Forschung

Funktioniert technische Analyse? Was Studien zeigen

Das Ergebnis hängt von Regel, Markt, Stichprobe und Kosten ab


Kann ein Chartmuster einen handelbaren Vorteil liefern? Die besprochenen Arbeiten testen bestimmte Regeln, Märkte und Zeiträume. Einige finden Effekte, andere keine robuste Rendite nach Kosten. Diese Ergebnisse entscheiden die Frage nicht für sämtliche Chartmethoden und Märkte.


Teil eins. Was die Wissenschaft sagt

Technische Analyse umfasst unterschiedliche Regeln: Kerzenmuster, gleitende Durchschnitte, Ausbrüche und weitere Beschreibungen von Kursen. Das Ergebnis eines Tests gilt nicht automatisch für andere Regeln. Entscheidend ist, was auf welchen Daten und mit welchen Kosten geprüft wurde.

Ein Literaturüberblick stammt von Cheol-Ho Park und Scott Irwin: „The Profitability of Technical Analysis: A Review“, ein Bericht des AgMAS-Projekts der University of Illinois. Er fasst empirische Tests technischer Handelssysteme auf Aktien-, Devisen- und Futuresmärkten zusammen.

Der Überblick ist im Rahmen der untersuchten Märkte, Regeln und historischen Zeiträume zu lesen. Er belegt nicht, dass ab einem bestimmten Jahr alle technischen Methoden wirkungslos wurden. Für die Bewertung veröffentlichter Profitabilität sind Data-Snooping, nachträgliche Regelauswahl und Transaktionskosten wesentlich.

Das Erste verdient eine Erklärung, denn es ist die Hauptfalle der ganzen Branche. Wer tausend Regeln an derselben Historie ausprobiert, bei dem wird die beste davon glänzend aussehen — einfach nach den Gesetzen der Wahrscheinlichkeit, selbst wenn alle tausend leer sind. Genau so entstehen die meisten „funktionierenden“ Strategien: nicht weil jemand eine Gesetzmäßigkeit gefunden hat, sondern weil jemand lange genug durchprobiert hat.

Mit den Kerzenmustern lief es nicht besser. Piyapas Tharavanij und Mitautoren prüften bullische und bärische Umkehr-Kerzenmuster an der Börse von Thailand — „Profitability of Candlestick Charting Patterns in the Stock Exchange of Thailand“, Zeitschrift SAGE Open. Das Fazit hat zwei Teile. Für sich genommen: Bei den meisten Mustern unterscheidet sich die durchschnittliche Rendite statistisch nicht von null, und bei den wenigen, wo ein Unterschied gefunden wurde, steht eine Rendite von 0.07–0.84% neben einer Standardabweichung von vier bis sieben Prozent — das Signal ist also im Rauschen um es herum untergegangen. Und der zweite Teil, der schmerzhaftere: Die Filterung nach Stochastik, RSI oder Money Flow Index „erhöht im Allgemeinen weder die Profitabilität noch die Vorhersagegenauigkeit“. Das beliebte Rezept „Muster plus Bestätigung durch einen Indikator“ besteht den Test nicht. Dies gilt für die geprüften Muster und den untersuchten Markt, nicht für jede denkbare Bestätigung durch Indikatoren.

Ein enger abgegrenztes Beispiel ist Mathias Mesfins arXiv-Preprint von 2026. Die folgenden Zahlen beziehen sich auf Version 3 vom 15. September 2026. Getestet werden bestimmte Intraday-Regeln auf MNQ-Futures, nicht sämtliche in der Einleitung genannten Methoden.

Mathias Mesfin veröffentlichte 2026 die Arbeit „Structural Limits of OHLCV-Based Intraday Momentum Signals in MNQ Futures: A Systematic Falsification Study“. Er nahm den Nasdaq-100-Future, 947 Handelstage mit Fünfminutendaten für 2021–2025, und prüfte vierzehn Familien von Intraday-Momentum-Signalen. Jede musste gleichzeitig fünf Bedingungen erfüllen: eine t-Statistik von mindestens 2.0 auf Daten außerhalb der Stichprobe, mindestens dreißig Trades in jedem Testfenster, eine positive Rendite nach realistischen Kosten, dieselbe Richtung in 2023, 2024 und 2025 jeweils einzeln, und einen Permutationstest mit einem Signifikanzniveau unter 0.001.

Keine hat bestanden.1

Elf der vierzehn Familien erzielten Bruttorenditen von 0.07–1.50 Punkten, unterhalb der in der Studie angesetzten Reibungskosten von 2.0 Punkten. Ein positiver Durchschnitt vor Kosten ergab in dieser Stichprobe keinen nach Kosten nutzbaren Vorteil. Das Vorzeichen eines Bruttomittelwerts allein belegt weder Robustheit noch Übertragbarkeit.

Drei weitere Familien überwanden die Kosten, scheiterten aber an der Stabilität: Der Long-Ausbruch aus der Morgenspanne ergab eine t-Statistik von 0.88, die Umkehr nach einem Volatilitäts- und Volumenklassifikator 1.26, und die Short-Fortsetzung der Kurslücke verdiente solide 16.53 Punkte brutto bei einer t-Statistik von 1.46 und zerfiel an der Anforderung, in jedem der drei Jahre einzeln zu funktionieren. Eine bekannte Geschichte: Eine Strategie, die „funktionierte“, funktionierte meist in einem bestimmten Jahr.

Und besonderen Respekt verdient, was der Autor am Ende tat. Er schickte zwei Signale durch dieselbe Mühle, von denen er im Voraus wusste, dass sie einen Vorteil haben — und sie bestanden: t-Statistiken von 3.11 und 4.30. Das nennt man eine Positivkontrolle, und sie beantwortet den Haupteinwand gegen jede negative Arbeit: „Vielleicht sieht Ihre Methode einfach nichts.“ Sie sieht. Sie hat nur genau das nicht gesehen, was geprüft wurde.


Forschung

ForschungNachträgliche Wahl des besten Ergebnisses verzerrt die Bewertung.. Alle getesteten Varianten einschließlich gescheiterter nennen. ['Viele Varianten auf einer Historie', 'Auswahl', 'Veröffentlichte Ergebnisse']Viele Varianten auf einer Historie↓Auswahl↓Veröffentlichte Ergebnisse
  • Nachträgliche Wahl des besten Ergebnisses verzerrt die Bewertung.
  • Alle getesteten Varianten einschließlich gescheiterter nennen.
Lehrschemata mit hypothetischen Zahlen. Sie erklären Begriffe, nicht die nächste Kursbewegung.

Teil zwei. Positive Befunde und ihre Bedingungen

Wenn alles hier enden würde, wäre der Artikel sinnlos. Aber dieselbe Forschung hat auch eine zweite Hälfte — darüber, was den Test besteht.

Die folgenden Beispiele dokumentieren Effekte unter bestimmten Annahmen und Risiken. Sie sind weder eine vollständige Liste funktionierender Ansätze noch ein Versprechen, dass dieselbe Rendite fortbesteht.

Vor Kosten → Nach Kosten

Vor Kosten → Nach KostenA: Vor Kosten +1.5; B: Kosten −2; C: Nach Kosten −0.5. Hypothetische Einheiten. Beispielrechnung, kein Strategieergebnis. [1.5, -2, -0.5]1.5A-2B-0.5C
  • A: Vor Kosten +1.5; B: Kosten −2; C: Nach Kosten −0.5
  • Hypothetische Einheiten
  • Beispielrechnung, kein Strategieergebnis.
Lehrschemata mit hypothetischen Zahlen. Sie erklären Begriffe, nicht die nächste Kursbewegung.

Trendfolge

Eine Untersuchung langfristiger Trends eröffnet eine weitere Perspektive. Eine Gruppe von Forschern von Capital Fund Management — Lempérière, Deremble, Seager, Potters und Bouchaud — sammelte Daten über zwei Jahrhunderte: „Two Centuries of Trend Following“. Kassapreise für Rohstoffe und Indizes seit 1800, Renditen von Staatsanleihen seit 1918, Futures seit 1960. Das Fazit: Die Zehnjahresrendite der Trendfolge „war in zwei Jahrhunderten nie negativ“.

Aber diese Medaille hat eine schwere Kehrseite, und die Autoren verbergen sie nicht. Die typische Dauer eines Drawdowns, schreiben sie, ist eins geteilt durch das Quadrat der Sharpe Ratio — in Jahren. Für eine Strategie mit einer Sharpe von 0.7 sind das zweijährige Drawdowns als Normalfall. Für 0.5 — vier Jahre. Denken Sie darüber nach: Eine richtige Strategie, die seit zweihundert Jahren funktioniert, kann Ihnen vier Jahre am Stück nichts als Verluste und Erklärungen bringen. Keine Disziplin ersetzt es, diese Zahl im Voraus zu verstehen. Dies ist eine Näherung im besprochenen Ansatz der Autoren, kein Zeitplan künftiger Drawdowns jeder beliebigen Strategie.

Es gibt auch eine dritte Seite, die unangenehmste. Geetesh Bhardwaj, Gary Gorton und Geert Rouwenhorst untersuchten, was von dieser Prämie beim Anleger ankommt — eine Arbeit mit einem vielsagenden Titel, „Fooling Some of the People All of the Time: The Inefficient Performance and Persistence of Commodity Trading Advisors“. Die Verwalter von Futures-Fonds erzielten 1994–2007 eine Bruttoüberrendite von 5.4%, der Anleger bekam 85 Basispunkte — acht Zehntel Prozent über Schatzwechseln, statistisch nicht von null zu unterscheiden. Die Prämie war da. Sie wurde von den Gebühren aufgefressen.

Die Volatilitätsprämie

Eine weitere Arbeit untersucht die Varianzrisikoprämie. Peter Carr und Liuren Wu zeigten in der Arbeit „Variance Risk Premiums“ (Review of Financial Studies), dass die Varianzrisikoprämie des S&P-500-Index beständig negativ ist: Anleger nehmen eine negative erwartete Rendite in Kauf, nur um sich gegen steigende Volatilität zu versichern. Die Kehrseite desselben Geschäfts — der Verkauf von Volatilität — lieferte historisch sehr hohe Renditen pro Risikoeinheit.

Und das Wichtigste: Es ist klar, warum das unter dem Druck der Arbitrageure nicht verschwindet. Es ist kein Preisfehler, den man korrigieren kann. Es ist Bezahlung für Risiko. Der Verkäufer einer Option erhält Geld dafür, das Risiko eines Einbruchs zu übernehmen, von dem sich die Absicherer freikaufen. Das Risiko ist real — deshalb ist auch die Bezahlung real. Wer im Februar 2018 oder im März 2020 Volatilität verkaufte, hat erfahren, wofür genau man ihn all die Jahre davor bezahlt hatte.

Carry

Bei Kryptowährungen beruht ein Carry-Mechanismus auf Funding-Zahlungen von Perpetual-Kontrakten. Die Zahlungshistorie zeigt vergangene Geldflüsse. Sie belegt für sich genommen keine künftige Nettorendite einer Position.

Funding-Zahlungen helfen, einen Perpetual-Kontrakt an seinen Referenzkurs zu binden. Zeitpunkt, Formel und Vorzeichen hängen vom Kontrakt und Handelsplatz ab. Bei positivem Funding zahlen üblicherweise Long- an Short-Positionen; bei negativem Funding kehrt sich die Richtung um. Spot-Kauf und Perpetual-Verkauf können die Richtungsabhängigkeit verringern, doch Funding kann sich ändern und Basis-, Gebühren-, Sicherheiten- und Liquidationsrisiken bleiben. „Designing Funding Rates for Perpetual Futures in Cryptocurrency Markets“ untersucht die Gestaltung von Funding-Raten und replizierenden Portfolios; die Arbeit garantiert nicht die Rendite dieses Geschäfts.

Aber die Prämie hängt hier stärker vom Regime ab, als man gemeinhin annimmt. Wenn der Markt mit Long-Positionen überhitzt ist, schießt die Funding Rate in die Höhe; wenn Kapital in dieses Geschäft strömt, schrumpft sie auf die Rendite gewöhnlicher Dollarinstrumente zusammen — und dann entfällt der ganze Sinn der Konstruktion: Dasselbe Geld hätte man ohne Börsenrisiko, ohne Hebel und ohne das Risiko einer Liquidation des Short-Beins in Dollar halten können. Carry ist keine Gelddruckmaschine, sondern Bezahlung für die Bereitschaft, eine Position zu halten, die man im entscheidenden Moment womöglich an niemanden weitergeben kann.


Teil drei. Risiken und Grenzen der Interpretation

Die Beispiele unterscheiden sich in Mechanismen, Testbedingungen und Risiken.

Eine dokumentierte Rendite ist zusammen mit dem Risiko und den Messbedingungen zu betrachten. Ein Muster zu erkennen genügt nicht, um einen Vorteil nachzuweisen.

Wenn Sie Volatilität verkaufen, übernehmen Sie das Risiko eines Einbruchs, gegen das sich andere freikaufen. Wenn Sie dem Trend folgen, akzeptieren Sie das Risiko langer Umkehrungen und vierjähriger Drawdowns, die die meisten Menschen psychisch nicht aushalten. Beim Carry — das Risiko, dass die Rate im ungünstigsten Moment kippt und das Short-Bein durch einen Margin Call ausgestoppt wird.

Zur Bewertung einer Chartregel wird sie vor der Betrachtung des Testzeitraums festgelegt und anschließend auf neuen Daten nach Kosten geprüft. Eine Erklärung des möglichen Mechanismus ersetzt diesen Test nicht.

Daraus folgt auch das Zweite.

Interpretationsgrenze · Ergebnis

Interpretationsgrenze · Ergebnis4 × 1 − 8 = −4. Positiver Mittelwert schließt große Verluste nicht aus.. Beispielrechnung, kein Strategieergebnis. [1, 1, 1, 1, -8]11121314-85
  • 4 × 1 − 8 = −4
  • Positiver Mittelwert schließt große Verluste nicht aus.
  • Beispielrechnung, kein Strategieergebnis.
Lehrschemata mit hypothetischen Zahlen. Sie erklären Begriffe, nicht die nächste Kursbewegung.

Warum Entdeckungen verschwinden

Einige veröffentlichte Effekte werden außerhalb der ursprünglichen Stichprobe oder nach Veröffentlichung schwächer. Wie stark, ist eine empirische Frage und kein Gesetz, nach dem jede Entdeckung verschwinden muss.

David McLean und Jeffrey Pontiff untersuchen 97 veröffentlichte Aktienrendite-Prädiktoren in „Does Academic Research Destroy Stock Return Predictability?“, Journal of Finance. Sie berichten um 26% niedrigere Renditen außerhalb der Stichprobe vor Veröffentlichung und um 58% niedrigere Renditen nach Veröffentlichung, jeweils gegenüber der ursprünglichen In-Sample-Rendite. Der Unterschied der beiden Rückgänge beträgt 32 Prozentpunkte, nicht einen zusätzlichen Rückgang von 32% gegenüber der Out-of-Sample-Rendite. Bei einem hypothetischen ursprünglichen Alpha von 5% bleiben nach einem relativen Rückgang um 58% noch 5% × (1 − 0.58) = 2.1%. Das veranschaulicht die Bezugsgröße und ist keine Renditeprognose für eine einzelne Strategie.

Antoine Falck, Adam Rej und David Thesmar behandeln den Verfall ebenfalls in „Why and How Systematic Strategies Decay“. Die Beziehungen zwischen Veröffentlichungsjahr und Verfall beschreiben die untersuchten Strategien und Zeiträume. Sie legen keine feste, in Monaten gemessene Lebensdauer für jede neue veröffentlichte Regel fest.

Popularität auf YouTube beweist weder die Wirksamkeit einer Methode noch das Verschwinden ihres Vorteils. Eine konkrete Behauptung braucht weiterhin eine definierte Regel, unabhängige Daten und realistische Kosten.


Teil vier. Die Zahlen, über die man in Kursen nicht spricht

Da wir uns schon an unbequeme Fakten gemacht haben, hier auch diese. Sie handeln nicht von Methoden, sondern von Menschen.

Fernando Chague, Rodrigo De-Losso und Bruno Giovannetti erhielten vollständige Aufsichtsdaten zu Privatkonten auf brasilianischen Futures — „Day Trading for a Living?“. Von 19 646 Menschen, die mit dem Handel begannen, kamen 1 551 auf dreihundert und mehr Handelssitzungen — sieben Komma neun Prozent. Von diesen Ausdauernden verloren 97% Geld. Mehr als den brasilianischen Mindestlohn verdienten 1.1%. Mehr als das Gehalt eines Bankangestellten — ein halbes Prozent. Acht Menschen von anderthalbtausend.

Die brasilianische Studie findet für die beobachteten Zeiträume keine Hinweise auf Lernen bei Daytradern. Der Befund betrifft die untersuchten Teilnehmer, den Markt und den Zeitraum. Er beweist nicht, dass Übung grundsätzlich keine Fähigkeit verbessern kann; er warnt davor, Handelszeit mit nachgewiesener Verbesserung der Nettoergebnisse gleichzusetzen.

Taiwan, eine andere Zeit und ein anderer Markt, dasselbe Ergebnis. Brad Barber, Yi-Tsung Lee, Yu-Jane Liu und Terrance Odean werteten fünfzehn Jahre vollständiger Daten für den gesamten Markt aus, 1992–2006: „The Cross-Section of Speculator Skill: Evidence from Day Trading“, Journal of Financial Markets. Ihre Formulierung: „Weniger als ein Prozent der gesamten Daytrader-Population ist in der Lage, vorhersehbar und verlässlich positive Überrenditen nach Gebühren zu erzielen.“ In absoluten Zahlen — etwa viertausend Menschen von rund vierhundertfünfzigtausend, die in einem Jahr handeln.

Beachten Sie: Diese viertausend gibt es. Können in der Spekulation ist kein Mythos, es ist messbar und reproduzierbar. Nur sieht seine Verteilung nicht aus wie „lerne es, und du kannst es“, sondern wie die Verteilung von Können im Profisport. Der einzige Unterschied ist, dass im zweiten Fall niemand Kurse verkauft, die versprechen, in drei Monaten in die Stammformation der NBA zu kommen.


Unabhängige Beobachtungen

Unabhängige BeobachtungenMechanismuserklärung ersetzt keinen unabhängigen Test.. Prüfung muss Kosten und neue Daten einbeziehen. ['Mechanismuserklärung', 'Regeln festgelegt + Neue Daten', 'Kosten + Kontrollvergleiche', 'Grenzen der Schlussfolgerung']Mechanismuserklärung↓Regeln festgelegt + Neue Daten↓Kosten + Kontrollvergleiche↓Grenzen der Schlussfolgerung
  • Mechanismuserklärung ersetzt keinen unabhängigen Test.
  • Prüfung muss Kosten und neue Daten einbeziehen.
Lehrschemata mit hypothetischen Zahlen. Sie erklären Begriffe, nicht die nächste Kursbewegung.

Was man mit all dem anfangen soll

Wir halten Chart-Markierungen nicht für nutzlos. Sie sind nützlich — aber nicht in der Rolle, in der sie gewöhnlich verkauft werden.

Eine ungefüllte Lücke im Chart ist eine Tatsache. Ein Niveau, von dem der Preis zweimal umgekehrt ist, ist eine Tatsache. Ein Extremum, das der Preis durchbrochen hat, ist eine Tatsache. Das sind Orientierungspunkte: wo man den Stop setzt, wo man ein Ziel markiert, wo der Preis schon war. Eine Landkarte des Geländes.

Was eine Karte nicht tut: Sie sagt nicht, wohin das Auto fahren wird.

Der Unterschied zwischen diesen beiden Dingen ist der ganze Unterschied zwischen einem Werkzeug und einem Versprechen. Ein Werkzeug spart Zeit und strukturiert den Blick. Ein Versprechen verkauft sich besser, wird aber nicht gehalten.

Für eine konkrete Leseaufgabe bietet die Marktstruktur einen Einstieg: Sie trennt beobachtete Bezugspunkte von ihrer Interpretation. Der Text über Korrekturbestätigung und Ungültigkeit einer Zählung zeigt, warum eine plausible Zählung keine Gewissheit ist. Vor dem Vergleich historischer Episoden lohnt sich die Erklärung, was deren Statistik aussagt und was nicht, damit eine vergangene Häufigkeit nicht als Prognose gelesen wird.

Und die Zahlen aus diesem Artikel veröffentlichen wir, weil wir meinen: Der Nutzer hat das Recht zu wissen, was genau er in den Händen hält.


Quellen

  1. Park C.-H., Irwin S. The Profitability of Technical Analysis: A Review. AgMAS Project Research Report 2004-04, University of Illinois. ageconsearch.umn.edu/record/37487 — zusammenfassender Überblick über empirische Überprüfungen technischer Handelssysteme.
  2. Tharavanij P., Siraprapasiri V., Rajchamaha K. Profitability of Candlestick Charting Patterns in the Stock Exchange of Thailand. SAGE Open, 2017. doi:10.1177/2158244017736799 — Umkehr-Kerzenmuster mit und ohne Indikatorfilter.
  3. Mesfin M. Structural Limits of OHLCV-Based Intraday Momentum Signals in MNQ Futures: A Systematic Falsification Study. arXiv:2605.04004, 2026. arxiv.org/abs/2605.04004 — vierzehn Signalfamilien, 947 Tage Fünfminutendaten, keine hat die fünf Kriterien bestanden.
  4. Lempérière Y., Deremble C., Seager P., Potters M., Bouchaud J.-P. Two Centuries of Trend Following. arXiv:1404.3274, 2014. arxiv.org/abs/1404.3274 — Trendfolge auf Daten seit 1800; Drawdown-Dauer als 1/S².
  5. Bhardwaj G., Gorton G., Rouwenhorst K. G. Fooling Some of the People All of the Time: The Inefficient Performance and Persistence of Commodity Trading Advisors. NBER Working Paper 14424. nber.org/papers/w14424 — 5.4% vor Gebühren gegenüber 85 Basispunkten danach, 1994–2007.
  6. Carr P., Wu L. Variance Risk Premiums. Review of Financial Studies, 22(3), 2009. ideas.repec.org — beständig negative Varianzrisikoprämie beim S&P 500.
  7. Designing Funding Rates for Perpetual Futures in Cryptocurrency Markets. arXiv:2506.08573. arxiv.org/abs/2506.08573 — Aufbau der Funding Rate von Perpetual-Kontrakten.
  8. McLean R. D., Pontiff J. Does Academic Research Destroy Stock Return Predictability? Journal of Finance. PDF — 97 Prädiktoren; beide Renditerückgänge beziehen sich auf die ursprüngliche In-Sample-Rendite.
  9. Falck A., Rej A., Thesmar D. Why and How Systematic Strategies Decay. Capital Fund Management, 2021. cfm.com — das Veröffentlichungsjahr erklärt 30% der Streuung im Verfall, plus 5 Prozentpunkte für jedes Jahr.
  10. Chague F., De-Losso R., Giovannetti B. Day Trading for a Living? SSRN 3423101 — Ergebnisse für die brasilianische Stichprobe und den beobachteten Zeitraum, einschließlich fehlender Hinweise auf Lernen.
  11. Barber B., Lee Y.-T., Liu Y.-J., Odean T. The Cross-Section of Speculator Skill: Evidence from Day Trading. Journal of Financial Markets, 18, 2014. escholarship.org — Taiwan 1992–2006, weniger als 1% der Daytrader vorhersehbar profitabel.

  1. „None passed all five“ — keine hat alle fünf bestanden (aus dem Abstract der Arbeit). ↩