Transparenz

Wie wir Signale berechnen

Jedes Quantm-Signal basiert auf einem Composite-Score aus mindestens sechs unabhängigen Quellen. Hier ist exakt, wie es funktioniert. Nichts wird versteckt.

1. Momentum (RSI)

Relative Strength Index über 14 Perioden. Werte unter 30 deuten auf überverkaufte Bedingungen (potenzieller Kauf), über 70 auf überkaufte (potenzieller Verkauf).

$RSI = 100 - \frac{100}{1 + RS}, \quad RS = \frac{\overline{U}_{14}}{\overline{D}_{14}}$

$\text{Score}_{RSI} = \text{clip}\!\left(\frac{50 - RSI}{50},\; -1,\; +1\right)$

2. Trend (MACD)

MACD-Linie (EMA12 − EMA26) gegen Signallinie (EMA9 des MACD). Bullishe Kreuzungen erhöhen den Score, bärische senken ihn.

$MACD = EMA_{12}(P) - EMA_{26}(P), \quad Signal = EMA_9(MACD)$

$\text{Score}_{MACD} = \text{sign}(MACD - Signal) \cdot \min\!\left(\frac{|MACD - Signal|}{\sigma_{MACD}},\, 1\right)$

3. Volatilität & Mean-Reversion (Bollinger + Z-Score)

Bollinger Bands (20, 2σ) plus rollierender 20-Tage Z-Score des Preises. |Z| über 2 signalisiert statistische Extreme — Reversion ist wahrscheinlich.

$BB_{\text{upper/lower}} = \mu_{20} \pm 2\sigma_{20}, \quad Z = \frac{P - \mu_{20}}{\sigma_{20}}$

$\text{Score}_{Z} = \text{clip}(-Z/2,\; -1,\; +1)$

4. Broker-Konsens

Aggregierte Analyst-Ratings von Wall-Street-Brokern (Goldman, JPM, MS, etc.). Gewichtet nach historischer Trefferquote des jeweiligen Hauses.

5. Monte-Carlo-Simulation (GBM + GARCH)

Geometrische Brownsche Bewegung (GBM) mit GARCH(1,1)-Volatilität. 4.000 Pfade über 30 Handelstage erzeugen eine empirische Preisverteilung.

$S_{t+1} = S_t \cdot \exp\!\left[\left(\mu - \tfrac{1}{2}\sigma^2\right)\Delta t + \sigma\sqrt{\Delta t}\, Z_t\right], \quad Z_t \sim \mathcal{N}(0,1)$

$\text{Score}_{MC} = \text{clip}\!\left(\frac{\tilde{S}_{30} - S_0}{S_0} \cdot 10,\; -1,\; +1\right)$

6. KI-Synthese (Lovable AI)

Ein Large Language Model verarbeitet die obigen Faktoren plus aktuelle Nachrichten und liefert eine natürlichsprachliche Erklärung. Das LLM trifft keine Entscheidung — es interpretiert nur die Zahlen.

Composite Score

$\text{Score}_{final} = 0.22 \cdot M + 0.22 \cdot T + 0.18 \cdot Z + 0.25 \cdot B + 0.13 \cdot MC$

M = Momentum (RSI) · T = Trend (MACD) · Z = Mean-Reversion · B = Broker-Konsens · MC = Monte Carlo

Verdict-Mapping: ≥ +0.4 STRONG BUY · +0.15 – +0.4 BUY · ±0.15 HOLD · -0.4 – -0.15 SELL · ≤ -0.4 STRONG SELL

7. Backtesting vs. Monte Carlo — Warum beide nötig sind

Ein Backtest zeigt einen einzigen historischen Pfad. Das Problem: Märkte hätten sich auch anders entwickeln können. Ein Backtest, der +40 % p.a. zeigt, hat möglicherweise in 35 % aller plausiblen Marktszenarien zu massiven Verlusten geführt — nur nicht im tatsächlich beobachteten Pfad.

Monte Carlo simuliert 4.000 alternative Marktpfade auf Basis derselben statistischen Parameter. Das Ergebnis: eine Wahrscheinlichkeitsverteilung über mögliche Renditen — nicht eine einzelne Zahl. Erst beide zusammen geben ein vollständiges Bild.

Quantm kombiniert deshalb historische Signalvalidierung (Backtest) mit forward-looking Monte-Carlo-Projektionen. Signale, die in beiden Verfahren überzeugen, erhalten höhere Gewichtung im Composite Score.

Disclaimer: Quantm-Signale sind keine Anlageberatung. Vergangene Performance ist kein Indikator für zukünftige Ergebnisse. Trading-Entscheidungen liegen ausschließlich beim Nutzer.

← Über uns System-Status →