SMH · VanEck Semiconductor ETF
Stock Universe · globaler AktienmarktSeltene Handelssignale und mehrjährige Positionsführung: Quantitativ-Analyse der Algorithmic-Trading-Strategie für SMH · VanEck Semiconductor ETF
Diese quantitative Analyse untersucht eine hochspezifische algorithmische Handelsstrategie für den VanEck Semiconductor ETF (SMH) über einen historischen Simulationszeitraum von etwa 6,5 Jahren. Obwohl die Handelslogik auf einem feingliedrigen 15-Minuten-Chart basiert, weist sie ein extrem selektives Verhalten auf und kommt im gesamten Zeitraum von Februar 2020 bis August 2026 auf lediglich 8 abgeschlossene Trades. Bei einem kumulierten Gesamtergebnis von +2128,02 % und einer trefferfreien Verlustquote (100 % Gewinntrades) offenbart die Detailanalyse bemerkenswerte Strukturmerkmale: Mit einer durchschnittlichen Haltedauer von über 6350 Stunden agiert das System als Makro-Trendfolger. Der Gesamtertrag ist stark konzentriert, da die drei besten Positionen allein 89,81 % des gesamten Bruttogewinns beisteuern. Die vorliegende Untersuchung analysiert das Zusammenspiel aus Handelsfrequenz, Ausstiegsparametern, Ertragsasymmetrie und Risikoprofil und bewertet die Eignung der Strategie als Entscheidungskriterium für automatisierte Trading-Bots und Handelsroboter.
Analyse vom 23.08.2026. Die Strategiedaten werden separat aktualisiert.Vollständige Analyse lesen
Strategieprofil
Die untersuchte algorithmische Handelsstrategie wurde für den US-Aktienmarktsektor konzipiert und basiert auf dem liquide gehandelten VanEck Semiconductor ETF (SMH). Der Auswertungszeitraum erstreckt sich über genau 6,53 Jahre vom 10. Februar 2020 bis zum 23. August 2026. Obwohl das System Marktdaten auf Basis von 15-Minuten-Intervallen (15m) verarbeitet, unterscheidet sich sein Ausführungsmuster grundlegend von typischen Intraday- oder Hochfrequenzansätzen. Das Regelwerk ist darauf ausgelegt, Marktphasen mit außerordentlicher Selektivität zu filtern, was im Beobachtungszeitraum zu insgesamt nur 8 abgeschlossenen Transaktionen führte. Über die gesamte Historie generierte die Strategie ein kumuliertes geschlossenes Ergebnis von +2128,02 %, was einer rechnerischen annualisierten Rendite von 419,97 % entspricht. Im DevioLab-Bewertungssystem erzielt das Modell einen DevioLab Score von 67,54 und belegt damit den 6. Rang unter den getesteten Systemen für dieses Asset. In der Praxis eignet sich eine solche mathematisch klar definierte Handelslogik als Steuerungsmodul für automatisierte Trading-Bots, Trading-Roboter oder autonome Trading-Agenten. Diese Systeme führen Kauf- und Verkaufsentscheidungen ohne emotionale Verzögerung aus und können Positionen über extrem lange Phasen diszipliniert halten.
Handelsrhythmus und Positionsdauer
Der zeitliche Rhythmus der Strategie zeigt ein ausgeprägtes Ungleichgewicht zwischen der hohen Auflösung des Signal-Charts (15 Minuten) und der tatsächlichen Haltedauer der Positionen. Statistisch kommt die Strategie auf lediglich 1,22 abgeschlossene Trades pro Jahr beziehungsweise rechnerisch genau 1 Trade pro aktivem Monat. Die durchschnittliche Zeitspanne zwischen zwei Positionsschließungen liegt bei 117,42 Tagen, während der Median der Schließungsabstände 106,01 Tage beträgt. Noch deutlicher wird der langfristige Charakter beim Blick auf die effektive Haltedauer: Im Durchschnitt verblieben die Positionen 6356,80 Stunden im Markt, was einem Zeitraum von rund 265 Tagen entspricht. Der Median der Haltedauer beläuft sich auf 2302,88 Stunden (etwa 96 Tage). Die Kombination aus einem kurzfristigen Berechnungsintervall und mehrmonatigen bis mehrjährigen Haltephasen deutet darauf hin, dass die Strategie zwar 15-Minuten-Kerzen nutzt, um extrem präzise Einstiegspunkte zu identifizieren, danach jedoch makroökonomischen Trends über vollständige Marktzyklen hinweg folgt. Das System agiert somit keinesfalls als Scalping- oder Daytrading-Modell, sondern als extrem geduldiger Trendfolger.
Qualität der historischen Ergebnisse
Die Renditestruktur der 8 abgeschlossenen Trades weist eine herausragende, aber zugleich stark asymmetrische Verteilung auf. Sämtliche 8 historischen Trades wurden mit einem Gewinn abgeschlossen, was einer Trefferquote von 100,00 % entspricht. Folglich traten in den Daten keine geschlossenen Verlusttrades auf, weshalb die längste Verlustserie bei 0 liegt. Der durchschnittliche Gewinn pro Trade liegt bei +67,38 %, während der Median pro Trade bei +15,43 % rangiert. Diese erhebliche Differenz zwischen Mittelwert und Median signalisiert, dass das Gesamtergebnis maßgeblich von einzelnen extrem starken Ausreißern nach oben getrieben wurde. Der beste Einzeltrade erzielte einen Gewinn von +329,35 %, wohingegen der schwächste geschlossene Trade mit einem Plus von +5,92 % beendet wurde. Der Profit-Faktor wird in den Daten mit 8,06 ausgewiesen. Ein entscheidendes Merkmal der Qualitätsbewertung ist die Ertragskonzentration: Die drei profitabelsten Trades machen zusammen 89,81 % des gesamten Bruttogewinns aus. Das Ergebnis basiert somit nicht auf vielen gleichmäßigen Kleingewinnen, sondern auf der erfolgreichen Erfassung weniger gigantischer Trendbewegungen.
Risiko, Maximum Drawdown und Verlustverhalten
Auf Basis der geschlossenen Trades weist die Strategie einen historischen Maximum Drawdown von 0,00 % auf. Da alle 8 erfassten Positionen mit einem positiven Vorzeichen beendet wurden und keine Verlustserie verzeichnet wurde, spiegelt die Kennzahl des geschlossenen Drawdowns kein realisiertes Verlustrisiko wider. Aus quantitativer Sicht erfordert diese Metrik jedoch eine differenzierte Interpretation. Bei einer durchschnittlichen Haltedauer von mehr als 260 Tagen ist davon auszugehen, dass ungeöffnete Zwischengewinne im Verlauf der Haltedauer deutlichen Buchwertschwankungen unterworfen waren. Ein geschlossener Maximum Drawdown von null bedeutet lediglich, dass kein Trade unter dem Einstiegspreis glattgestellt wurde. Für Investoren und automatisierte Trading-Agenten impliziert dieses Profil ein spezifisches psychologisches Risiko: Während der Verweildauer im Markt müssen zwischenzeitliche Buchwertrückgänge (Floating Drawdowns) ausgehalten werden, ohne dass das System vorzeitig manuell eingreift. Der schlechteste abgeschlossene Trade erbrachte immer noch einen Ertrag von +5,92 %, was die historische Fähigkeit unterstreicht, Positionen erst nach Erreichen der Gewinnzone zu schließen.
Entwicklung im Zeitverlauf und jährliche Stabilität
Die Auswertung der jährlichen Aufschlüsselung unterstreicht die seltene Signalgebung und den dynamischen Ausstiegszeitpunkt der Strategie. In den Jahren 2020, 2021, 2022 und 2023 wurden laut der Jahresstatistik keine Trades geschlossen. Dies erklärt sich durch die extrem langen Haltedauern von mehreren tausend Stunden, da in den Anfangsjahren eröffnete Positionen über Jahre hinweg gehalten und erst in der Spätphase des Testfensters aufgelöst wurden. Die Schließungen verteilen sich wie folgt: Im Jahr 2024 wurde 1 Trade mit einem Rekordgewinn von +329,35 % geschlossen. Im Jahr 2025 folgten 4 geschlossene Trades, die alle profitabel waren und eine Gesamtrendite von +109,99 % erzielten. Im bisher erfassten Zeitraum des Jahres 2026 wurden 3 weitere erfolgreiche Trades mit einer Summe von +99,66 % beendet. Die Daten zeigen, dass die Ertragsentwicklung zeitlich stark geklumpt ist. Das Jahr 2024 lieferte den dominanten Einzelbeitrag zum Gesamtergebnis, während 2025 und 2026 für eine stetigere Schließungsfrequenz mit moderateren Gewinnen pro Trade sorgten.
Jüngste Periode seit 01.06.2024 im Vergleich zur Gesamthistorie
Ein gesonderter Blick auf den Zeitraum seit dem 1. Juni 2024 offenbart, dass sich fast die gesamte Schließungsaktivität der Strategie in dieser jüngsten Phase vollzogen hat. Von den insgesamt 8 historischen Trades fallen 7 Schließungen in das Zeitfenster nach dem 01.06.2024. Die Summe der Renditen dieser 7 Trades beläuft sich auf +209,65 %. Vergleicht man dies mit der Gesamthistorie von +2128,02 %, wird die mathematische Entkopplung deutlich: Der eine im Jahr 2024 vor oder zu Beginn dieses Fensters geschlossene Mega-Trade (+329,35 %) lieferte den Löwenanteil des prozentualen Gesamtwachstums aufgrund des Zinseszins-Effekts der historischen Gesamtrechnung. Die jüngste Periode belegt jedoch, dass die Logik auch im aktuellen Marktumfeld funktionstüchtig blieb. Alle 7 seit Mitte 2024 geschlossenen Trades waren Gewinner, was die hohe Kontinuität der Trefferquote bestätigt. Allerdings verbleiben die Gewinne pro Trade in dieser Phase mit im Schnitt rund 30 % unter dem Wert des Spitzenreiters aus der vorherigen Phase.
Stärken und Grenzen
Zu den klaren Stärken der Strategie gehören die außergewöhnliche Gesamtrendite von +2128,02 %, die makellose historische Trefferquote von 100 % über 8 Trades sowie die strikte Vermeidung von Overtrading. Durch die extrem geringe Handelsfrequenz entstehen bei der Ausführung durch Handelsroboter kaum Ineffizienzen durch häufige Markteintritte. Der Profit-Faktor von 8,06 zeugt von einer hohen Effizienz bei den geschlossenen Positionen. Die Grenzen des Systems liegen primär in der Stichprobengröße und der Ertragskonzentration. Genau 8 abgeschlossene Trades über 6,53 Jahre bieten eine sehr schmale statistische Basis. Es lässt sich mathematisch nicht garantieren, dass die verlustfreie Serie in zukünftigen Marktphasen bestehen bleibt. Zudem tragen die Top-3-Trades knapp 90 % des Bruttogewinns. Verpasst ein automatisierter Trading-Bot auch nur einen dieser seltenen Haupt-Trends durch Ausfallzeiten oder Ausführungsverzögerungen, bricht die Gesamtleistung des Systems drastisch ein.
DevioLab analytische Schlussfolgerung
Die quantitative Analyse von DevioLab ordnet diese Strategie als ein hochspezialisiertes Makro-Trendfolgesystem für den VanEck Semiconductor ETF (SMH) ein. Mit einem DevioLab Score von 67,54 und Rang 6 für dieses Asset demonstriert das Modell das Potenzial, kurzfristige Chartsignale (15m) für extrem langfristige Positionsentscheidungen zu nutzen. Das System verhält sich statistisch wie ein hochselektiver Investor, der nur sehr selten aktiv wird, dann jedoch Trends über Monate hinweg konsequent ausreizt. Für Entwickler von automatisierten Trading-Agenten bietet die Logik ein spannendes Fundament, sofern das Risikoprofil an die geringe Trade-Anzahl angepasst wird. Das System erfordert eine hohe Ausdauer, da über Jahre hinweg keine Schließungen erfolgen können. Wie bei allen historischen Backtests gilt: Die vergangenen Simulationswerte von 100 % Win-Rate und +2128,02 % Gesamtrendite dienen der statistischen Einordnung und stellen keine Garantie für zukünftige Ergebnisse dar.
Datenumfang und Methodik
Sämtliche in diesem Artikel ausgewerteten Kennzahlen basieren auf der historischen Simulation geschlossener Trades für das Asset SMH (VanEck Semiconductor ETF) im Zeitraum vom 10.02.2020 bis zum 23.08.2026. Das zugrundeliegende Berechnungsintervall ist der 15-Minuten-Chart (15m). Die Berechnungen beziehen sich ausschließlich auf vollständig abgewickelte Käufe und Verkäufe (Closed Trades). Unrealisierte Zwischengewinne oder Verluste während der Haltedauer sind in den geschlossenen Performance-Kennzahlen nicht direkt enthalten. Transaktionsgebühren, Slippage, Finanzierungskosten für Hebel oder spezifische Börsen-Sonderkonditionen wurden in dieser rein strategischen Datenreihe nicht berücksichtigt. Alle Prozentangaben beschreiben historische Modellergebnisse und stellen keine Anlageberatung oder Handelsempfehlung dar.