsentscheidungen nach einer Regel zu treffen, die im Voraus formuliert, an historischen Daten geprüft und so genau beschrieben ist, dass sie sich ohne Ermessensentscheidung im Moment ausführen lässt. Ihr Ergebnis ist keine Prognose für den Kurs eines bestimmten Wertpapiers, sondern eine Einschätzung, wie stabil eine beobachtete Eigenschaft des Marktes ist: ob sie in verschiedenen Abschnitten der Historie, bei verschiedenen Instrumenten und nach Abzug der Kosten erhalten bleibt. Übersteht die Eigenschaft auch nur eine dieser Prüfungen nicht, gibt es keine Regel – es gibt nur einen Zufall, der bereits eingetreten ist.

Was hier gemessen wird – und was nicht

Der quantitative Ansatz steht weder im Gegensatz zur fundamentalen noch zur technischen Sichtweise: Er übernimmt deren Merkmale und macht daraus messbare Größen. Eine Kennzahl aus den Finanzberichten wie 3,92 ist in der fundamentalen Logik Anlass für eine Diskussion über den fairen Wert; in der quantitativen ist sie schlicht eine Koordinate, anhand derer sich ein Wertpapier mit den übrigen vergleichen und einsortieren lässt. Ein Chartmuster wird in der technischen Analyse mit Worten beschrieben; hier muss es als Bedingung formuliert sein, die der Computer auf jedem Balken gleich prüft.

Daraus ergibt sich die wichtigste Einschränkung der Disziplin: Sie arbeitet nur mit dem, was digitalisiert ist. Ein Konflikt unter den Anteilseignern, ein Wechsel des regulatorischen Rahmens, die Qualität des Managements finden keinen Eingang in das Modell, solange niemand dafür einen messbaren Proxy erfindet – und ein Proxy ist immer ärmer als das Phänomen selbst. Das ist kein Mangel der Methode, sondern die Grenze ihrer Anwendbarkeit, und es lohnt sich, sie neben den Grenzen der benachbarten Ansätze im Blick zu behalten: siehe den Beitrag zur Fundamentalanalyse und den Text darüber, was die technische Analyse nicht leisten kann.

Woher die Hypothese kommt

Die Reihenfolge ist entscheidend, und sie ist der intuitiven entgegengesetzt. Nicht „Ich grabe in den Daten und schaue, was sich findet“, sondern „Es gibt einen Grund, warum der Markt für diese Eigenschaft eine Prämie zahlen könnte – ich prüfe, ob er es tut“.

Erster Schritt: den Mechanismus benennen. Warum sollte ein Vorteil überhaupt existieren? Meist läuft die Antwort auf einen von wenigen Typen hinaus: Jemand übernimmt ein Risiko, das andere ungern halten; jemand stellt Liquidität dort bereit, wo sie fehlt; Informationen verbreiten sich ungleichmäßig unter den Marktteilnehmern; institutionelle Beschränkungen zwingen große Akteure, nicht dann zu handeln, wenn es für sie günstig ist, sondern wenn es ihr Mandat vorschreibt.

Zweiter Schritt: den Mechanismus durch ein Merkmal ausdrücken, das sich aus verfügbaren Daten berechnen lässt. Bilanzdaten stammen aus den Finanzberichten der Emittenten, die Kurshistorie aus den Aktiendaten, Kalendereffekte aus dem Ereigniskalender.

Dritter Schritt: im Voraus festhalten, welches Resultat die Hypothese widerlegt. Ein Ausschlusskriterium, das vor dem Test fixiert wird, ist das Einzige, was eine Prüfung von einer nachträglichen Anpassung unterscheidet.

Backtest: Was er nicht beweist

Die Fehler, die einen Backtest verderben, sind fast immer dieselben. Überanpassung: viele Parameter, wenige Daten – die Regel lernt das Rauschen auswendig. Vorgriff auf die Zukunft: In die Berechnung fließen Informationen ein, die Ihnen zum Zeitpunkt des Trades nicht vorliegen konnten – Finanzberichte vor ihrem Veröffentlichungsdatum, ein rückwirkend bereinigter Kurs, die endgültige Zusammensetzung eines Index. Survivorship Bias: Getestet wird eine Liste von Wertpapieren, die bis heute überlebt haben, während Delistings und Totalverluste herausgefallen sind. Fehlerhafte Wahl des Zeitraums: Der Abschnitt beginnt und endet dort, wo das Bild günstiger aussieht.

Das Gegenmittel ist die Aufteilung der Daten in Teile, von denen einer überhaupt nicht an der Parameterwahl beteiligt ist, sowie die Prüfung, ob das Resultat einer Verschiebung der Einstellungen standhält. Zerstört eine kleine Änderung des Schwellenwerts den Effekt, hat es den Effekt nie gegeben. Genau diese Logik beschreibt die Sensitivitätsanalyse, und sie ist hier keine Ergänzung, sondern ein zwingender Teil des Verfahrens.

Kosten und Kapazität

Ein Vorteil wird nach Kosten gemessen, nicht davor. Zu den Kosten zählen Kommission, Spread, Slippage bei der Ausführung und der Einfluss der eigenen Order auf den Kurs, wenn das Volumen mit der Liquidität des Wertpapiers vergleichbar ist. Hochfrequente Regeln reagieren darauf am empfindlichsten: Ein Effekt, der auf Tagesschlusskursen sichtbar ist, wird oft vollständig davon aufgezehrt, dass zu diesen Schlusskursen niemand handelt.

Eine eigene Frage ist die Kapazität. Eine Regel, die auf einem kleinen Konto in der zweiten und dritten Reihe hervorragend funktioniert, versagt bei wachsendem Volumen, weil sie selbst in den Kurs eingeht. Vergleichen Sie das Verhalten im rege gehandelten Segment mit dem Markt für OFZ – russische Staatsanleihen, wo Mikrostruktur und Teilnehmerkreis anders aufgebaut sind: Ein und dieselbe Hypothese verhält sich dort unterschiedlich.

Risikomanagement ist Teil des Modells, kein Zusatz

Eine quantitative Strategie legt nicht nur den Einstiegszeitpunkt fest, sondern auch die Positionsgröße, die Regel für die Reduzierung bei einem Drawdown und das Limit für die Konzentration auf einen Emittenten und einen Sektor. Die Entscheidung über die Größe beeinflusst das Gesamtergebnis stärker als die Genauigkeit des Signals: Eine Regel mit moderatem Vorteil und disziplinierter Positionsgröße übersteht Phasen, in denen eine aggressiv gehebelte Regel mit demselben Signal auf null fällt.

Da der Backtest die Vergangenheit beschreibt, muss die Zukunft gesondert beschrieben werden – mithilfe der Szenarioanalyse: Was geschieht mit der Regel bei einem sprunghaften Anstieg der Volatilität, bei der Schließung eines Teils des Marktes, bei einer Änderung des steuerlichen Rahmens oder der Infrastruktur? Die Antworten sind hier qualitativ, doch festhalten muss man sie, bevor das Szenario eintritt.

Wann der quantitative Ansatz nicht nötig ist

Er lohnt sich kaum, wenn Entscheidungen selten anfallen und Ihnen nur wenige Merkmale zur Verfügung stehen: Dann wird das Modell auf einer Stichprobe aufgebaut, deren Statistik für nichts ausreicht. Er schadet, wenn er in endlose Optimierung ohne Trades mündet – ein Zustand, der als Analyseparalyse beschrieben wird. Und er ist nutzlos, wenn seine Schlussfolgerungen nicht umgesetzt werden: Eine Regel, die jedes Mal von Hand außer Kraft gesetzt wird, sobald es unangenehm wird, ist keine Regel.

Ein ehrlicher Hinweis: Konkrete Bewertungen der Wirksamkeit einzelner Strategien am russischen Markt veröffentlicht die Plattform nicht, und auch in diesem Beitrag finden Sie keine – ebenso wenig wie Daten, auf denen sich solche Bewertungen korrekt aufbauen ließen. Die Prüfung bleibt Ihnen überlassen, mit Ihren eigenen Daten. Die Definitionen der Begriffe sind im Glossar zusammengefasst, das aktuelle Marktgeschehen finden Sie im Nachrichtenstrom und im Dividendenkalender.