← Alle Insights
10 Min. Lesezeit · Daten · März 2034

Commitment of Traders (COT) Reports: was die großen Player wirklich tun.

Jeden Freitag um 15:30 Uhr ET veröffentlicht die CFTC ein Datendokument, das in kaum einem Mainstream-Medium auftaucht — und das viele Profis als wichtigsten Sentiment-Indikator für Futures-Märkte betrachten. Der COT-Report zeigt, wer wirklich long und short ist. Über Aufbau, Interpretation, Extreme — und warum der Report mit Lag kommt.

Was die CFTC veröffentlicht.

Die Commodity Futures Trading Commission (CFTC) zwingt jeden Futures-Markt- Teilnehmer mit einer Position über einem definierten Schwellenwert (dem "reportable level"), seine Position offenzulegen. Diese aggregierten Daten werden wöchentlich gesammelt — Stichtag immer Dienstag — und am Freitag-Nachmittag veröffentlicht.

Der Report listet für jeden Future-Kontrakt die offene Position (Open Interest) sowie die Aufteilung in drei Hauptkategorien:

Legacy vs. Disaggregated COT.

Es gibt mehrere COT-Formate. Das Legacy-Format mit nur drei Kategorien ist das älteste. 2009 hat die CFTC den Disaggregated-Report eingeführt, der vier Kategorien für Commodities unterscheidet: Producer/Merchant, Swap Dealers, Managed Money, Other Reportables. Für Finanzfutures gibt es zusätzlich den Traders in Financial Futures (TFF) Report.

Für serious Analyse verwende ich den disaggregierten Report. Die Kategorien sind sauberer, vor allem die Trennung zwischen physischen Hedgern und Swap-Dealern (die oft hedgen, aber gegen OTC-Geschäfte) liefert genauere Bilder.

Klassische Interpretation: Commercials als Smart Money.

Die traditionelle Lesart: Commercials sind das "Smart Money". Wenn ein Farmer massiv long Weizen-Futures ist, deutet das auf erwartete Preissteigerungen hin — er versucht, sich gegen einen steigenden Marktpreis abzusichern, den er erwartet. Wenn er stark short ist, antizipiert er fallende Preise. Diese Lesart ist mehrfach kritisiert worden, weil Commercials auch aus regulatorischen oder buchhalterischen Gründen positioniert sein können — aber im Aggregat trifft das Smart-Money-Argument oft.

Praktischer ist die Contrarian-Interpretation der Non-Commercials: wenn spekulative Fonds extrem long sind, deutet das auf "ausgereizte" Long- Positionierungen hin. Es bleibt wenig Buying-Power übrig, um den Preis weiter zu treiben. Solche Extreme sind oft das Ende eines Trends.

Extrem-Werte als Contrarian-Signal.

Eine konkrete Methodologie: berechne die Netto-Position (Long minus Short) der Non-Commercials, ausgedrückt als Prozentsatz des Open Interest. Plotte die Zeitreihe der letzten drei Jahre. Identifiziere die obersten und untersten 10 % der Werte. 

# Sentiment-Index aus COT
import pandas as pd

# Annahme: df = wöchentliche COT-Daten, Spalten: oi, nc_long, nc_short
df['nc_net']        = df['nc_long'] - df['nc_short']
df['nc_net_pct_oi'] = df['nc_net'] / df['oi']

# Sentiment-Index: Perzentil-Rank über 3-Jahres-Fenster
df['sentiment_idx'] = df['nc_net_pct_oi'].rolling(156).rank(pct=True)

# Signal: über 0.90 -> bearish (überdehnt long)
#          unter 0.10 -> bullish (überdehnt short)

Wenn der Sentiment-Index über 0,90 steht, ist die spekulative Long-Positionierung historisch extrem. Statistisch sind die Forward-Returns über 4 bis 8 Wochen aus diesen Punkten häufig negativ. Umgekehrt für Sentiment unter 0,10.

Konkrete Anwendung: Soybean, Gold, Crude.

In Rohstoff-Märkten funktioniert das Setup am robustesten. Ein paar konkrete Beispiele:

Caveat 1: der 3-Tage-Lag.

Die Daten stammen vom Dienstag-Schluss. Der Report wird erst am Freitag um 15:30 Uhr ET veröffentlicht. In Phasen schneller Marktbewegung sind die Daten beim Erscheinen schon veraltet — die Positionen haben sich womöglich schon stark verändert.

Das bedeutet konkret: COT-Signale sind keine kurzfristigen Timing-Tools. Day-Trading mit COT-Daten ist sinnlos. Wer COT nutzt, denkt in Wochen bis Monaten — als strukturelle Bestätigung für längere Trends.

Caveat 2: Interpretations-Pitfalls.

Drei klassische Fehler:

  1. Commercials sind nicht immer Smart Money. Sie hedgen buchhalterisch motiviert, nicht prognostisch. Wenn Sojabohnen-Preise hoch sind, hedgen Farmer mehr — das ist mechanisch, kein Signal.
  2. Open-Interest-Veränderungen matter. Eine Steigung der Long- Position kann bedeuten "mehr Long-Eröffnungen" oder "weniger Short-Eröffnungen". Ohne OI-Kontext fehlt die Hälfte der Information.
  3. Märkte können in Extremen verharren. Wie bei Vola und Skew gilt: "Überdehnt" kann monatelang überdehnt bleiben. Mean-Reversion ist nicht garantiert, nur statistisch wahrscheinlich.

Meine Praxis: COT als Filter, nicht als Trigger.

Ich nutze COT-Daten nicht, um Trades direkt zu öffnen. Bei mir läuft der Report als Filter: wenn ein Rohstoff-Trend-Signal (z. B. Momentum, Breakout) kommt und gleichzeitig die COT-Daten in dieselbe Richtung zeigen, vertraue ich dem Signal stärker. Wenn COT in die Gegenrichtung zeigt — z. B. mein System sagt "long Gold", aber Managed Money ist auf Rekord-Long — bin ich vorsichtig, reduziere Sizing oder warte auf eine Konsolidierung.

Konkret prüfe ich für jeden Rohstoff-Trade vor Eröffnung den aktuellen COT-Report via Quandl oder die CFTC-Web-Schnittstelle. Das kostet zwei Minuten pro Trade. In den letzten Jahren habe ich mehrfach Trades nicht eröffnet, die ohne den COT-Filter zu schlechten Setups gehört hätten.

COT-Daten sind kein Heiliger Gral. Aber sie sind eine der wenigen öffentlich zugänglichen Datenquellen, die echtes Positions-Verhalten der Marktteilnehmer zeigt. Wer Rohstoffe handelt und COT nicht liest, ignoriert die wichtigste Sentiment-Quelle, die es gibt.

Sie wollen COT-Daten systematisch in Ihre Trend-Filter einbauen? Erstgespräch buchen — wir schauen, wie sich der Report sauber in einen Rohstoff-Trading-Prozess integrieren lässt.