Was fünfzig Jahre Forschung daraus gemacht haben

Levys Kennzahl war 1970 widerlegt. Dass sie heute trotzdem gerechnet wird, liegt nicht an ihm — sondern an dem, was danach kam.

1993 wurde der Effekt unabhängig bestätigt, an Daten, die überwiegend nach Levys Zeitraum lagen. 1997 wurde er zum Faktor neben Markt, Größe und Value; wer heute die Leistung eines Fonds erklärt, rechnet damit. 2013 war er über Länder und Anlageklassen hinweg nachgewiesen.

Diese Seite geht diesen Weg entlang — einschließlich der Stellen, an denen die Strategie teuer war. Am Ende steht, was davon in dieser Liste als eigene Spalte auftaucht, und was daraus folgt. Woher die Kennzahl kommt und wie sie gerechnet wird, steht im ersten Teil: RSL: Methodik & Herkunft.

seit 1967 untersucht — von Levys Aufsatz bis in die heutige Literatur Robert A. Levy 1967, Journal of Finance 22(4), S. 595

8 Märkte Einzelaktien in vier Regionen, Länderindizes, Staatsanleihen, Währungen und Rohstoffe Clifford S. Asness 2013, Einleitung

1927–2013 Länge der ausgewerteten Datenreihe — 87 Jahre Kent Daniel 2016, Tabelle 1

Der Weg durch die Forschung

Neun Stationen, an denen sich die Einschätzung geändert hat. Die ersten beiden stehen im ersten Teil, die übrigen sieben bekommen weiter unten ihren eigenen Abschnitt; jede steht mit vollständiger Angabe im Quellenverzeichnis am Ende.

1967 Levy stellt die Kennzahl vor (erster Teil)
1970 Jensen und Benington widerlegen ihn (erster Teil)
1990 Kurse kehren kurzfristig um
1993 Jegadeesh und Titman rehabilitieren den Effekt
1997 Momentum wird ein Faktor
2004 Das 52-Wochen-Hoch schlägt Momentum
2013 Nicht auf US-Aktien beschränkt
2015 Risikosteuerung schlägt Signalverfeinerung
2016 Momentum Crashes

1993

Der Beweis

12,01 % p. a. aufgezinste Überrendite, sechs Monate Bildung und sechs Monate Halten, Gewinner minus Verlierer Narasimhan Jegadeesh 1993, Conclusions

1965–1989 Untersuchungszeitraum, überwiegend nach Levys Zeitraum Narasimhan Jegadeesh 1993, Conclusions

die Hälfte der Überrendite des ersten Jahres verschwindet in den zwei Folgejahren Narasimhan Jegadeesh 1993, Conclusions

Nicht Levys Regel, aber derselbe Gedanke, sauber aufgesetzt: Narasimhan Jegadeesh und Sheridan Titman sortieren Titel nach ihrer Rendite der vergangenen drei bis zwölf Monate, kaufen die Gewinner, verkaufen die Verlierer leer und halten drei bis zwölf Monate. Die Strategie, die sie am genauesten untersuchen — sechs Monate Bildung, sechs Monate Halten —, erzielt über 1965 bis 1989 eine aufgezinste Überrendite von 12,01 Prozent im Jahr, die sich nicht durch systematisches Risiko erklären lässt.

Entscheidend ist dabei nicht die Höhe der Zahl, sondern wo sie herkommt: Die Daten liegen überwiegend nach Levys Zeitraum, und es ist nicht seine Stichprobe. Genau das war 1970 der Einwand gewesen.

Zur Zahl gehört ein zweiter Befund, der seltener zitiert wird: Die Hälfte der Überrendite des ersten Jahres verschwindet in den beiden Folgejahren wieder. Der Effekt hat einen Horizont, und wer ihn über den hinaus verlängert, rechnet mit etwas, das die Quelle nicht hergibt.

Beleg: Narasimhan Jegadeesh 1993, Conclusions

Hält der Befund?

Nach 1970 ist das die berechtigte Frage eines skeptischen Lesers: Warum soll ich das diesmal glauben?

Weil der Effekt seitdem außerhalb der ursprünglichen Daten gefunden wurde, in anderen Ländern und in anderen Anlageklassen — und weil er den Weg in die Modelle gefunden hat, mit denen die Branche die Leistung von Fonds beurteilt.

1997 — Aufgenommen in die Standardmodelle

Mark M. Carhart stellt Momentum 1997 als vierten Faktor neben Markt, Größe und Value. Seitdem rechnet damit, wer die Leistung eines Fonds erklären will: Ein Fonds, der nur deshalb vorn liegt, weil er auf steigende Titel gesetzt hat, gilt in diesem Modell nicht mehr als überdurchschnittlich gut geführt.

Der Faktor heißt in der Literatur meist UMD — „up minus down“ — und ist in der Datenbibliothek von Kenneth French mit monatlichen Werten ab 1927 frei verfügbar. Der Kopf der Datei sagt selbst, wie er gemessen wird: „Prior return is measured from month −12 to −2“ — also mit genau der Auslassung aus dem Abschnitt weiter unten.

Beleg: Mark M. Carhart 1997, Abstract, French Data Library

2013 — Über Länder und Anlageklassen hinweg

Clifford Asness, Tobias Moskowitz und Lasse Heje Pedersen finden Value- und Momentum-Prämien in acht Märkten und Anlageklassen: Einzelaktien in den USA, in Großbritannien, in Kontinentaleuropa und in Japan, dazu Länderindex-Futures, Staatsanleihen, Währungen und Rohstoff-Futures. Die Renditen von Value und von Momentum hängen über diese Klassen hinweg enger zusammen als die Anlageklassen selbst — ein Hinweis auf eine gemeinsame Ursache, nicht auf acht Zufallsfunde.

Praktisch die wichtigste Aussage der Arbeit ist aber eine andere: Value und Momentum korrelieren negativ miteinander, und zwar innerhalb jeder Anlageklasse ebenso wie über die Klassen hinweg. Eine Strategie, die auf relative Stärke setzt, läuft also eher dann schlecht, wenn eine Value-Strategie gut läuft. Wer beides hält, hält nicht zweimal dasselbe.

Beleg: Clifford S. Asness 2013, Abstract, Einleitung

2016

Die Kehrseite

Der Durchschnitt ist gut. Der schlechte Fall ist sehr schlecht.

Kent Daniel und Tobias Moskowitz werten die Monate von Januar 1927 bis März 2013 aus, 87 Jahre, und zeigen, was der Durchschnitt verdeckt: Die großen Verluste kommen gebündelt. Die beiden schlechtesten Monate der Strategie sind Juli und August 1932, direkt hintereinander, nach einem Marktrückgang von rund 90 Prozent seit dem Hoch von 1929. März und April 2009 stehen auf Platz 7 und 4; drei der zehn schlechtesten Monate fallen in das Jahr 2009, in einen Zeitraum von drei Monaten, in dem der Markt kräftig stieg und die Schwankung zurückging.

Entscheidend ist, woher der Absturz kommt: von der Short-Seite. In beiden Episoden stieg der Markt kräftig — und die Verlierer um ein Vielfaches davon. Genau diese Verlierer hat eine Momentum-Strategie leer verkauft. Sie stürzt nicht ab, weil ihre Gewinner fallen, sondern weil ihre Verlierer steigen.

Beleg: Kent Daniel 2016, Tabelle 1 und der Text dazu

Juli und August 1932

Markt +82 %
Gewinner-Decile +32 %
Verlierer-Decile +232 %

Kent Daniel 2016, Text zu Tabelle 1

März bis Mai 2009

Markt +26 %
Verlierer-Decile +163 %

Kent Daniel 2016, Text zu Tabelle 1

Daraus folgt der Satz, auf den es für diese Liste ankommt: Wer nur die Spitze der Rangliste kauft, ist 1932 nicht abgestürzt — er lag 50 Prozentpunkte hinter dem Markt. Der Absturz der Strategie ist der Absturz ihrer Leerverkäufe.

Der Momentum-Faktor, selbst nachgerechnet

Wie oft das passiert, lässt sich an den Rohdaten nachzählen. Die Datenbibliothek von Kenneth French führt den Faktor mit Monatswerten ab 1927. Die Werte darunter haben wir selbst daraus gerechnet, nicht übernommen. Sie gehören zu einem Long-Short-Portfolio mit Leerverkäufen — nicht zu dem, was diese Liste anzeigt; das zugrunde liegende Signal ist aber dasselbe.

8,6 % UMD-Faktor (Long-Short): Durchschnitt der Jahreswerte 1927–2025 French Data Library, Jahreswerte, CRSP-Stand 202607

21 von 99 UMD-Faktor (Long-Short): Kalenderjahre mit Verlust French Data Library, Jahreswerte, CRSP-Stand 202607

−83,5 % UMD-Faktor (Long-Short): schlechtestes Jahr, 2009 French Data Library, Jahreswerte, CRSP-Stand 202607

−52,6 % UMD-Faktor (Long-Short): schlechtester Monat, August 1932 French Data Library, Monatswerte, CRSP-Stand 202607

−73,7 % UMD-Faktor (Long-Short): Juni bis August 1932, aufgezinst French Data Library, Monatswerte, CRSP-Stand 202607

−49,4 % UMD-Faktor (Long-Short): März bis Mai 2009, aufgezinst French Data Library, Monatswerte, CRSP-Stand 202607

Was die Forschung über das Messen gelernt hat

Die Idee zu haben ist das eine. Sie richtig zu messen hat die Forschung weitere fünfzig Jahre beschäftigt.

Drei Verfeinerungen sind dabei herausgekommen. Die erste betrifft das Messfenster, die zweite die Bezugsgröße, die dritte gar nicht das Signal, sondern den Einsatz. Alle drei stehen im nächsten Abschnitt in unserer Liste — als eigene Spalten neben dem RSL, nicht an seiner Stelle.

1990 — Die jüngste Periode gehört ausgelassen

Auf Horizonten von einer Woche bis zu einem Monat laufen Kurse nicht fort, sondern kehren um — Narasimhan Jegadeesh zeigt das 1990, Bruce Lehmann im selben Jahr unabhängig davon. Das ist der Grund, warum der akademische Standard über die Monate t−12 bis t−2 misst und den jüngsten Monat bewusst wegfallen lässt.

Wer ihn mitnimmt, mischt sich genau den Effekt ins Signal, der gegen ihn arbeitet. Unsere eigene Formel macht das in verschärfter Form: Bei ihr steht der jüngste Kurs nicht nur im Messfenster, er steht im Zähler.

Sichtbar wird das auch bei Jegadeesh und Titman 1993, an ihren eigenen Daten: Ihr Portfolio aus Gewinnern minus Verlierern bringt nach der Bildung Monat für Monat Gewinn — mit genau einer Ausnahme:

With the exception of the first month, this portfolio realizes positive returns in each of the 12 months after the formation date.

Narasimhan Jegadeesh 1993, Conclusions

Beleg: Narasimhan Jegadeesh 1990, Abstract, Bruce N. Lehmann 1990, Narasimhan Jegadeesh 1993

2004 — Das beste Einzelmaß ist wieder ein Kursverhältnis

Thomas J. George und Chuan-Yang Hwang stellen die Nähe des Kurses zu seinem 52-Wochen-Hoch in den direkten Vergleich — gegen das klassische Momentum von Jegadeesh und Titman und gegen das Branchen-Momentum von Moskowitz und Grinblatt. Das Kursverhältnis dominiert beide, und die so prognostizierten Renditen kehren sich langfristig nicht um.

Für Levys Grundidee ist das eine späte Bestätigung: Einen Kurs ins Verhältnis zu einer eigenen Referenz zu setzen, ist nicht der schwächere Weg. Nur ist die bestbelegte Referenz nicht der gleitende Durchschnitt, sondern das Hoch.

Beleg: Thomas J. George 2004, Abstract, Tobias J. Moskowitz 1999

2015 — Der größte Hebel ist nicht das Signal, sondern das Risiko

Pedro Barroso und Pedro Santa-Clara skalieren die Strategie mit dem Kehrwert ihrer eigenen realisierten Schwankung der letzten sechs Monate — sie setzen also weniger ein, wenn es unruhig wird. Die Abstürze aus dem nächsten Abschnitt verschwinden damit praktisch.

Bemerkenswert daran ist, woher die Verbesserung kommt: nicht aus einer besseren Vorhersage, sondern aus der Steuerung des Einsatzes. Wer eine Rangliste liest, kann nichts skalieren. Was eine Liste kann, ist die Schwankung jedes Titels offen zeigen — als Risikoangabe, nicht als Urteil. Gemessen wird dort die Schwankung des ganzen Portfolios, nicht die einer einzelnen Aktie.

Beleg: Pedro Barroso 2015, Abstract

t−12 bis t−2 Messfenster des akademischen Standards — der jüngste Monat fehlt French Data Library, Dateikopf

Monat 1 negativ Gewinner minus Verlierer: im ersten Monat nach der Bildung Verlust, in den elf folgenden Gewinn Narasimhan Jegadeesh 1993, Conclusions

52-Wochen-Hoch schlägt im direkten Vergleich das klassische Momentum Thomas J. George 2004, Abstract

Was davon in dieser Liste steht

Wir ersetzen den RSL nicht. Wir stellen daneben, was die Forschung als stärker ausweist — und zeigen den Unterschied.

Spalte	Was sie misst	Woher
`RSL_26W`	Levys Kennzahl C/A26: Kurs geteilt durch den Durchschnitt aus dem aktuellen Kurs und den 26 Wochenschlusskursen davor.	Robert A. Levy 1967
`RSL_26W_o`	Derselbe Wert, um eine Woche versetzt — Zähler und Nenner gemeinsam. Liegt er weit vom RSL entfernt, bestimmt der jüngste Kurs die Rangfolge.	Narasimhan Jegadeesh 1990
`Mom_12_2`	Kursrendite von vor 12 Monaten bis vor 2 Monaten — der Momentum-Faktor, wie ihn die Forschung misst.	Mark M. Carhart 1997
`Hoch52W`	Kurs geteilt durch den höchsten Schlusskurs der letzten 52 Wochen. 1,00 heißt: der Titel steht auf seinem Jahreshoch.	Thomas J. George 2004
`Vola6M`	Schwankungsbreite der Tagesrenditen der letzten 6 Monate, auf ein Jahr hochgerechnet. Eine Risikoangabe ohne Wertung: Für die Frage, wie viel man einsetzt, ist Ruhe besser; bei der Wahl der Titel schnitten bei Levy die starken und zugleich volatilen am besten ab.	Pedro Barroso 2015

Warum der RSL bleibt, was er ist

Er ist ein definierter Indikator, kein Vorschlag. Wer ihn anderswo nachrechnet, muss dieselbe Zahl bekommen — sonst ist diese Liste nicht prüfbar, und prüfbar zu sein ist ihr einziger Anspruch. „Ein verbesserter RSL“ wäre kein RSL mehr: Wer nach der relativen Stärke eines Titels sucht und bei uns eine andere Zahl findet als überall sonst, hält nicht uns für richtig.

Die zweite Spalte ist die interessanteste. Sie zeigt denselben RSL, nur um eine Woche versetzt gerechnet. Liegen beide Werte regelmäßig weit auseinander, ist das der Beleg dafür, dass der jüngste Kurs die Rangfolge dominiert — an unseren eigenen Zahlen gemessen, statt aus der Literatur behauptet.

Und der Satz, auf den es ankommt

Wir haben an keinem dieser Parameter gedreht. Kein Ausprobieren, ob elf oder dreizehn Monate besser laufen, ob achtundvierzig oder zweiundfünfzig Wochen, ob die Auslassung zwei Wochen statt einer sein sollte. Die Spezifikationen stehen so in der Literatur, und sie stehen hier genauso. Der Grund, sie zu wählen, ist ihre Beleglage — nicht ihr Ergebnis auf unseren Daten.

Das ist der Rückbezug auf 1970 und schließt den Bogen dieser Seite: Levys Fehler war nicht seine Idee. Es war, aus achtundsechzig Versuchen den besten zu veröffentlichen.

Fazit

Der Effekt ist belegt. Die Kennzahl, mit der diese Liste ihn misst, ist die schlichteste von allen — und bewusst die unveränderte.

Drei Dinge bleiben nach fünfzig Jahren Forschung stehen. Erstens: Levys eigene Zahlen — 9,6 % für die stärksten gegen 2,9 % für die schwächsten zehn Prozent — zeigten ein Muster; als Handelsregel hielt es der Nachprüfung von 1970 nicht stand: Nach Kosten und bei gleichem Risiko blieb nichts übrig. Der Effekt selbst aber, dass Kursstärke eine Weile anhält, hat danach den Wechsel der Daten, des Jahrzehnts, des Landes und der Anlageklasse überstanden. Eine Anomalie, die das aushält, ist kein Zufallsfund. Zweitens: Sie kommt mit einem Preis, und der ist nicht klein. Der Momentum-Faktor hat im Schnitt 8,6 % im Jahr gebracht und in 21 von 99 Jahren verloren, im schlechtesten −83,5 %. Diese Abstürze sind keine Fußnote, sondern die Eigenschaft, die eine Strategie unbrauchbar macht, wenn man sie nicht aushält — und sie kommen von den Leerverkäufen, nicht von den Gewinnern. Drittens: Das Messen ist besser geworden als Levys ursprüngliche Regel — die Auslassung des jüngsten Monats, der Abstand zum Jahreshoch, die Steuerung über die Schwankung.

Was folgt daraus für diese Liste? Sie rechnet weiter Levys RSL, unverändert, und stellt die drei Verfeinerungen als eigene Spalten daneben. Der Grund ist derselbe wie 1970: Wer an Parametern dreht, bis das Ergebnis gefällt, bekommt ein gutes Ergebnis und keine Erkenntnis. Die Zahlen hier sind nachrechenbar, weil niemand sie optimiert hat.

Und was folgt daraus nicht? Dass eine einzelne Zeile dieser Tabelle etwas über morgen sagt. Die Forschung misst breit gestreute Portfolios über Monate; diese Liste zeigt einzelne Titel an einem Tag. Der Unterschied steht ausführlich im ersten Teil — er ist der Grund, warum hier eine Rangliste steht und kein Ratschlag.

Quellen

Jede Zahl auf dieser Seite steht mit ihrer Fundstelle daneben — Abschnitt, Tabelle oder Seite. Die Links führen über die DOI zum Aufsatz; die Volltexte liegen überwiegend hinter Bezahlschranken der Verlage, die bibliographischen Angaben genügen aber für jede Bibliothek.

Robert A. Levy (1967): Relative Strength as a Criterion for Investment Selection. The Journal of Finance 22(4), S. 595–610. doi:10.1111/j.1540-6261.1967.tb00295.x
Michael C. Jensen, George A. Benington (1970): Random Walks and Technical Theories: Some Additional Evidence. The Journal of Finance 25(2), S. 469–482. doi:10.1111/j.1540-6261.1970.tb00671.x
Narasimhan Jegadeesh (1990): Evidence of Predictable Behavior of Security Returns. The Journal of Finance 45(3), S. 881–898. doi:10.1111/j.1540-6261.1990.tb05110.x
Bruce N. Lehmann (1990): Fads, Martingales, and Market Efficiency. The Quarterly Journal of Economics 105(1), S. 1–28. doi:10.2307/2937816
Narasimhan Jegadeesh, Sheridan Titman (1993): Returns to Buying Winners and Selling Losers: Implications for Stock Market Efficiency. The Journal of Finance 48(1), S. 65–91. doi:10.1111/j.1540-6261.1993.tb04702.x
Mark M. Carhart (1997): On Persistence in Mutual Fund Performance. The Journal of Finance 52(1), S. 57–82. doi:10.1111/j.1540-6261.1997.tb03808.x
Tobias J. Moskowitz, Mark Grinblatt (1999): Do Industries Explain Momentum?. The Journal of Finance 54(4), S. 1249–1290. doi:10.1111/0022-1082.00146
Thomas J. George, Chuan-Yang Hwang (2004): The 52-Week High and Momentum Investing. The Journal of Finance 59(5), S. 2145–2176. doi:10.1111/j.1540-6261.2004.00695.x
Clifford S. Asness, Tobias J. Moskowitz, Lasse Heje Pedersen (2013): Value and Momentum Everywhere. The Journal of Finance 68(3), S. 929–985. doi:10.1111/jofi.12021
Pedro Barroso, Pedro Santa-Clara (2015): Momentum has its moments. Journal of Financial Economics 116(1), S. 111–120. doi:10.1016/j.jfineco.2014.11.010
Kent Daniel, Tobias J. Moskowitz (2016): Momentum Crashes. Journal of Financial Economics 122(2), S. 221–247. doi:10.1016/j.jfineco.2015.12.002
Kenneth R. French (2026): Data Library: Momentum Factor (Mom), monatlich und jährlich. Tuck School of Business, Dartmouth College, Datensatz, CRSP-Stand 202607. Datenbibliothek

Die Werte des Momentum-Faktors sind die einzigen Zahlen dieser Seite, die wir selbst rechnen: aus den Rohdaten der Datenbibliothek, CRSP-Stand 202607, Monatswerte von 1927 bis 2026. Sie gehören zu einem Long-Short-Portfolio mit Leerverkäufen und sind keine Rendite dieser Liste.