Funktioniert Charttechnik? Was die Forschung wirklich sagt
Das wirst du lernen:
- Was die Effizienzmarkthypothese gegen Charttechnik einwendet – und wo sie an Grenzen stößt
- Welche Konzepte wissenschaftlich gut belegt sind und welche nicht (Evidenz-Ampel)
- Warum viele Vorteile aus Studien nach Kosten und über die Jahre verschwinden
- Warum aus meiner Sicht nicht die Charttechnik allein funktioniert, sondern die Struktur dahinter
Die kurze Antwort: teilweise. Trendfolge gehört zu den am besten belegten Phänomenen der Finanzforschung, und Reaktionen an Zonen und runden Marken lassen sich über die Aufträge der Marktteilnehmer erklären. Viele beliebte Werkzeuge – Kerzenmuster, Fibonacci, Elliott-Wellen – halten einem sauberen Test dagegen nicht stand.
Auf dieser Seite findest du, was Studien seit 1970 zeigen, eine Ampel für jedes Konzept dieser Doku und meine Einordnung aus 17 Jahren am Chart. Ich halte das für die ehrlichste Grundlage, bevor du dich in einzelne Methoden einarbeitest.
Die Gegenthese: Effizienzmarkthypothese und Random Walk
Eugene Fama formulierte 1970 die Effizienzmarkthypothese. Ihre Kernaussage: In einem effizienten Markt sind alle verfügbaren Informationen bereits im Preis enthalten. Schon in ihrer schwächsten Form heißt das, dass vergangene Kurse nichts über künftige verraten – der Kurs folgt einem Random Walk, einem Zufallspfad. Wenn das vollständig stimmt, ist Charttechnik Kaffeesatzleserei.
Definition
Die Effizienzmarkthypothese (EMH) unterscheidet drei Formen: Die schwache Form sagt, dass Kurse alle vergangenen Preisdaten enthalten, die halbstrenge Form zusätzlich alle öffentlichen Informationen, die strenge Form sogar Insiderwissen. Charttechnik widerspricht bereits der schwachen Form.
Der wichtigste Gegenentwurf stammt von Andrew Lo: die Adaptive Markets Hypothesis (2004). Märkte sind demnach nicht immer gleich effizient, sondern mal mehr, mal weniger – je nachdem, wie viele Marktteilnehmer eine Ineffizienz bereits ausnutzen. Vorteile entstehen, werden entdeckt und verschwinden wieder. Genau dieses Muster zeigen die großen Studien zur Charttechnik.
Die großen Tests: von Brock 1992 bis zum Data-Snooping-Problem
Brock, Lakonishok und LeBaron testeten 1992 einfache gleitende Durchschnitte und Range-Breakouts auf den Dow Jones von 1897 bis 1986 – mit positivem Ergebnis. Die Studie gilt als Wendepunkt, weil sie zeigte, dass simple Regeln mehr liefern können als Zufall. Allerdings ohne Transaktionskosten und auf einem Index, den man damals gar nicht direkt handeln konnte.
Dann kam das Data-Snooping-Problem: Wer genug Regeln testet, findet zwangsläufig welche, die zufällig gut aussehen. Sullivan, Timmermann und White prüften 1999 rund 7.800 Regeln mit einem Verfahren, das genau das berücksichtigt. Im ursprünglichen Testzeitraum hielten die besten Regeln – von 1987 bis 1996 drehte sich der Vorteil um. Bajgrowicz und Scaillet kommen 2012 für den Dow Jones 1897 bis 2011 zum selben Schluss: Die besten Regeln lassen sich nie im Voraus auswählen, und Transaktionskosten fressen die Überrendite.
Die umfassendste Übersicht stammt von Park und Irwin (2007): Von 95 modernen Studien fanden 56 positive Ergebnisse, 20 negative und 19 gemischte. Profitabel war Charttechnik demnach vor allem bis Anfang der 1990er-Jahre – und viele der positiven Studien haben methodische Schwächen.
Hinweis
Das Data-Snooping-Problem hast du auch auf deiner eigenen Plattform: Wer lange genug Parameter optimiert, findet immer eine Einstellung, die in der Vergangenheit perfekt aussieht. Aussagekraft hat nur, was auf Daten funktioniert, die beim Entwickeln nicht verwendet wurden.
Warum Vorteile verschwinden
Im Devisenmarkt waren technische Regeln in den 1970er- und 1980er-Jahren nachweislich profitabel, auch außerhalb des Testzeitraums (Neely, Weller und Dittmar 1997). Neely, Weller und Ulrich zeigten 2009 aber, dass diese Gewinne Anfang der 1990er verschwunden waren. Bei den Bollinger-Bändern dasselbe Bild: vor 1983 profitabel, danach abnehmend, seit 2001 weitgehend weg (Fang, Jacobsen und Qin 2017).
Hsu, Taylor und Wang testeten 2016 über 21.000 Regeln auf 30 Währungen über 45 Jahre und fanden erhebliche Vorhersagekraft – stärker in Schwellenländern, aber zeitlich stark schwankend. Die Lehre daraus: Ein mechanisches Signal, das jeder kennt und jeder automatisieren kann, verliert seinen Vorteil. Was bleibt, ist das, was sich nicht so einfach in eine Formel pressen lässt.
Am besten belegt: Trendfolge
Wenn es ein charttechnisches Prinzip gibt, das die Forschung klar stützt, dann ist es der Trend. Moskowitz, Ooi und Pedersen zeigten 2012 für 58 Futures-Märkte: Was in den letzten 1 bis 12 Monaten gestiegen ist, steigt tendenziell weiter – und umgekehrt. Man nennt das Time Series Momentum. Hurst, Ooi und Pedersen verlängerten das 2017 auf 67 Märkte seit 1880: in jedem Jahrzehnt positiv, in 8 von 10 großen Krisen gut gelaufen.
Zwei Einschränkungen gehören dazu: Die Autoren arbeiten für einen Trendfolge-Fonds, und es gab lange schwache Phasen, etwa von 2008 bis 2014. Momentum kann außerdem heftig crashen (Daniel und Moskowitz 2016). Trendfolge ist also kein Selbstläufer – aber der beste Ausgangspunkt, den die Charttechnik hat. Wie du Trends sauber bestimmst, zeige ich dir in der Trendanalyse.
Warum Zonen funktionieren können
Unterstützung und Widerstand wirken auf viele wie Esoterik. Die Forschung liefert eine nüchterne Erklärung: Aufträge. Carol Osler von der Federal Reserve Bank of New York zeigte 2000, dass veröffentlichte Support- und Resistance-Level von sechs Devisenhäusern Trendpausen besser vorhersagten als zufällig gewählte Level. 2003 wies sie nach, dass sich Take-Profit-Orders an runden Zahlen häufen und Stop-Orders knapp dahinter liegen. Werden diese Stops ausgelöst, beschleunigt sich der Kurs (2005).
Dazu kommt die Selbsterfüllung: Wenn genug Trader dieselbe Marke im Blick haben, reagiert der Markt dort, weil sie dort handeln. Laut Taylor und Allen (1992) geben über 90 Prozent der Londoner Devisen-Chefhändler der Charttechnik auf mindestens einem Zeithorizont Gewicht – je kürzer der Horizont, desto mehr. Garzarelli und Kollegen fanden 2014 in Tickdaten der Londoner Börse, dass ein Abprall an Unterstützung oder Widerstand wahrscheinlicher ist als ein Durchbruch – und mit jedem weiteren Abprall wahrscheinlicher wird. Mehr dazu unter Unterstützung und Widerstand.
Evidenz-Ampel: welche Konzepte belegt sind
Hier alle Konzepte dieser Doku auf einen Blick. Die Einordnung fasst den Stand der wissenschaftlichen Literatur zusammen, nicht meine Meinung – die kommt im nächsten Abschnitt.
| Konzept | Forschungsstand | Kurz erklärt |
|---|---|---|
| Trendfolge / Momentum | 🟢 gut belegt | Über 100 Jahre und Dutzende Märkte positiv, mit schwachen Phasen (Moskowitz 2012, Hurst 2017) |
| Unterstützung & Widerstand, runde Zahlen | 🟢 plausibel belegt | Order-Cluster erklären Reaktionen an Marken (Osler 2000–2005) |
| Volumen & Orderflow | 🟡 teilweise | Erklären Kursbewegungen, sagen sie aber kaum voraus (Karpoff 1987, Evans & Lyons 2002) |
| Chartformationen | 🟡 gemischt | Etwas Informationsgehalt, wenig Gewinn nach Kosten (Lo, Mamaysky & Wang 2000) |
| Candlestick-Muster | 🟠 schwach | In US-Aktien und Japan nach Kosten kein Vorteil (Marshall et al. 2006, 2008) |
| Indikatoren (RSI, MACD, Bollinger) | 🟠 schwach | Früher teils profitabel, Vorteil über die Jahre verschwunden (Park & Irwin 2007) |
| „Gaps schließen sich immer“ | 🔴 widerlegt | Bis zu 80 % der Gaps sind nach 5 Tagen nicht geschlossen (Caporale & Plastun 2017) |
| Fibonacci-Retracements | 🔴 nicht belegt | Keine überzufällige Häufung von Reaktionen an Fibonacci-Leveln (Kempen 2016) |
| Elliott-Wellen | 🔴 nicht belegt | Nicht falsifizierbar, Zählungen passen erst im Nachhinein (Aronson 2006) |
| Smart Money Concepts, ICT, Order Blocks, Wyckoff-Schemata | ⚪ nicht untersucht | Keine Studien mit Peer Review |
Hinweis
„Nicht untersucht“ heißt nicht, dass etwas nicht funktioniert – sondern dass es niemand sauber geprüft hat. Und „gut belegt“ heißt nicht, dass du damit automatisch Geld verdienst. Die Ampel sagt, worauf du bauen kannst, nicht, wie du es umsetzt.
Meine Einordnung: nicht die Charttechnik funktioniert, sondern die Struktur
Aus meiner Praxis
Eine eigene wissenschaftliche Statistik habe ich nicht. Was ich habe, sind 17 Jahre am Chart. Und da sehe ich: Die Zonen, die ich einzeichne, treffen sehr oft – ich schätze, in 70 bis 80 Prozent der Fälle reagiert der Markt dort.
Die Frage ist aber nicht, ob der Markt reagiert, sondern wie. Eine Reaktion als solche ist sehr häufig. Sie gewinnbringend umzusetzen, ist weit schwieriger – und das gelingt nicht mit der Zone allein, sondern nur in Kombination mit weiteren Faktoren.
Ein Riesenpunkt ist der Trend – und der ist, wie oben gezeigt, auch wissenschaftlich am besten belegt. Bevor ich an einer Zone handle, muss ich wissen: Handle ich mit dem Trend oder dagegen? Ob man die Zone dabei Unterstützung oder Widerstand nennt, ist für mich zweitrangig. Eine Zone kann ihre Eigenschaft wechseln, mal liegt sie mit dem Trend, mal gegen ihn.
Die Überlegung dahinter ist aber entscheidend: Handle ich im Aufwärtstrend auf einen Widerstand, handle ich höchstwahrscheinlich gegen den Trend. Diese Analyse muss stehen, bevor ich einsteige – denn sie bestimmt das Management: wie viel Risiko, wie schnell ich absichere, ob ich Teile verkaufe. Schaffe ich diese Struktur, funktioniert Charttechnik.
Ich bin der Meinung, dass jede Strategie funktioniert, wenn man klar definiert, wo und wann sie funktioniert. Mein charttechnischer Ansatz funktioniert dann, wenn der Markt es hergibt und absehbar ist, dass er seine Eigenschaft nicht demnächst ändert. Habe ich heute ein sauberes Setup, morgen steht aber eine extrem wichtige Nachricht an oder es passiert fundamental etwas Extremes – etwa ein Krieg –, dann gilt das Setup nicht mehr. Daran festzuhalten bringt nichts. Charttechnik steht immer im Kontext.
Meine Regel
Nicht die reine Charttechnik funktioniert, sondern die Struktur: Zone, Trend, Kontext und ein Management, das zur Analyse passt. Wie ich diese Struktur Schritt für Schritt aufbaue, zeige ich dir in Chartanalyse lernen.
Das passt übrigens zur Forschung: Lu, Chen und Hsu fanden 2015, dass bestimmte Kerzen-Umkehrmuster nach Kosten nur mit einer bestimmten Halteregel profitabel waren. Nicht das Signal hat entschieden, sondern das Management danach.
Was das für dein Trading heißt
- Kosten zählen: Viele Vorteile aus Studien verschwinden nach Spread und Gebühren. Je öfter du handelst, desto stärker wirkt das.
- Regeln statt Bauchgefühl: Nur was du klar definierst, kannst du überprüfen und verbessern.
- Backtests misstrauen: Ein Test, der perfekt aussieht, ist meistens überoptimiert. Prüfe auf Daten, die du beim Entwickeln nicht genutzt hast.
- Journal führen: Deine eigene Statistik ist die einzige, die für deinen Ansatz wirklich zählt.
- Realistisch bleiben: Barber und Kollegen fanden 2014 unter taiwanischen Daytradern weniger als 1 Prozent, die nach Gebühren dauerhaft profitabel waren.
Quellen
- Fama, E. (1970): Efficient Capital Markets. Journal of Finance 25(2).
- Brock, W., Lakonishok, J. und LeBaron, B. (1992): Simple Technical Trading Rules and the Stochastic Properties of Stock Returns. Journal of Finance 47(5).
- Taylor, M. und Allen, H. (1992): The Use of Technical Analysis in the Foreign Exchange Market. Journal of International Money and Finance 11(3).
- Sullivan, R., Timmermann, A. und White, H. (1999): Data-Snooping, Technical Trading Rule Performance, and the Bootstrap. Journal of Finance 54(5).
- Osler, C. (2000): Support for Resistance. FRBNY Economic Policy Review 6(2); Osler (2003), Journal of Finance 58(5); Osler (2005), Journal of International Money and Finance 24(2).
- Lo, A., Mamaysky, H. und Wang, J. (2000): Foundations of Technical Analysis. Journal of Finance 55(4).
- Lo, A. (2004): The Adaptive Markets Hypothesis. Journal of Portfolio Management 30(5).
- Marshall, B., Young, M. und Rose, L. (2006): Candlestick Technical Trading Strategies. Journal of Banking & Finance 30(8).
- Aronson, D. (2006): Evidence-Based Technical Analysis. Wiley.
- Park, C.-H. und Irwin, S. (2007): What Do We Know About the Profitability of Technical Analysis? Journal of Economic Surveys 21(4).
- Neely, C., Weller, P. und Ulrich, J. (2009): The Adaptive Markets Hypothesis: Evidence from the Foreign Exchange Market. Journal of Financial and Quantitative Analysis 44(2).
- Moskowitz, T., Ooi, Y. H. und Pedersen, L. H. (2012): Time Series Momentum. Journal of Financial Economics 104(2).
- Bajgrowicz, P. und Scaillet, O. (2012): Technical Trading Revisited. Journal of Financial Economics 106(3).
- Barber, B., Lee, Y.-T., Liu, Y.-J. und Odean, T. (2014): The Cross-Section of Speculator Skill. Journal of Financial Markets 18.
- Lu, T.-H., Chen, Y.-C. und Hsu, Y.-C. (2015): Trend Definition or Holding Strategy. Journal of Banking & Finance 61.
- Hsu, P.-H., Taylor, M. und Wang, Z. (2016): Technical Trading: Is It Still Beating the Foreign Exchange Market? Journal of International Economics 102.
- Kempen, R. (2016): Fibonacci Retracements in Different Trend Classes. IFTA Journal.
- Caporale, G. M. und Plastun, A. (2017): Price Gaps: Another Market Anomaly? Investment Analysts Journal 46(4).
- Hurst, B., Ooi, Y. H. und Pedersen, L. H. (2017): A Century of Evidence on Trend-Following Investing. Journal of Portfolio Management 44(1).
Häufige Fragen: Funktioniert Charttechnik?
Funktioniert Charttechnik wirklich?
Teilweise. Trendfolge ist wissenschaftlich gut belegt, und Reaktionen an Zonen und runden Marken lassen sich über die Aufträge der Marktteilnehmer erklären. Viele Einzelwerkzeuge wie Kerzenmuster, Fibonacci oder Elliott-Wellen zeigen in Studien nach Kosten keinen Vorteil. Entscheidend ist, wie du Charttechnik in eine Struktur aus Trend, Kontext und Management einbettest.
Was sagt die Effizienzmarkthypothese zur Charttechnik?
Schon in ihrer schwachen Form besagt sie, dass vergangene Kurse keine Information über künftige enthalten – dann wäre Charttechnik nutzlos. Die Forschung findet aber zeitweise Ineffizienzen, etwa Momentum. Die Adaptive Markets Hypothesis erklärt, warum solche Vorteile entstehen und wieder verschwinden.
Welche Methode der technischen Analyse ist am besten belegt?
Trendfolge, in der Forschung Time Series Momentum genannt. Sie war über mehr als 100 Jahre und Dutzende Märkte hinweg positiv – mit längeren schwachen Phasen und gelegentlichen heftigen Rückschlägen.
Warum reagieren Kurse an Unterstützungen und Widerständen?
Weil sich dort Aufträge sammeln. Studien zeigen Take-Profit-Orders an runden Zahlen und Stop-Orders knapp dahinter. Außerdem schauen viele Marktteilnehmer auf dieselben Marken und handeln dort – die Reaktion erfüllt sich ein Stück weit selbst.
Sind Fibonacci und Elliott-Wellen wissenschaftlich belegt?
Nein. Studien finden keine überzufällige Häufung von Kursreaktionen an Fibonacci-Leveln. Elliott-Wellen gelten als nicht falsifizierbar, weil sich die Zählung im Nachhinein immer an den Kursverlauf anpassen lässt.
Du weißt jetzt, was Charttechnik leisten kann und was nicht. Im nächsten Schritt geht es darum, wie du eine Chartanalyse strukturiert aufbaust – von der Marktauswahl bis zum Einstieg.