Logische Diversifikation bedeutet, Handelsstrategien zu kombinieren, die grundlegend verschiedene Annahmen über das Marktverhalten treffen: unterschiedliche Erklärungen dafür, warum ein Vorteil besteht und unter welchen Marktbedingungen er Erträge bringen soll. Davon zu unterscheiden ist die Diversifikation über Parameter, die dieselbe Logik mit anderen Einstellungen betreibt, ohne die Marktannahme oder die Bedingungen zu ändern, unter denen die Strategie gedeiht oder scheitert.

Nüchtern betrachtet: Logische Diversifikation ist die einzige Form der Strategie-Diversifikation, die unter Marktstress tatsächlich Risiko senkt. Die Streuung über Parameter erzeugt unter normalen Bedingungen nur scheinbare Diversifikation, weil zeitliche Unterschiede eine niedrige gemessene Korrelation ergeben. Unter Stress läuft sie auf volle Korrelation hinaus, weil die gemeinsame Logik bei allen Parametervarianten zugleich versagt. Der Test ist einfach: Kann jede Strategie im Portfolio unter den Bedingungen positive Erträge erzielen, unter denen die anderen verlieren? Wenn nicht, ist die Diversifikation nur kosmetisch.

Die Parameterfalle ist der Denkfehler, Parametervariation als Ersatz für logische Diversifikation zu behandeln: mehrere Versionen derselben Strategie mit unterschiedlichen Einstellungen zu betreiben und das Portfolio deshalb für belastbarer zu halten als eine einzelne Strategie. Backtests verstärken diese Falle, weil Parametervarianten in den historischen Phasen, die den Backtest prägen, oft eine geglättete Entwicklung und eine niedrige gemessene Korrelation zeigen.

Nüchtern betrachtet: Die Parameterfalle bestätigt sich selbst, weil die Belege gegen sie erst in Stressphasen sichtbar werden, die in den meisten Backtest-Zeiträumen unterrepräsentiert sind. In normalen Märkten wirken Parametervarianten unabhängig, unter Regimestress laufen sie zusammen. Weil normale Märkte die historische Datenreihe dominieren, zeigt sich die Falle meist erst, wenn echtes Kapital im Einsatz ist. Vorher lässt sie sich nur erkennen, wenn man die Korrelation unter Stressbedingungen untersucht. Diese zeigt fast immer, dass Parametervarianten eine grundlegende Schwachstelle teilen, die ihre durchschnittliche Korrelation nicht erkennen lässt.

Die logische Grundannahme ist die grundlegende Aussage über das Marktverhalten, auf die eine Strategie für ihren Vorteil angewiesen ist. Sie beantwortet die Frage: Was muss für das Verhalten der Märkte gelten, damit diese Strategie Geld verdient? Bei einer Momentum-Strategie lautet die Grundannahme, dass Kurse ihre Richtung beibehalten. Bei einer Mean-Reversion-Strategie lautet sie, dass Kursabweichungen zum Mittelwert zurückkehren. Diese Annahmen sind keine Parameter. Sie sind das logische Fundament, das bestimmt, welche Marktumfelder günstig und welche ungünstig sind.

Nüchtern betrachtet: Zwei Strategien mit derselben Grundannahme sind nicht diversifiziert, egal wie verschieden ihre Umsetzung aussieht. Die gemeinsame Annahme schafft eine gemeinsame Schwachstelle: Jedes Marktregime, das die Annahme widerlegt, lässt beide Strategien zugleich scheitern. Die richtige Einheit, um Strategie-Diversifikation zu beurteilen, ist deshalb der Vergleich der Grundannahmen, nicht Indikatortyp, Parameterwerte, Einstiegsregeln oder Zeitrahmen. Ist die Annahme dieselbe, sind die Strategien Doppelungen.

Die Regime-Empfindlichkeit beschreibt, dass eine Handelsstrategie je nach vorherrschendem Marktregime systematisch besser oder schlechter abschneidet: Trend gegenüber Seitwärtsphase, niedrige gegenüber hoher Volatilität, liquider gegenüber illiquidem Markt. Bestimmt wird sie durch die logische Grundannahme: Momentum-Strategien reagieren auf Trendregime, Mean-Reversion-Strategien auf Volatilitätsregime und Intraday-Strategien auf das Aktivitätsniveau der Marktmikrostruktur.

Nüchtern betrachtet: Die Regime-Empfindlichkeit ist die richtige Dimension, um logische Diversifikation aufzubauen. Ein Portfolio, dessen Bausteine unterschiedlich auf Marktregime reagieren, erzeugt Erträge, die sich von selbst ausgleichen. Geht das Trendregime, das Momentum-Strategien begünstigt, in eine unruhige Phase über, die Mean-Reversion-Strategien begünstigt, stabilisiert der Wechsel des gerade begünstigten Bausteins das Gesamtergebnis. Diese Stabilisierung ist strukturell, nicht statistisch. Sie hängt nicht davon ab, dass bestimmte Korrelationswerte erhalten bleiben, denn sie beruht auf der mechanischen Beziehung zwischen Marktregime und Strategielogik.

Die Korrelation unter Stress ist die Korrelation zweier Strategien, berechnet ausschließlich für die schlechtesten Marktphasen der historischen Daten: die Zeiten höchster Volatilität, größter Drawdowns oder schärfster Regimewechsel. Sie misst den Streuungseffekt genauer als die durchschnittliche Korrelation, weil sie das Verhältnis der Strategien unter genau den Bedingungen zeigt, in denen Diversifikation am wichtigsten ist.

Nüchtern betrachtet: Bei Strategien mit derselben Grundannahme liegt die Korrelation unter Stress fast immer über der durchschnittlichen Korrelation, weil das Stressereignis die gemeinsame Schwachstelle aktiviert, die normale Bedingungen verdecken. Ein Portfolio, das auf die durchschnittliche Korrelation optimiert ist, kann daher gut gestreut wirken und unter Stress stark konzentriert sein. Das ist der ungünstigste Fall, denn der Streuungseffekt verschwindet genau dann, wenn er gebraucht wird. Die Analyse der Korrelation unter Stress ist der Mindeststandard für jede ernsthafte Beurteilung der Diversifikation eines Portfolios.

Veränderte Parameter ändern nichts an der Marktannahme, auf der eine Strategie beruht. Zwei Momentum-Strategien mit unterschiedlichen Rückblickzeiträumen brauchen beide anhaltende, gerichtete Kurstrends, um Erträge zu erzielen. Kommt eine unruhige Seitwärtsphase, scheitern beide gleichzeitig, weil sie dieselbe Grundlogik teilen. Die Parametervariation erzeugt im Backtest unter normalen Bedingungen den Anschein von Unabhängigkeit. Diese Unabhängigkeit verschwindet unter Stress, weil sie nie strukturell war. Echte Diversifikation verlangt unterschiedliche Grundannahmen über das Marktverhalten, nicht unterschiedliche Einstellungen derselben Annahme.

Korrelationskonvergenz bezeichnet das Phänomen, dass Strategien, die unter normalen Marktbedingungen unkorreliert wirken, sich in Stressphasen plötzlich gleich verhalten. Bei Strategien mit derselben Grundlogik ist diese Konvergenz keine statistische Ausnahme, sondern strukturell zwingend: Bricht das Marktumfeld zusammen, auf das beide angewiesen sind, geraten beide gleichzeitig in einen Drawdown, weil sie denselben mathematischen Treiber haben. In ruhigen Märkten erzeugen unterschiedliche Parameter zeitliche Unterschiede und damit eine niedrige gemessene Korrelation. Unter Stress verschwinden diese Unterschiede, und die gemeinsame Logik setzt sich durch. Die Korrelation, die das Portfolio schützen sollte, nähert sich im ungünstigsten Moment 1.

Momentum- und Mean-Reversion-Strategien treffen grundlegend gegensätzliche Annahmen über das Marktverhalten. Momentum geht davon aus, dass sich Kurse, die sich in eine Richtung bewegen, eher in diese Richtung fortsetzen. Mean Reversion geht davon aus, dass Kurse, die sich weit von ihrem Durchschnitt entfernt haben, eher zu ihm zurückkehren. Diese Annahmen sind strukturell unvereinbar: Die Marktbedingungen, unter denen Momentum gedeiht, also starke und anhaltende Trends, sind genau die, unter denen Mean Reversion scheitert, und umgekehrt. Befindet sich eine Strategie in einem Drawdown, weil ihre Grundannahme gerade verletzt wird, findet die andere meist ein günstiges Umfeld vor, weil ihre Annahme bestätigt wird.

Stellen Sie eine diagnostische Frage: Welche Marktbedingung würde beide Strategien gleichzeitig in einen Drawdown führen? Finden Sie ein einziges Szenario, das beiden schadet, teilen sie eine Grundannahme. Lässt sich kein realistisches Szenario konstruieren, das beiden zugleich schadet, streuen sie womöglich tatsächlich. Der praktische Test ist die Korrelationsanalyse unter Stress: Berechnen Sie die Korrelation der Strategien in den schlechtesten 20 % der Marktphasen Ihrer historischen Daten. Liegt diese bedingte Korrelation in ungünstigen Phasen deutlich über der durchschnittlichen Korrelation, teilen die Strategien eine grundlegende Schwachstelle, die die Parametervariation nicht beseitigen konnte.

Das Ordertune-Regelwerk kombiniert für Nasdaq-100-Aktien Strategien, die auf strukturell verschiedenen Marktannahmen beruhen. Trend-Quality-Rebound-Strategien nutzen das Fortbestehen gerichteten Momentums nach Phasen hoher Trendqualität. Intraday-Liquidity-Hunter-Strategien nutzen kurzfristige Ungleichgewichte im Orderfluss und Mikrostruktur-Anomalien, die unabhängig vom übergeordneten Trend bestehen. Beide treffen unterschiedliche Annahmen darüber, was den Kurs treibt: Die eine setzt auf das Fortbestehen von Trends, die andere auf die Mechanik institutioneller Orderströme. Zerfallen Trendphasen in unruhigen, schwankenden Handel, findet die Intraday-Strategie weiter nutzbare Ungleichgewichte, während die Trendstrategie ihr Exposure verringert. Die Kombination schafft einen echten Ausgleich zwischen Marktregimen, weil die Strategien keine Varianten derselben Logik sind.