KST-Indikator: Martin Prings vergessene Momentum-Komposition.

Der „Know Sure Thing" — KST — ist einer der elegantesten Momentum-Indikatoren überhaupt. Martin Pring hat ihn in den späten 1980ern entwickelt mit dem Ziel, Multi-Timeframe-Momentum in einem einzigen Wert zu verdichten. Konzeptionell durchdacht, in der Praxis aber nur ein marginaler Vorteil gegenüber simpleren Werkzeugen. Ein Indikator, den man verstehen sollte — und realistisch einordnen.

Was der KST ist und warum Pring ihn gebaut hat.

Martin Pring war einer der ersten Techniker, die systematisch über das Problem nachgedacht haben, dass ein einzelner Momentum-Indikator immer nur einen Zeitrahmen abdeckt. Ein 14er-ROC sieht etwas anderes als ein 50er-ROC oder ein 100er-ROC — und in unterschiedlichen Marktphasen geben sie widersprüchliche Signale.

Prings Lösung: vier ROC-Perioden parallel berechnen, jede einzeln glätten, gewichten und zu einem Composite zusammenführen. Das Ergebnis sollte ein Indikator sein, der gleichzeitig kurz-, mittel- und langfristiges Momentum reflektiert — eine Art „Konsens-Momentum".

Die Berechnung — komplexer als erwartet.

Die Standard-Parameter, wie Pring sie in „Technical Analysis Explained" definiert hat, sind auf den ersten Blick fast schon willkürlich. Vier ROC-Perioden, jede mit eigener Glättung und eigenem Gewicht:

KST = (ROC(10) geglättet mit SMA(10))  * 1
    + (ROC(15) geglättet mit SMA(10))  * 2
    + (ROC(20) geglättet mit SMA(10))  * 3
    + (ROC(30) geglättet mit SMA(15))  * 4

Signal-Line = SMA(KST, 9)

Das sind vier verschiedene ROCs, vier verschiedene Smoothings, vier Gewichte und zusätzlich eine Signal-Linie. Praktisch jeder Parameter ist über Jahrzehnte hinweg so geblieben, weil Pring sie pragmatisch kalibriert hat — nicht weil sie statistisch irgendetwas Magisches sind.

Signal-Logik: Cross statt Niveau.

Anders als RSI oder Stochastic operiert KST nicht über fixe Schwellen wie 70/30. Die klassische Signal-Logik ist:

• Long: KST kreuzt seine Signal-Linie nach oben (besonders unterhalb der Null-Linie).
• Short: KST kreuzt seine Signal-Linie nach unten (besonders oberhalb der Null-Linie).
• Bestätigung: KST oberhalb null = positives Composite-Momentum, unterhalb null = negatives.

Das ist im Kern eine Variante der MACD-Logik, nur eben mit einem komplexeren Underlying als zwei EMAs. Wer KST kennt, versteht intuitiv, warum er konzeptionell interessanter ist als MACD: er kombiniert vier Zeitebenen statt zwei.

Crypto-Comeback in den 2020ern.

Spannend ist, dass der KST nach gut zwei Jahrzehnten relativer Bedeutungslosigkeit in Krypto-Communities ab etwa 2021 ein kleines Comeback hatte. Der Grund ist banal: Krypto-Märkte haben extrem ausgeprägte Multi-Timeframe-Dynamiken — kurze Spike-Bewegungen, mittelfristige Korrekturen und langfristige Bull/Bear-Zyklen laufen gleichzeitig. Ein Composite-Momentum-Indikator passt konzeptionell ungewöhnlich gut zu diesem Profil.

In der Praxis ist der gemessene Vorteil bei mir aber bescheiden geblieben. Wenn ich KST gegen einen einfachen MACD(12, 26, 9) auf BTC-Daily über 2018–2025 vergleiche, ist die Hit-Rate praktisch identisch (53 % vs. 52 %) und der durchschnittliche Trade-Erwartungswert liegt innerhalb der Standardabweichung. Anders gesagt: der zusätzliche Konstruktionsaufwand zahlt sich kaum aus.

Konkrete Implementierung in Python.

import pandas as pd

def kst(close, r=(10, 15, 20, 30), s=(10, 10, 10, 15), w=(1, 2, 3, 4), sig=9):
    """
    Pring's Know Sure Thing.
    close: pd.Series mit Schlusskursen
    r:     ROC-Perioden
    s:     SMA-Smoothing-Perioden je ROC
    w:     Gewichte
    sig:   Signal-Line-SMA
    """
    parts = []
    for ri, si, wi in zip(r, s, w):
        roc = close.pct_change(ri) * 100
        smoothed = roc.rolling(si).mean()
        parts.append(smoothed * wi)
    k = sum(parts)
    signal = k.rolling(sig).mean()
    return k, signal

# Signale
k, s = kst(df['close'])
df['kst']    = k
df['kst_sig']= s
df['long']   = (k.shift(1) < s.shift(1)) & (k > s)
df['short']  = (k.shift(1) > s.shift(1)) & (k < s)

Wo der KST tatsächlich glänzt.

Eine ehrliche Einschätzung: KST ist nicht der Indikator, mit dem man Geld verdient — er ist ein gutes diagnostisches Werkzeug. Drei Anwendungen, in denen ich ihn tatsächlich nutze:

• Regime-Diagnostik auf Wochenbasis: KST auf Weekly-Bars sagt sehr klar, ob ein Markt sich in einer langfristigen Aufwärts- oder Abwärtsphase befindet. Als Filter über einer kurzfristigen Strategie kann das helfen.
• Divergenz-Visualisierung: Weil KST mehrere Zeitebenen kombiniert, sind Divergenzen seltener und tendenziell aussagekräftiger als bei RSI oder MACD. Nicht als alleiniges Signal, aber als Confirmation.
• Sektor-Rotation: KST auf Sektor-ETFs nebeneinander zeigt visuell sehr klar, welche Sektoren ins positive Momentum-Regime drehen. Als Diskussionsgrundlage in Portfolio-Meetings hilfreich.

Ehrliche Bewertung.

Der KST ist konzeptionell sauber durchdacht und mathematisch elegant — er löst das Multi-Timeframe-Problem auf eine theoretisch befriedigende Weise. Aber: in den allermeisten Backtests, die ich gefahren habe, liefert er gegenüber einem einfachen MACD oder einem zweistufigen ROC-Setup keine messbar bessere Performance.

Das ist kein Versagen des Indikators, sondern eine generelle Wahrheit über Momentum-Werkzeuge: alle messen mehr oder weniger das Gleiche, und die Unterschiede werden von der Auswahl der Asset-Klasse und der Filter-Logik überlagert. Wer einen Composite-Momentum-Indikator nutzen will, ist mit KST gut bedient. Wer Edge sucht, sollte sie nicht im KST suchen, sondern in besserer Filter-Logik und besserem Position-Sizing.

Mein Fazit: lesenswertes Stück Indikator-Geschichte, brauchbares Diagnose-Werkzeug, kein Game-Changer.

Sie wollen Momentum-Indikatoren in Ihrem Setup sauber gegeneinander testen statt blind auswählen? Erstgespräch buchen — wir schauen uns Ihre Indikator-Architektur an.