Zum Inhalt

Saisonalität

Der am besten dokumentierte und am schlechtesten überprüfte Effekt der Finanzliteratur.

Kernidee

Saisonalität behauptet, dass Renditen nicht gleichmäßig über den Kalender verteilt sind — dass bestimmte Monate, Wochentage, Monatswechsel oder Jahre im politischen Zyklus systematisch andere Erwartungswerte tragen als der Durchschnitt.

Die Datenlage ist umfangreich und alt: norman_fosback wies Kalendermuster bereits 1976 nach, jeffrey_hirsch führt die Tradition des Stock Trader's Almanac über mehr als ein Jahrhundert US-Historie fort, jay_kaeppel unterzieht sie einer quantitativen Prüfung.

Die bekanntesten Muster

  • Best Six Months — „Sell in May and Go Away": das Winterhalbjahr November–April trägt historisch den Großteil der Aktienrendite. Hirsch zeigt, dass eine Rotation in Anleihen oder Cash im Sommerhalbjahr vor allem den Drawdown senkt, weniger die Rendite hebt.
  • Präsidentschaftszyklus — drittes und viertes Jahr einer US-Amtszeit historisch am stärksten; als Erklärung dient stimuluspolitisches Verhalten vor Wahlen. Über 80+ Jahre statistisch auffällig.
  • Januar-Effekt — Small Caps schlagen zum Jahresanfang den breiten Markt; klassisch mit Steuerverkäufen im Dezember erklärt.
  • January Barometer — die Januarrendite als Vorzeichen für das Gesamtjahr.
  • Monatswechsel und Wochentage — die kleinsten und am stärksten datengetriebenen Muster.

Das methodische Problem

Kaeppel ist hier die ehrlichste Quelle: Einige der Muster sind statistisch signifikant, andere sind Lärm. Und das ist die entscheidende Unterscheidung, weil Saisonalität strukturell dem Data Mining ausgesetzt ist:

  • Es gibt zwölf Monate, fünf Wochentage, vier Jahre im politischen Zyklus. Wer alle Kombinationen prüft, findet garantiert Auffälligkeiten — auch in Zufallsdaten.
  • Die Stichprobe ist klein. Über hundert Jahre gibt es hundert Januare — für eine Aussage über Monatsrenditen eine sehr dünne Basis.
  • Die Muster werden an derselben Historie entdeckt, an der sie belegt werden. Eine echte Out-of-Sample-Prüfung ist kaum möglich, weil die Historie endlich ist.
  • Bekannte Effekte werden weggehandelt. Der Januar-Effekt ist seit seiner Publikation deutlich schwächer.

Siehe system_testing_overfitting.

Die brauchbare Position

Kaeppels eigene Schlussfolgerung ist die tragfähige: Saisonalität als ergänzender Filter, nicht als Strategie. Am stärksten wirkt sie, wenn sie mit einer Trendbestätigung kombiniert wird — also dort, wo sie eine bestehende These leicht gewichtet, statt allein eine Position zu begründen.

Zusätzlich verlangt ein saisonales Muster, um ernst genommen zu werden: eine ökonomische Begründung, die vor der Beobachtung plausibel war (Steuerjahresende, Bilanzstichtage, Wahlzyklen), Stabilität über Teilperioden, und Wirksamkeit auch nach Kosten.

Abgrenzung

  • Nicht dasselbe wie marktzyklen. Marktzyklen folgen ökonomischen Zuständen, Saisonalität dem Kalender. Der Unterschied ist die Kausalität.
  • Kein Timing-Ersatz. Ein Muster mit 60 Prozent Trefferquote über hundert Beobachtungen ist von einer Münze kaum zu unterscheiden.
  • Nicht übertragbar. US-Kalendereffekte gelten nicht automatisch für andere Märkte, Anlageklassen oder Zeiträume.