Empirische Analyse von Candlestick-Strategien in verschiedenen Aktien-Sektoren

In der heutigen Zeit werden im Aktienhandel immer häufiger Algorithmen für automatisierte Trades verwendet. Ein mögliches Hilfsmittel dazu sind Candlestick-Muster, welche den Markttrend voraussagen. Das ursprünglich von Munehisa Homma entwickelte «Candlestick-Charting» wurde Anfang des 18. Jahrhunderts auf einem Reismarkt in Osaka (Japan) angewandt. Durch die gleichzeitige Verwendung von «Open-High-Low-Close-Kursen» unterscheiden sich Candlestick-Charts von anderen technischen Indikatoren. Insbesondere ermöglicht es die Anwendung solcher Charts, sowohl das sich ändernde Gleichgewicht zwischen Angebot und Nachfrage wie auch Aspekte der Anlegerstimmung und Psychologie widerzuspiegeln.

Die Analysen, welche sich mit Candlestick-Muster befassen, überprüfen die Performance über alle Aktien-Sektoren hinweg jedoch selten die Unterschiede der Performance zwischen den einzelnen Aktien-Sektoren. Dadurch ist für die Anleger nicht bekannt, ob sich die Performance der Candlestick-Muster zwischen den Aktien-Sektoren unterscheidet. Doch inwiefern unterscheidet sich die Performance von Candlestick-Strategien in verschiedenen Aktien-Sektoren des S&P 500 Aktienindexes effektiv? Und wie lässt sich die abweichende Performance anhand der Aspekte der Anlegerstimmung und Psychologie der einzelnen Candlestick-Muster und Aktien-Sektoren begründen? Diese Fragestellungen untersucht die vorliegende Arbeit. Anhand der Annahme, dass die Candlestick-Strategien in den unterschiedlichen Aktien-Sektoren abweichend performen, wird die Performance dieser ermittelt und mit dem Durchschnitt aller Sektoren verglichen. Es werden sowohl Candlestick-Muster mit einem einzigen Candlestick als auch Candlestick-Muster mit mehreren Candlesticks analysiert. Um die Performance zu identifizieren, wird zum einen die Erfolgsquote als auch die prozentuale Veränderung nach einem Candlestick-Muster berechnet. Zudem werden verschiedene Ausstiegsstrategien festgelegt und analysiert.

In der vorliegenden Arbeit wird eine quantitative Forschungsmethode angewandt, welche im Vorfeld durch eine Literaturrecherche unterstützt wird. Mit Hilfe der Literaturrecherche werden die zu analysierenden Candlestick-Muster identifiziert und erläutert. Dies umfasst deren Aufbau, Beschreibung, Trendvorhersage sowie die psychologischen Aspekte. Des Weiteren wurde mittels Auswertungen bereits durchgeführter Analysen im Bereich der Performance von Candlestick-Mustern nach einer passenden Methodik zur Analyse gesucht sowie diese festgelegt.Bei der Analyse werden 15 Candlestick-Muster in 110 Aktien des S&P 500 Aktienindexes der letzten 23 Jahre (01.01.2000 bis 31.12.2022) ausgewertet. Dabei werden sowohl Unterschiede in den Erfolgsquoten als auch den prozentualen Veränderungen nach einem definierten Zeitpunkt nach dem Auftreten des Candlestick-Musters einbezogen. Um die statistische Signifikanz der Unterschiede aufzuzeigen, werden «Chi-Quadrat-Tests» sowie «Welch’s t-Tests» durchgeführt.

Die Ergebnisse decken sich grundsätzlich mit einer bereits bestehenden Studie, welche besagt, dass es keine Unterschiede in der Performance zwischen den Sektoren gibt. Sowohl bei den Erfolgsquoten (in 3.88% der Kombinationen) als auch bei den prozentualen Veränderungen (in 4% der Kombinationen) sind die statistisch signifikanten Unterschiede der einzelnen Sektoren gegenüber dem Durchschnitt aller Sektoren selten.  Dennoch gibt es einzelne Fälle, in denen sich die Performance der einzelnen Sektoren signifikant vom Gesamtdurchschnitt unterscheiden. Dabei treten die Unterschiede bei einigen Candlestick-Mustern und Aktien-Sektoren sowie bestimmten Ausprägungen verhältnismässig häufiger auf als bei anderen. Die Annahmen der abweichenden Performance zeigen, dass die Unterschiede häufig auf externe Einflüsse zurückzuführen sind. Die gewonnenen Erkenntnisse tragen dazu bei, dass Anleger die Performance von Candlestick-Muster in Aktien-Sektoren und die Psychologie dahinter besser verstehen. Zudem können die Resultate Anleger in ihrer Wahl der Investitionen anhand der Candlestick-Muster und Sektoren unterstützen.