Double Bottom Pattern - ein systematischer Ansatz

Die Identifikation von Mustern in Zeitreihen von Börsenkursen stellt einen Bestandteil der Finanzmarktanalyse dar. Diese Muster können durch eine Vielzahl von Ansätzen sowohl in der klassischen technischen Analyse als auch in fortgeschrittenen quantitativen Methoden erkannt und genutzt werden.

Die Chartanalyse, eine zentrale Subkategorie der Technischen Analyse, hat sich traditionell auf die subjektive Interpretation durch Analysten gestützt. Diese Praxis involvierte das Erkennen von visuellen Mustern in den Kursverläufen von Finanzinstrumenten, um zukünftige Marktbewegungen vorherzusagen. Historisch basierte die Analyse stark auf der Erfahrung und Intuition des Analysten, was zu einer gewissen Variabilität in den Interpretationen führen konnte.

Mit dem Fortschritt in der Computertechnologie hat sich jedoch ein signifikanter Wandel vollzogen. Die zunehmende Rechenleistung und die Entwicklung fortschrittlicher Algorithmen haben es möglich gemacht, auch komplexe Chartmuster objektiv zu erfassen und quantitativ zu bewerten. Diese technologische Evolution ermöglicht eine präzisere und systematischere Analyse von Chartmustern.

Moderne Software und spezialisierte Anwendungen nutzen Algorithmen, die in der Lage sind, wiederkehrende Muster und Formen in historischen Preisdaten zu identifizieren, ohne dass subjektive menschliche Voreingenommenheiten die Analyse beeinflussen. Beispielsweise können Algorithmen genutzt werden, um spezifische Muster wie Double Bottoms, Unterstützungs- und Widerstandslinien oder Trendkanäle zu erkennen. Diese werden dann quantitativ bewertet, indem Wahrscheinlichkeiten für zukünftige Preistrends berechnet werden, basierend auf historischer Datenanalyse und statistischen Modellen.

Diese objektive Herangehensweise erhöht nicht nur die Genauigkeit der technischen Analyse, sondern erweitert auch ihre Anwendbarkeit. Investoren und Trader können nun datengetriebene Entscheidungen treffen, die auf soliden statistischen Grundlagen und weniger auf persönlicher Interpretation beruhen. Diese Entwicklung markiert einen entscheidenden Schritt hin zu einer rationaleren und wissenschaftlicheren Herangehensweise an die Börsenmärkte, was die Zuverlässigkeit und Effektivität der technischen Analyse signifikant verbessert.

HERANGEHENSWEISE UND ZIEL

Dieses Projekt implementiert einen spezifischen Ansatz zur automatisierten Erkennung von Chartformationen, um umfassende Backtests mit detaillierter statistischer Analyse durchzuführen. Ein Hauptziel dabei ist es, den Einfluss der Faktoren– insbesondere der Höhe und der Länge – einer Double Bottom Formation auf die Handelsperformance quantitativ zu bewerten.

Um die Erkennung von Chartmustern zu optimieren, wird in diesem Projekt der ZigZag-Indikator verwendet, das über den Preisdaten gelegt wird. Im Gegensatz zur üblichen prozentbasierten Festlegung erfolgt die Bestimmung des Zickzack-Indikator hier auf der Grundlage des 2-fachen Average True Range (ATR), was eine dynamischere Anpassung an die Volatilität des Marktes ermöglicht. Ein wesentliches Kriterium für die Aktualisierung des ZigZag-Indikator ist, dass die aktuelle Kerze den niedrigsten Kurs der letzten acht Handelstagen darstellen muss. Diese Bedingung wird täglich überprüft, um sicherzustellen, dass das Muster präzise die signifikanten Wendepunkte im Kursverlauf reflektiert.

Nach der Initialisierung des ZigZag-Indikators wird zur weiteren Analyse ein Fenster definiert, das eine Spanne von ±0,5 mal dem Average True Range (ATR) über 50 Tage umfasst. Dieses Fenster wird über den Chart gelegt, um zu überprüfen, ob innerhalb dieses Bereichs ein zusätzliches Tief existiert. Das erste im Fenster identifizierte Tief, wird als das erste Tief der Double Bottom Formation betrachtet. Zusätzlich muss gewährleistet sein, dass vor diesem ersten identifizierten Tief für mindestens 10 Handelstagen kein weiteres Tief aufgetreten ist, um die Gültigkeit der Formation zu bestätigen.

BILD 1: Erkennung des Double Bottoms

Es ist zu beachten, dass für detailliertere Analysen, die über den Rahmen dieses Abschnitts hinausgehen, zusätzliche Faktoren berücksichtigt werden können. Dazu gehören beispielsweise die Stärke des vorangegangenen Abwärtstrends vor dem ersten Tief, Veränderungen im Handelsvolumen während der Formation sowie mögliche Divergenzen zum RSI14-Indikator. Diese Elemente können zusätzliche Einsichten in die Robustheit und Zuverlässigkeit der identifizierten Double Bottom Formation bieten.

FORMATIONS PARAMETER:

a) Erkennung eines aktuellen Tiefs (2. Tief des Double Bottom)

b) neues Tief in den letzten 8 Handelstagen

c) +-0,5 ATR Abstand in den letzen 50 Handelstagen

d) vor dem 1. Tief darf 20 Handelstage keiner tieferes Tief sein

e) nach dem 2. Tief wird maximal 20 Handeltage gewartet bis der Ausbruch

erfolgt

Varianten der Double Bottom Formation

Beim Handel der Formationen können zwei verschiedene Einstiegsstrategien angewandt werden, die jeweils ihre eigenen Vorzüge und Risiken aufweisen:

1. Einstieg beim Tiefpunkt 2 - Reversal: Dieser Ansatz zielt darauf ab, am zweiten Tiefpunkt der Double Bottom Formation einzusteigen, welcher als potenzieller Wendepunkt im Kursverlauf interpretiert wird. Die Annahme hierbei ist, dass dieser Punkt eine erneute Aufwärtsbewegung einleiten könnte, wodurch der Trader frühzeitig von der Kurswende profitieren kann.

Bild 2: Reversal entry

2. Einstieg beim Ausbruch über die Nackenlinie - Breakout: Der Breakout-Ansatz hingegen wartet darauf, dass der Kurs die sogenannte Nackenlinie – eine Widerstandslinie, welche den Hochpunkte zwischen den beiden Tiefs darstellt – durchbricht.

Bild 3: Breakout entry

Bei dem Breakout Szenario können zwei weitere Varianten einen Einstieg in Betracht gezogen werden:

3. Ausbruch über eine Trendlinie: Neben dem Durchbrechen der Nackenlinie kann ein Ausbruch auch über eine Trendlinie erfolgen. Diese Trendlinie wird definiert, indem sie zwischen dem Hochpunkt des Double Bottom und dem letzten Hoch vor dem Double Bottom gezogen wird, wobei jene mit der größten Steigung ausgewählt wird. Um das Risiko zu minimieren, kann der Stop-Loss (SL) auf das Tief des Double Bottoms gesetzt werden, was den potenziellen Verlust begrenzt, sollte der Kurs zurückfallen.

Bild 4: Trendline dient als Signalgeber

4. Double Bottom im Aufwärtstrend: Obwohl ein Double Bottom typischerweise am Ende eines Abwärtstrends auftritt, ist es möglich, dass der hier vorgestellte Algorithmus auch Double Bottoms innerhalb eines Aufwärtstrends identifiziert. In einem solchen Kontext wird die Formation oft als eine Art Flagge betrachtet, die eine Fortsetzung des bestehenden Aufwärtstrends signalisieren kann. Dies eröffnet eine zusätzliche Variante für die Analyse und das Trading, da es die potenzielle Stärke und Dauerhaftigkeit des Aufwärtstrends bestätigt.

Bild 5: Doppelbottom im Aufwärtstrend

Der Backtest und die Statistik der Double Bottom Formation

Der Double Bottom gilt als aussagekräftiges Signal für den Einstieg in einen Trade. Die Position wird dabei zu Beginn des nächsten Handelstages eröffnet. Für das Risikomanagement wird der Stop-Loss auf das Tief des Double Bottoms gesetzt, wobei dieser mindestens das Dreifache des durchschnittlichen True Range (ATR) der letzten 21 Handelstage beträgt.

Das Ziel des Gewinnmitnahmepunkts (Take-Profit) wird basierend auf dem Chancen-Risiko-Verhältnis (CRV) festgelegt, indem der potenzielle Gewinn auf das Zweifache des möglichen Verlustes gesetzt wird. Diese strategische Setzung des Take-Profit zielt darauf ab, eine effiziente Gewinnrealisierung zu gewährleisten und gleichzeitig das Risiko zu kontrollieren.

Schließlich wird eine zeitliche Begrenzung für den Trade festgelegt: Sollten weder der Stop Loss noch der Take Profit innerhalb von 60 Handelstagen erreicht werden, wird die Position geschlossen. Diese Regelung trägt dazu bei, das Kapital nicht übermäßig lange in unsicheren oder unproduktiven Positionen zu binden und die Kapitalumschlagshäufigkeit zu erhöhen.

TRADE PARAMETER:

SL (Stop Loss) Tief Double Bottom Formation

TP (Take Profit) 2*CRV (Chance-Risiko-Verhältnis)

Timestop 60 Handelstage

Testuniversum Aktien S&P 500, historische Zusammensetzung

Zeitraum 1.1.1996 bis 1.11.2023

BILD 6: Ein- und Ausstieg, SL und TP

Das Signal für diesen backtest ist der Doppel Bottom Formation im Abwärtstrend, Ausbruch Nackenlinie.

Für den Backtest wurde das Aktienuniversum des S&P 500 herangezogen, wobei historische Daten von der Zusammensetzung vom 1. Januar 1996 bis zum 31. Dezember 2023 verwendet wurden. Im Laufe dieses Zeitraums generierte das System insgesamt 3.148 Handelssignale.

Die Trefferquote des Systems, also der Anteil der profitablen Trades, lag bei 51,2%, was ein guter Wert ist, wenn man das CRV von 2 berücksichtigt.

Der Profitfaktor des Systems beträgt 1,41. Dieser Wert, der das Verhältnis von Bruttogewinnen zu Bruttoverlusten angibt, zeigt an, dass das Handelssystem insgesamt profitabel war. Über den gesamten Untersuchungszeitraum erzielte das System einen Performance von 106%. Trotz dieses positiven Ergebnisses ist zu beachten, dass der maximale Drawdown, also der größte beobachtete Verlust vom letzten Hoch bis zum nächsten Tief, bei 26% lag.

Beim Handel mit Signalen treten Herausforderungen aufgrund unregelmäßiger Signalverteilungen auf. Zu manchen Zeiten bei diesen Signalen können bis zu 82 Signale gleichzeitig vorhanden sein, während zu anderen Zeiten die Signalhäufigkeit drastisch abnimmt. Dies führt zu Schwankungen im Kapitalbedarf, da in Phasen hoher Signalaktivität entsprechend mehr Kapital für gleichzeitige Trades vorgehalten werden muss.

Um ein effektives Money-Management zu gewährleisten und eine gleichmäßigere Kapitalverteilung zu erreichen, ist es notwendig, die Signale zu filtern. Diese Filterung dient dazu, die Anzahl der gleichzeitig offenen Positionen zu regulieren und eine Überlastung des Portfolios zu vermeiden.

Für die Berechnung der Equity-Kurven und zur Risikosteuerung wird ein differenziertes Vorgehen für die verschiedenen Handelsansätze gewählt:

Breakout-Varianten:

• Der durchschnittliche Stop-Loss (SL) beträgt hier etwa 12%.

• Um das Risiko eines einzelnen Trades auf etwa 1% des Gesamtkapitals zu begrenzen, wird die Anzahl der gleichzeitig offenen Positionen auf maximal 8 beschränkt.

Reversal-Varianten:

• Bei diesen Varianten liegt der durchschnittliche SL bei ca. 5%.

• Es werden bis zu 50 gleichzeitige Positionen zugelassen.

Wenn an einem Handelstag mehr Signale generiert werden, als offene Positionen zugelassen sind, wird eine Auswahl getroffen. Hierbei werden vorrangig jene Signale verwendet, die über eine relative Stärke von über 60 Tagen und einer schlechteren Bewertung verfügen. Dieses Auswahlkriterium hilft, das Gesamtrisiko zu steuern und fokussiert auf die potenziell schwächeren Signale, die weniger Kapitaleinsatz erfordern.

Diese strukturierte Herangehensweise ermöglicht eine disziplinierte und risikobewusste Portfolioverwaltung, die notwendig ist, um langfristig erfolgreiche Handelsergebnisse zu erzielen und das Kapital effektiv zu allokieren.

Bild 7: Equity Kurven, 4 Varianten

In Bild 7 sind die indexierte Equitykurven (Basis 100) der 4 Handelsvarianten (downtrend, trendline, uptrend und reversal) dargestellt. Der erste Entwurf des Handelssetups zeigt vielversprechende Ergebnisse, besonders bei den Breakout Varianten, die hohe Gewinne, aber auch signifikante Drawdowns aufweisen. Die Reversal-Variante produziert zwar die meisten Signale, performt jedoch im Vergleich zu den Breakout-Varianten schlechter. Eine Anpassung der Strategieparameter oder eine strengere Filterung der Signale könnte die Effektivität und das Risikomanagement des Setups verbessern. Die Performance und das Risiko, gemessen am max. Drawdown werden in Bild 8 dargestellt.

BILD 8: Return-Risiko Diagramm, 4 Varianten

Man erkennt, dass die Variante über die Trendlinie zwar den höchsten Profit abwirft, aber die Uptrend Variante das beste Verhältnis von Profit/maximaler Drawdown.

Typ	Downtrend	Trendline	Uptrend	Reversal (CRV=3)
Anzahl Signale	1086	1166	970	12616
Profitfaktor	1.392	1.46	1.51	1.18
Trefferquote [%]	50.7	51.1	54.1	33.6
Profit [%]	639	957	547	127
Max Drawdown [%]	63	61.5	32	71
Max Gleichzeitige Positionen	8	8	8	50
Mittlerer SL	12.4	9.7	11.8	4.8

TABELLE 1: Übersicht der Backtestergebnisse mit verschiedenen Handelssetups

Durch das Filtern der Signale kann die Anzahl der Trades effektiv reduziert werden, während gleichzeitig die Qualität und Zuverlässigkeit der Signale verbessert werden. Dieses Vorgehen ermöglicht eine gezieltere Auswahl von Handelsmöglichkeiten, die eine höhere Erfolgswahrscheinlichkeit versprechen. Im folgenden Kapitel wird detailliert erläutert, wie die Optimierung der Signalqualität durchgeführt wird. Dabei werden verschiedene Filtertechniken und Kriterien vorgestellt, die dazu beitragen, die Performance des Handelssystems weiter zu steigern.

Optimierung der Double Bottom Formation

Bisher wurde in der Analyse der Formationen hauptsächlich der Preisverlauf berücksichtigt, das Handelsvolumen jedoch außer Acht gelassen. Das Volumen spielt eine wichtige Rolle bei der Bestätigung von Umkehrpunkten und Ausbrüchen und kann signifikant zur Optimierung der Performance von Chartformationen beitragen. Die zugrundeliegende Theorie besagt, dass das Volumen einen Trend bestätigen sollte. Demnach weist ein gesunder, steigender Trend ein zunehmendes Volumen auf.

Um festzustellen, ob das Volumen bis zum Ausbruch ansteigt, wird eine Regressionsgerade über das Volumen der letzten 5 Tage berechnet. Diese Analyse hilft zu ermitteln, ob ein steigender Trend im Volumen vorliegt, was eine zusätzliche Bestätigung für die Stärke des Trends bietet.

Als zweite Bedingung für eine robuste Signalbestätigung wird gefordert, dass der Durchschnitt des Volumens in der Ausbruchsphase höher sein muss als das Volumen während des Abwärtstrends des Double Bottoms. Dieses Kriterium stützt die Annahme, dass ein starker Ausbruch mit einem erhöhten Interesse und einer gesteigerten Marktaktivität einhergeht, was die Wahrscheinlichkeit eines erfolgreichen Trades erhöht. Indem diese volumenbasierten Bedingungen integriert werden, lässt sich die Zuverlässigkeit und Performance der Formationen signifikant verbessern.

BILD 9: Optimierung des DoppelBottoms im Abwärtstrend mit 2 Regeln zum Volumen

Durch die Einführung einer einfachen Regel für das Volumen kann die Performance des Handelssetups etwa verdoppelt werden, während sich der Drawdown nahezu halbierte. Diese Optimierung zeigt, wie effektiv die Integration von Volumendaten in die Handelsstrategie sein kann, indem sie sowohl die Rentabilität steigert als auch das Risiko reduziert.

BILD 10: Equity Kurven downtrend, mit/ohne Optimierung

BILD 11: Return-Risiko Diagramm, 4 Varianten mit/ohne Optimierung

Typ	Downtrend	Downtrend Optimiert
Anzahl Signale	1086	793
Profitfaktor	1.392	1.7
Trefferquote [%]	50.7	54.3
Profit [%]	639	1413
Max Drawdown [%]	63	37
Max gleichzeitige Positionen	8	8

TABELLE 2: Ergebnis bei Optimierung der Downtrend Variante über das Volumen

Resümee

Die Entwicklung eines Algorithmus zur Erkennung von Formationen hat sich als effektives Mittel erwiesen, um erfolgreich Double Bottoms zu identifizieren. Ein zentraler Vorteil der algorithmischen Formationserkennung liegt in der Fähigkeit, alle relevanten Bedingungen zum Zeitpunkt des Einstiegs systematisch zu erfassen und statistisch auszuwerten. Diese methodische Datenaufzeichnung ermöglicht ein vertieftes Verständnis darüber, unter welchen Umständen bestimmte Formationen besonders gute Handelsergebnisse liefern. Zahlreiche Beispiele aus der Vergangenheit unterstreichen die Effektivität dieses Ansatzes.

Die Kombination aus objektiver algorithmischer Formationserkennung und einer dynamischen Signaloptimierung bietet vielversprechende Möglichkeiten für die Weiterentwicklung und Anwendung dieses Handelsansatzes. Dieser integrierte Ansatz trägt dazu bei, dass das Handelssystem auch in sich ändernden Marktumgebungen stabil und profitabel bleibt, und öffnet damit neue Perspektiven für zukünftige Handelsstrategien.

Double Bottom Live Signale:

https://www.iqquant.com/iqqpatternrecognition