Wie ich von All-Weather zu risikogesteuertem Leverage kam
Diese Seite ist keine Verkaufsgeschichte. Sie beschreibt, warum ich meine Anlagestrategie über mehrere Jahre verändert habe, inklusive der Umwege und der Punkte, an denen ich mir selbst widersprochen habe.
All-Weather: solide, aber zu langsam
Über mehrere Jahre habe ich nach Ray Dalios „All-Weather"-Prinzip investiert: breit gestreut über Aktien, Anleihen unterschiedlicher Laufzeiten, Gold und Rohstoffe, so konstruiert, dass das Portfolio in möglichst vielen wirtschaftlichen Wetterlagen bestehen kann. Es hat gehalten, was es versprochen hat: Die Drawdowns waren überschaubar, die Schwankungen ruhig, ich musste selten eingreifen.
Aber genau diese Robustheit hat einen Preis: Über einen sehr langen Anlagehorizont war die erwartete Rendite zu niedrig, um das Vermögensziel, das ich mir gesetzt hatte, in einem realistischen Zeitrahmen zu erreichen. Das Portfolio war nicht falsch. Es war für ein anderes Ziel gebaut, als ich eigentlich hatte.
Die Suche nach mehr
Also habe ich angefangen zu rechnen: Wie viel Rendite braucht es tatsächlich über 40 bis 45 Jahre, und wie kommt man dorthin, ohne einfach nur mehr Risiko in Kauf zu nehmen? Die naheliegende Antwort, mehr Aktienquote und mehr Konzentration, hätte die Schwankungsbreite erhöht, aber das Grundproblem nicht gelöst. Ich brauchte einen anderen Hebel, im wörtlichen Sinn.
Die Recherche zu Leveraged-Strategien
Die Recherche führte mich zu gehebelten Produkten, etwa 3-fach gehebelten Index-ETFs. Schnell wurde klar: Leverage pur, konstant und ohne Steuerung, ist brandgefährlich. Ein einzelner tiefer Crash kann ein solches Portfolio auf einen Bruchteil seines Werts reduzieren, und die Mathematik der Erholung ist unversöhnlich: Ein Rückgang von −80 % braucht anschließend +400 % Anstieg, nur um wieder gleichzuziehen. Buy-and-Hold mit konstantem Hebel schien mir kein tragfähiger Plan.
Was mich weiterbrachte, war die Idee, den Hebel an die Marktlage zu koppeln: Volatilitäts-Targeting, Trendfilter, regelbasiertes Reduzieren des Risikos in unruhigen Marktphasen statt permanent volles Risiko zu fahren. Das war der Punkt, an dem aus einer riskanten Idee ein Ansatz wurde, den ich ernsthaft prüfen wollte.
Der Weg zur Strategie: was ich vorher getestet habe
Die heutige Strategie war nicht die erste. Vorher habe ich mehrere Ansätze ernsthaft geprüft und wieder verworfen. Eine Station war eine zweifach gehebelte S&P-500-Strategie mit 200-Tage-Durchschnitt als Schalter: investiert über der Linie, raus darunter. Das ist im Kern die Idee, die Michael Gayed und Charlie Bilello in „Leverage for the Long Run" beschrieben haben, und sie funktionierte im Backtest gut genug, um lange mein Favorit zu sein. Was mich am Ende störte, war weniger die Rendite als die Abhängigkeit von einer einzigen Linie und einem einzigen Index.
Eine zweite Station war Jason Kellys 9Sig: ein Quartalssystem aus dreifach gehebeltem Nasdaq-100 und einem Anleihen-Puffer, mit festem Wachstumsziel. Die Klarheit des Regelwerks hat mich überzeugt, die Drawdown-Seite nicht: In den Rückrechnungen hängt das System in tiefen Bärenmärkten voll im Hebel, und genau davor wollte ich mich schützen. Wie tief es dabei historisch ging, steht im 9Sig-Reality-Check.
Dazu kamen weitere Varianten, die ich getestet und verworfen habe. Der rote Faden war immer derselbe: nicht die geniale Idee suchen, sondern systematisch testen, vergleichen, verwerfen. Übrig blieb der Ansatz, der heute läuft.
Teste diese Strategien selbst im Backtesting-Tool: der Gayed-Ansatz und 9Sig sind dort als Vergleichsserien eingebaut.
Der Zwischenschritt: eine einzelne Linie reicht nicht
Bevor das eigene Tool entstand, habe ich es zuerst mit einer einzigen Trendlinie versucht: einer 190-Tage-Linie (SMA190) als Signal für Ein- und Ausstieg. Notiert der Kurs über der Linie, bin ich investiert, fällt er darunter, gehe ich raus. Im Backtest sah das überzeugend aus. Die Regel war einfach, nachvollziehbar und streng genug, um sie einem Automaten zu überlassen. Genau das ist passiert: Der Bot handelt diese SMA190-Regel bis heute mit echtem Geld, und was er dabei tatsächlich tut, dokumentiert der Live-Track-Record.
Die Schwächen zeigten sich trotzdem. In Seitwärtsmärkten pendelt der Kurs um die Linie, jedes Kreuzen löst ein Signal aus, und jedes Fehlsignal kostet: verkaufen, zusehen, teurer wieder einsteigen. Solche Whipsaw-Phasen sind der bekannte Preis jeder Trendfolge. Unbequemer war eine zweite Erkenntnis: Eine einzelne Linie ist auch Timing-Glück. Ob 190, 200 oder 205 Tage: Langfristig sind solche Varianten im Backtest kaum zu unterscheiden, kurzfristig können sie an unterschiedlichen Tagen auslösen und völlig verschieden reagieren. Corey Hoffstein hat das systematisch gezeigt. Warum Backtests einen an genau dieser Stelle täuschen können, steht ausführlicher im Artikel über typische Backtesting-Fehler.
Daraus folgte der nächste Schritt: nicht eine Linie, sondern ein Regelwerk. Im Backtest-Tool wurde aus der einzelnen SMA190 ein System aus zwei Linien (Dual-SMA 60/250), ergänzt um Volatilitäts-Targeting, das das Risiko in unruhigen Phasen regelbasiert reduziert. Das ist der Standard, den das Tool heute im Backtest rechnet. Was diese Regeln im Backtest am Drawdown ändern, zeigt der Artikel zum Drawdown gehebelter ETFs.
Vom Tabellenblatt zum eigenen Backtesting-Tool
Um die Idee nicht nur zu glauben, sondern zu prüfen, habe ich ein eigenes Backtest-Tool gebaut: Regeln definieren, gegen historische Kursdaten rechnen lassen, Ergebnisse ehrlich einordnen, inklusive der Fälle, in denen eine Regel im Nachhinein zu gut aussah, um wahr zu sein. Wo eine Strategie überangepasst wirkte, wollte ich das sehen, nicht wegargumentieren.
Angefangen hat das nicht mit eigenem Code, sondern mit Tabellenblättern und etablierten Backtesting-Programmen: RealTest und TradingView habe ich beide ernsthaft benutzt, und für ihre Zwecke sind beide gut. Meine Grenze war der Anwendungsfall: ein Regime-Modell aus zwei gleitenden Durchschnitten, darüber ein Volatilitäts-Overlay, dazu die deutsche Steuer- und eine Entnahme-Sicht. Das war dort nicht oder nur mühsam abbildbar. Also habe ich das Tool gebaut, das ich selbst brauchte, und es öffentlich kostenlos nutzbar gemacht.
Aus den Regeln, die diesem Test standhielten, ist ein automatisierter Bot geworden, der ohne Bauchgefühl handelt: die gleichen Regeln, jeden Tag, ohne Ausnahmen für gute oder schlechte Laune. Was einen solchen regelbasierten Ansatz von den unseriösen Gewinnversprechen mancher Trading-Bots unterscheidet, ordne ich getrennt ein. Was der Bot seitdem tatsächlich getan hat, mit echtem Geld, dokumentiert der Live-Track-Record. Wo die Grenzen dieses Ansatzes liegen (Backtest versus Realität, Overfitting-Risiken, was die Zahlen nicht zeigen), steht ausführlich auf der Seite Methodik & Grenzen.