ICE · Intercontinental Exchange, Inc.
Stock Universe · globaler AktienmarktICE Algorithmatische Handelsstrategie auf 15-Minuten-Basis: Statistische Analyse von Trefferquote, Profit-Faktor und Positionsdauer
Diese empirische Untersuchung analysiert eine hochgradig selektive Handelsstrategie für den Tag ICE auf dem Aktienmarkt über einen siebenjährigen Testzeitraum von September 2019 bis Oktober 2026. Trotz der Erfassung auf einem 15-Minuten-Zeitfenster agiert das Modell mit extremer Geduld und schließt im Schnitt nur 9,17 Trades pro Jahr ab. Die historische Bilanz zeigt bei insgesamt 65 geschlossenen Positionen eine außergewöhnlich hohe Trefferquote von 86,15 % (56 Gewinne bei 9 Verlusten) und einen Profit-Faktor von 5,0. Der Gesamtertrag auf Summenbasis beläuft sich auf +792,90 %. Die mittlere Haltedauer liegt bei rund 14 Tagen (335,5 Stunden), während der durchschnittliche Haltedauerwert 550,37 Stunden (ca. 22,9 Tage) beträgt. Eine markante Eigenschaft der Strategie ist die ausgewogene Verteilung der Erträge: Die drei größten Gewinntrades zeichnen für lediglich 17,59 % des Bruttogewinns verantwortlich. Auf der Risikoseite steht ein maximaler Drawdown von 25,83 %, der zeitlich mit dem schlechtesten Einzelverlust (-25,83 %) zusammenfällt. In der jüngsten Phase seit dem 1. Juni 2024 wurden 25 Trades mit einer kumulierten Rendite von +81,20 % absolviert. Dieser Bericht beleuchtet die genauen Leistungsparameter, zeitlichen Dynamiken und strukturellen Merkmale der Strategie, die als Entscheidungslogik für automatisierte Trading-Bots dienen kann.
Analyse vom 17.11.2026. Die Strategiedaten werden separat aktualisiert.Vollständige Analyse lesen
Strategieprofil
Die vorliegende quantitative Handelsstrategie für den Wertpapier-Ticker ICE kombiniert ein kurzfristiges Signal-Zeitfenster von 15 Minuten mit einer Positionierungslogik, die auf mittelfristige Marktbewegungen ausgerichtet ist. Über den gesamten Evaluierungszeitraum von September 2019 bis Oktober 2026 – was einer Historie von rund 7,09 Jahren entspricht – generierte die Strategie insgesamt 65 geschlossene Trades. Mit einem DevioLab-Score von 82,09 belegt das Modell Rang 1 unter den evaluierten Strategien für diesen Vermögenswert. Die Gesamtsumme aller geschlossenen Trades ergibt eine kumulierte Performance von +792,90 %, was auf annuitisierter Basis mathematisch einem Wert von 115,48 % entspricht. Das System zeigt eine ausgeprägte Asymmetrie hinsichtlich Gewinn- und Verlusthäufigkeit: 56 der 65 Positionen schlossen im Plus, was einer Trefferquote von 86,15 % entspricht. Demgegenüber stehen lediglich 9 Verlustgeschäfte. Der Profit-Faktor erreicht einen Wert von 5,0, was bedeutet, dass den erzielten Bruttogewinnen nur ein Fünftel an Bruttoverlusten gegenübersteht. Die Architektur des Modells ist so konzipiert, dass sie als präzise Signal- und Entscheidungslogik für automatisierte Trading-Bots, Trading-Roboter oder autonome Trading-Agenten eingesetzt werden kann, um menschliche Ausführungsfehler und emotionale Abweichungen im Handelsverlauf auszuschließen.
Handelsrhythmus und Haltedauer
Obwohl das Handelssignal auf einem 15-Minuten-Chart basiert, unterscheidet sich der reale Ausführungsrhythmus grundlegend von hochfrequenten Handelsansätzen. Die Frequenz ist extrem niedrig klassifiziert: Über die siebenjährige Historie hinweg führt die Strategie durchschnittlich nur 9,17 Trades pro Jahr aus. Bezogen auf die aktiven Monate ergibt sich ein Mittelwert von 1,30 Trades pro Monat. Auch der zeitliche Abstand zwischen den einzelnen Positionsexits unterstreicht den Swing-Trading-Charakter des Modells. Der durchschnittliche Abstand zwischen zwei Schließungen liegt bei 38,53 Tagen, während der Median bei 31,13 Tagen angesiedelt ist. Hinsichtlich der Haltedauer verbleiben Positionen über beträchtliche Zeiträume im Markt. Die durchschnittliche Haltedauer beträgt 550,37 Stunden, was ungefähr 22,9 Tagen entspricht. Der Median der Haltedauer fällt mit 335,5 Stunden (ca. 14,0 Tage) spürbar kürzer aus, was darauf hindeutet, dass ein Teil der Gewinntrades rascher abgewickelt wird, während profitables Laufenlassen oder zeitintensivere Konsolidierungen den Mittelwert nach oben verschieben. Die Strategie wartet somit selektiv auf seltene Marktkonstellationen, anstatt kontinuierlich im Markt exponiert zu sein.
Qualität der historischen Ergebnisse
Die qualitative Güte der Strategie lässt sich nicht allein an der hohen Gewinnquote festmachen, sondern zeigt sich im Zusammenspiel zwischen Durchschnittsgewinn, Mediangewinn und der Ausreißer-Konzentration. Der durchschnittliche Ertrag pro Trade liegt bei +3,70 %, während der Medianwert bei +3,43 % notiert. Die enge Nähe dieser beiden Kennzahlen verdeutlicht, dass die Renditeverteilung frei von extremen Verzerrungen ist und die Performance auf einer breiten Basis homogener Gewinne beruht. Der beste Einzeltrade erzielte ein Ergebnis von +23,49 %. Ein entscheidender statistischer Beleg für die Robustheit ist der Anteil der drei größten Gewinntrades am Bruttogewinn: Dieser beläuft sich auf lediglich 17,59 %. Das bedeutet, dass mehr als 82 % des Gesamtertrags durch die verbleibenden 53 Gewinntrades generiert wurden. Das System ist somit nicht von einzelnen Glückstreffern abhängig. Zudem verzeichnete die Strategie in ihrer Historie eine maximale Serie von 17 aufeinanderfolgenden Gewinntrades, was die Stabilität der Signalgenerierung in günstigen Marktphasen unterstreicht.
Risiko, Drawdown und Verlustverhalten
Wo hohe Trefferquoten existieren, müssen auch die strukturellen Risikoprofile genau analysiert werden. Der maximale historische Drawdown der Strategie liegt bei 25,83 %. Bemerkenswert ist, dass dieser Wert exakt mit dem schlechtesten Einzeltrade der Gesamthistorie korrespondiert, der ebenfalls bei -25,8276 % (-25,83 %) schloss. Dies zeigt, dass der tiefste Wertverlust des Portfolios im Wesentlichen durch ein einziges, ausgeprägtes Negativereignis getrieben wurde und nicht durch das rasche Kumulieren zahlreicher kleinerer Verluste. Die längste Verlustserie der Strategie umfasst lediglich 3 aufeinanderfolgende Trades, was bei nur 9 Gesamtverlusten über sieben Jahre hinweg eine geringe Verlusthäufung anzeigt. Dennoch offenbart die Diskrepanz zwischen dem durchschnittlichen Gewinn von +3,70 % und dem maximalen Ausreißerverlust von -25,83 % ein Risikoasymmetrieprofil: Das Modell vertraut auf eine sehr hohe Eintrittswahrscheinlichkeit von Gewinnen, nimmt jedoch in seltenen Ausnahmefällen breitere Ausstiegsspannen in Kauf. Für die Ausgestaltung von Risiko-Regeln in automatisierten Trading-Robotern ist das Verständnis dieses Verhältnisses essenziell.
Zeitliche Entwicklung und jährliche Stabilität
Die Betrachtung der Jahresdaten offenbart eine bemerkenswerte Beständigkeit der Strategie über verschiedene Marktphasen hinweg. In jedem einzelnen Kalenderjahr von 2020 bis 2026 schloss das Modell mit einer positiven kumulierten Rendite ab. Im Jahr 2020 erzielte die Strategie bei 12 Trades eine perfekte Trefferquote von 100 % und eine Gesamtrendite von +82,50 %. Im Folgejahr 2021 sank die Handelsaktivität auf 5 Trades (4 Siege, 1 Verlust, Win-Rate 80,00 %, Summe +20,28 %). Das Jahr 2022 erbrachte bei 9 Trades 7 Gewinne (77,78 % Win-Rate) und +14,56 %. In den Jahren 2023 und 2024 zog die Performance wieder an: 2023 ergaben 11 Trades bei 10 Gewinnen (+34,08 %, Win-Rate 90,91 %), und 2024 folgte erneut ein fehlerfreies Jahr mit 10 Gewinnen bei 10 Trades (100 % Win-Rate, Summe +31,94 %). Auch in den Jahren 2025 (8 Trades, 6 Gewinne, +29,47 %) und 2026 (10 Trades, 7 Gewinne, +27,67 %) setzte sich die kontinuierliche Ertragsgenerierung fort. Die Jahresverteilung zeigt, dass der Ertrag gleichmäßig über die Jahre wächst und nicht auf ein einzelnes Ausnahmejahr beschränkt ist.
Aktuelle Phase seit Juni 2024 im Vergleich zur Gesamthistorie
Im Zeitraum seit dem 1. Juni 2024 bis zum Ende des Datensatzes im Oktober 2026 wurden insgesamt 25 Trades abgeschlossen. Dies entspricht mehr als einem Drittel (ca. 38,5 %) aller historisch erfassten Handelsaktivitäten und belegt eine Intensivierung der Signalhäufigkeit in der jüngeren Vergangenheit. In diesem Teilfenster erwirtschaftete die Strategie eine aufsummierte Rendite von +81,20 %. Verglichen mit der Gesamthistorie zeigt sich hier eine leicht erhöhte Ausführungsfrequenz, während die Ertragskraft stabil bleibt. Der durchschnittliche Ertrag pro Trade in dieser jüngsten Phase entspricht nahezu exakt dem historischen Gesamtdurchschnitt. Dass die Strategie in der jüngsten Marktperiode 25 geschlossene Trades mit starkem Positivergebnis erbringen konnte, liefert eine solide statistische Basis für die Beurteilung der aktuellen Markttauglichkeit und zeigt, dass das Regelwerk nicht auf veralteten Marktstrukturen basiert.
Stärken und Einschränkungen
Zu den zentralen Stärken des Systems gehören die außergewöhnlich hohe Trefferquote von 86,15 %, der exzellente Profit-Faktor von 5,0 und die breite Fundierung der Erträge ohne Abhängigkeit von einzelnen Ausreißern. Die lückenlos positiven Jahresergebnisse über sieben Jahre demonstrieren eine hohe Korrelationsunabhängigkeit von einzelnen Marktzyklen. Demgegenüber stehen jedoch klare Einschränkungen. Die geringe Anzahl von insgesamt 65 Trades über einen Zeitraum von mehr als sieben Jahren bedeutet eine kleine Stichprobengröße pro Jahr, was statistische Aussagen mit breiten Konfidenzintervallen versieht. Zudem birgt das Risikoasymmetrieprofil – gekennzeichnet durch den schlechtesten Trade von -25,83 % – die Gefahr, dass ein einzelner Fehltrade die Gewinne mehrerer vorausgegangener Transaktionen zunichtemachen kann. Da keine Daten zu Gebühren, Slippage oder Ausführungsnetzwerken vorliegen, beziehen sich alle Ergebnisse rein auf die hypothetische Kursmechanik ohne Berücksichtigung realer Transaktionskosten.
DevioLab analytische Schlussfolgerung
Die Handelsstrategie 'ICE 0 +792.90% 1TRAD-OPL5' präsentiert sich im DevioLab-Framework als ein extrem diszipliniertes, selektives Regelwerk für den Handel in ICE. Der DevioLab-Score von 82,09 und der erste Platz im Ticker-Ranking spiegeln die hohe historische Effizienz wider. Das Modell eignet sich in der Konzeption hervorragend als Ausführungslogik für automatisierte Trading-Agenten, die darauf programmiert sind, lange Wartezeiten ohne überstürzte Fehleingriffe zu überbrücken. Die Kombination aus seltenen Einstiegen, mehrwöchigen Haltedauern und einer überragenden Gewinnquote schützt das System vor übermäßigem Overtrading. Investoren und Systementwickler sollten jedoch beachten, dass die Strategie ein klares Stoßdämpfer-Management für seltene, aber tiefere Drawdowns erfordert. Die historische Performance liefert ein valides Bild der Signalqualität, stellt jedoch wie jede Backtest-Analyse keine Garantie für zukünftige Marktrenditen dar.
Datenumfang und Methodik
Sämtliche in dieser Analyse verwendeten Kennzahlen stammen direkt aus den historischen Simulationsdaten des DevioLab-Testsystems für das Symbol ICE im Zeitraum vom 16. September 2019 bis zum 16. Oktober 2026. Die Auswertungen basieren auf abgeschlossenen Trades auf Basis von 15-Minuten-Kerzendaten. Protentuale Renditeangaben verstehen sich als ungehebelte Summierungen der geschlossenen Einzeltrades. Der Zeitraum seit dem 1. Juni 2024 erfasst alle Trades, deren Schließungszeitpunkt (SELL-Timestamp) auf oder nach diesem Datum liegt. Es wurden keinerlei externe Indikatoren, makroökonomische Zusatzdaten oder unternehmensspezifische Ereignisse außerhalb der bereitgestellten Zeitreihen herangezogen. Diese Untersuchung dient ausschließlich der wissenschaftlichen und quantitativen Analyse historischer Strategieeigenschaften und stellt keine Anlageberatung oder Aufforderung zum Kauf oder Verkauf von Finanzinstrumenten dar.