Portfolio LabWissenAnmeldenKonto anlegen

Taktische Allokation: Momentum, Dual Momentum und Trendfolge

Vertiefung7 Min. Lesezeit · 9 Quellen

Taktische Allokation ändert die Gewichte nach festen Regeln: in Anlagen mit Aufwärtstrend, raus aus fallenden Märkten oder weniger Risiko, wenn die Schwankung steigt. Die bekanntesten Regeln sind Momentum, Dual Momentum, gleitende Durchschnitte wie die 200-Tage-Linie und Target Volatility. Sie beruhen auf einigen der am besten belegten Effekte der Finanzforschung, aber auch auf Backtests, die besonders leicht zu schön ausfallen.

Momentum-Rotation

Anlagen, die in den letzten 6 bis 12 Monaten am besten gelaufen sind, laufen im Schnitt noch eine Weile weiter. Jegadeesh und Titman (1993) zeigten das für US-Aktien: Wer Gewinner der Vergangenheit kauft und Verlierer verkauft, erzielt über Haltedauern von 3 bis 12 Monaten deutlich positive Renditen; ein Teil davon kehrt sich in den folgenden zwei Jahren wieder um. Asness u. a. (2013) fanden Momentum in acht Märkten und Anlageklassen, von Aktien über Anleihen bis zu Währungen und Rohstoffen. Eine Rotation hält jeden Monat die besten ein bis drei Anlagen aus einer Liste.

Dual Momentum

Antonacci (2014) kombiniert zwei Prüfungen: relatives Momentum (welche Anlage war besser?) und absolutes Momentum (war sie überhaupt besser als Geldmarkt?). Das absolute Momentum wirkt als Notausgang: Fallen alle Aktienmärkte, wechselt die Strategie in Anleihen oder Geldmarkt.

Dual Momentum in zwei Schritten: erst relativ, dann absolut

Zahlen aus dem Beispiel oben. Der gewählte Weg ist durchgezogen, der andere gestrichelt.

Absolutes Momentum heißt in der Forschung Time-Series-Momentum. Moskowitz u. a. (2012) dokumentieren es für alle 58 untersuchten Futures auf Aktienindizes, Währungen, Rohstoffe und Anleihen: Renditen der letzten 1 bis 12 Monate setzen sich fort und kehren sich über längere Horizonte teilweise um. Ein breit gestreutes Portfolio solcher Signale schnitt gerade in extremen Marktphasen gut ab. Mehr dazu im Artikel Trendfolge.

Gleitende Durchschnitte und die 200-Tage-Linie

Liegt der Kurs über seinem Durchschnitt der letzten 200 Handelstage (oder 10 Monate), bleibt man investiert, sonst geht man in Geldmarkt. Faber (2007) testete eine 10-Monats-Regel über fünf Anlageklassen seit 1972 mit dem Ergebnis von Renditen wie bei Aktien bei der Schwankung und den Rückgängen von Anleihen:

„equity-like returns with bond-like volatility and drawdown“
Auf Deutsch: Renditen wie bei Aktien mit Schwankung und Rückgängen wie bei AnleihenFaber (2007)

Die Regel vermeidet oft den Großteil langer Bärenmärkte, kostet aber in Seitwärtsphasen durch Fehlsignale („Whipsaws“) Rendite: Der Kurs fällt knapp unter den Durchschnitt, man verkauft, er steigt wieder, man kauft teurer zurück.

Target Volatility

Aktienanteil = Zielvolatilität / gemessene Volatilität (höchstens 100 %)

Weil hohe Volatilität oft mit fallenden Kursen einhergeht, senkt die Regel das Risiko meist in schlechten Phasen. Moreira und Muir (2017) zeigen, dass Portfolios, die bei hoher Volatilität weniger Risiko nehmen, für den Markt und viele Faktoren höhere Sharpe Ratios erzielten, weil die erwartete Rendite in unruhigen Phasen nicht im gleichen Maß steigt wie das Risiko. Harvey u. a. (2018) finden für Aktien vor allem weniger extreme Verluste, für Anleihen kaum einen Vorteil. Ein ähnliches Prinzip mit Bewertung statt Volatilität: der Aktienanteil nach dem Shiller-KGV.

Für Fortgeschrittene: Crashs, Kombinationen und Risikogewichtung

Momentum-Crashs: Momentum verliert selten, dann aber heftig. Daniel und Moskowitz (2016) zeigen, dass solche Einbrüche in Panikphasen nach Marktrückgängen und bei hoher Volatilität auftreten, genau dann, wenn der Markt plötzlich kräftig zurückfedert und die zuvor gefallenen Werte am stärksten steigen. Eine Strategie, die ihr Risiko an der erwarteten Volatilität ausrichtet, verdoppelte in ihrer Untersuchung ungefähr Alpha und Sharpe Ratio gegenüber statischem Momentum.

Kombinationen: Value und Momentum sind laut Asness u. a. (2013) negativ korreliert. Wer beide kombiniert, glättet die Durststrecken jeder einzelnen Strategie. Ähnlich ergänzt eine Trendregel ein Aktien-Anleihen-Portfolio: Sie hilft in langen Abschwüngen, in denen auch Rebalancing allein wenig ausrichtet.

Adaptive Asset Allocation: Butler u. a. (2012) kombinieren die Auswahl nach Momentum mit einer Gewichtung nach Risiko: Aus den Anlagen mit dem besten Momentum wird ein Minimum-Varianz-Portfolio gebildet. So landen nicht drei hoch korrelierte Gewinner gleich schwer im Portfolio.

Kurzfristige Umkehr: In vielen Studien wird der letzte Monat aus dem Momentum-Fenster ausgelassen, weil Aktien über einen Monat eher zur Umkehr neigen. Für breite Indizes und Anlageklassen ist dieser Effekt schwächer; Regeln wie Dual Momentum nutzen meist die vollen 12 Monate.

Welche Anlagen eignen sich?

Taktische Regeln brauchen Anlagen, die sich wirklich unterschiedlich entwickeln. Zwischen zwei Weltaktien-ETFs gibt es kaum etwas zu rotieren; zwischen Aktien, Staatsanleihen, Gold und Geldmarkt schon. Bewährt haben sich in der Literatur breite Indizes einzelner Anlageklassen und Regionen, nicht aber Einzelaktien, deren Momentum mit hohen Handelskosten und starken Umkehrungen einhergeht.

  • Gute Kandidaten: Aktien Welt, USA, Europa, Schwellenländer, Staatsanleihen verschiedener Laufzeiten, Gold, breite Rohstoffindizes.
  • Ausweich-Anlage: Geldmarkt oder kurz laufende Staatsanleihen. Lange Anleihen sind in Aktiencrashs oft ein guter Hafen, aber nicht bei steigenden Zinsen wie 2022.
  • Zu wenige Anlagen: Mit zwei Anlagen gibt es nur zwei Zustände; ein einziges Fehlsignal entscheidet dann über Jahre.
  • Lange Historie: Für eine Regel mit 12-Monats-Fenster braucht der Backtest mindestens einige Jahrzehnte, um mehrere Bärenmärkte zu enthalten. ETFs allein reichen dafür selten. Anlageklassen mit langen Reihen helfen.

Fallen bei Backtests

  • Signal und Handel: Ein Signal vom Monatsende darf nur auf die Renditen danach wirken. Wer die neuen Gewichte schon auf die Rendite des Monats anwendet, in dem das Signal entstand, schaut in die Zukunft.
  • Overfitting: Wer 50 Parameter testet und den besten zeigt, findet Zufall. Lieber wenige, gängige Parameter und mehrere Zeiträume prüfen (siehe Backtest-Overfitting).
  • Kosten und Steuern: Häufige Wechsel lösen Steuern aus, die im Backtest oft fehlen. Jeder Wechsel in Geldmarkt realisiert die Gewinne der Aktienposition.
  • Lange Durststrecken: Trendfolge liegt in starken Bullenmärkten oft jahrelang hinter Kaufen und Halten.
  • Kleine Anlageliste: Mit zwei oder drei Anlagen entscheidet oft ein einziger Wechsel über das Ergebnis. Die Spanne der Ergebnisse bei leicht anderen Parametern sagt mehr als der beste Wert.

So rechnet Portfolio Lab

Die Seite Taktik bietet elf Modelle: gleitender Durchschnitt (je Anlage, Standard 10 Monate, wählbar 2 bis 24), Dual Momentum (Standard 12 Monate, mit absolutem Momentum gegen den Geldmarkt), relative Stärke über gemittelte Fenster von 1, 3, 6, 9 oder 12 Monaten, Zielvolatilität (Standard 10 % p. a.), Adaptive Allocation (Top-N nach Momentum, gewichtet nach minimaler Varianz, inverser Volatilität oder gleich), den Aktienanteil nach dem Perzentil des Shiller-CAPE, vier Rotationsmodelle mit Breadth Momentum (Protective, Vigilant und Defensive Asset Allocation (PAA, VAA, DAA) sowie Accelerating Dual Momentum) und ein Regime-Modell (Hidden-Markov-Modell). Alle Signale werden zum Monatsende nur mit Kursen bis zu diesem Tag berechnet; umgeschichtet wird zu diesem Schlusskurs, die neuen Gewichte gelten ab dem Folgemonat. Im echten Handel lässt sich der Schlusskurs nur annähernd treffen. Der Vergleichsmaßstab ist Kaufen und Halten der Basisgewichte mit monatlichem Rebalancing; Steuern rechnet die Seite nicht; Handelskosten nur, wenn du einen Satz je Order einstellst (für Modell und Vergleich gleich). Wahlweise wird erst einen Monat nach dem Signal umgeschichtet. Statt Geldmarkt kann ein Ausweich-Asset dienen. Details in der Methodik der taktischen Modelle.

Häufige Fragen

Ist Dual Momentum besser als Kaufen und Halten?

In vielen Backtests mit geringerem Drawdown und ähnlicher Rendite, in starken Bullenmärkten aber oft schlechter. Die Ergebnisse hängen stark vom Zeitraum und den gewählten Anlagen ab.

Welcher Zeitraum für Momentum?

Üblich sind 12 Monate, bei Einzelaktien oft ohne den letzten Monat, weil sehr kurzfristig eher Umkehr als Fortsetzung wirkt.

Wie oft wird umgeschichtet?

Meist monatlich. Häufiger erhöht vor allem Kosten und Fehlsignale.

Was ist der Unterschied zwischen 200-Tage-Linie und 10-Monats-Linie?

Inhaltlich kaum einer: 200 Handelstage sind etwa zehn Monate. Die Monatsregel wird nur zum Monatsende geprüft und erzeugt dadurch weniger Fehlsignale.

Warum funktioniert Momentum überhaupt?

Die Forschung nennt verzögerte Reaktion auf Nachrichten und spätere Übertreibung, aber auch Risiken wie seltene Crashs. Eine endgültige Erklärung gibt es nicht.

Ist Target Volatility eine Prognose?

Nein. Sie nutzt nur, dass Volatilität für ein paar Monate recht beständig ist. Die Rendite wird nicht vorhergesagt, nur das eingesetzte Risiko angepasst.

Literatur

  1. Antonacci, Gary (2014): Dual Momentum Investing: An Innovative Strategy for Higher Returns with Lower Risk. McGraw-Hill Education.
  2. Asness, Clifford S.; Moskowitz, Tobias J.; Pedersen, Lasse Heje (2013): Value and Momentum Everywhere. The Journal of Finance 68 (3), S. 929–985. doi:10.1111/jofi.12021
  3. Butler, Adam; Philbrick, Mike; Gordillo, Rodrigo (2012): Adaptive Asset Allocation: A Primer. SSRN. doi:10.2139/ssrn.2328254
  4. Daniel, Kent; Moskowitz, Tobias J. (2016): Momentum crashes. Journal of Financial Economics 122 (2), S. 221–247. doi:10.1016/j.jfineco.2015.12.002
  5. Faber, Mebane T. (2007): A Quantitative Approach to Tactical Asset Allocation. The Journal of Wealth Management 9 (4), S. 69–79. doi:10.3905/jwm.2007.674809
  6. Harvey, Campbell R.; Hoyle, Edward; Korgaonkar, Russell; Rattray, Sandy; Sargaison, Matthew; Hemert, Otto Van (2018): The Impact of Volatility Targeting. The Journal of Portfolio Management 45 (1), S. 14–33. doi:10.3905/jpm.2018.45.1.014
  7. Jegadeesh, Narasimhan; Titman, Sheridan (1993): Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency. The Journal of Finance 48 (1), S. 65–91. doi:10.1111/j.1540-6261.1993.tb04702.x
  8. Moreira, Alan; Muir, Tyler (2017): Volatility-Managed Portfolios. The Journal of Finance 72 (4), S. 1611–1644. doi:10.1111/jofi.12513
  9. Moskowitz, Tobias J.; Ooi, Yao Hua; Pedersen, Lasse Heje (2012): Time series momentum. Journal of Financial Economics 104 (2), S. 228–250. doi:10.1016/j.jfineco.2011.11.003

Gesamtes Literaturverzeichnis

Dieser Artikel erklärt eine Methode; er ist keine Anlage- oder Steuerberatung. Zahlenbeispiele sind vereinfacht und gerundet. Alle Begriffe im Glossar.