Trendfolge im Jahr 2025

Die nachfolgende Untersuchung wird klären, welche Modelle sich aktuell als effektiv erweisen und inwiefern sie sich von denjenigen unterscheiden, die in den letzten zwei Jahrzehnten entstanden sind.

Aktuelle Studien aus den Jahren 2023–2025 haben gezeigt, dass die heutigen Trendfolgestrategien durch eine abnehmende Geschwindigkeit, eine verstärkte Diversifizierung, eine erhöhte Sensibilität gegenüber makroökonomischen Faktoren und eine zunehmende Abhängigkeit von Algorithmen des maschinellen Lernens gekennzeichnet sind.

Ausgangspunkt ist folgender: Die nachfolgende Untersuchung befasst sich mit dem Phänomen der Trendfolge im Marktzyklus 2000–2025.

Es wurde nachgewiesen, dass Managed-Futures- und CTA-Trendstrategien über längere Zeiträume Renditen erzielt haben, die mit denen eines globalen 60/40-Portfolios vergleichbar sind. Diese Strategien weisen praktisch keine Korrelation zu traditionellen Aktien- und Anleihenindizes auf.

Eine kürzlich veröffentlichte Langzeitanalyse mit dem Titel „Die Geduldsprämie“ hat gezeigt, dass der SG Trend Index über einen Zeitraum von mehr als 25 Jahren konstant positive Renditen erwirtschaftet. Die Studie wies jedoch auch auf erkennbare Zyklen von Über- und Unterperformance hin, die sich häufig über mehrere Jahre erstrecken.

Nach einer besonders starken Phase im Jahr 2022 traten zahlreiche CTA-Trendprogramme ab 2023 in eine Phase relativer Schwäche ein.

Dieser Übergang wird in einer Studie mit dem Titel „Strategie im Fokus“ als typische Drawdown-Phase innerhalb des Strategiezyklus charakterisiert.

Gleichzeitig zeigen Auswertungen der Trendfolger des Nordic Hedge Index und der Managed-Futures-Fonds, dass im Jahr 2024 im Durchschnitt beträchtliche zweistellige Renditen (rund 12,2 %) erzielt wurden, wenngleich mit erheblicher Streuung zwischen den einzelnen Managern.

Dies unterstreicht die Annahme, dass Trendfolgestrategien ihre Rolle als Absicherung gegen Krisen und Regimewechsel im aktuellen Umfeld bestätigt haben, auch wenn die Jahre 2023–2024 für viele Systeme operativ schwierig waren.

Im folgenden Abschnitt wird eine Zusammenfassung der Ergebnisse aktueller Studien (2023–2025) gegeben.

Eine Synthese der vorliegenden Studien offenbart eine Reihe gemeinsamer Muster.

Reine, schnelle Preistrendmodelle haben seit den 2010er Jahren eine deutlich nachlassende Leistungsfähigkeit gezeigt und weisen eine hohe Regimeabhängigkeit auf.

Es hat sich gezeigt, dass Modelle, die Makroinformationen, anlagenübergreifende Signale oder eine robuste Volatilitätskontrolle einbeziehen, überlegene und stabilere Sharpe-Ratios aufweisen.

Maschinelles Lernen bei Trendfolgemodellen hat in Aktienuniversen eine deutlich höhere Outperformance als Vergleichsindizes gezeigt. Diese Outperformance wurde jedoch nur in Backtests beobachtet und geht mit einer bemerkenswerten Sensitivität gegenüber Transaktionskosten einher.

Seit dem Jahr 2000 haben zusammenfassende Auswertungen gezeigt, dass Signale mit langsameren Signalgeschwindigkeiten, die über mehrere Monate hinweg anhielten, im Allgemeinen besser abschnitten als sehr schnelle Signale.

Dieser Perspektivwechsel hat weitreichende Konsequenzen für die Identifizierung erfolgreicher Modelle, die bisher als einheitliches Gebilde betrachtet wurden. Ein präziseres und differenzierteres Verständnis dieses Konzepts legt jedoch nahe, dass ein erfolgreiches Modell tatsächlich eine Kombination aus drei unterschiedlichen Bausteinen ist: robustes Timing, ein breites Anlageuniversum und zusätzliche Informationsquellen (Makro-, branchenübergreifende und maschinelle Lerndaten).

Trend für 2025: Bewährtes Prinzip – neue Erfolgsmodelle

Viele schreiben das Trendfolgen nach den schwierigen Jahren 2010–2020 und den schwierigen Phasen 2023/24 bereits ab – doch aktuelle Studien zeichnen ein anderes Bild.

Der Trendaufschlag ist nach wie vor vorhanden, doch die Strategien, die heute wirklich zum Erfolg führen, unterscheiden sich von den simplen 12-Monats-Preismodellen der letzten 20 Jahre.

Makroökonomisch erweiterte Trendmodelle im Bereich der Schwellenländerwährungen, die Preistrends mit Fundamentaldaten wie Leistungsbilanzsaldo, Wachstum und Inflation kombinieren, erzielen im Zeitraum 2000–2025 deutlich höhere und stabilere Sharpe-Ratios als reine Preismodelle.

Cross-Asset Time Series Momentum (I-XTSM) nutzt beispielsweise Rohstoffsignale, um Aktienrenditen vorherzusagen und reduziert die klassischen „Momentum-Crashs“ alter Trendfolgeansätze.

Analysen der Man Group zeigen, dass langsamere Trendsignale (3–12 Monate) langfristig deutlich überlegen sind – eine hohe Handelsfrequenz schmälert die Rendite, ohne die Prämie signifikant zu erhöhen.

Deep-Learning-Trendfolger (CNN-LSTM) auf dem S&P 500 Index erzielen im Backtesting zweistellige Alpha-Werte, sofern Umsatz und Transaktionskosten streng kontrolliert werden.

Langzeitstudien zu Managed-Futures/CTA-Strategien bestätigen, dass breit diversifizierte, volatilitätsskalierte Trendmodelle über Jahrzehnte hinweg Renditen erzielen, die mit klassischen 60/40-Portfolios vergleichbar sind, und dabei eine deutlich bessere Krisenresistenz aufweisen.

Fazit: Trendfolge funktioniert – aber Preis + Makro + Cross-Asset und eine längerfristige Perspektive sind den alten, rein auf dem Preis basierenden Schnellmodellen mittlerweile überlegen.