Das Pareto Prinzip in der Trendfolge: Eine praktische Betrachtung

1. Von Pareto zur modernen Finanzmarktpraxis

Das Pareto‑Prinzip, häufig als „80/20‑Regel“ bezeichnet, geht auf den italienischen Ökonomen Vilfredo Pareto (1848–1923) zurück.

Quelle : https://commons.wikimedia.org/wiki/File:Vilfredo_Pareto.jpg

Pareto beobachtete Ende des 19. Jahrhunderts, dass in Italien etwa 20 % der Bevölkerung rund 80 % des Vermögens besaßen; ähnliche Muster fand er in anderen Ländern und Kontexten.

Aus dieser Beobachtung entwickelte sich eine allgemeine Heuristik:

In vielen komplexen Systemen wird ein Großteil des Outcomes durch einen relativ kleinen Teil der Inputs erzeugt – das „Gesetz der wenigen Wichtigen“ („law of the vital few“). Obwohl die Zahlen 80/20 nicht als Naturkonstante zu verstehen sind, beschreibt das Prinzip robust eine Klasse hochgradig ungleich verteilter Phänomene:

Einkommensverteilungen, Unternehmensumsätze, Stadtgrößen, Web‑Traffic und vieles mehr.

In der modernen quantitativen Finanzmarktanalyse überträgt man dieses Prinzip auf Ertragsverteilungen von Portfolios und Handelssystemen:

Ein kleiner Teil der Trades, Strategien oder Marktphasen generiert den überwiegenden Teil des langfristigen Profits.

Gerade in Trendfolgesystemen ist diese Asymmetrie nicht nur empirisch beobachtbar, sondern strukturell notwendig, um trotz vergleichsweise niedriger Trefferquoten eine positive langfristige Rendite zu erzielen.

Im Folgenden wird zunächst die mathematische und statistische Struktur des Pareto‑Prinzips umrissen, um anschließend die Übertragung auf Trendfolgesysteme zu diskutieren.

Anschließend gehe ich auf auf den Trader Peter Brandt ein, einem der bekanntesten „Market Wizards“ und Autor des Factor Report, mit einer praxisnahen Fallstudie.

2. Mathematischer Hintergrund: Ungleichheit, Fat Tails und Pareto‑Verteilung

2.1 Qualitative Beschreibung

Formal beschreibt das Pareto‑Prinzip kein einzelnes konkretes Gesetz, sondern ein Typus von Verteilungen, bei denen:

• ein kleiner Anteil der Beobachtungen sehr große Werte annimmt und

• der Großteil der Beobachtungen relativ klein und beitragsarm bleibt.

  
  

Die klassische Pareto‑Verteilung X∼Pareto(xm,α) ist durch eine Schwere des rechten Tails („fat tail“) gekennzeichnet:

P(X>x)=(xm/x)[hochα], mit x≥xm und α>0

Je kleiner der Tail‑Exponent α, desto stärker dominiert eine kleine Anzahl großer Werte die Gesamtsumme. Für α≤1 existiert nicht einmal ein endlicher Erwartungswert, für 1<α≤2 ist die Varianz unendlich.​In vielen empirischen Studien zu Einkommen, Vermögen oder Unternehmensgrößen findet man effektive Tail‑Exponenten im Bereich α≈1,1 bis 2, was zu stark ungleichen Verteilungen führt.

2.2 Die Pareto‑Struktur im Trading

Im Trading ersetzt man „Vermögen pro Person“ durch „Gewinn pro Trade“ oder „Performance pro Periode (Monat/Jahr)“.

Eine typische empirische Beobachtung in Trendfolgesystemen lautet:

• 10–20 % der Trades tragen 80–90 % zum kumulierten Profit bei,

• der Rest der Trades ist klein Gewinner, Break‑even oder Verlierer.

Auf Verteilungsebene bedeutet dies, dass die rechten Tail‑Beobachtungen (die wenigen großen Trends) die Summe dominieren, während die Masse der Beobachtungen statistisch nahezu neutral ist. Streng mathematisch handelt es sich bei realen Equity‑Kurven nicht um reine Pareto‑Verteilungen, doch sie zeigen typische Merkmale der fat Tails: hohe Schiefe, hohe Exzess‑Kurtosis und starke Dominanz weniger Ausreißer.

Zur Systembeurteilung bietet es sich an, die Trade‑Ergebnisse nach Größe zu sortieren und den kumulierten Profitanteil zu berechnen, der durch die kk größten Trades erzielt wird. Zeigt sich, dass ein kleiner Prozentsatz der Trades den Großteil des Profits generiert, ist dies ein direkter empirischer Pareto‑Nachweis im Handelssystem.

3. Trendfolgesysteme: Asymmetrie als Designprinzip

3.1 Erwartungswert und Asymmetrie

Ein einzelnes Trendfolgesystem kann auf Trade‑Ebene mit dem Erwartungswert

E[R]=pwin⋅G−(1−pwin)⋅V

beschrieben werden, wobei R den Trade‑Return (z.B. in Einheiten des initialen Risikos „R“) bezeichnet.

Typische Trendfolge‑Profile weisen auf:

• eine Trefferquote pwin deutlich unter 50 % (oft 30–45 %),

• eine durchschnittliche Gewinnhöhe G, die das durchschnittliche Verlustmaß V deutlich übersteigt.

Damit der Erwartungswert positiv ist, muss G so groß sein, dass die vielen kleinen Verluste und kleinen Gewinne überkompensiert werden. Genau hier setzt das Pareto‑Denken an:

Die wenigen „Outlier‑Trades“ mit sehr hohem R‑Multiple (z.B. 10R, 20R oder mehr) verschieben den Erwartungswert; ohne diese Outlier wäre das System typischerweise neutral oder negativ.

3.2 Strukturelle Konsequenzen für Trendfolgesysteme

Aus dieser Asymmetrie ergeben sich zwingende Design‑Implikationen:

1. Verzicht auf enge Gewinnziele:

   Feste, nahe Gewinnziele (Targets) kappen gerade jene Trades, die die Pareto‑Outlier wären, und zerstören die Möglichkeit, dass wenige große Trends die Bilanz retten. Diese Einsicht findet sich auch in der Literatur klassischer Trendfolger, die betonen, dass Targets systematisch die Gewinne abschneiden.

   
   

2. Konsequente Verlustbegrenzung: Da 50–70 % der Trades kleine Verluste oder Minimale‑Gewinne sein werden, ist eine strikte, konsistente Verlustbegrenzung (z.B. über ATR‑Stops oder Chart‑Stops) unverzichtbar, um die Equity‑Kurve bis zur nächsten Pareto‑Phase zu überleben.​​
   

3. Diversifikation und Anzahl der Versuche: Um die wenigen großen Trends statistisch „einzufangen“, muss das System genügend Signale generieren (über Märkte, Timeframes, Parameter) und darf nicht zu selektiv sein. Gleichzeitig darf die Risikoeinheit pro Trade klein genug bleiben, um Drawdowns durch die vielen nicht‑Pareto‑Trades zu tolerieren.​​
   

4. Psychologische Robustheit: Die Pareto‑Struktur impliziert lange Phasen mit vielen kleinen Verlusten und kaum sichtbarem Fortschritt, unterbrochen von gelegentlichen „Surges“. Ein System‑Trader muss diese Dynamik akzeptieren, um das System in der Praxis nicht genau dann abzuschalten, wenn statistisch die nächste große Trendphase bevorsteht.

   
   

Damit ist das Pareto‑Prinzip nicht nur eine post‑hoc‑Beschreibung der Performance, sondern ein zentrales Konstruktionskriterium für robuste Trendfolge‑Architekturen.

4. Peter Brandt als Fallstudie: Pareto in der Praxis eines Market Wizards

4.1 Kurzprofil und Quellenlage

Peter L. Brandt ist ein seit den 1970er‑Jahren aktiver Futures‑Trader, Autor von „Diary of a Professional Commodity Trader“ und war Interviewpartner in Jack Schwagers „Market Wizards“‑Reihe.Über seinen Dienst „Factor Report“ und zahlreiche Interviews legt er regelmäßig Einsichten in seine Handelsergebnisse und ‑prinzipien offen. In der heutigen Zeit ist es außerordentlich bemerkenswert, wie "altbacken" Brandt an seine Analysen herangeht - schaut euch dazu einmal ein Muster seines Factor Reports an. Keine Indikatoren - nur längerfristige Chartmuster.

Peter Brandt - The Factor Report

Besonders bemerkenswert ist seine explizite Bezugnahme auf das Pareto‑Prinzip im Trading: Brandt betont, dass ein kleiner Teil seiner Trades und Monate den überwiegenden Teil seines langfristigen Profits generiert.​

4.2 Brandts empirische Pareto‑Beobachtung

Aus Interviews, Artikeln und seinen eigenen Statistiken ergibt sich folgendes Bild:​

• Trefferquote: Seine Erfolgsquote liegt historisch im Bereich von ca. 40–45 %; damit ist die Mehrheit seiner Trades Verlust oder nahe Break‑even.

• Profitkonzentration: Er berichtet, dass etwa 10–20 % seiner Trades 80–90 % des kumulierten Profits erwirtschaften – eine klassische Pareto‑Struktur.​​

• Zeitliche Konzentration: Auf Jahresbasis resultiert der Großteil des Gewinns oft aus zwei bis drei besonders starken Trendphasen („surges“), während viele Monate nur marginal oder negativ beitragen.
  

In einem öffentlich diskutierten Statement formuliert Brandt sinngemäß: Das Pareto‑Prinzip beschreibt das Trading universell – ein kleiner Teil der Trades, Setups oder Phasen bestimme den Großteil des Erfolgs. Damit bestätigt ein erfahrener Praktiker mit mehr als vier Dekaden Markterfahrung empirisch, was die Theorie schwerer Tails und ungleicher Verteilungen erwarten lässt.

4.3 Systemdesign bei Brandt: Konsequente Ausnutzung der Pareto‑Struktur

Brandts Handelsansatz kombiniert klassische Charttechnik (insbesondere saubere, gut definierte Chartformationen) mit strengem Risiko‑ und Money‑Management. Entscheidende Elemente lassen sich klar im Lichte des Pareto‑Prinzips interpretieren:​

1. Strenge Trade‑Selektion („vital few Setups“): Brandt fokussiert auf hochqualitative Muster (z.B. klare Konsolidierungen, klassische Formationen, horizontale Ausbruchsniveaus), von denen er erwartet, dass sie im Erfolgsfall ausreichend große Trends erzeugen können.​​ In Pareto‑Terminologie selektiert er bewusst auf jene Setups, die das Potenzial haben, zur „Top‑20 %‑Klasse“ der Trades zu gehören.

2. Kleine, konstante Risiko‑Einheit: Pro Trade riskiert er einen festen Prozentsatz des Kapitals (typischerweise deutlich unter 1 %), häufig über ATR‑basierte Stops kalibriert .Dies gewährleistet, dass die unvermeidlich vielen kleinen Verluste die Equity‑Kurve nicht dominieren und die „Überlebenszeit“ bis zu den wenigen großen Gewinnern verlängert wird.

3. Konsequente Verlustbegrenzung („trivial many“ kontrollieren): Brandt betont wiederholt die Notwendigkeit, Verluste schnell und mechanisch zu begrenzen; ein Großteil seiner Trades endet frühzeitig und mit relativ geringen Drawdowns. ​Damit werden die „trivial many“ Trades systematisch auf eine schmale Verlustverteilung gestutzt, während das Gewinn‑Tail offen bleibt.

4. Laufenlassen der Gewinner (Erhaltung des Fat Tails): Für erfolgreiche Trades nutzt Brandt gestaffelte Gewinnmitnahmen und weite Trailing‑Stops, um die Möglichkeit sehr großer R‑Multiples aufrechtzuerhalten, ohne psychologisch von zwischenzeitlichen Rücksetzern überwältigt zu werden.​​ Teilverkäufe reduzieren die Positionsgröße, erhöhen aber die Wahrscheinlichkeit, dass eine Restposition außergewöhnlich weit laufen kann – genau jene Struktur, die das Pareto‑Profil erzeugt.

5. Makro‑Erwartungsmanagement: Brandt kommuniziert, dass er pro Jahr nur mit wenigen wirklich starken Phasen rechnet; die übrige Zeit betrachtet er als statistisch notwendige „Vorbereitungsphase“ mit vielen kleinen Verlusten und Seitwärtsbewegungen in der Equity‑Kurve. Dieses Erwartungsmanagement ist essenziell, um das System nicht durch spontane Strategieänderungen in den „schlechten 80 %“ der Zeit zu zerstören.

   
   

4.4 Didaktische Beispiele aus Brandts Praxis

Zur Illustration des Pareto‑Prinzips lassen sich typische Verlaufsmuster seiner dokumentierten Trades und Equity‑Kurven betrachten:

1. Einzeltrade‑Ebene:

   • Eine Mehrzahl von Trades endet mit −0,5R bis −1R (Stop‑Hit) oder kleinen Gewinnen von +0,5R bis +1R.

   • In unregelmäßigen Abständen treten jedoch Trades mit +10R, +15R oder mehr auf, meist in klaren, anhaltenden Trendbewegungen (z.B. ausgeprägte Commodity‑Trends oder Währungsbewegungen).

   • Diese wenigen Ausreißer kompensieren nicht nur die Summe aller kleinen Verluste, sondern erzeugen den Netto‑Profit des Systems.
     

2. Monats‑/Jahresebene:

   • Über längere Zeiträume zeigen sich Monate mit leicht negativem oder nahezu neutralem Ergebnis, was der Summe vieler kleiner Verluste und kleiner Gewinne entspricht.

   • Demgegenüber stehen einzelne Monate mit außergewöhnlich hoher Rendite (z.B. zweistellige Prozent‑Zuwächse), ausgelöst durch die zeitliche Häufung großer Gewinnertrades in Trendphasen.

   • Analysen seiner Renditereihen deuten darauf hin, dass ein geringer Prozentsatz dieser „Super‑Monate“ den Großteil des langjährigen CAGR erklärt.
     

Auf empirischer Ebene ist dies eine direkte Manifestation des Pareto‑Prinzips: Wenige Trades und wenige Perioden tragen die Hauptlast der langfristigen Performance.

5. Implikationen für Forschung und Systementwicklung

5.1 Pareto‑Analyse als Diagnosetool

Für die systematische Entwicklung und Evaluation von Trendfolgesystemen ergibt sich die Pareto‑Analyse als sinnvolles Standardinstrument:

• Trade‑Ranking: Sortierung aller Trades nach Profit (R‑Multiple oder monetär) und Bestimmung des Anteils der Top‑k Trades am Gesamtprofit.

• Zeit‑Aggregation: Analyse, welcher Anteil der Monate/Jahre für welchen Prozentsatz der kumulierten Rendite verantwortlich ist.
  

Zeigt sich keine signifikante Profitkonzentration (z.B. 50 % der Trades erzeugen 80 % des Profits), kann dies ein Hinweis sein, dass das System eher mean‑reverse, zu eng begrenzt oder stark profit target‑lastig ist – und somit nicht das klassische Trendfolge‑Profil aufweist.

5.2 Systemdesign‑Leitlinien

Aus der Verbindung von Theorie (fat tails) und Praxis (Brandt) lassen sich folgende Leitlinien ableiten:

1. Asymmetrie ist kein Fehler, sondern Feature: Eine starke Konzentration des Profits auf wenige Trades ist kein Artefakt, sondern ein Kennzeichen funktionierender Trendfolge.

2. Stopps schützen den linken Tail, nicht den rechten: Strikte Stops sind notwendig, um Verluste zu begrenzen, dürfen aber den rechten Tail (Gewinn‑Outlier) nicht unnötig beschneiden.

3. Keine Überoptimierung auf Trefferquote: Ein Versuch, die Trefferquote massiv zu erhöhen (z.B. durch sehr enge Targets oder Filter), läuft Gefahr, die wenigen großen Gewinner abzuschneiden und damit die Pareto‑Struktur zu zerstören.

4. Robuste Risikoallokation: Kleine, konstante Risiko‑Einheiten pro Trade sind statistisch sinnvoll, um eine ausreichende Anzahl von Versuchen zu generieren, bis zufällig die nächste „Top‑20 %“‑Chance realisiert wird.

5. Psychologische Kalibrierung: Trader und Systementwickler müssen sich explizit darauf einstellen, dass lange Sequenzen von Verlusten und belanglosen Trades Teil der Funktionsweise und nicht Ausdruck eines Systemversagens sind – solange die wenigen Outlier‑Phasen vorhanden bleiben.
   

Das Pareto‑Prinzip bietet im Kontext der Trendfolge einen kohärenten theoretischen Rahmen, um die charakteristische Struktur von Ertragsverteilungen zu verstehen:

Ein kleiner Anteil von Trades und Perioden dominiert den langfristigen Performance‑Beitrag.

Die Fallstudie Peter Brandt zeigt, dass ein diszipliniertes, regelbasiertes Handeln diesen Effekt nicht nur bestätigt, sondern gezielt nutzt:

Durch strikte Verlustbegrenzung und das bewusste Laufenlassen weniger großer Gewinner wird die inhärente Asymmetrie systematisch in positive langfristige Renditen übersetzt.​

Für den Quant Trader ergibt sich daraus ein fruchtbares Feld:

die genauere statistische Modellierung der Gewinnverteilungen professioneller Trendfolger (Tail‑Indices, Extreme‑Value‑Analyse, Regime‑Modelle) und die Ableitung optimaler Risiko‑Allokationsregeln vor dem Hintergrund der beobachteten Pareto‑Strukturen.

Für den praktischen Systementwickler ist hier die Konsequenz klar: Trendfolgesysteme müssen so konstruiert und geführt werden, dass sie den „vital few“ Trades Raum geben und die „trivial many“ kontrollieren – ganz im Sinne von Pareto und im Sinne von Peter Brandts jahrzehntelanger Markterfahrung.

Denkt bitte immer daran: Das einzige, was ihr kontrollieren könnt, ist das Risiko!

Dem Markt ist es völlig egal, was/wie euer Entry war !