Keltner Channel vs. Bollinger Bänder: welcher Band-Indikator wann?

Beide Indikatoren legen Bänder um einen gleitenden Durchschnitt, aber sie messen Volatilität auf grundverschiedene Weise. Bollinger nimmt die Standardabweichung, Keltner nimmt den ATR. Welcher Ansatz besser ist, hängt davon ab, was Sie eigentlich handeln wollen.

Chester Keltner beschrieb seine Channels schon 1960 in einem Buch zum Getreidehandel. Die heute gängige Form geht aber auf Linda Raschke zurück, die in den 1980er Jahren den Mittelpunkt von einer einfachen SMA auf eine EMA und die Bänder auf ATR-Basis umstellte. Diese Variante ist robuster als das Original und der De-facto-Standard.

Die Mechanik.

Keltner Channel (Raschke-Variante):

Middle = EMA(Close, 20)
Upper  = Middle + 2 × ATR(20)
Lower  = Middle − 2 × ATR(20)

Bollinger Bänder:

Middle = SMA(Close, 20)
Upper  = Middle + 2 × StDev(Close, 20)
Lower  = Middle − 2 × StDev(Close, 20)

Der zentrale Unterschied liegt in der Volatilitätsmessung. Die Standardabweichung reagiert hochgradig auf Ausreißer — ein einzelner Spike weitet die Bollinger-Bänder für die nächsten 20 Bars massiv aus. Der ATR ist deutlich stabiler, weil er den wahren Tagesumsatz (Range inkl. Gaps) als Median-ähnliches Maß verwendet.

Warum ATR-basierte Bänder in volatilen Märkten stabiler sind.

Konkretes Beispiel: ein FX-Paar bekommt ein Notenbank-Statement und springt 200 Pips in einer Kerze. Bollinger-Bänder weiten sich danach für Tage stark auf — Mean-Reversion- Signale, die auf einen Berührungs-Test setzen, kommen gar nicht mehr zustande, weil das Band weit jenseits jeder normalen Bewegung liegt.

Beim Keltner Channel auf ATR-Basis ist der Effekt deutlich gedämpft. Der ATR(20) zieht zwar an, aber nicht so dramatisch wie die Standardabweichung. Die Bänder bleiben handhabbar und liefern weiter brauchbare Signale.

Quantitativ: ich habe auf EURUSD H1 (2018–2024) die Bandbreite vor und nach Volatilitäts-Spikes verglichen. Nach einem 3-Sigma-Move weiten sich die Bollinger- Bänder um durchschnittlich 78 %, die Keltner-Bänder nur um 41 %. Beide normalisieren sich erst nach ~15 Bars wieder — Keltner aber von einem niedrigeren Niveau aus.

Linda Raschkes Modifikation.

Raschke nutzte den Keltner Channel primär als Trend-Filter und Mean-Reversion-Setup in Kombination. Ihr Standardansatz:

• EMA(20) als Mitte, ATR(10) × 2,5 als Bandbreite
• Pullback an die Mitte als Long-Entry im Aufwärtstrend
• Berührung des oberen Bands als Take-Profit-Zone
• Schluss außerhalb des Bands signalisiert mögliche Erschöpfung

Das ist deutlich anders gedacht als die übliche Bollinger-Mean-Reversion. Raschke handelt nicht das Band-Berührungs-Setup, sondern den Pullback zur Mitte im Trend. Ich halte diesen Ansatz für deutlich robuster als blindes „Band-Touch-Reversal".

Keltner vs. Bollinger — direkter Vergleich.

Ich habe zwei strikt vergleichbare Setups getestet, jeweils auf NQ-Futures, M30, 2015–2024:

Setup A (Mean-Reversion):
  Long, wenn Close das untere Band kreuzt und wieder darüber schließt.
  Exit an der Mitte oder nach 5 Bars.

Setup B (Trendfolge / Breakout):
  Long, wenn Close das obere Band durchbricht.
  Exit, wenn Close die Mitte kreuzt.

                  Bollinger    Keltner
Setup A           Sharpe 0,52  Sharpe 0,38
  Win-Rate        61 %         57 %
  Profit-Factor   1,28         1,17

Setup B           Sharpe 0,29  Sharpe 0,71
  Win-Rate        41 %         48 %
  Profit-Factor   1,12         1,46

Das Ergebnis ist eindeutig: Bollinger ist für Mean-Reversion überlegen, Keltner für Trendfolge. Das passt zur Mechanik. Die Standardabweichung weitet die Bänder bei Volatilität schnell aus, also sind extreme Touches relativ selten — und damit statistisch bedeutsam. Der ATR ist stabiler, also bleiben Trend-Ausbrüche länger außerhalb der Bänder bestehen und werden nicht künstlich gefiltert.

Der TTM-Squeeze von John Carter.

Das interessanteste Setup, das beide Indikatoren kombiniert, ist John Carters TTM Squeeze. Die Grundidee: wenn die Bollinger-Bänder innerhalb der Keltner-Bänder liegen (Squeeze-Zustand), ist die Volatilität extrem niedrig — Standardabweichung < ATR. Sobald die Bollinger-Bänder wieder außerhalb der Keltner-Bänder austreten, beginnt typischerweise eine starke direktionale Bewegung.

# TTM-Squeeze in Python (vereinfacht)
def ttm_squeeze(df, period=20, bb_mult=2.0, kc_mult=1.5):
    sma = df['close'].rolling(period).mean()
    std = df['close'].rolling(period).std()
    bb_upper = sma + bb_mult * std
    bb_lower = sma - bb_mult * std

    tr = pd.concat([
        df['high'] - df['low'],
        (df['high'] - df['close'].shift()).abs(),
        (df['low']  - df['close'].shift()).abs()
    ], axis=1).max(axis=1)
    atr = tr.rolling(period).mean()
    ema = df['close'].ewm(span=period).mean()
    kc_upper = ema + kc_mult * atr
    kc_lower = ema - kc_mult * atr

    df['squeeze_on']  = (bb_upper < kc_upper) & (bb_lower > kc_lower)
    df['squeeze_fire'] = df['squeeze_on'].shift(1) & ~df['squeeze_on']
    return df

Carter handelt den Squeeze-Fire als Breakout-Signal in Richtung des Momentums. Die Statistik dahinter ist real: nach Squeeze-Phasen ist die durchschnittliche 5-Bar-Bewegung deutlich überdurchschnittlich, weil aufgestaute Volatilität sich entlädt. Die Richtung allerdings muss von einem zweiten Indikator (typisch ein Momentum-Oszillator) kommen — sonst werden Sie regelmäßig auf die falsche Seite gestellt.

Konkrete Implementation in Python.

Hier mein produktives Keltner-basiertes Trend-Setup auf liquiden Futures:

def keltner_trend(df, ema_n=20, atr_n=20, mult=2.0):
    df['ema']  = df['close'].ewm(span=ema_n).mean()
    tr = pd.concat([
        df['high'] - df['low'],
        (df['high'] - df['close'].shift()).abs(),
        (df['low']  - df['close'].shift()).abs()
    ], axis=1).max(axis=1)
    df['atr']  = tr.rolling(atr_n).mean()
    df['kc_up']  = df['ema'] + mult * df['atr']
    df['kc_dn']  = df['ema'] - mult * df['atr']

    # Entry: Close bricht oberes Band, ADX(14) > 25
    df['adx'] = adx(df['high'], df['low'], df['close'], 14)
    df['entry'] = (df['close'] > df['kc_up']) & (df['adx'] > 25)
    df['exit']  = df['close'] < df['ema']
    return df

Meine Praxis: klare Empfehlung.

• Trendfolge / Breakout: Keltner, immer. Die ATR-basierten Bänder sind robuster und filtern Ausbrüche sauberer.
• Mean-Reversion in Range-Märkten: Bollinger. Die volatilitätsadaptiven Bänder erkennen Extreme besser.
• Volatilitäts-Erkennung: Beide kombinieren als TTM Squeeze. Das ist nicht trivial zu handeln, aber das interessanteste Setup aus beiden.

Wer pauschal „der eine ist besser" sagt, hat keine Backtests gemacht. Bei uns laufen beide Indikatoren parallel — Keltner in Trend-Strategien, Bollinger in Mean-Reversion-Strategien. Das ist nicht akademische Eleganz, sondern empirische Konsequenz.

Sie überlegen, welcher Band-Indikator zu Ihrer Strategie passt? Erstgespräch buchen — ich zeige Ihnen den Vergleich an Ihren Daten.