Mean Reversion Trading: Definition, Strategien & Indikatoren (2026)

Kaum ein Kurs bewegt sich in einer geraden Linie. Nach einem starken Ausschlag nach oben oder unten zieht es die meisten Märkte wieder in Richtung ihres Durchschnitts. Genau diese Beobachtung ist der Kern des Mean Reversion Tradings: Du kaufst, wenn andere in Panik verkaufen, und verkaufst, wenn die Euphorie den Kurs zu weit getrieben hat. Der Ansatz gehört damit zu den wenigen Strategien, die bewusst gegen die laufende Bewegung arbeiten.

Dieser Artikel zeigt dir, wie das Prinzip funktioniert, welche Indikatoren die Abweichung vom Mittelwert sichtbar machen und welche drei Strategien sich in veröffentlichten Backtests bewährt haben. Dazu bekommst du die unbequemen Zahlen: Mean Reversion liefert hohe Trefferquoten, aber die beeindruckendsten Backtest-Ergebnisse beruhen oft auf sehr wenigen Trades.

Die Kennzahlen in diesem Artikel stammen aus veröffentlichten Backtests und aus der Fachliteratur. Jede Quelle ist verlinkt, damit du die Zahlen selbst nachschlagen kannst. Ein Backtest ist keine Renditegarantie, sondern eine Auswertung der Vergangenheit unter festen Regeln. Dieser Artikel entspricht unseren redaktionellen Richtlinien.

Was ist Mean Reversion? (Definition & Grundlagen)

Extreme Kursbewegungen korrigieren sich in den meisten Marktphasen wieder. Diese Beobachtung bildet die Grundlage des Mean Reversion Tradings.

Mean Reversion beschreibt die statistische Tendenz von Kursen, nach einer starken Abweichung wieder zu ihrem historischen Durchschnitt zurückzukehren.

Ein Beispiel macht es greifbar. Ein Aktienkurs pendelt monatelang um 50 Euro. Steigt er plötzlich auf 80 Euro, ohne dass sich am Unternehmen etwas geändert hat, wächst die Wahrscheinlichkeit einer Korrektur zurück zum Mittelwert. Der Kurs ist nicht falsch bewertet, weil eine Formel das sagt, sondern weil Käufer fehlen, die auf diesem Niveau noch nachlegen wollen.

Für denselben Zusammenhang gibt es ein bekanntes Bild aus der Börsenliteratur. Kostolanys Bild vom Hund und dem Spaziergänger beschreibt den Kurs als Hund, der vorausläuft und immer wieder zurückkommt. Es erklärt die Richtung der Rückkehr, nicht ihren Zeitpunkt.

Das Konzept stammt aus der Statistik. Sir Francis Galton beschrieb es im 19. Jahrhundert bei seinen Untersuchungen zur Körpergröße: Kinder besonders großer Eltern fielen im Schnitt wieder Richtung Durchschnitt zurück. Heute nutzen Trader dasselbe Prinzip, um Übertreibungen an den Märkten zu handeln.

Die Logik dahinter ist einfach. Märkte übertreiben. Euphorie treibt Kurse zu hoch, Panik drückt sie zu tief. Beide Extreme halten selten lange an. Für dich als Trader heißt das: Du suchst gezielt Werte, deren Kurs weit vom Mittelwert entfernt liegt, und positionierst dich gegen die laufende Bewegung.

Mean Reversion einfach erklärt

Ein Gummiband kehrt nach starker Dehnung in seine Ausgangslage zurück. Finanzmärkte verhalten sich in ruhigen Phasen ähnlich.

Die deutsche Übersetzung lautet „Rückkehr zum Mittelwert“. Kurse schwanken um einen Durchschnittswert. Nach extremen Ausschlägen steigt die Chance auf eine Gegenbewegung. Diese Reversion to the Mean lässt sich in allen Märkten beobachten, bei Aktien, Währungen, Rohstoffen und Indizes.

Zurück zum Zahlenbeispiel. Eine Aktie pendelt seit Monaten zwischen 45 und 55 Euro, der Durchschnitt liegt bei 50 Euro. Springt sie binnen weniger Tage auf 70 Euro, verkauft ein Mean Reversion Trader. Fällt derselbe Titel auf 30 Euro, kauft er. Der Auslöser ist die Abweichung, nicht die Nachricht dahinter.

Entscheidend ist die Marktphase. Mean Reversion funktioniert in seitwärts laufenden Märkten am zuverlässigsten. Starke Trends verschieben den Durchschnitt dagegen laufend nach oben oder unten. Ein Kurs im Aufwärtstrend etabliert ständig neue, höhere Mittelwerte. Hier versagt die klassische Mean Reversion Logik, und zwar systematisch, nicht nur gelegentlich.

Die Rückkehr erfolgt außerdem nicht auf Kommando. Mal dauert sie Tage, mal Wochen. Wer zu früh einsteigt, sitzt die Bewegung aus oder wird vorher ausgestoppt.

Mathematische Grundlagen (für Fortgeschrittene)

Mean Reversion lässt sich quantifizieren. Das macht die Suche nach Gelegenheiten systematisch statt subjektiv.

Linear Regression bildet die Grundlage vieler Auswertungen. Sie legt eine Trendlinie durch historische Kursdaten und beschreibt den durchschnittlichen Verlauf. Je weiter der Kurs von dieser Linie abweicht, desto größer die statistische Spannung. Liegt der Kurs zwei Standardabweichungen über der Regressionslinie der letzten 50 Tage, ist das ein mögliches Signal für eine Short-Position.

Den Mean Value berechnest du meist über gleitende Durchschnitte. Ein 20-Tage-Durchschnitt addiert die Schlusskurse der letzten 20 Tage und teilt durch 20. Dieser Wert ist der Referenzpunkt, gegen den du jede aktuelle Notierung misst.

Um Abweichungen über verschiedene Märkte hinweg vergleichbar zu machen, nutzen quantitative Trader den Z-Score.

Der Z-Score gibt an, um wie viele Standardabweichungen ein Kurs von seinem Mittelwert entfernt ist.

Ein Z-Score von 2 bedeutet: Der Kurs liegt zwei Standardabweichungen über dem Durchschnitt. Werte über 2 oder unter minus 2 gelten als extreme Abweichung. Der große Vorteil: Ein Z-Score von 2 heißt bei Gold dasselbe wie bei EUR/USD, obwohl beide völlig unterschiedliche Kursniveaus haben.

Wie schnell ein Kurs zum Durchschnitt zurückfindet, beschreibt der Ornstein-Uhlenbeck-Prozess. Die Variable θ (Theta) steht für diese Rückkehrgeschwindigkeit. Hohe Werte bedeuten Korrekturen innerhalb weniger Tage, niedrige Werte deuten auf Bewegungen über Wochen hin.

Praktisch nützlicher als Theta selbst ist die daraus abgeleitete Half-Life.

Die Half-Life gibt an, wie lange ein Kurs im Durchschnitt braucht, um die Hälfte seiner Abweichung vom Mittelwert abzubauen.

Liegt die Half-Life bei fünf Tagen, ist eine Haltedauer von zwei Wochen realistisch. Liegt sie bei 60 Tagen, passt die Idee nicht ins Daytrading. Die Half-Life sagt dir also, welcher Zeitrahmen zum Markt passt, statt dass du ihn nach Gefühl wählst.

Ob ein Wert überhaupt zur Rückkehr neigt, prüft der Augmented Dickey-Fuller Test statistisch. Werte unter minus 3 deuten auf ausgeprägte Mean Reversion hin, Werte über minus 1 sprechen für einen Trendmarkt. Für den praktischen Einstieg reicht allerdings das Grundverständnis: Durchschnitt berechnen, Abweichung messen, Extreme handeln.

Wie funktioniert Mean Reversion im Trading?

Die Umsetzung folgt vier Schritten, die aufeinander aufbauen. Du identifizierst eine Übertreibung und handelst die erwartete Korrektur.

Das Konzept: Preise kehren zum Durchschnitt zurück

Der erste Schritt ist die Bestimmung des Mittelwerts. Gleitende Durchschnitte wie der Simple Moving Average oder der Exponential Moving Average liefern diesen Referenzwert. Ein 20-Tage-SMA bildet den durchschnittlichen Schlusskurs der letzten 20 Handelstage ab.

Danach misst du die Abweichung. Wie weit liegt der Kurs vom Durchschnitt entfernt? Bollinger Bänder zeichnen zwei Standardabweichungen um den gleitenden Durchschnitt, der RSI misst das Momentum auf einer Skala von 0 bis 100. Bei zwei Standardabweichungen gilt ein Kurs statistisch als extrem.

Aus diesen Extremen entstehen Handelssignale. Liegt der Kurs weit unter dem Durchschnitt, ist er überverkauft, und die Chance auf eine Aufwärtsbewegung steigt. Für überkaufte Zonen gilt dasselbe spiegelverkehrt.

Der Ausstieg erfolgt meist beim Erreichen des Mittelwerts. Konservative Trader schließen dort komplett. Aggressive Varianten warten auf die vollständige Gegenbewegung und nehmen dafür ein größeres Risiko in Kauf.

Voraussetzungen für Mean Reversion

Drei Faktoren entscheiden darüber, ob die Strategie überhaupt tragen kann.

1. Stationarität: Der Wert muss um einen stabilen Durchschnitt schwanken. In Trendmärkten verschiebt sich dieser Mittelwert laufend. Kaufst du dort eine Abweichung nach unten, fällt der Kurs oft weiter, weil der Trend die statistische Erwartung schlägt.
2. Liquidität: Ausreichend Handelsvolumen ermöglicht präzise Einstiege. Enge Spreads sind entscheidend, denn bei dünn gehandelten Werten fressen die Transaktionskosten den kleinen Gewinn auf, bevor die Position läuft.
3. Seitwärtsmärkte: In einer Range bleibt der Durchschnitt stabil, und Ausreißer korrigieren sich zuverlässiger. Währungspaare verbringen einen Großteil ihrer Zeit in solchen Phasen, große Aktienindizes neigen langfristig eher zum Trend.

Wann funktioniert Mean Reversion am besten?

Die besten Timeframes

Der Zeitrahmen beeinflusst die Trefferquote deutlich. Intraday-Charts zwischen 5 Minuten und 1 Stunde eignen sich für aktive Trader. Täglich entstehen mehrere Setups, besonders bei Forex und Futures. Der Preis dafür ist permanente Marktbeobachtung. Wie sich die Ebenen von M1 bis MN im Detail unterscheiden, zeigt unsere Übersicht der Trading-Zeiteinheiten.

Tages-Charts filtern das Marktrauschen besser. Eine Kerze steht für einen kompletten Handelstag mit deutlich mehr Volumen, die Signale werden klarer. Positionen laufen typischerweise drei bis zehn Tage, was gut zu einem Vollzeitjob passt.

Weekly Charts liefern die höchste statistische Aussagekraft. Dafür entstehen nur wenige Setups pro Jahr, bei Haltedauern von mehreren Wochen bis Monaten. Wer selten handeln will, fährt hier am ruhigsten.

Als Faustregel gilt: Der Timeframe sollte zur Half-Life des Marktes passen. Ein Wert, der im Schnitt 30 Tage für den halben Rückweg braucht, gibt im 5-Minuten-Chart keine brauchbaren Signale.

Die besten Märkte

Nicht jeder Markt eignet sich gleich gut. Währungspaare wie EUR/USD, GBP/USD oder USD/JPY zeigen häufig Seitwärtsbewegungen. Hohe Liquidität und gegenläufige fundamentale Kräfte begrenzen dort die Ausschläge.

Rohstoffe wie Öl oder Gold zeigen ebenfalls Rückkehrtendenzen. Das gilt vor allem in Phasen ohne klaren makroökonomischen Treiber, wenn weder Zinsen noch Konjunkturdaten eine Richtung vorgeben.

Bei Aktien entscheidet die Auswahl. Blue Chips mit hohem Volumen arbeiten zuverlässiger als Small Caps. Defensive Sektoren wie Versorger oder Konsumgüter schwanken stabiler als volatile Tech-Werte. Große Indizes wie der S&P 500 steigen langfristig, zeigen kurzfristig aber ausgeprägtes Mean-Reversion-Verhalten.

Ob eine Regel wirklich trägt, klärst du am schnellsten mit einem Backtest. Eine Vorlage dafür liefert unser Guide Python Trading Bot erstellen.

Mean Reversion vs. Trend Following

Mean Reversion und Trend Following sind gegensätzliche Philosophien. Die eine setzt auf Umkehr, die andere auf Fortsetzung.

Die fundamentalen Unterschiede

Mean Reversion kauft Schwäche und verkauft Stärke. Die Annahme lautet: Extreme korrigieren sich. Ein fallender Kurs ist eine Kaufgelegenheit, ein steigender ein Verkaufssignal. Trend Following macht exakt das Gegenteil und kauft Stärke, weil Trends sich fortsetzen.

Auch das Risikoprofil unterscheidet sich grundlegend. Mean Reversion liefert viele kleine Gewinne bei hoher Trefferquote, dafür gelegentlich einen großen Verlust, wenn die Korrektur ausbleibt. Trend Following produziert viele kleine Verluste und wenige große Treffer. Entsprechend verschieden ist die psychologische Belastung.

Wann welche Strategie nutzen?

Die praktikabelste Antwort lautet: beide, parallel im Portfolio.

Ranging Markets ohne klare Richtung bevorzugen Mean Reversion. Der Kurs pendelt zwischen Support und Resistance, Extreme werden zuverlässig korrigiert. Währungspaare verbringen die meiste Zeit in solchen Phasen.

Trending Markets verlangen Trend Following. Der Kurs bildet höhere Hochs und höhere Tiefs, der Durchschnitt zieht mit. Mean Reversion läuft hier in eine Verlustserie, weil jedes „zu teuer“ noch teurer wird.

Das eigentliche Problem: Niemand weiß im Voraus, welche Marktphase als Nächstes kommt. Deshalb kombinieren erfahrene Trader beide Ansätze. Die Diversifikation glättet die Equity-Kurve und reduziert Drawdowns.

Der ADX-Indikator hilft bei der Einordnung. Werte unter 25 deuten auf einen Seitwärtsmarkt hin, Werte darüber auf einen Trend. Als alleiniger Filter reicht der ADX nicht, weil er der Bewegung nachläuft. Die Marktstruktur selbst bleibt das wichtigere Signal.

Die 5 besten Mean Reversion Indikatoren

Die richtigen Indikatoren trennen ein regelbasiertes Vorgehen vom Raten. Diese fünf haben sich in der Praxis bewährt.

Auch Fibonacci Retracements gehören in diese Familie. Sie definieren Zonen, in denen eine Rückkehr wahrscheinlicher wird.

1. Moving Averages (Simple & Exponential)

Gleitende Durchschnitte sind das Fundament jeder Mean-Reversion-Strategie. Sie zeigen den Durchschnittspreis über einen Zeitraum und dienen als Referenzlinie.

Der Simple Moving Average (SMA) gewichtet alle Kurse gleich. Der Exponential Moving Average (EMA) gewichtet aktuelle Kurse stärker und reagiert schneller. Der 50-EMA ist beliebt, weil er Schwankungen glättet und trotzdem zeitnah reagiert. Je kürzer die Periode, desto mehr Signale und desto mehr Fehlsignale.

Die Anwendung ist unkompliziert: Liegt der Kurs deutlich über dem Durchschnitt, gilt der Wert als überkauft, darunter als überverkauft. Ein Durchschnitt allein liefert allerdings keine Schwelle, ab der eine Abweichung extrem ist.

2. Bollinger Bands

Bollinger Bänder sind ein Volatilitätsindikator, der zwei Standardabweichungen ober- und unterhalb eines gleitenden Durchschnitts einzeichnet.

Die Konstruktion besteht aus drei Linien: einem 20-Tage-SMA in der Mitte und zwei Standardabweichungen als äußere Bänder. Diese passen sich automatisch an die Volatilität an. In ruhigen Phasen ziehen sich die Bänder zusammen, in hektischen weiten sie sich.

Berührt der Kurs das obere Band, hat er sich weit vom Durchschnitt entfernt. Das untere Band markiert überverkaufte Bereiche. Der Ausstieg erfolgt meist am mittleren Band. Eine Bandberührung allein ist aber kein Signal: In starken Trends läuft der Kurs oft tagelang am äußeren Band entlang, ohne umzukehren.

3. Relative Strength Index (RSI)

Der RSI ist ein Momentum-Indikator, der das Verhältnis von Aufwärts- zu Abwärtsbewegungen auf einer Skala von 0 bis 100 abbildet.

Die Standardeinstellung nutzt 14 Perioden. RSI über 70 signalisiert überkaufte Zonen, unter 30 überverkaufte. Mean Reversion Trader verkaufen im ersten Fall und kaufen im zweiten, der Ausstieg liegt zwischen 40 und 60. Die Schwellen sind Konvention, keine Naturkonstante und werden je nach Markt angepasst.

Kürzere Einstellungen wie der RSI-2 eignen sich fürs Day Trading, längere wie der RSI-21 fürs Swing Trading. Divergenzen warnen zusätzlich: Erreicht der Kurs ein neues Hoch, der RSI aber nicht, schwächt sich das Momentum ab.

4. Williams %R

Der Williams %R misst auf einer Skala von 0 bis minus 100, wo der aktuelle Kurs innerhalb der Handelsspanne der letzten Perioden liegt.

Williams %R und die Stochastik rechnen dieselbe Größe, nur andersherum. Beide messen die Lage des Schlusskurses in der Hoch-Tief-Spanne, der eine auf einer Skala von 0 bis minus 100, der andere von 0 bis 100. Was eine Auswertung über 7.648 Tageskerzen von den gängigen Signalregeln übrig lässt, zeigt der Ratgeber zum Stochastik-Indikator.

Werte über minus 20 stehen für überkaufte Bedingungen, Werte unter minus 80 für überverkaufte. Der von Larry Williams entwickelte Indikator reagiert schneller als der RSI auf Extreme. Der Preis dafür sind mehr Fehlsignale.

Praktisch handelst du ihn über die Drehung: kaufen, wenn der Williams %R von unter minus 80 nach oben dreht, verkaufen, wenn er von über minus 20 nach unten dreht. Die minus 50 Mittellinie liefert zusätzlich einen Hinweis auf die Trendstärke.

5. Keltner Channels

Ein Keltner Channel ist ein Volatilitätskanal, dessen Bänder um ein Vielfaches der Average True Range über und unter einem gleitenden Durchschnitt liegen.

Die Mittellinie bildet ein 20-Perioden-EMA, die Bänder liegen standardmäßig 2× ATR darüber und darunter. Während Bollinger Bänder auf der Standardabweichung basieren, nutzt der Keltner Channel die Average True Range, also die tatsächliche Handelsspanne. Das macht ihn glatter und weniger anfällig für einzelne Ausreißer.

Die Logik bleibt gleich: oberes Band überkauft, unteres Band überverkauft, Ausstieg an der Mittellinie. In Kombination mit dem ADX verbessern sich die Ergebnisse spürbar, wenn du nur bei ADX unter 25 handelst, der Markt also wirklich seitwärts läuft.

Für Intraday-Trader kommt der VWAP als Referenzlinie infrage. Er gewichtet den Durchschnitt nach Volumen und dient vielen Daytradern als Tages-Mittelwert, zu dem der Kurs zurückkehrt.

Die drei besten Mean Reversion Trading Strategien im Detail

Mean Reversion lässt sich unterschiedlich handeln. Die folgenden drei Ansätze verfolgen verschiedene Wege: RSI-10 arbeitet mit einem Momentum-Indikator, die RSI-25/75-Variante mit noch kürzeren Perioden, das 1-2-3-Pattern mit Chartstruktur. Alle drei stammen aus veröffentlichten Backtests, deren Zahlen unten mit Quelle stehen.

Strategie 1: RSI-10 Mean Reversion (Larry Connors)

Larry Connors entwickelte diesen Ansatz für den Aktienmarkt. Ein 10-Perioden-RSI erfasst kurzfristige Übertreibungen enger als die Standardeinstellung mit 14. Der Trendfilter ist dabei genauso wichtig wie das Signal selbst.

TradingWithRayner testete die Strategie auf dem S&P 500 (SPY) im Tageschart über 25 Jahre und kam auf 86,84 Prozent Trefferquote bei 38 Trades und 1,39 Prozent durchschnittlichem Gewinn.

Diese Zahl braucht eine Einordnung. 38 Trades in 25 Jahren sind rund anderthalb Signale pro Jahr, und aus so wenigen Trades lässt sich keine belastbare Erwartung ableiten. Dieselbe Quelle testete die Regeln breiter auf dem Russell-1000-Universum: Dort kam sie bei 6.711 Trades auf 66,95 Prozent Trefferquote. Je größer die Stichprobe, desto nüchterner das Ergebnis.

Setup & Entry-Regeln

• Trendfilter: Der Kurs schließt über dem 200-Tage-Durchschnitt. Das schließt Käufe in Bärenmärkten aus.
• Momentum-Signal: Der 10-Perioden-RSI fällt unter 30. Der Markt ist kurzfristig überverkauft.
• Entry: Kauf am nächsten Handelstag zur Eröffnung. Getestet wurde ausschließlich auf der Long-Seite.

Exit & Stop Loss

• RSI-Exit: Position schließen, sobald der 10-Perioden-RSI über 40 steigt.
• Zeit-Exit: Nach 10 Handelstagen schließen, falls der RSI-Exit nicht greift.
• Kein preisbasierter Stop: Die Originalregeln verlassen sich auf den Zeit-Exit. Das verhindert Ausstiege durch Zwischenschwankungen, lässt den Verlust im Ernstfall aber offen.

Strategie 2: RSI 25 & RSI 75 Mean Reversion (Larry Connors)

Larry Connors und Cesar Alvarez entwickelten diese Variante für den ETF-Handel. Sie nutzt einen 4-Perioden-RSI, der noch sensibler auf kurzfristige Extreme reagiert. Je kürzer die RSI-Periode, desto häufiger die Signale.

Nach den veröffentlichten Auswertungen von QuantifiedStrategies erreichte die Strategie auf dem S&P 500 (SPY) rund 73 Prozent Trefferquote bei 1,04 Prozent Durchschnittsgewinn pro Trade und einem Profit Factor von 3,68. Für den Nasdaq (QQQ) lagen die Werte ähnlich. Diese Zahlen stammen vom Anbieter selbst und ließen sich nicht unabhängig nachrechnen.

Setup & Entry-Regeln

• Bedingung 1: Der Schlusskurs liegt über dem 200-Tage-Durchschnitt.
• Bedingung 2: Der 4-Perioden-RSI fällt unter 25.
• Entry: Sind beide Bedingungen erfüllt, wird zum Schlusskurs gekauft.
• Aggressive Variante: Fällt der RSI unter 20, kommt eine zweite Position dazu. In Connors’ eigenen Tests hob das die Trefferquote von 76 auf 82 Prozent, erhöht aber das Klumpenrisiko im selben Wert.

Exit & Stop Loss

• Exit-Signal: Schließen, wenn der 4-Perioden-RSI über 55 steigt. Der namensgebende Exit bei RSI 75 führte zu deutlich höheren Drawdowns.
• Kein klassischer Stop Loss: Die Strategie verzichtet bewusst darauf, weil ein enger Stop die erwartete Gegenbewegung abschneiden würde. Das ist die zentrale Schwachstelle des Ansatzes.
• Praktisches Problem: Ein- und Ausstieg erfolgen zum Schlusskurs. Orders müssen kurz vor Handelsschluss platziert werden, was im Berufsalltag schwer umsetzbar ist.

Strategie 3: Die 1-2-3 Trading Strategie

Victor Sperandeo beschrieb dieses Muster in „Trader Vic: Methods of a Wall Street Master“. Es erkennt Trendwenden über drei charakteristische Wendepunkte.

QuantifiedStrategies testete das Pattern auf Gold (GLD, Tageschart) und kam bei 20 Tagen Haltedauer auf einen Profit Factor von 2,22. Die bullische Variante schnitt deutlich besser ab als die bearische.

Einen ausführlichen Guide dazu findest du unter 1-2-3 Kursmuster. Dort stehen erweiterte Beispiele und Praxistipps.

Setup & Entry-Regeln

• Punkt 1: Das letzte Extrem des Trends, also das tiefste Tief (bullisch) oder das höchste Hoch (bearisch).
• Punkt 2: Die erste Gegenbewegung durchbricht die Trendlinie.
• Punkt 3: Der gescheiterte Versuch, den alten Trend fortzusetzen. Je näher Punkt 3 an Punkt 1 liegt, desto stärker das Signal.
• Entry: Der Ausbruch über Punkt 2 bestätigt die Umkehr.

Exit & Stop Loss

• Stop Loss: Knapp unter Punkt 3, bei hoher Volatilität hinter Punkt 1. Als einzige der drei Strategien arbeitet diese mit einem echten Kursstop.
• Profit Target: Die Distanz zwischen Punkt 2 und dem Mittelpunkt der Linie von Punkt 1 zu Punkt 3 messen und vom Entry aus projizieren.
• Alternativen: Teilgewinn bei 50 Prozent, Trailing Stop am gleitenden Durchschnitt oder Ausstieg bei Divergenzen.

Mean-Reversion-Regeln lassen sich gut automatisieren, weil Ein- und Ausstieg klar definiert sind. Passende Werkzeuge findest du im Abschnitt Open-Source-Trading-Bots.

Mit Larry Connors zusammen schrieb Linda Bradford Raschke das Buch Street Smarts. Ihre 50 Trading-Regeln fassen ihre Haltung zum Markt zusammen.

Pairs Trading: Mean Reversion zwischen zwei Werten

Bisher ging es um die Rückkehr eines einzelnen Kurses zu seinem eigenen Durchschnitt. Es geht auch eine Ebene abstrakter.

Pairs Trading ist eine Mean-Reversion-Strategie, bei der nicht ein einzelner Kurs gehandelt wird, sondern die Kursdifferenz zwischen zwei historisch eng verbundenen Werten.

Das Prinzip: Zwei Aktien derselben Branche laufen über Jahre weitgehend parallel. Läuft eine plötzlich davon, während die andere zurückbleibt, weitet sich der Abstand über sein übliches Maß. Du kaufst dann den zurückgebliebenen Wert und verkaufst den gelaufenen leer. Schließt sich die Lücke, verdienst du an beiden Seiten.

Der große Vorteil liegt in der Marktneutralität. Weil eine Position long und eine short ist, spielt die Richtung des Gesamtmarkts kaum eine Rolle. Fällt der ganze Sektor, verlieren beide Positionen gleichmäßig, und der Gewinn entsteht aus der Annäherung der beiden Kurse. Das macht den Ansatz verwandt mit dem Arbitrage-Gedanken, ohne dessen risikofreien Charakter zu haben.

Gemessen wird der Abstand meist über den Z-Score des Spreads. Ein Z-Score über 2 signalisiert eine ungewöhnlich große Lücke, die Position wird bei Rückkehr Richtung 0 geschlossen. Die statistische Vorarbeit ist hier größer als bei allen anderen Ansätzen, weil du zuerst prüfen musst, ob die beiden Werte überhaupt dauerhaft zusammengehören.

Genau darin liegt das Hauptrisiko. Der historische Zusammenhang kann dauerhaft brechen, etwa nach einer Übernahme oder einer Gewinnwarnung. Dann läuft der Spread immer weiter auseinander, und beide Seiten verlieren. Ein Stop auf Spread-Basis ist deshalb Pflicht, auch wenn die anderen Ansätze darauf verzichten.

Erfolgsquote & Profitabilität von Mean Reversion

Mean Reversion liefert in Backtests hohe Trefferquoten. Die Spannweite der veröffentlichten Zahlen ist allerdings groß, und der Grund dafür ist lehrreich.

Realistische Erwartungen: Win Rate & Risk-Reward

Backtests dokumentieren Trefferquoten zwischen 66 und 87 Prozent. Der Unterschied hängt stark an der Stichprobengröße: Die Spitzenwerte stammen aus Tests mit wenigen Dutzend Trades, breit angelegte Auswertungen mit mehreren tausend Trades landen bei rund zwei von drei Gewinnern. Trendfolge-Strategien erreichen im Vergleich oft nur 30 bis 40 Prozent.

Der eigentliche Unterschied liegt im Gewinnprofil. Mean Reversion erzielt viele kleine, konstante Gewinne statt weniger großer Treffer. Das Chance-Risiko-Verhältnis bewegt sich meist zwischen 1:0,75 und 1:1,5.

Daraus folgt eine unbequeme Konsequenz: Bei einer Trefferquote von 70 Prozent und einem CRV unter 1 reicht eine Handvoll großer Verluste, um ein Jahr zu ruinieren. Deshalb entscheidet beim Mean Reversion Trading die Positionsgröße stärker über das Ergebnis als das Einstiegssignal.

Was sagen wissenschaftliche Studien?

Die akademische Grundlage ist solide und deutlich älter als die meisten Trading-Blogs. Poterba und Summers wiesen 1988 in „Mean reversion in stock prices“ im Journal of Financial Economics nach, dass Aktienrenditen über längere Zeiträume negativ autokorreliert sind. Auf Deutsch: Auf starke Phasen folgen überdurchschnittlich oft schwächere.

Im selben Jahr zeigten Eugene Fama und Kenneth French in „Permanent and Temporary Components of Stock Prices“ im Journal of Political Economy dieselbe Struktur. Sie zerlegten Kurse in einen dauerhaften und einen vorübergehenden Bestandteil, wobei nur der vorübergehende zum Mittelwert zurückkehrt. Zwei unabhängige Arbeiten im selben Jahr machen den Befund belastbar.

Neuere Auswertungen fallen optimistischer aus, sind aber vorsichtiger zu lesen. Ein Preprint von Huang und Wang (2016) berichtet für optimierte Mean-Reversion-Paare Sharpe Ratios über 2. Diese Arbeit ist nicht peer-reviewed, und die Werte stammen aus optimierten Parametern an ausgewählten Wertpapierpaaren.

Aus der Praxis kommt das bekannteste Beispiel von Renaissance Technologies. Nach der Darstellung in Gregory Zuckermans „The Man Who Solved the Market“ gehörten Rückkehr-zum-Mittelwert-Signale zu den ersten funktionierenden Modellen des Medallion Fund. Was ein Fonds mit Millisekunden-Infrastruktur ausnutzt, ist mit einem Tageschart allerdings nicht dasselbe Geschäft.

Am Ende hängt die Profitabilität an drei Punkten: passende Marktauswahl, disziplinierte Ausführung und konsequentes Risikomanagement. Der Effekt ist real, die Umsetzung entscheidet.

Vor- und Nachteile von Mean Reversion Trading

Mean Reversion hat klare Stärken, aber auch strukturelle Schwächen. Beide Seiten solltest du kennen, bevor du echtes Geld einsetzt.

Für wen eignet sich Mean Reversion?

Mean Reversion passt gut zu Tradern, die bereits trendfolgend unterwegs sind. Die beiden Ansätze verdienen in unterschiedlichen Marktphasen, und genau das stabilisiert das Gesamtergebnis.

Besonders geeignet ist der Ansatz für Swing Trader und Position Trader. Höhere Timeframes wie Daily und Weekly liefern stabilere Signale als Intraday-Charts. Wer sehr kurzfristig arbeitet, findet im Scalping verwandte Ideen, zahlt dort aber deutlich mehr Transaktionskosten.

Für wen der Ansatz nichts ist: Wer psychologisch nicht damit umgehen kann, in eine fallende Bewegung hineinzukaufen, wird die Regeln im Ernstfall brechen. Und wer ohne festes Risikolimit arbeitet, gerät bei der ersten echten Trendphase in ernste Schwierigkeiten.

Fazit: Ist Mean Reversion die richtige Strategie für dich?

Mean Reversion funktioniert, aber nicht überall und nicht immer. Der Effekt ist wissenschaftlich belegt, die praktische Umsetzung scheitert trotzdem oft an der Marktphase und am Risikomanagement.

Jeder Trader sollte mindestens eine Mean-Reversion-Strategie im Repertoire haben. Der Grund ist die Ergänzung zur Trendfolge: Während Momentum in Trends verdient, arbeitet Mean Reversion in Seitwärtsphasen. Diese Kombination glättet die Equity-Kurve deutlicher als jede Optimierung einer einzelnen Strategie.

Der Einstieg ist unkomplizierter als gedacht. Wähle eine der drei vorgestellten Strategien und teste sie zunächst manuell auf TradingView. Für die Automatisierung eignet sich MetaTrader bei Forex und CFDs, NinjaTrader bei Futures. Prüfe dabei immer, wie viele Trades ein Backtest überhaupt enthält.

Starte mit kleinen Positionen und dokumentiere jeden Trade. Erhöhe das Risiko erst nach nachweislicher Profitabilität über mehrere Monate. Wer dabei Unterstützung sucht, findet sie in der Trading Ausbildung von Kagels Trading.

Über den Autor: Bjarne Claussen

Bjarne Claussen ist seit 2018 im Trading aktiv und schreibt als Autor für Kagels Trading zu den Schwerpunkten Prop Trading, KI- und Algo-Trading, Kryptowährungen, Makroökonomie und Fundamentalanalyse.

Als Algo-Trader handelt er selbst primär Rohöl und den S&P 500. Sein Fokus auf systematische, datengetriebene Handelsansätze ergänzt die diskretionäre Trading-Perspektive bei Kagels Trading und bildet die Grundlage seiner kritischen Bewertungen von Trading-Software und Strategien.

Für diesen Artikel hat er die drei vorgestellten Strategien auf ihre Regelklarheit geprüft und die veröffentlichten Backtest-Zahlen gegen die Originalquellen gehalten. Dabei hat er die Stichprobengrößen offengelegt und die Zuordnung der zitierten Studien von Poterba/Summers und Fama/French korrigiert.

Dieser Artikel wurde von Karsten Kagels final geprüft.