← Alle Insights
8 Min. Lesezeit · Indikator · September 2030

KAMA: der MA, der sich anpasst.

Perry Kaufman hat 1995 mit dem Kaufman Adaptive Moving Average eine elegante Antwort auf das klassische MA-Dilemma vorgeschlagen: kurze MAs sind schnell, aber zappelig; lange sind glatt, aber träge. KAMA versucht das Beste aus beiden Welten, indem er sich an die „Effizienz" der Preisbewegung anpasst. Die Idee ist gut. Der Praxisgewinn — ehrlich betrachtet — kleiner als erwartet.

Ich teste KAMA regelmäßig gegen einfache EMAs in Mandanten-Setups. Das Ergebnis ist erstaunlich konsistent: KAMA verhält sich in Trend-Phasen ähnlich wie eine schnelle EMA und in Range-Phasen ähnlich wie eine langsame EMA. Konzeptionell überlegen — die Performance-Gewinne in einer Trend-Folge-Strategie liegen jedoch typischerweise bei 5–15 %, nicht bei Faktor zwei.

Die Mechanik: Efficiency Ratio.

Kern von KAMA ist das Efficiency Ratio (ER): 

ER = |Close[t] - Close[t-n]| / sum(|Close[i] - Close[i-1]|, i=t-n+1..t)

Der Zähler misst die direkte Bewegung über n Perioden. Der Nenner misst die gesamte zurückgelegte Strecke. ER liegt zwischen 0 (reines Hin-und-Her, null Netto-Bewegung) und 1 (perfekter linearer Trend).

Daraus wird ein Smoothing-Constant berechnet, der zwischen einer schnellen und einer langsamen EMA interpoliert: 

SC = (ER * (fast_sc - slow_sc) + slow_sc) ** 2
KAMA[t] = KAMA[t-1] + SC * (Close[t] - KAMA[t-1])

Typische Defaults: n=10 für ER, fast_sc = 2/(2+1) (entspricht EMA(2)), slow_sc = 2/(30+1) (entspricht EMA(30)). In Trends nähert sich KAMA EMA(2), in Range-Phasen EMA(30).

KAMA vs. EMA: Reaktionsgeschwindigkeit.

Der erkennbare Vorteil von KAMA: in Trend-Phasen reagiert er fast so schnell wie eine kurze EMA, ohne in Seitwärtsphasen ständig falsche Crossovers zu produzieren. In meinem Standard-Test auf SPY-Tagesdaten 2005–2025 vergleicht sich das in etwa so:

Weniger Crossovers bedeuten weniger Whipsaws. Das ist real und nützlich. Es macht KAMA aber nicht zu einem Heiligen Gral — es macht ihn zu einer durchdachten Variante des Themas „dynamische Glättung".

KAMA-Crossover als Strategie: Backtest-Ergebnisse.

Klassischer Test: Long, wenn Close > KAMA, Flat (oder Short) sonst. Auf SPY-Tagesdaten 2005–2025, ohne Kosten:

KAMA schlägt EMA leicht — primär durch reduzierte Whipsaws. Beide schlagen Buy & Hold nicht in absolutem Return, wohl aber im Drawdown-bereinigten Risk. Mit realistischen Kosten von 0,02 % pro Trade verschwindet ein guter Teil des Edge — gerade EMA-Crossover leidet stärker unter höherer Trade-Frequenz.

KAMA als adaptive Trend-Linie.

Spannender als der reine Crossover-Use-Case finde ich KAMA als Slope-Indikator: die Steigung der KAMA-Linie ist ein recht sauberer Trend-Filter. In Mandanten-Setups nutze ich das so:

Das hat in Tests auf US-Aktien und Indizes konsistent die Out-of-Sample-Robustheit erhöht, ohne neue Parameter einzuführen, die man optimieren muss. KAMAs ER-basierte Glättung unterdrückt Slope-Fluktuationen in Ranges sehr ordentlich.

Implementierung in Python.

import yfinance as yf
import numpy as np
import pandas as pd

def kama(series, n=10, fast=2, slow=30):
    change = (series - series.shift(n)).abs()
    volatility = series.diff().abs().rolling(n).sum()
    er = change / volatility
    fast_sc = 2 / (fast + 1)
    slow_sc = 2 / (slow + 1)
    sc = (er * (fast_sc - slow_sc) + slow_sc) ** 2

    out = pd.Series(index=series.index, dtype=float)
    out.iloc[n] = series.iloc[n]
    for i in range(n + 1, len(series)):
        out.iloc[i] = out.iloc[i - 1] + sc.iloc[i] * (series.iloc[i] - out.iloc[i - 1])
    return out

px = yf.download("SPY", start="2005-01-01", auto_adjust=True)["Close"]
k = kama(px, 10, 2, 30)

signal = (px > k).astype(int)
ret = px.pct_change() * signal.shift(1)
print(f"CAGR: {(1 + ret.mean()) ** 252 - 1:.2%}")
print(f"Sharpe: {ret.mean() / ret.std() * np.sqrt(252):.2f}")

Wo KAMA versagt.

Drei Schwächen sind ehrlich zu nennen:

Ehrliche Bewertung.

KAMA ist eine bessere Idee als die meisten anderen „adaptiven" MAs (VIDYA, FRAMA, AMA-Varianten). Kaufmans Konzept ist mathematisch sauber, intuitiv und parameter-arm. In Backtests schlägt KAMA klassische EMAs konsistent um kleine, aber reale Beträge — vor allem in Drawdown-bereinigten Kennzahlen.

Der Praxisgewinn ist allerdings marginal. Wer EMA(20) erfolgreich einsetzt, gewinnt durch Wechsel auf KAMA keine Welten — vielleicht 5–15 % Sharpe-Verbesserung in günstigen Setups. Das ist nicht nichts, aber es ist auch kein Strategy-Maker. Die wirkliche Performance kommt aus Setup-Logik, Risk-Management und Asset-Auswahl, nicht aus der konkreten Wahl des MA.

Was ich empfehle.

Sie nutzen MAs in Ihren Strategien und überlegen, ob KAMA oder eine andere adaptive Variante mehr bringt? Erstgespräch buchen — wir testen den Unterschied sauber gegeneinander.