Aktien die durch quantitative Methodiken analysiert und ausgewertet werden um nachhaltige Renditen zu erzielen

Was sind Alpha-Aktien und was ist ein Alpha-Faktor?

Wenn wir eine Aktie in unser Deport einkaufen, so wollen wir bestmöglich sichergehen, dass diese Aktie auch nachhaltige Renditen erzielen kann. Nachhaltige Renditen können durch zwei Faktoren generiert werden: Zufall oder statistischer Vorteil. Da wir uns nicht auf den Zufall verlassen wollen, verlassen wir uns lieber auf quantitative Analyse-Methoden um den Zufall in der Auswahl unserer Aktien bestmöglich zu eliminieren.

Aus diesem Kerngedanken sind die Alpha-Aktien entstanden. Wir screenen, analysieren und werten mit Hilfe von quantitativen Algorithmen über 7.500 US-Aktien aus um aus diesen Aktien die herausfiltern zu können, die mit Hilfe unserer Alpha-Faktoren, nachhaltig Rendite erzielen können.

Die Alpha-Aktien werden in 10 separate Sektoren unterteilt um eine Diversifikation bestmöglich zu gewährleisten.

Mit Hilfe von unseren Alpha-Faktoren sind wir in der Lage Aktien zu analysieren, die im Vergleich zur Benchmark, eine Überrendite generieren können.

Die Aktien, die anhand unserer ausgewerteten Alpha-Faktoren herausgefiltert werden, nennen wir Alpha-Aktien.

In unserem Depot möchten wir nämlich nur Aktien besitzen, wo wir quantitativ und mit wissenschaftlicher Methodik analysiert haben, dass diese eine höhere Wahrscheinlichkeit für eine positive Preisentwicklung haben als anderen.

Genau diese Alpha-Aktien finden Sie in dem Alpha-Aktien-Report.

1x pro Monat veröffentlichen wir einen gesamten Alpha-Aktien-Report bei uns auf der Website. Die historischen Alpha-Aktien-Reports können Sie hier einsehen: Historische Alpha-Aktien Reports

 

Was ist Alpha und ein Alpha-Faktor?

Der Alpha-Faktor ist eigentlich nichts anderes als eine mathematische Variable innerhalb einer Gleichung die Sie sich als „statistischen Vorteil“ vorstellen können.

Somit können wir schon mal sagen, dass der Begriff „Alpha“ für einen statistischen Vorteil steht, also für ein Ereignis, was innerhalb unseres Trading-Systems zu einer Überrendite führt.

Somit ist Alpha am Ende nichts anderes als eine Kennzahl, die aussagt wie stark unser Trading-System, im CAPM-Model oder unser Trading-Portfolio gegenüber einer Benchmark performed hat.

Das CAPM-Model wird folgendermaßen definiert:
Das Kapitalgutpreismodell oder Preismodell für Kapitalgüter (Abkürzung CAPM von englisch capital asset pricing model) ist ein Gleichgewichtsmodell, das unter (sehr restriktiven) Annahmen die Preisbildung risikobehafteter Finanzanlagen erklärt und wichtige Erkenntnisse über die Beziehung von erwarteter Rendite und Risiko von Wertpapieren ermöglicht. Das Capital Asset Pricing Modell (CAPM) wurde von William F. Sharpe[1]John Lintner[2] und Jan Mossin[3] in den 1960er Jahren unabhängig voneinander entwickelt und baut auf der Portfoliotheorie von Harry M. Markowitz[4] auf. Obwohl das CAPM häufig kritisiert wird, ist es ein zentraler Baustein der modernen Kapitalmarkttheorie und formt die Basis vieler weiterer Modelle. Die Bedeutung des Modelles kommt auch dadurch zum Ausdruck, dass Harry M. Markowitz und William F. Sharpe 1990 den Alfred-Nobel-Gedächtnispreis für Wirtschaftswissenschaften (Wirtschaftsnobelpreis) erhielten. Jan Mossin und John Lintner konnten den Preis nicht bekommen, da er posthum nicht verliehen wird. (Quelle: https://de.wikipedia.org/wiki/Capital_Asset_Pricing_Model)

 Sagen wir Sie generieren mit Ihrem Trading-System ein Alpha von 0.2. So ist das so zu interpretieren, dass Ihr Trading-System / Portfolio, im Vergleich zu der Prognose des CAPM-Models zu der Benchmark (z.B. SP500, DAX oder eine komplett andere Benchmark die Sie sich selbst gewählt haben), eine Überrendite von 20% erwirtschaftet hat.

Im Umkehrschluss heißt das auch, dass ein Alpha von 0 eine Performance widerspiegelt, die genau der Benchmark gleicht und ein Alpha von kleiner 0 eine schlechtere Performance als die der Benchmark wiedergibt.

Somit ist es natürlich unser Ziel, dass wir mit unserem System ein positives Alpha erzielen.

Die Alpha-Analyse-Methodik

Wir möchten herausfinden, ob unser Signal (Alpha-Faktor) für den darauffolgenden Kursverlauf verantwortlich ist.

In diesem Test geht es, in erster Linie, nicht um Renditen oder Transaktionskosten, diese Faktoren werden hier ignoriert und im möglichen weiteren Verlauf analysiert.

Es geht rein um die Predictive-Power, also die Vorhersagekraft, unseres Signals.

Diese Vorhersagekraft, oder auch Predictive-Power, spiegelt sich in der Kennzahl „Information Coefficient“ wider. Diese werden Sie im weiteren Verlauf bei der Analyse der Alpha-Faktoren sehen.

Mit dem Information Coefficient wird untersucht, ob höhere Signal-Faktoren mit höheren Renditen zusammenhängen und umgekehrt.

Um es einfacher verstehen zu können, nehmen wir uns ein kleines Beispiel vor:

Dieser Abschnitt ist jetzt wichtig, da hier der Test-Prozess erläutert wird. Sollten Sie dies nicht auf Anhieb verstehen, so lesen Sie sich das ruhig noch ein zweites Mal durch. Sollten dann noch Fragen offenbleiben, so können Sie uns diesbezüglich jederzeit kontaktieren.

Stellen Sie sich vor Sie haben einen Indikator entwickelt der Ihnen anhand von verschiedenen Berechnungen Werte zwischen -100 und +100 herausgibt.

Ihr Indikator generiert somit für jeden Tag für Ihr gewünschtes Asset Signale.

Nun sagen Sie sich, immer wenn der Indikator bei über 70 steht, so möchte ich Long gehen und wenn er kleiner als 30 ist, so möchte ich Short gehen.

Nun stellen Sie sich vor, Sie haben nicht nur ein Asset, sondern Sie testen Ihr Signal auf 100 Assets.

Jetzt haben Sie für jeden Tag für 100 Assets, 100 verschiedene Indikator-Ergebnisse.

Diese Ergebnisse werden jetzt vom höchsten Wert bis zum kleinen Wert nach der Größe geordnet und am mittleren Wert wird halbiert. Genauer gesagt am Median.

Somit haben Sie jetzt 2 Faktor-Körbe. In dem einen Korb sind alle „größeren Werte“ und in dem anderen Korb sind alle „kleineren Werte“.

Nun gehen wir in allen Werten im größeren Korb Long und in allen Werten im kleineren Korb Short. Somit generieren wir ein Long-Short-Equity! Wir sind, im Normalfall, nun Marktneutral aufgestellt und verdienen kein Geld an den reinen Preisschwankungen der Benchmark.

Sind wir nun im größeren Korb in allen Werten Long gegangen und im kleineren Korb in allen Werten Short, so schauen wir uns die Renditen innerhalb der nächsten Tage an.

Je nachdem wie lang- oder kurzfristig man handeln will, kann man die Zeitansicht anpassen. In unserem Fall schauen wir uns 5 verschiedene Zeithorizonte an: 50,100,150,200 und 250 Tage an. 

Somit wird für jeden Korb geschaut, wie die Preisentwicklungen nach 50 Tagen, nach 100, nach 150, nach 200 und nach 250 Tagen ausschauen. Es wird somit in die Zukunft geschaut wie sich die Assets nach den Tages-Zeiträumen verändert haben.

Es kann ja auch sein, dass unser Signal wirksam ist, aber die Wirksamkeit sich erst nach einer unbekannten definierten Zeit aufzeigt. 

Genauso kann es sein, dass wir nur eine bestimmte Zeit einen statistischen Vorteil haben.

All das kann dann anhand der folgenden Daten ermittelt werden.

Nun wird mathematisch berechnet wie stark die Werte korrelieren.

Wir möchten sehen, dass hohe Indikator-Ergebnisse auch mit höheren Renditen korrelieren und auch andersrum. Diese Art der Korrelation nennt: Spearman-Rank-Correlation-Coefficient, in unserem Fall auch, Information Coefficient.

Aber was ist nun ein guter und was ist ein schlechter Information Coefficient?

Relevante Signale befinden sich im Bereich von 0.05 bis 0.15.

Die Signale mit einem Information Coefficient von unter 0.05 können verworfen werden, da die Vorhersagekraft des Signals einfach zu schwach ist.

Nun ist jedoch zu unterscheiden, ob wir einen Information Coefficient für ein Trading-System oder für ein Portfolio suchen.

Wer sich mehr für den mathematischen Hintergrund interessiert, der kann hier mehr über den Information Coefficient nachlesen: Information Coefficient

Wir haben somit die wichtigsten Kennzahlen besprochen und schauen uns nun an, welche Ergebnisse wir bei unseren Faktoren erhalten haben.

Jedoch gilt folgendes zu beachten. Je nach Trading-Stil und Anlage-Art, können auch kleinere Information Coefficients verwendet werden. Es gilt an sich folgende Regel: Je langfristiger der Zeitraum, desto geringer kann der Information Coefficient ausfallen.

In unserem Fall befinden wir uns im längerfristigen Handelssegment, so dass auch etwas geringere Information Coefficients ihre Verwendung finden.

Wenn wir, wie in unserem Fall, ein eher längerfristiges Portfolio halten, so reichen auch kleinere Information Coefficients aus. In unserem Fall reicht, für unser Portfolio, ein Information Coefficient Wert von 0.01 aus. Alles was kleiner ist, wird verworfen.

Alpha-Aktien Kennzahlen auf einen Blick
  • Über 7.000.000 getestete Signale
  • Testzeitraum seit 01.01.2000
  • Statistisch signifikante Überrendite von durchschnittlich 4.00% pro Jahr im Vergleich zur Benchmark (S&P 500)
  • Marktneutralität (Beta: -0.193)
  • Statistisch signifikante Predictive Power der Alpha-Faktoren
  • Eine detaillierte Analyse aller Aktien des jeweiligen Sektors die sich innerhalb der positiven Alpha-Faktoren befinden

Was können Sie von dem Alpha-Aktien-Report erwarten?

Transparenz

Es werden sowohl die Analyse-Methodik als auch die quantitativen Auswertungen aller Alpha-Faktoren offengelegt. Somit können Sie, zu jeder Zeit, einsehen mit welchen Herangehensweisen die Resultate generiert worden sind.

Es wird im Detail auf jede relevante statistische Kennzahl, die sich innerhalb des Reports befindet, eingegangen, so dass auch hier alles genaustens erklärt wird.

Alle Analyse-Ergebnisse der fünf Alpha-Faktoren werden aufezeigt und im Detail erläutert.

Folgende statistische Kennzahlen sind relevant:

  • Über 7.000.000 Aktien-Signale wurden getestet um eine wirklich signfikante Anzahl an Signalen zu erhalten.
  • Die durchschnittliche Überrendite (Alpha) der Alpha-Aktien über die letzten 10 Jahre betrug 4.00% bei einem durchschnittlichen Beta von -0.193. Somit erzielt man eine durchschnittliche Überrendite, im Vergleich zum S&P500, von 4.00%, hat aber nicht dasselbe Marktrisiko zu tragen.

 

Weitere relevante statistische Kennzahlen die im Alpha-Aktien-Report offengelegt werden:

  • Geometrische Rendite
  • Geometrisches Sharpe Ratio
  • Vertrauenswahrscheinlichkeit des geometrischen Sharpe Ratios
  • Relative Stärke
  • Korrelations-Matrix für die Optimierung des Risk- & Moneymanagements
Riesiges US-Aktien-Universum

Der Alpha-Aktien-Report ist nicht nur dazu da, dass Rendite-Risiko-Verhältnis zu optimieren, sondern auch die Zeit die dazu verwendet werden soll.

Mit Hilfe des Alpha-Aktien-Algorithmus werden mehr als 7.500 US-Aktien analysiert und ausgewertet, so dass nur die im Report aufgezeigt werden, die für einen Kauf bereit sind. 

Nur durch die Verwendung von modernsten Technologien und Algorithmen ist es uns in der heutigen Zeit möglich, solch ein Aktien-Universum in kürzester Zeit zu analysieren, auszuwerten und uns die Ergebnisse in einem überschaubaren Report zur Verfügung zu stellen.

Alpha & Beta

Mit Hilfe der Alpha-Aktien können Sie entweder Ihr schon vorhandenes Portfolio erweitern, als auch ein komplett neues Portfolio erstellen.

Die Alpha-Aktien sind auf 10 Sektoren unterteilt und erlauben es somit eine wirklich detaillierte Übersicht der relevanten Aktien über alle Sektoren hinweg.

Die durchschnittliche Überrendite der Alpha-Aktien, über die vergangenen 10-Jahre hinweg, betrug 4.00%. Wenn somit der S&P 500, zum Beispiel, in den letzten 10 Jahren eine durchschnittliche Rendite von 9.00% hatte, so hatte das Alpha-Aktien-Portfolio eine Rendite von 9.00%+4.00% = 13.00%.

Was aber nicht außer Acht gelassen werden sollte ist das Beta. Das Beta spiegelt die Marktsensitivität eines Portfolios wider. Wir haben ein durchschnittliches Beta von -0.193 was einer Marktneutralität entspricht. Somit wurde in den Tests eine durchschnittliche Rendite von 13.00% erzielt, aber komplett ohne die herkömmlichen Marktschwankungen die der S&P 500 mit sich bringt.

Das Rendite- / Risiko-Profil ist somit deutlich besser aufgestellt.

Die analytische Vorgehensweise & ein Alpha-Aktien-Report

Auf der linken PDF können Sie den kompletten Research einsehen und genaustens überprüfen mit welchen wissenschaftlichen Ansätzen das Alpha gefiltert worden ist.

Auf der rechten PDF können Sie einen gesamten Alpha-Aktien-Report für einen Sektor, in diesem Fall Grundmaterialien, einsehen und sich einen Überblick darüber verschaffen, wie dieser ausschaut.

Wer steckt hinter den Alpha-Aktien?

Mein Name ist Juri Ostaschov, geb. 16.09.1991 in Sankt-Petersburg (Russische Föderation), und ich bin der Kopf und das Gesicht hinter Statistic-Trading.

Seit meinem 16. Lebensjahr bin ich an den Börsen aktiv. Parallel zu dem Studium der Volkswirtschaftslehre (Economics) begann ich mich immer mehr für den Bereich des quantitativen Börsenhandels zu interessieren und so habe ich mich, mit der Zeit, in diesem Themengebiet spezialisiert. Ich war nie der „ich handle aus dem Bauch heraus“-Typ und so war es mir immer wichtig, dass ich den Einfluss des Zufalls in meinem Handel so stark wie nur möglich reduzieren wollte. Dies geht am Besten durch quantitative und wissenschaftliche Ansätze.

Da ich auch die Stelle des Chief Data Scientisten in einem der führenden Technologie- und Immobilienunternehmen (PREA Group GmbH) inne habe, habe ich die Alpha-Aktien als ein privates Projekt für mein US-Aktien-Portfolio ins Leben gerufen um mir mein Leben ein wenig zu vereinfachen. Es würde nämlich enorm viel Zeit kosten, sich durch über 7.500 US-Aktien durchzuarbeiten um dort die herauszufiltern, die gerade den Alpha-Kriterien entsprechen. Algorithmen erledigen solche Arbeiten effektiver und effizienter als es ein Mensch je könnte.

So konnte ich mir über die Zeit fünf Alpha-Faktoren erarbeiten, die nachweislich einen statistischen Vorteil und somit auch eine signifikante Predictive Power aufzeigen konnten. Aus diesem Ansatz sind die Alpha-Aktien entstanden. Somit halte ich nur Aktien in meinem Depot, die durch diesen Analyse-Prozess gegangen sind und diesen auch bestanden haben.

Da ich persönlich Transparenz für enorm wichtig halte,wird sowohl die Analyse-Methodik, die Sie oben lesen können, offengelegt, als auch einige der Alpha-Faktoren die verwendet werden. So sind Sie auch selbst in der Lage die Ergebnisse nachzuvollziehen. Auch wird 1x pro Monat ein gesamter Alpha-Aktien-Report bei uns auf der Website im Blog veröffentlicht.

Unser Interview mit Oliver Paessler über den quantitativen Börsenhandel

Die wichtigsten Key-Facts der Alpha-Aktien

  • Durchschnittliche Überrendite, im Vergleich zur Benchmark (S&P 500), von 4.00%
  • Getestet bei Marktneutralität (Beta: -0.193) um Alpha wissenschaftlich nachweisen zu können
  • Hohe Diversifikation aufgrund eines großen US-Aktien-Universums
  • Algorithmen screenen und analysieren über 7.500 US-Aktien nach den signifikanten Alpha-Faktoren
  • Alle Research-Ergebnisse, Analyse Methodiken und relevanten statistischen Kennzahlen werden offengelegt
  • Alpha-Aktien unterteilt in 10-Sektoren um präziseste Analysen und Investments zu ermöglichen
  • Tipps für die Optimierung eines Aktien-Portfolios
  • Folgende statistische Kennzahlen werden zu allen Aktien offengelegt: Geometrische Rendite, Geometrisches Sharpe Ratio, Vertrauenswahrscheinlichkeit des Geometrischen Sharpe Ratios, Relative Stärke, Beta und Korrelationsmatrix

Alpha Aktien Portfolio Reports

Alpha-Aktien-Portfolio-Report: Alle Sektoren

Alpha-Aktien-Portfolio-Report: Einzelsektoren

Sie möchten mit uns sprechen?

Wenn Sie noch Fragen oder Anliegen zum System-Trading Online-Kurs haben, so können Sie uns jederzeit entweder eine E-Mail an info@statistic-trading.de schreiben oder uns unter der Nummer +49157/77917694 erreichen. Sie können uns entweder anrufen oder uns eine Whatsapp-Nachricht senden.

So können wir optimal auf Ihre Fragen und Anliegen eingehen!