⏱️ Lesedauer: ca. 15–25 Minuten Hallo zusammen, bisher war ich auf getquin meistens eher ein stiller Mitleser. Im Hintergrund beschäftige ich mich dagegen schon eine ganze Weile mit dem Thema Momentum-Strategien. In den letzten Wochen und Monaten habe ich mithilfe von KI (Claude Opus 4.8 und 5.5) dann relativ intensiv Backtests zu gehebeltem GTAA und SpyTips gemacht. Meine Kursdaten und damit der Backtest-Zeitraum reichen von 1987 bis 2026 (Bitcoin-Daten ab 2014). Dabei war ich auch regelmäßig mit im Austausch. Das Ganze teile ich aufgrund der Länge gerade dieses Beitrags auf drei Teile auf: - Teil 1 (dieser Beitrag): meine Momentumstrategie levGTAA - Teil 2: die Umsetzung im Vergleich – wikifolio vs. Privatdepot - Teil 3: levTipsRegime, meine leicht abgewandelte SpyTips-Strategie Vorab: Nahezu alle folgenden Tests wurden mit KI durchgeführt. Keine Anlage- oder Finanzberatung und keine Empfehlung zum Kauf oder Verkauf von Wertpapieren oder Finanzprodukten. KI kann Fehler machen. Do your own research! :) Ebenso wurde ein Großteil des folgenden Textes von dem KI-Chat vorverfasst, mit dem ich die Backtests zuletzt durchgeführt habe. Der Text wurde von mir jedoch ausführlich gegengelesen, bearbeitet und ergänzt. Und los geht´s! 📐 MEINE HERANGEHENSWEISE Datengrundlage: Tageskurse 1987–2026. Gerechnet wird mit investierbaren Renditen (ETF ab dessen Start, davor ältere Indizes/Fonds, auf den ETF kalibriert). Bei den Hebelprodukten sind Finanzierungskosten, Produktkosten und Spreads eingerechnet. Signale entstehen immer auf dem Schlusskurs, gehandelt wird erst danach, also kein Blick in die Zukunft. Erste Erkenntnis: Wann man im Monat handelt, macht einen großen Unterschied. Im finalen Modell liegt die Rendite je nach Handelstag zwischen 24,2 % und 30,4 % p.a.; der Monatsletzte gehört mit 30,0 % zu den besten Tagen (Platz 3 von 21), das Mittel aller Tage liegt bei 28,1 %. Wer nur den Monatsletzten testet, überschätzt die zu erwartende Rendite also um rund 2 Prozentpunkte. Deshalb bewerte ich jede Variante als Mittel über alle 21 möglichen Handelstage eines Monats. Gehandelt wird zwar weiterhin im wikifolio zum Monatswechsel, die Parameter wurden aber auf den Durchschnitt aller Tage ausgelegt, nicht auf den „Glückstag“. Der Robustheits-Score Getestet habe ich sehr viele Assetkörbe, Parameter-Varianten und Zusatzmethoden (z. B. dynamische Parameter). Um die Varianten fair zu vergleichen, habe ich einen Robustheits-Score gebaut. Zukünftige Performance sichert das natürlich nicht. Der Score prüft aber, wie stabil die vergangene Performance war und wie groß ihr Zufallsanteil ist. Er besteht aus drei Bausteinen: 1. MC5 (Monte-Carlo, Parameter-Robustheit): Die Tagesrenditen werden in Monatsblöcken zufällig neu zusammengesetzt. So entstehen 800 alternative Verläufe, die so hätten passieren können. Gemessen wird der Sortino im pessimistischen Fall (5-%-Quantil). In der Korbsuche wurde das nicht nur für die gewählten Parameter gerechnet, sondern parallel für mehrere Parametervarianten (bei der Momentum-Strategie z. B. SMA 100, 120, … 200 statt 150; bei anderen Strategietypen auch ein anderes Ranking-Maß), und dann gemittelt. Bleibt die Performance stabil, wenn man an den Parametern dreht, steigt der Score. 2. Minimax5 (schlechteste Phase): Der Zeitraum wird in 5 gleich lange Abschnitte geteilt. Gemessen wird der Sortino im schlechtesten Abschnitt, und zwar bei der schlechtesten Parametervariante (Worst of Worst). Eine Strategie, die nur in einer der 5 Phasen glänzt, fällt hier durch. 3. Risiko: der maximale Drawdown (Score-Version „z-dd“) bzw. der Gesamt-Sortino (Score-Version „z-Sor“). Jeder Baustein wird mit einem großen Vergleichspool aller getesteten Korb-/Strategie-Kombinationen verglichen (robuster z-Wert über Median und Streuung), dann werden die Varianten gemittelt. z = 0 heißt „so gut wie die typische Kombination“, je höher, desto robuster. Zusätzlich habe ich mir angeschaut: Minimax3 (dasselbe mit 3 Abschnitten), Worst Year, die längste Drawdown-Phase, getrennte Hälften und Marktphasen, Turnover und die Wahrscheinlichkeit, innerhalb von 10 Jahren einen Drawdown von mehr als 50 % bzw. 75 % zu erleben (P50/P75; simuliert aus 2.000 zufällig aus echten Jahresblöcken zusammengesetzten 10-Jahres-Verläufen). Overfitting-Tests (kurz erklärt) - PBO / CSCV (Bailey & López de Prado): Die Historie wird in 10 Blöcke geteilt und in alle möglichen Lern- und Testhälften aufgeteilt. Gemessen wird, wie oft der Sieger der Lernhälfte in der Testhälfte unter den Median fällt. Zur Einordnung aus meiner Kontrollsimulation: Bei reinem Zufall liegt der Wert im Schnitt bei 42 %, streut aber stark (10–90 %); erst ein sehr deutlicher Vorteil (ca. +20 % p.a.) drückt ihn im Schnitt auf 16 %. PBO erkennt also nur große Unterschiede verlässlich und ist deshalb nur einer von mehreren Tests. - Walk-forward: Parameter in einem Zeitraum wählen, im nächsten prüfen. - Halbierungstest: Sieht die Parameter-Landschaft in beiden Hälften der Historie ähnlich aus? - Gepaarter Bootstrap: Mit welcher Wahrscheinlichkeit ist Variante B wirklich besser als A und nicht nur zufällig? - Rollierende 10-Jahres-Fenster: In wie viel % aller Fenster gewinnt eine Variante? - Minimax-Regret: Welche Wahl bereut das Modell über alle Szenarien am wenigsten? - Stress-Szenarien: Bitcoin mit CAGR von 0% p.a. gerechnet ab verfügbaren Kursdaten von 2014, Anleihen ohne das übergewichtete Szenario fallender Zinsen im Testzeitraum gerechnet, höhere Kosten - Plateau statt Spitze: Wahl möglichst immer der Mitte eines stabilen Parameterbereichs, nie den einzelnen Peak (den Bestwert wegen Overfitting-Risiko). 1️⃣ levGTAA (leveraged GTAA) – sozusagen eine Abwandlung von 3xGTAA (in Absprache mit ) Der Korb: Nasdaq 100 (3x), Bitcoin (1x), Gold (3x) und Anleihen (5x TLT, lange US-Staatsanleihen, bzw. ersatzweise wegen Handelbarkeit 3x IEF mit 7–10 Jahren Laufzeit). Gehandelt wird einmal im Monat . Das ist nichts Neues im Vergleich zu 3xGTAA. Die Signale werden immer auf den ungehebelten Kursen in USD berechnet, der Hebel kommt erst bei der Umsetzung. Neu bzw. anders ist dagegen Folgendes: Kurz dazu vorab: Gerade die im Folgenden besprochenen Parameter sind nicht für alle Zeiten in Stein gemeißelt und würde ich logischerweise bei neuen, wichtigen Erkenntnissen in Zukunft daran anpassen. ▸ Gestreute SMA-Werte statt einem Wert: Für das beste SMA gibt es kein scharfes Optimum, sondern ein breites Plateau, und welche einzelne Länge die Beste ist, ist kaum vorhersagbar. Ein Halbierungstest mit der finalen Regel zeigt das deutlich: Die beste Länge 1987–2006 (SMA180) landete 2007–2026 nur auf Platz 15 von 21, dort war SMA210 vorne. Über alle Einzellängen von 100 bis 300 Tagen (in 10er-Schritten) liegt der Sortino zwischen 0,99 und 1,06. Deshalb lege ich mich nicht auf einen Wert fest, sondern überprüfe sozusagen einen Bereich an SMA-Werten. Der gleichgewichtete Bereich an SMA-Werten (Sortino 1,05) liegt nahe am Bestwert, ohne dass man diesen vorher kennen muss. Ein Effekt dadurch: Das Signal ist weniger ein "Alles oder Nichts"-Prinzip. Sagen z. B. 70 % der SMA-Längen „Trend intakt“, werden 70 % der Position aufgebaut. Als kurzen SMA-Wert (SMAx/SMA-Bereich) nehme ich statt des Tagespreises einen trägeren Wert für x, ähnlich dem SMA10/150 von Epi, nur sieht mein spezifisches Modell Stand jetzt SMA30/SMA-Bereich als beste Lösung vor. Der Tagespreis schneidet deutlich schlechter ab, vermutlich wegen mehr Fehlsignalen: Mit Tagespreis wären es nur 25,3 % p.a. und Sortino 0,98 statt 28,1 % und 1,05, und der SMA30 war in 99 % aller 10-Jahres-Fenster besser als den Tagespreis als x zu wählen (also SMA30 und ´s SMA10 besser als quasi SMA1). ▸ Zwei Momentum-Ranglisten, je halbes Kapital: Ein schnelles Ranking (1/3/6/9 Monate) und ein langsames (3/6/12 Monate). Das schnelle erkennt Wenden früher, das langsame ist stabiler. Welches Ranking das beste ist, war kaum vorhersagbar (PBO über 11 getestete Rankings je nach Szenario 42–71 %, also im Bereich von Zufall), deshalb beide nehmen statt wählen. Die Phase, wo Momentum-Parameter-Bereiche ohne den 1-Monats-Wert deutlich besser waren, war der DotCom-Crash. 1M lieferte teilweise kurze Rebounds und damit Fehlsignale in offensive Assets wie Nasdaq100 oder EM, was Anfang der 2000er weh getan hat. In einem Bullrun wie 2010-2026 war 1/3/6/9 ohne BTC aber klar besser. Unter den vorab festgelegten Rankings hatte die Mischung den besten „schlechtesten Handelstag“, das zweitkleinste Bedauern gegenüber den Alternativen und 11 % weniger Umschichtungen als das schnelle Ranking allein. Mit Bitcoin war die Kombi in 76 % der 10-Jahres-Fenster besser als das schnelle Ranking allein, ohne Bitcoin liegen beide gleichauf (Sortino 0,826 vs. 0,827) – die Mischung schadet also auch ohne BTC nicht. Ehrlich dazu: Das langsame Ranking allein lag MIT Bitcoin im Backtest sogar vorne (29,0 % p.a., Sortino 1,07). Dieser Vorsprung kam aber fast nur aus den Jahren 2022–2026 (vor allem BTC 2024/25). ▸ Top 2 mit 40/60 – Das Asset mit dem stärksten Momentum (Platz 1) erhält 40 %, Platz 2 erhält 60 %. Klingt kontraintuitiv, die Backtests sprechen aber dafür (4er-Korb, 1987–2026): - 40/60: 28,1 % p.a. | maxDD −62 % | Sortino 1,05 | P50 31 % - 50/50: 28,1 % p.a. | maxDD −70 % | Sortino 1,03 | P50 34 % - 66/33 (Platz 1 übergewichtet): 26,9 % p.a. | maxDD −83 % | Sortino 0,96 | P50 48 % Bei gleicher Rendite senkt die Übergewichtung von Platz 2 das Absturzrisiko deutlich. Eine mögliche Erklärung: Beim Spitzenreiter ist die Luft beim Momentum dann oft schon wieder raus. 33/66 liegt praktisch gleichauf mit 40/60 (Sortino 1,05), schichtet aber mehr um (Turnover 435 % vs. 385 % p.a.). Welche Aufteilung vorne liegt, hängt vom Zeitraum ab: 1987–2006 lag 33/66 vorne, 2007–2026 sogar 50/50 knapp (Sortino 1,39 vs. 1,38). 40/60 liegt dazwischen und wird als pragmatische Lösung gewählt: Über alle Stress-Szenarien lag es im Gesamtzeitraum nie mehr als 0,013 Sortino hinter der jeweils besten Aufteilung. Hat nur ein Asset aus dem Korb positives Momentum-und SMA, bekommt es 50 %, der Rest bleibt in Cash. ▸ Vola-Cap 55 % (eine neue Methodik): Einmal im Monat, bei der Entscheidung für die Top2, wird die Schwankung/Volatilität des neu ausgewählten Top-2-Portfolios (inkl. Hebel) rückblickend über die letzten 2, 3 und 4 Monate gemessen. Liegt sie annualisiert über 55 % Vola, wird die Position anteilig verkleinert und der Rest geht in Cash. Also: Für jeden der drei Zeiträume wird der Faktor 55 % / Vola (höchstens 100 %) berechnet, investiert wird der Mittelwert der drei Faktoren. Beispiel: Die Top 2 hatten zuletzt 80 % Vola → es werden nur 55/80 ≈ 69 % investiert statt 100 %. Ohne Vola-Cap war das Ergebnis laut gepaartem Bootstrap mit 89–94 % Wahrscheinlichkeit schlechter (Sortino 1,02 statt 1,05, P50 34 % statt 31 %). Zwischen den Vola-Cap-Werten 50 % und 60 % gibt es kaum Unterschiede: 50 % lag minimal vorne (Sortino 1,056 vs. 1,050), 60 % etwas dahinter (1,042), vor allem weil 60% Volacap den maxDD erhöht im Vergleich zu 55%, aber keinen CAGR-Vorteil bringt. Ich habe also 55 % als Mitte dieses stabilen Bereichs gewählt. 🧺 Die Auswahl des Assetkorbs Die finale Idee nach all den Backtests: Bei nur Anwendung von Top2 sollte jedes Asset eine eigene Rolle haben – möglichst ein Asset pro Anlageklasse, zwei offensive und zwei defensive. Ein Blick auf die Korrelationen der Monatsrenditen (ungehebelt, 2015–2026) erklärt schon viel: Die Aktienmärkte laufen eher gemeinsam (QQQ–EM 0,65, QQQ–EuroStoxx50 0,66, EM–EuroStoxx 50 0,74; seit 1994 sehr ähnlich). Bitcoin hängt dagegen nur schwach an den Aktien (QQQ 0,31, EM 0,15), Gold und lange Anleihen wenig korrelativ zu den anderen Assets (Gold–QQQ 0,08, TLT–QQQ 0,23). Ein zweites Aktien-Asset bringt also wenig echte Streuung, Bitcoin, Gold und Anleihen dagegen schon. (Datenformat: CAGR | maxDD | Sortino | z-dd | z-Sor | P50 = Wahrscheinlichkeit für > 50 % Drawdown in 10 Jahren) Vorab – Warum nicht einfach mehr Assets? Vergleich ab 1987 (Assets, bei denen erst zu späterem Zeitpunkt Kursdaten vorliegen als 1987, kamen einfach ab dem Zeitpunkt zum Korb dazu): - 4er QQQ/BTC/Gold/TLT: 28,1 % | −62 % | 1,05 | 1,93 | 2,60 | 31 % - 7er (+ EM, EuroStoxx 50, WTI): 22,3 % | −80 % | 0,84 | 0,70 | 1,56 | 50 % - 9er (zusätzlich S&P 500, Silber): 16,3 % | −90 % | 0,66 | −0,18 | 0,69 | 65 % → Mehr Assets machen es hier klar schlechter: Je mehr ähnliche Assets um die 2 Plätze konkurrieren, desto schlechter können Assets ihr Momentum ausspielen und desto öfter liegen vermutlich zwei verwandte Aktien- oder Rohstoff-Assets gleichzeitig vorne, und die Dekorrelation geht verloren. Schritt 1 – Der Kern: Aktien + Gold + Anleihen Brauche ich Anleihen überhaupt? Test: QQQ/BTC/Gold ohne Anleihen vs. mit TLT, ab 1987: - ohne Anleihen: 22,3 % | −61 % | 0,87 | 1,22 | 1,61 | 17 % | längste Drawdown-Phase 114 Monate (!) - mit 5x TLT: 28,1 % | −62 % | 1,05 | 1,93 | 2,60 | 31 % | längste Drawdown-Phase 47 Monate → Anleihen gehören rein: deutlich mehr Rendite, besserer Sortino und Robustheits-Score, und die Durststrecken werden mehr als halbiert, weil Anleihen in deflationären Crashs wie 2000–02, 2008 oder 2020 oft steigen. Der Preis: Der 5x-Hebel auf Anleihen erhöht das Risiko eines tiefen Drawdowns (P50 31 % statt 17 %). Eine mögliche Lösung: 3xTLT. Ist aktuell jedoch nicht sinnvoll handelbar. Dazu unten mehr. Schritt 2 – Das vierte Asset ohne Bitcoin: EM, EuroStoxx 50 oder Öl? (ab 1987) Zu den Daten: EM ist bei mir erst ab 1994 enthalten, EuroStoxx 50 ab 1990, Öl ab 1987. Davor besteht der jeweilige Korb faktisch nur aus dem 3er-Kern. - 3er QQQ/Gold/TLT: 20,5 % | −62 % | 0,83 | 1,51 | 1,85 |32% - 3er+ EM: 24,7 % | −62 % | 0,91 | 1,68 | 2,14 | 36% - 3er+ EuroStoxx 50: 21,6 % | −62 % | 0,84 | 1,55 | 1,91 | 32% - 3er+ EM und EuroStoxx 50: 25,0 % | −62 % | 0,91 | 1,67 | 2,14 | 36 % (Turnover 508 % statt 444 % p.a. mit EM allein) - 3er+ Öl (WTI 2x): 19,0 % | −80 % | 0,76 | 0,61 | 1,35 | 41 % (längste Drawdown-Phase 10 Jahre) Wichtig zum maxDD: Die −62 % stammen bei allen Körben außer WTI aus dem Einbruch 1989/90, also bevor es EM- oder BTC-Daten gibt. Über den maxDD lassen sich diese Körbe ab 1987 daher nicht unterscheiden, über P50, Sortino und z-Werte schon. → EM schlägt EuroStoxx 50 klar. Beide zusammen bringen gegenüber EM allein praktisch nichts, nur mehr Umschichtungen – logisch bei einer Korrelation von 0,74 zwischen den beiden. EM bringt Rendite, aber auch etwas mehr Tail-Risiko (P50 36 % statt 32 %). EuroStoxx 50 fliegt raus. WTI hat dem Modell bis 2015 per Saldo deutlich geschadet, insgesamt Rendite gekostet und den maxDD auf −80 % geschraubt, fliegt also ebenfalls raus. Öl sah nur ab 2015 gut aus, vor allem wegen 2021 und 2026. Schritt 3 – Die eigentliche Korbentscheidung: BTC, EM oder beides? (fairer Vergleich ab Oktober 2015, kurzer Backtestzeitraum!) Meine BTC-Daten beginnen 2014 (voll signalfähig ab Oktober 2015). Deshalb der Vergleich ab Oktober 2015. Damit BTC nicht nur wegen seiner Ausnahme-Rallye gewinnt, habe ich ihm in einer Variante technisch seine gesamte Rendite genommen (0 % CAGR über die Zeit), seine echten Schwankungen aber behalten. (->Overfitting-Stresstest). (Datenformat: CAGR | maxDD | Sortino | P50; die z-Werte sind in diesem kurzen Fenster nicht mit den anderen vergleichbar) - 3er QQQ/Gold/TLT: 18,6 % | −44 % | 0,75 | 11 % - 3er + EM: 27,8 % | −47 % | 0,96 | 16 % - 3er + BTC mit 0 % CAGR: 30,1 % | −50 % | 1,07 | 24 % - 3er + BTC mit 0 % CAGR + EM (5 Assets): 25,2 % | −64 % | 0,93 | 50 % - mit echtem BTC-CAGR: 3er + BTC 47,9 % | −48 % | 1,49 | 7 % · 3er + BTC + EM 43,5 % | −58 % | 1,37 | 16 % → Besonders aufschlussreich: Selbst ein Bitcoin ohne jede Rendite brachte in der Vergangenheit als viertes Asset mehr Rendite und einen besseren Sortino als EM, jedoch bei etwas höherem Drawdown-Risiko (P50 24 % vs. 16 %). Offenbar verdient das Momentum an den starken Trendphasen von BTC, und BTC läuft weniger korrelativ mit Aktien mit (Korrelation zu QQQ 0,31, EM dagegen 0,65). EM zusätzlich zu BTC macht es in allen Kennzahlen schlechter, sowohl mit echtem BTC-CAGR als auch mit "BTC 0 % CAGR": Vermutlich trifft es die Strategie mit zwei Aktien-Assets im Korb und 3x-Hebel in Krisen doppelt (5erKorb mit EM und BTC: maxDD mit „BTC 0 %“ −64 % von Ende 2017 bis März 2020, mit echtem BTC −58 %). Ehrlich dazu: 11 Jahre sind wenig. Statistisch gesichert sind die Unterschiede in diesem kurzen Fenster deshalb logischerweise nicht. Zwischenfazit – QQQ/BTC/Gold/TLT. EM als Zusatz ist der einzige Baustein, über den ich noch nachdenke, die Daten sprechen aber bei kurzem Backtestzeitraum tendenziell eher dagegen. Ebenfalls aussortiert (auch in den neuesten GTAA-Werkstatt-Berichten von bereits festgehalten): Währungspaare wie USD/EUR und EUR/USD sind mangels stabiler Momentum-Trends rausgeflogen. Ebenso −TLT (Anleihen short): Steigen die Zinsen nicht weiter, sondern stagnieren sie, verliert −TLT wahrscheinlich. -TLT hat tendenziell eine asymmetrisch negative Vola und ist daher für Momentum-Trends ungünstig (was für Short-Indizes typisch ist). Schritt 4 – Die Anleihe in der Praxis: 5x TLT oder 3x IEF oder 1xTLT? Das Produkt hat horrende Kosten (TCO über 7 % p.a. Kosten). Deshalb habe ich die Varianten direkt verglichen (ab 1992, da meine Daten zu mittelfristigen Anleihen erst Ende 1991 beginnen; alle mit BTC): (Datenformat: CAGR | maxDD | Sortino | P50) - 5x TLT mit niedrigen Produktkosten: 33,0 % | −48 % | 1,20 | P50 15 % - 5x TLT mit den realen 7 % TCO: 31,1 % | −48 % | 1,15 | P50 17 % - 3x TLT: 31,2 % | −44 % | 1,20 | P50 7 % - 3x IEF (7–10 Jahre Laufzeit, nur 0,3% TCO laut gq): 30,6 % | −44 % | 1,18 | P50 5 % - 1x TLT: 28,4 % | −43 % | 1,12 | P50 5 % → Mit den echten Kosten bringt 5x TLT praktisch nichts mehr gegenüber 3x IEF, hat aber das höhere Tail-Risiko (P50). 3xTLT ist leicht besser als IEF, jedoch momentan leider nicht handelbar. Deshalb setze ich vorerst 3x IEF (7-10y) um. Wichtig: Alle anderen Backtests in diesem Beitrag rechnen mit 5x TLT und niedrigen 5xTLT-Produktkosten. Schritt 5 – Top 2 oder Top 3? (ab 1987, gleiche Regel; Top 2 mit 40/60, Top 3 zu 33/33/33 gleichgewichtet) (Datenformat: CAGR | maxDD | Sortino | P50) - QQQ/BTC/Gold/TLT: Top 2 28,1 % | −62 % | 1,05 | 31 % · Top 3 22,6 % | −54 % | 0,99 | 13 % - QQQ/EM/Gold/TLT: Top 2 24,7 % | −62 % | 0,91 | 36 % · Top 3 19,5 % | −54 % | 0,81 | 21 % - QQQ/Gold/TLT/WTI: Top 2 19,0 % | −80 % | 0,76 | 41 % · Top 3 15,1 % | −66 % | 0,68 | 23 % - QQQ/EM/Gold/TLT/WTI: Top 2 19,0 % | −80 % | 0,75 | 46 % · Top 3 17,2 % | −66 % | 0,72 | 28 % - QQQ/EM/BTC/Gold/TLT/WTI: Top 2 22,6 % | −80 % | 0,86 | 48 % · Top 3 21,9 % | −66 % | 0,87 | 27 % - QQQ/EU50/EM/Gold/TLT/WTI: Top 2 17,8 % | −80 % | 0,72 | 49 % · Top 3 18,4 % | −67 % | 0,75 | 29 % → Top 3 senkt in allen Körben das Absturzrisiko (maxDD und P50). Bei 4er-Körben kostet es aber deutlich Rendite und Sortino, vermutlich weil dann 3 von 4 Assets gehalten werden und die Auswahl kaum noch filtert. Bei den 5er- und 6er-Körben liegt Top 3 beim Sortino etwa gleichauf (−0,03 bis +0,03), beim Absturzrisiko aber klar vorne (maxDD −66/−67 % statt −80 %, P50 27–29 % statt 46–49 %). Faustregel: Je größer der Korb, desto eher Top 3. Für meinen 4er-Korb bleibe ich deshalb bei Top 2. Weitere Stresstests für den 4er-Korb ab 1987: BTC 0% CAGR 23,6 % p.a. | maxDD −62 % | Sortino 0,92; Anleihen ohne das übergewichtete Szenario fallender Zinsen im Testzeitraum gerechnet 23,7 % | −71 % | 0,92; ganz ohne BTC (Kern-3er Korb aus QQQ,Gold,TLT) 20,5 % | −62 % | 0,83. Die Strategie verliert dann zwar spürbar, hängt aber nicht an einem einzelnen Glücksfaktor. 📊 INSGESAMT Backtest 1987–2026 für 3xQQQ, 1xBTC (ab 2015), 3xGold und 5xTLT: - Mittel über alle 21 möglichen Handelstage: 28,1 % p.a. | maxDD −62 % | Sortino 1,05 | z31 1,93 | z4 2,60 | P50 31 % | P75 1,3 % - nur am tatsächlich genutzten Signaltag (Monatsletzter): 30,0 % | −70 % | 1,08 | 1,88 | 2,82 | P50 34 % | P75 3,0 % - ab 1992 (nach dem Einbruch 1989/90): 33,0 % | −48 % | 1,20 | P50 15 %; mit dem umgesetzten 3x IEF statt 5x TLT: 30,6 % | −44 % | 1,18 | P50 5 % Die Wahrscheinlichkeit, innerhalb von 10 Jahren einmal mehr als 50 % im Minus zu sein (P50), lag ab 1987 also bei rund 30–35 %, für mehr als 75 % maxDD in 10 Jahren bei rund 1–3 %. Hebel heißt eben auch tiefe Täler. Das versucht meine Methode vor allem über den Vola-Cap von 55 %, die 40/60-Gewichtung und vor allem durch die Korb-Wahl mit nur einem Asset pro Anlageklasse abzumildern; zu 100 % Sicherheit verhindern lässt es sich somit nicht. ⚖️ levGTAA vs. 3xGTAA – (auch wenn ich persönlich die beiden Varianten nicht als Konkurrenz, sondern eher als zwei valide, ebenbürtige Optionen/Varianten sehe) Im direkten Vergleich zu 3xGTAA ist levGTAA einerseits komplexer in der Umsetzung (SMA-Bereich statt eines SMA-Werts, Vola-Cap 55 %, zwei Momentum-Rankings), andererseits schlanker (4 Assets im Korb statt 6 wie bei mit zusätzlich WTI und EU50 aktuell; Top 2 statt Top 3). Insgesamt können sich unsere beiden Modelle natürlich jederzeit bei neuen, vielversprechenden Erkenntnissen leicht ändern und auch aneinander annähern. Meine Einschätzung: 's Korb mit zusätzlich EU50 und WTI hat mehr Variabilität und Auswahl an Assets, falls die Trendkonstanz/-dynamik bei QQQ und BTC instabiler wird bzw. die beiden Assets über Jahrzehnte unter die Räder geraten. Das ist der Nachteil meines 4er-Korbs und gleichzeitig die Stärke seines Asset-Korbs. Dafür hat ´s Korb andere Schwächen: Hin und Her bzw. Ineffizienz zwischen den beiden Aktien-Assets QQQ und EU50 (Korrelation 0,66), das Drawdown-Risiko von WTI bzw. das Risiko, dass WTI in Zukunft nicht mehr so funktioniert, wie es seit 2015 performt. Beide Systeme haben deshalb jeweils ihre Vor- und Nachteile – und man muss 's 3xGTAA zugutehalten, dass der bisherige Live-Track-Record im wikifolio durchaus valide Argumente für die Validität seines Modells liefert. Die wichtigste Erkenntnis für mich: Alle oben genannten Optimierungen sind Feinjustierung. Viel wichtiger ist folgende Überlegung: 1. Am meisten "Optimierung" an den Performance- und Robustheits-Kennzahlen bringt am wahrscheinlichsten eine Diversifikation über Strategien, also die Kombination von bswp. B&H-Anlagen mit systematischen Trendfolgestrategien und anderen Methoden, die es theoretisch noch so gibt. Damit hat man meiner Meinung nach am ehesten die Möglichkeit, die Kennzahlen/Chancen des eigenen Gesamtportfolios zu verbessern. levGTAA und levTipsRegime (Teil 3) korrelieren übrigens monatlich mit ca. 0,5. 2. Am zweitwichtigsten, aber viel weniger relevant, ist meiner Meinung nach die Auswahl des Assetkorbs: Mit exakt denselben Parameter-Regeln liegen die getesteten Körbe zwischen rund 16 % und 29 % p.a. CAGR (Sortino 0,66 bis 1,05). Das Ziel sollte sein, im Mittelfeld bzw. im oberen Drittel zu laden. Jedoch ist der optimale Assetkorb in Zukunft natürlich keineswegs vorhersehbar. 3. Deutlich weniger wichtig sind Parameter-Justierung und andere Feinheiten: SMA-Länge (Sortino 0,99–1,06), Vola-Cap (1,02–1,06), Gewichtung 33/66 bis 50/50 (1,03–1,05), Top 2 vs. Top 3 im 4er-Korb (0,99–1,05; das ist eher eine Frage von Rendite gegen Drawdown-Tiefe als von Qualität). Somit habe ich beschlossen, die beiden Strategien als wikifolios umzusetzen. Hier die beiden Links: levGTAA: https://www.wikifolio.com/de/de/w/wfxlevgtaa levTipsRegime: https://www.wikifolio.com/de/de/w/wfxtipsreg Im nächsten (deutlich kürzeren) Beitrag (Teil 2) geht es um den Umsetzungs-Vergleich: wikifolio-Mantel vs. Privatdepot. levTipsRegime stelle ich dann in Teil 3 vor. Falls ich etwas vergessen habe oder irgendwo ein Fehler steckt, schreibt gerne einen kurzen Kommentar, dann aktualisiere ich den Beitrag. Habt ihr Fragen, Kritik, Anmerkungen, Wünsche? LG, euer flyingSquirrel (oder Sineqz, squirrel, fliegendes Eichhörnchen, Flughörnchen oder wie auch immer ihr mich nennen wollt) ⚠️ Wichtig: Keine Anlage- oder Finanzberatung, keine Steuerberatung. Das ist meine persönliche Herangehensweise und stets meine persönliche Meinung. Die Backtests habe ich mit Unterstützung von KI erstellt und ausgewertet, und KI kann Fehler machen. Backtests zeigen die Vergangenheit und sind keine Garantie für die Zukunft. Hebelprodukte können in kurzer Zeit sehr hohe Verluste erleiden; die oben genannten und auch höhere Drawdowns bis zum Totalverlust sind real möglich. Jeder sollte selbst prüfen, ob so etwas zur eigenen Situation passt. #gtaa #momentum #momentumstrategie