Saisonalität Analyse

6 Datenquellen

Wir aggregieren tägliche OHLCV-Daten für jedes Symbol, bis zu 10+ Jahre zurück, wo verfügbar. Daten werden nach Kalendermonat, Quartal und Wochentag gruppiert, um wiederkehrende Muster über mehrere Zeiträume zu zeigen.

Überlappende Jahreslinien

Das Saisonalitätsdiagramm überlagert die kumulative YTD-Rendite jedes Jahres als separate Linie. Wo Linien sich gruppieren, ist das Muster stark. Abweichende Linien zeigen Jahre, die die saisonale Norm brachen — oft verbunden mit Makroereignissen.

Gewinnquote + Größe

Die Gewinnquote zeigt, wie oft ein Monat positiv abschloss. Die durchschnittliche Rendite zeigt die Größe. Eine 75%-Gewinnquote mit +2% Durchschnitt ist zuverlässiger als 50% mit +15% — letzteres wird von einem einzelnen Ausreißerjahr getrieben.

Saisonales Muster (Überlagerung)

Jede farbige Linie repräsentiert die kumulative Rendite eines Kalenderjahres. Die dicke weiße Linie ist der Durchschnitt aller Jahre im gewählten Zeitraum. Wenn Jahreslinien eng um den Durchschnitt gruppiert sind, ist das saisonale Muster zuverlässig. Große Streuung bedeutet, das Muster ist verrauscht — getrieben von ein oder zwei Ausreißerjahren.

Die gestrichelte vertikale Linie markiert die heutige Position im Kalender. Linien rechts davon zeigen, was die Saisonalität für den Rest des Jahres vorhersagt.

Monatliche Renditen-Balkendiagramm

Grüne Balken zeigen Monate, die historisch im Durchschnitt positiv abschließen; rote Balken sind historisch negative Monate. Die violette Gewinnquotenlinie auf der rechten Achse zeigt den Prozentsatz der Jahre, in denen dieser Monat positiv war — dies ist oft nützlicher als der Durchschnitt, da ein einzelner 100%+-Monat den Durchschnitt dramatisch verzerren kann.

Suchen Sie nach Monaten, in denen sowohl der Balken grün ist als auch die Gewinnquote über 60% liegt. Dies sind die konsistentesten saisonalen Zeitfenster.

Quartals- & Wochentagsmuster

Quartalsdaten fassen drei Monate zu einer einzigen Performancezahl zusammen — nützlich zur Identifizierung breiter saisonaler Regimes (z.B. „Q4-Rallye“ oder „Sommerflaute“). Wochentagsmuster erfassen Mikrostrukturen: institutionelles Rebalancing montags, Retail-Aktivität am Wochenende und Optionsverfallseffekte freitags.

Multi-Asset-Heatmap

Die Heatmap vergleicht saisonale Muster der Top 10+ Krypto-Assets gleichzeitig. Suchen Sie nach vertikalen grünen Spalten (Monaten, in denen der gesamte Markt tendenziell steigt) und roten Spalten (marktweiter Schwäche). Einzelne Zellen, die von ihrer Spalte abweichen, zeigen asset-spezifische saisonale Vorteile — z.B. ein Altcoin mit starkem Februar, wenn der Markt typischerweise schwach ist.

Vergangenheit ≠ Zukunft

Vergangene Performance garantiert keine zukünftigen Ergebnisse. Saisonale Muster sind statistische Tendenzen, keine Gewissheiten. Ein Monat mit 80% historischer Gewinnquote wird trotzdem Verlustjahre haben. Nutzen Sie Saisonalität stets als einen Input neben Kursaktion, Fundamentaldaten und Risikomanagement.

Begrenzte Historie

Krypto hat viel weniger Historie als traditionelle Assets. BTC hat ~12 Jahre verlässliche Daten; die meisten Altcoins 3-5 Jahre. Kleine Stichproben bedeuten, dass Durchschnitte sich dramatisch verschieben können, wenn ein einzelnes Ausreißerjahr hinzugefügt oder entfernt wird. Bevorzugen Sie 5J+-Zeiträume für stabilere Muster.

Regimewechsel

Makroereignisse (Fed-Politikwechsel, Regulierung, Black-Swan-Ereignisse) können saisonale Muster komplett außer Kraft setzen. Bitcoin-Halving-Zyklen erzeugen ihren eigenen 4-Jahres-Rhythmus, der Kalendersaisonalität verstärken oder aufheben kann. Prüfen Sie stets, ob das aktuelle Makroregime der historischen Periode entspricht, die die Daten abdecken.