Warum Charts den Preis nicht vorhersagen

Jeden Tag öffnen zehntausende Menschen Charts und zeichnen Rechtecke darauf. Nachfragezonen, Orderblöcke, Ungleichgewichte, Wellen, Divergenzen. Dahinter steht eine verständliche Hoffnung: Wer lernt, die Figuren zu sehen, die nur wenige sehen, kann erraten, wohin der Preis geht.

Teil eins. Was die Wissenschaft sagt

Die technische Analyse ist fast drei Jahrhunderte alt. Japanische Reishändler zeichneten schon im achtzehnten Jahrhundert Kerzencharts; in den Westen kam die Technik erst im zwanzigsten. In dieser Zeit hat sich eine riesige Menge an Überprüfungen angesammelt — und sie ist, zum Leidwesen der Branche, nicht ermutigend.

Den vollständigsten Überblick über diese Literatur haben Cheol-Ho Park und Scott Irwin zusammengestellt: „The Profitability of Technical Analysis: A Review“, ein Bericht des AgMAS-Projekts der University of Illinois. Sie sammelten Dutzende empirischer Überprüfungen technischer Handelssysteme auf ganz unterschiedlichen Märkten — Aktien, Währungen, Futures — und zogen Bilanz.

Die Bilanz lautet so. Die Profitabilität auf spekulativen Märkten hielt sich „zumindest bis Anfang der 1990er Jahre“ und verschwand danach. Das heißt, alle Befunde stammen aus der Zeit, in der Orders mündlich aufgegeben und gleitende Durchschnitte auf Papier berechnet wurden. Und fast alle positiven Ergebnisse leiden nach Einschätzung der Autoren des Überblicks selbst an denselben Krankheiten: Anpassung an die Daten, nachträgliche Auswahl der Regeln und Unterschätzung der Transaktionskosten.

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.

Aber die interessanteste Studie ist erst kürzlich erschienen — und sie liegt am nächsten an dem, was ein Privattrader heute tut.

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

Interessanter als die Tatsache selbst ist jedoch, woran genau alles zerbrach. Elf der vierzehn Familien starben an derselben Stelle: Ihre Bruttorendite lag zwischen 0.07 und 1.50 Punkten, während Ein- und Ausstieg etwa zwei Punkte kosten. Das Signal existiert also. Es zeigt sogar in die richtige Richtung. Es ist nur kleiner als das, was seine Nutzung kostet. Das ist die häufigste und unauffälligste Art, mit Charts Geld zu verlieren: nicht sich in der Richtung zu irren, sondern um einen Betrag recht zu haben, der kleiner ist als die Gebühr.

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.

Teil zwei. Was funktioniert

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

Es gibt wenige Dinge, die funktionieren, und sie haben eine gemeinsame Eigenschaft, auf die wir zurückkommen.

Trendfolge

Die längste Bestätigung von allen, die es gibt. 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.

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

Die beständigste der dokumentierten. 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

In Krypto ist das die Funding Rate bei Perpetual-Kontrakten. Der Mechanismus ist hier äußerst transparent, und er ist der einzige in dieser Liste, der nicht durch einen Backtest, sondern durch eine Quittung überprüft wird.

Ein Perpetual-Kontrakt hat keinen Verfall, deshalb bindet ihn die Börse mit Geld an den Kassapreis: Alle acht Stunden zahlt eine Seite der anderen. Ist der Kontrakt teurer als der Index, zahlen die Long-Positionen; ist er billiger, zahlen die Short-Positionen. Das ist keine Schätzung und kein Modell, sondern ein veröffentlichter Geldtransfer mit einer Historie für jedes Instrument. Wer den Vermögenswert am Kassamarkt kauft und den Perpetual-Kontrakt verkauft, erhält diese Zahlungen und ist von der Preisrichtung unabhängig. Aufbau der Rate und die Logik ihrer Berechnung werden zum Beispiel in der Arbeit „Designing Funding Rates for Perpetual Futures in Cryptocurrency Markets“ behandelt.

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. Warum das eine funktioniert und das andere nicht

Der Unterschied zwischen den beiden Listen ist nicht zufällig.

Alles, was funktioniert, ist Bezahlung für die Übernahme von Risiko, nicht Belohnung für das Erkennen von Figuren.

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.

Niemand bezahlt Sie dafür, dass Sie ein Rechteck auf einem Chart gesehen haben. Bezahlt wird dafür, dass Sie ein Risiko halten, das andere ungern halten.

Daraus folgt auch das Zweite.

Warum Entdeckungen verschwinden

Selbst echte Gesetzmäßigkeiten verblassen, wenn man von ihnen erfährt.

Die klassische Überprüfung dazu stammt von David McLean und Jeffrey Pontiff — „Does Academic Research Destroy Stock Return Predictability?“, Journal of Finance. Sie nahmen 97 Merkmale, für die in führenden wissenschaftlichen Zeitschriften gezeigt worden war, dass sie Aktienrenditen vorhersagen, und sahen nach, was danach aus ihnen wurde. Außerhalb der Stichprobe war die Rendite um 26% niedriger. Nach der Veröffentlichung — um 58% niedriger. Die Differenz zwischen diesen Zahlen, 32%, ist der Preis der Veröffentlichung selbst: So viel holten sich die Leute, die den Artikel gelesen hatten. Ein Alpha von fünf Prozent in der Stichprobe wird zu etwa drei Komma vier, nachdem man davon erfahren hat.

Eine spätere Arbeit von Antoine Falck, Adam Rej und David Thesmar — „Why and How Systematic Strategies Decay“ — präzisiert das Bild und fügt ein beunruhigendes Detail hinzu. Das Veröffentlichungsjahr allein erklärt 30% der Streuung im Verfall, und mit jedem Jahr wächst der Verfall neu veröffentlichter Faktoren um fünf Prozentpunkte. Kapital strömt schneller als früher zu einer entdeckten Ineffizienz. Was 2005 gefunden wurde, lebte jahrelang. Was heute gefunden wird, stirbt innerhalb von Monaten.

Wenden Sie das nun auf die Methoden an, die sich auf YouTube millionenfach verbreitet haben. Wenn in ihnen etwas steckte, verschwand es zuerst — und zwar lange bevor Sie davon gehört haben.

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.

Und der Schlüsselsatz aus derselben Arbeit, der besondere Aufmerksamkeit verdient: „Es gibt keine Hinweise darauf, dass Daytrader in den Zeiträumen, in denen sie handeln, dazulernen.“ Menschen werden durch Übung nicht besser. Dreihundert Tage am Terminal werden nicht zu einer Fähigkeit — sie werden zu dreihundert Tagen Gebühren.

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.

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.

Wir haben uns für das Erste entschieden. Deshalb gibt es in unserem Markierungsmodul keine Wahrscheinlichkeitsprozente, keine Wörter „Signal“ und „Prognose“, dafür aber den Zustand „hier gibt es keine sauberen Zonen“ — statt um jeden Preis irgendetwas zu zeichnen.

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 Merkmale: −26% außerhalb der Stichprobe, −58% nach der Veröffentlichung.
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 — brasilianische Futures-Konten: 97% Verlierer unter denen, die 300+ Sitzungen durchhielten, 1.1% über dem Mindestlohn, kein 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.