Guten Tag zusammen, da ich nun 18 bin habe ich mir jetzt ein eigenes Broker Depot zugelegt. Davor hatte ich alle Investitionen über meine Mutter laufen lassen. Dort hatte ich den $VWRL (+0,09 %)
$NOVO B (-1,14 %)
$NVDA (+1,6 %) ,$ASML (-1,08 %) , $Sales
$ADBE (-0,83 %) , $ANET (+1,03 %) . Aufgrund der Aktien Übertragungsgebühr habe ich mich entschieden jeweils die 1€ verkaufsgebühr zu nutzen und alles dort zu verkaufen. Insgesamt habe ich damit ein Plus von ca 200€ gemacht. Ich habe auf meinem Depot schon ein paar Käufe gemacht, habe aber jetzt wieder durch die Verkäufe circa 4000€-4500€ frei zum investieren, was auch ein guter Moment sein kann um bessere Käufe als damals zu machen. Daher wollte ich mal gerne Vorschläge von euch einholen. Einen Etf möchte ich gerne im Depot haben, den ich auch monatlich dann mit rund 250€ bespare. Der Rest steht offen, macht mir gerne konkrete Vorschläge welche Aktien ihr im Moment als top buy seht und auch gerne mit konkreter Investitionshöhe von meinem verfügbaren Geld. Im Anhang dann mein Depot und was ich jetzt schon an Positionen habe.

Liebe Mitstreiter,

ich habe viel zu oft für die kurze Zeit mein Portfolio umstrukturiert, mit diesem Portfolio war ich eigentlich zufrieden.

Jetzt bin ich aber der Meinung dass ich dem „Tech-Hype“ zu viel Platz in meinem Portfolio gegeben habe.

Da ich die meisten Positionen sowieso im $VWRL (+0,09 %) drinnen habe, ich aber das Gefühl hatte Rendite auf der Strecke zu lassen, würde mich eure Meinung interessieren, würdet ihr eure Anteile an $NVDA (+1,6 %)
$ASML (-1,08 %)
$GOOGL (+0,86 %) und $MSFT (+1,48 %) verkleinern bzw. vielleicht sogar auflösen?

Ich möchte dennoch auf Wachstum setzen, mich würden eure Top Wachstumsaktien interessieren vielleicht nicht in der Tech-Branche bzw eher in eine andere Richtung Tech also z.B Automatisierungstechnik

LG Flo

Diese Woche haben wir drei spannende Setups auf dem Radar 👇

***

📈 $AMD (-0,36 %) (Advanced Micro Devices)

Technische Unterstützung trifft auf saisonale Stärke – die Zone bleibt spannend für Long-Setups.

***

💸 $DLTR (+0,96 %) (Dollar Tree Inc.)

Nach längerer Erholung könnte der Kurs erneut Richtung neue lokale Hochs ausbrechen.

***

🔵 $ASML (-1,08 %) (ASML Holding NV)

Der Aufwärtstrend bleibt intakt – wir beobachten die blaue Zone für mögliche Einstiege.

Lesedauer: ca. 9 Minuten

Analysten genießen an den Märkten einen besonderen Status. Ihre Kursziele bewegen Aktien, ihre Einschätzungen prägen Schlagzeilen, und ihre Modelle fließen in Fondsentscheidungen ein. Doch wer ihre Prognosen nutzt, ohne sie kritisch zu prüfen, übersieht oft, dass Analystenberichte kein objektives Marktbarometer sind – sondern Produkte mit eigenen Interessen, Annahmen und systematischen Verzerrungen.

Die Empirie zeigt: Analysten liegen erstaunlich häufig daneben. Eine Metastudie der Universität von Iowa über 20 Jahre fand, dass im Durchschnitt nur etwa 47 % der Kursziele innerhalb von zwölf Monaten erreicht werden. Noch deutlicher: Bei den am stärksten optimistischen Prognosen lag die Trefferquote teilweise unter 30 %. Auch die vielzitierte Gewinnschätzung (EPS forecast) ist nicht unfehlbar – laut Refinitiv-Daten weichen die Konsensschätzungen zum Jahresende im Schnitt um 8–12 % vom tatsächlichen Ergebnis ab.

Das Problem liegt weniger in der Methodik als im System. Ein Großteil der Analysten arbeitet bei Investmentbanken, die gleichzeitig Emissionen begleiten oder Geschäftsbeziehungen zu den analysierten Unternehmen pflegen. Negative Ratings sind dort selten. Von über 14.000 Empfehlungen im S&P-500-Universum waren laut FactSet zuletzt über 55 % „Buy“, nur 6 % „Sell“ – ein Missverhältnis, das kaum allein durch Optimismus erklärbar ist.

Beispiel 1: $AMZN (-1,15 %) (Amazon)

Vor der Dotcom-Blase lag das durchschnittliche Kursziel für Amazon im März 2000 bei rund 100 USD – wenige Wochen später fiel die Aktie um 90 %. Auch 2014, als die Margen schrumpften und Analysten ihre Modelle auf kurzfristige Gewinne stützten, lauteten 80 % der Ratings auf „Hold“ oder „Sell“. Wer damals gegen den Konsens investierte, vervielfachte sein Kapital bis 2020.

Das Muster: Analysten extrapolieren das Jetzt in die Zukunft. In Boomphasen überschätzen sie Wachstum, in Krisen unterschätzen sie Erholung.

Beispiel 2: $TSLA (+0,86 %) (Tesla)

2020 bewertete Goldman Sachs Tesla mit einem Kursziel von 780 USD – als die Aktie bei 400 stand. Sechs Monate später hatte sie sich verdreifacht. 2022 wiederum senkten viele Häuser ihre Ziele auf unter 200 USD, nachdem die Aktie bereits stark gefallen war. Die Anpassung kam also nach der Bewegung. Analysten reagieren, sie antizipieren selten.

Beispiel 3: $SPOT (-1,37 %) (Spotify)

2022 gaben große Banken wie Morgan Stanley Kursziele von 100 USD aus – mit der Begründung, das Streaming-Modell bleibe dauerhaft defizitär. Tatsächlich verbesserte Spotify kurz darauf seine Bruttomarge und wurde operativ profitabel. Der Kurs verdoppelte sich binnen Jahresfrist. Die Schätzungen waren korrekt, nur der Zeithorizont falsch: Analysten modellieren meist zwölf Monate, Investoren denken fünf Jahre.

Warum das so ist

Analysten stehen zwischen zwei Welten:

Vertrieb und Kundenbindung – Ihr primärer Auftrag ist, institutionelle Investoren mit Information zu versorgen, nicht Privatanleger. Ihre Berichte sind Teil einer Dienstleistung, die Vertrauen erzeugen soll – nicht zwingend Rendite.

Reputationsschutz – Wer zu stark abweicht, riskiert, im Ranking der großen Datendienste (Institutional Investor) schlecht abzuschneiden. Daher bewegen sich viele Prognosen im engen Konsensband.

Das führt zu einem Herdentrieb: Je mehr Analysten einen Wert „Buy“ nennen, desto weniger will jemand abweichen. Umgekehrt wirkt der Reputationsdruck in Krisenphasen dämpfend – niemand möchte zu früh wieder bullish werden. Die Folge: Analysten liegen häufig richtig in der Diagnose, aber falsch im Timing.

Die wichtigsten Häuser und Stimmen

Weltweit dominieren einige wenige Unternehmen die Analystenlandschaft. Im angelsächsischen Raum zählen dazu:

• Goldman Sachs, Morgan Stanley, J.P. Morgan, Bank of America – mit starker Gewichtung im institutionellen Research.
• UBS, Barclays, Deutsche Bank, Credit Suisse (heute UBS integriert) – mit oft sehr branchenspezifischen Analystenteams.
• Morningstar – unabhängig, mit Fokus auf fundamentale Bewertung (Fair-Value-Modelle, „Economic Moat“-Ansatz).
• CFRA Research, Argus, Jefferies, Wedbush – kleinere, aber oft konträrere Häuser mit höherer Trefferquote bei Nebenwerten.
• Bernstein Research gilt als besonders analytisch und quantitativ – häufig mit klaren Abweichungen vom Mainstream.

Eine interessante Ergänzung bieten Plattformen wie TipRanks oder Refinitiv StarMine, die die Performance einzelner Analysten über Jahre tracken und bewertbar machen. So zeigt sich etwa: Die besten 10 % der Analysten übertreffen den Markt leicht – die restlichen 90 % nicht.

Welche Kennzahlen wirklich zählen

Die klassische Empfehlung („Buy“, „Hold“, „Sell“) ist plakativ, aber oberflächlich. Aussagekräftiger sind die quantitativen Kennzahlen, die im Hintergrund der Modelle stehen. Einige davon verdienen mehr Beachtung als die Schlagzeilen:

EPS-Revision Rate – misst, wie stark Gewinnschätzungen im Zeitverlauf angepasst werden. Positive Revisionen korrelieren mit Kurssteigerungen.

Target Price Gap – Differenz zwischen aktuellem Kurs und mittlerem Kursziel. Ein Gap von über 20 % wirkt attraktiv, ist aber nur dann relevant, wenn auch die Schätzungen stabil bleiben.

Dispersion der Schätzungen – große Streuung zwischen Analysten zeigt Unsicherheit; enge Bandbreite signalisiert Konsens (und damit weniger Überraschungspotenzial).

Valuation Spread – Verhältnis zwischen höchstem und niedrigstem Kursziel. Breite Spreads sind oft bei disruptiven Unternehmen zu finden (z. B. $TSLA (+0,86 %) , $PLTR (+1,3 %) ).

Earnings Surprise Rate – misst, wie oft ein Unternehmen Analystenschätzungen übertrifft. Firmen mit wiederholten „Beats“ (z. B. $V (-1,55 %) , $ASML (-1,08 %) ) genießen strukturellen Bewertungsaufschlag.

Diese Kennzahlen sind kein Ersatz, aber ein realistisches Korrektiv. Während Ratings Emotion enthalten, liefern Kennzahlen Evidenz.

Nehmen wir $INOD (+1,46 %) (Innodata). Noch 2022 lag das durchschnittliche Kursziel bei 3 USD, kaum jemand sah Potenzial. Als der KI-Hype begann, revidierten dieselben Häuser ihre Modelle – nun hieß es 9 USD fairer Wert. Der Kurs sprang auf 13. Nicht weil sich das Geschäft über Nacht verdreifacht hatte, sondern weil die Analysten ihre Annahmen nachträglich anpassten.

Ähnlich bei $NU (+1,78 %) (Nu Holdings): Lange als überteuertes Fintech abgestempelt, änderte sich die Tonlage, sobald Profitabilität sichtbar wurde.

Diese Beispiele zeigen: Analysten sind stark rückblickend kalibriert. Die wahren Chancen liegen dort, wo noch keine Coverage existiert oder wo das Narrativ kippt.

Analysten liefern wertvolle Datenpunkte, aber keine Richtung. Ihre Berichte können helfen, ein Fundament zu legen – ersetzen jedoch nicht die eigene Einschätzung. Entscheidend ist zu verstehen, wie ihre Modelle entstehen und welche Annahmen oder Interessenkonflikte darin wirken.

Empirisch lässt sich festhalten: Analysten bieten im Schnitt solide Fundamentaldaten, schwächeln jedoch bei Prognosequalität und Timing. Die beste Strategie ist daher, ihre Analysen als Input zu nutzen – aber das Urteil konsequent selbst zu fällen.

Oder anders gesagt: Analysten zeichnen die Landkarte, doch den Weg muss jeder Investor selbst bestimmen.

Wie nutzt du Analystenschätzungen? Als Orientierung, Kontraindikator oder gar nicht mehr?

#rewind #oktober

Immer weiter :-)

Top Mover

$KLAC (-1,3 %) +15%

$AVGO (+1,04 %) +14%

$ASML (-1,08 %) +11%

$STAG (-0,32 %) +10%

$PLD (-1,22 %) +10%

Loosers:

$ARE (+0,46 %) -29%

$3350 (-2,84 %) -18%

$XS3087774306 (-3,67 %) -18%

$RICK (-2,68 %) -17%

$YMST -17%

$HIMS (+3,43 %) -15%

Hier war definitiv $ASML (-1,08 %) der Treiber. Aber auch der ETF lief sehr gut und somit bin ich mit der Performance für diesen Monat sehr zufrieden.

Ich nutze meinen neuesten Meilenstein einmal um mich und mein Portfolio vorzustellen :)

Ich habe 2020 zu meinem 18. Geburtstag mit dem Investieren angefangen und zunächst sehr viel ausprobiert und damit auch mehr als einmal ins Klo gegriffen. Mein Stockpicking habe ich dann deutlich runtergefahren und mich zunächst darauf konzentriert, einen starken Kern mit ETF's aufzubauen (S&P500 hauptsächlich). Ein paar Portfolioleichen aus der Zeit habe ich noch, diese hebe ich mir auf um in Zukunft bei höheren Kursgewinnen meinen Verlusttopf zu füllen. Opportunitätskosten habe ich da aufgrund des sehr geringen Wertes kaum.

Fast Forward: Heute bin ich 23 und freue mich diesen Meilenstein erreicht zu haben. Heute gab es dank $IREN (-3,72 %) nochmal den notwendigen Boost.

Über 50% meines Portfolios habe ich in ETF's investiert. Dort laufen auch fast ausschließlich meine Sparpläne. Ganz neu im Sparplan und deswegen auch noch eine sehr kleine Position: Der MSCI EM. Dazu habe ich dann noch ein paar kleinere Positionen in Einzelaktien:

$ASML (-1,08 %) Lange um die 500€ den Sparplan laufen lassen, jetzt aufgrund der hohen Kursgewinne den Sparplan erstmal ausgesetzt. Die Position halte ich weiter.

$GOOG (+0,78 %) Als ich in 2022 zu 94€ eingekauft habe, hätte ich mir diesen Kursgewinn in der kurzen Zeit nicht erträumen können. Schöne Überraschung, auch hier deswegen erstmal kein Sparplan aber ich halte weiter, weil die Zahlen sich entsprechend bei Google gut mitentwickelt haben.

$IREN (-3,72 %) Hier habe ich vor ca. einem Monat eine kleine Position eröffnet. Seitdem ist die Aktie sehr gut gelaufen. Etwas Risikoreichere Position, von welcher ich aber in dem derzeitigen Marktumfeld sehr überzeugt bin, aber eben deswegen auch nur eine kleinere Position.

$ADBE (-0,83 %) Neu im Portfolio und die einzige Einzelaktie welche ich derzeit monatlich bespare. Solange Adobe um die 300€ liegt möchte ich die Position hier weiter ausbauen. In meinen Augen werden hier die (negativen) Auswirkungen von KI auf das Geschäftsmodell massiv überschätzt.

Die restlichen Einzelaktien $SQ (-2,87 %) , $JD (-4,45 %) , $CRSR (-2,8 %) und $SE (+1,25 %) sind die angesprochenen "Portfolioleichen" aus früheren Zeiten. Wie gesagt, bei Break Even gibts hier den Verkauf, ansonsten hebe ich mir diese Positionen für den Verlusttopf auf.

Ich liege heute bei insgesamt 20,3 Tsd. € investiert, nachdem ich 540 € in mein $FWRG (+0,07 %) nachgelegt habe. Es ist noch nicht einmal ein volles Jahr seit meinem Start, aber ich halte fest, was funktioniert. Bisher liege ich bei +17,6 % MWR YTDund +10,2 % TWR YTD. Die Struktur ist schlicht: ein breiter ETF-Kern, in den ich jeden Monat einzahle, und ein kleines Satelliten-Segment mit ein paar Einzeltiteln wie $ASML (-1,08 %) , $NVDA (+1,6 %) und $GOOGL (+0,86 %) sowie einer sehr kleinen spekulativen Position, zu der auch $IREN (-3,72 %) gehört, das nach den Microsoft-Neuigkeiten angesprungen ist. P2P-Lending habe ich dieses Jahr beendet und die Liquidität in regulierten ETFs geparkt.

Mein DCA war mehr oder weniger konsistent. In manchen Monaten habe ich mehr investiert, in anderen weniger. In den nächsten 2 bis 3 Monaten werde ich voraussichtlich nicht viel mehr als 500 € pro Monat nachlegen, weil ich für eine Hausanzahlung spare. Hier gehen Häuser oft mindestens 20 Tsd. € über den Angebotspreis, teils sogar 50 bis 60 Tsd. €.

Ich bin in meiner Familie nicht nur der Erste mit einem MSc, sondern auch mit einem PhD, und ich lerne das Investieren unterwegs. Mein Fach ist nicht Finanzen, aber es ist schwer zu übersehen, wie wichtig finanzielle Bildung heute ist. Wir leben nicht mehr in den 80ern oder 90ern, in denen ein einzelnes Einkommen bequem Haus, Urlaub und eine gute Rente abdecken konnte. Grundlegende Investitionsgewohnheiten wirken heute wie eine notwendige Grundlage.

Was ich lerne, ist vor allem verhaltensorientiert. Konsequent in den Kern per DCA einzuzahlen hilft. Positionsgrößen sind wichtiger als bei jedem Trade recht zu haben. MWR und TWR parallel zu verfolgen trennt Timing-Effekte von der eigentlichen Performance. Kurzfristig bleibt mein Ziel die Wachstumsmaximierung mit einem stabilen All-World-Kern. Einzeltitel stocke ich nur auf, wenn die Preise passen.

Wer eine ähnliche Strategie fährt, ich freue mich über Anregungen zur Struktur. Würdet ihr den globalen ETF-Kern weiter ausbauen oder gezielte Tilts wie Quality, Equal Weight oder regionale Schwerpunkte ergänzen, um Konzentrationsrisiken zu reduzieren, ohne das Wachstum zu verwässern?

Lesedauer: 8 Minuten

Wachstumsunternehmen sind das Herzstück moderner Kapitalmärkte – aber sie sind schwer zu bewerten. Klassische Kennzahlen wie KGV oder Kurs-Buchwert stoßen an ihre Grenzen, wenn Firmen Verluste schreiben, um Märkte zu erobern. Genau hier setzt die Rule of 40 an: eine einfache, aber erstaunlich aussagekräftige Kennzahl, die Wachstum und Profitabilität in ein Verhältnis setzt – und damit zeigt, ob ein Geschäftsmodell ökonomisch tragfähig ist.

Die Regel selbst ist schlicht:

Umsatzwachstum (%) + operative Marge (%) ≥ 40.

Erreicht oder übertrifft ein Unternehmen diese Schwelle, gilt es als effizient und balanciert – es wächst stark, ohne dabei übermäßig Kapital zu verbrennen. Liegt der Wert deutlich darunter, droht ein Ungleichgewicht zwischen Expansion und Wirtschaftlichkeit.

Die Kennzahl stammt ursprünglich aus der US-Softwarebranche, vor allem von SaaS-Unternehmen, die häufig noch keine Gewinne ausweisen, aber stark wachsen. Investoren suchten dort nach einer Möglichkeit, um Wachstum und Effizienz in einem Maßstab zu verbinden. Die Rule of 40 liefert genau das – einen einfachen Effizienzindikator.

Ein Beispiel verdeutlicht das Prinzip:

• Firma A wächst um 50 %, hat aber eine operative Marge von –20 % → Score 30.
• Firma B wächst um 25 %, erzielt +20 % Marge → Score 45.

Obwohl Firma A stärker wächst, ist Firma B klar effizienter – und meist langfristig stabiler. Entscheidend ist das Verhältnis, nicht die Höhe des Wachstums allein.

In der Praxis gilt:

• > 50 %: außergewöhnlich stark, Wachstum und Profitabilität im Gleichgewicht.
• 40–50 %: solide, nachhaltig und kontrolliert.
• 30–40 %: akzeptabel, aber oft zyklisch oder margenschwach.
• 20–30 %: fragil, Effizienzprobleme erkennbar.
• < 20 %: kritisch, Modell meist unausbalanciert.

Bei typischen SaaS-Unternehmen gilt ein Wert über 40 % als Zeichen eines reifen, effizienten Geschäftsmodells.

Beispiele aus der Praxis:

• $SNOW (+0,29 %) (Snowflake): Umsatzwachstum ~34 %, operative Marge ~12 % → Score 46.
• $CRM (+1,53 %) (Salesforce): Wachstum ~11 %, Marge ~30 % → Score 41.
• $PLTR (+1,3 %) (Palantir): Wachstum ~45 %, operative Marge ~12 % → Score 57.
• $APPN (+0,94 %) (Appian): Wachstum ~15 %, Marge –20 % → Score –5.
• $V (-1,55 %) (Visa): Wachstum ~10 %, operative Marge ~67 % → Score 77 – außergewöhnlich effizient, kaum zyklisch.

Die Kennzahl funktioniert jedoch nicht überall. Sie ist auf skalierbare, digitale Modelle zugeschnitten, bei denen hohe Fixkosten durch steigende Umsätze schnell gedeckt werden. In kapitalintensiven oder zyklischen Branchen verliert sie an Aussagekraft.

Beispiele, wo sie nur eingeschränkt funktioniert:

• Industrie & Hardware: Schwankende Margen durch Konjunkturzyklen, z. B. bei $VRT (+5,2 %) (Vertiv) oder $ASML (-1,08 %)
• 
  Versorger & Energie: Fokus liegt auf Stabilität, nicht auf Wachstum – ein Wert über 40 % wäre hier eher verdächtig.
• Biotech & Frühphasen-Tech: Geringe Umsätze und hohe Entwicklungsaufwände machen die Kennzahl kaum nutzbar.
• Konsum- & Plattformmodelle: Starke Marketingausgaben können den Score kurzfristig verzerren, weshalb ein geglätteter Mehrjahreswert aussagekräftiger ist.

Die Rule of 40 misst also keine Bewertung, sondern Effizienz. Sie hilft, Wachstumsunternehmen zu vergleichen und einzuschätzen, ob Expansion vernünftig oder teuer erkauft ist.

Manche Analysten nutzen inzwischen erweiterte Varianten:

• Free-Cashflow-Marge statt operativer Marge → stärkerer Fokus auf Liquidität.
• Rule of 50 als Premiumfilter für besonders effiziente Wachstumsunternehmen.
• Trendbetrachtung über mehrere Jahre → steigende Scores zeigen operative Reife.

In meinem Hidden Quality Radar (HQR)-Modell fließt die Kennzahl in die Dimension Wachstum & Rentabilität ein:

• Werte über 40 erhalten hohe Punktzahlen.
• Werte zwischen 30 und 40 gelten als neutral.
• Werte unter 30 werden kritisch hinterfragt.

Auch im 10B-Modell (Tenbagger-Ansatz) dient die Kennzahl als Stabilitätsfilter. Ein Unternehmen mit hohem Umsatzwachstum, aber Rule-of-40-Score unter 20, ist selten ein nachhaltiger Tenbagger – meist nur eine spekulative Wette.

Unterm Strich ist die Rule of 40 kein Dogma, aber ein hilfreicher Kompass. Sie zwingt zu Disziplin – sowohl beim Management, das profitables Wachstum anstrebt, als auch bei Anlegern, die Substanz von Hoffnung trennen wollen. Gerade in Zeiten steigender Zinsen und Kapitaldisziplin wird sie wieder wichtiger.

Fragen an die Community:

Welche eurer Portfoliowerte erfüllen aktuell die Rule of 40 – und wie stabil bleiben sie über mehrere Quartale hinweg?

Findet ihr die Kennzahl auch außerhalb des SaaS-Sektors sinnvoll – etwa bei Industrie- oder Infrastrukturwerten?

Nutzt ihr die Rule of 40 aktiv in eurer Analyse, oder ist sie für euch eher ein theoretischer Richtwert?

Mahlzeit in die Runde,

da ich in diesem Jahr meinen Steuerfreibetrag noch nutzen wollte, bin ich heute mal wieder tätig geworden und habe etwas umgeschichtet.

Verkauf teile $ASML (-1,08 %) mit 50% Gewinn

Neu dazugekommen sind bei mir $1211, (-0,98 %)
$ROP (+0,66 %) und $ORCL (+3,22 %)

Und ja ich weiß $TSLA (+0,86 %) ist bei deutlich im Übergewicht. Auf dauer will ich diese Position nach und nach umschichten, jedoch habe ich diese erst vor kurzem von meinen Eltern überschrieben bekommen habe, da ich diese damals in dem Portfolio meiner Eltern hatte da ich noch keine 18 war wo die gekauft wurden.

Gerne auch Empfehlungen in welche ich diese Umschichten kann.

Zudem laufen momentan zwei Sparpläne einmal $IWDA (-0,05 %) und $IEMA (-0,17 %) .

Die anderen ETF Positionen sind noch aus alten Sparplänen, welche nicht mehr laufen.

Was wäre so eure Meinung?