Moving Averages im Trading: SMA, EMA, WMA, HMA im Vergleich.

Gleitende Durchschnitte sind die einfachste Form von Glättung — und gleichzeitig der am meisten überschätzte Bereich der technischen Analyse. „Welcher MA ist der beste" ist die falsche Frage. Die richtige Frage ist: welcher Trade-off zwischen Glätte und Lag passt zu meinem Setup. Und welche MA-Strategien überhaupt eine Edge haben.

In diesem Artikel vergleiche ich SMA, EMA, WMA und Hull-MA mathematisch und empirisch, zeige, was Golden Cross und Death Cross wirklich leisten, und nenne die MA-Settings, die ich in Mandantenstrategien am häufigsten einsetze.

Die vier MA-Typen — kurz erklärt, dann statistisch verglichen.

Alle gleitenden Durchschnitte glätten Preise über ein Fenster n. Unterschiedlich gewichten sie die Vergangenheit:

• SMA(n) — Simple MA: alle n Werte gleich gewichtet. Klassisch, einfach, träge.
• EMA(n) — Exponential MA: jüngere Werte exponentiell stärker gewichtet (Gewicht α = 2/(n+1)). Reagiert schneller, ist aber unruhiger.
• WMA(n) — Weighted MA: lineare Gewichtung, jüngere Werte stärker. Zwischen SMA und EMA.
• HMA(n) — Hull MA: Kombination aus WMAs (Alan Hull, 2005). Mathematisch: WMA(√n) auf 2·WMA(n/2) − WMA(n). Reduziert Lag drastisch, ohne Glätte zu opfern — der mathematische Trick ist, den durchschnittlichen Lag explizit zu subtrahieren.

Der Trade-off ist hart: jeder MA mit weniger Lag ist zappeliger. HMA ist nicht „besser als SMA"; HMA ist anders. Wer für eine Strategie schnelle Trend-Wechsel braucht, profitiert von HMA. Wer einen ruhigen Trendfilter braucht, ist mit SMA besser bedient.

Empirische Messung: durchschnittlicher Lag.

Ich habe an SPY-Tagesdaten den durchschnittlichen Lag der vier MAs gegen den Schlusskurs in Aufwärtstrend-Phasen (definiert über monotone 20-Tage-Rendite) gemessen. Lag = mittlere Anzahl Tage, die der MA dem Kurs „hinterherrennt":

• SMA(50): durchschnittlicher Lag um 24 Tage
• WMA(50): durchschnittlicher Lag um 16 Tage
• EMA(50): durchschnittlicher Lag um 18 Tage
• HMA(50): durchschnittlicher Lag um 5 Tage

HMA reduziert Lag um Faktor 4 gegenüber SMA, bei vergleichbarer visueller Glätte. Das ist keine Magie, sondern die mathematische Konsequenz der Hull-Konstruktion. Für Trendfolge-Setups, die schnell raus müssen, ist HMA(50) typischerweise dem SMA(50) überlegen.

Die 200-Tage-Linie als Regime-Filter — was die Statistik sagt.

Der bekannteste Use Case ist die 200-Tage-Linie auf Aktien-Indizes als Bull-Bear-Filter. Das ist eine der wenigen MA-Anwendungen, die statistisch wirklich robust ist.

Konkret auf SPY 1995–2025: durchschnittliche Tages-Rendite über SMA(200) +0,055 %, unter SMA(200) +0,011 % — bei vier- bis fünffacher Volatilität. Das ist nicht „leicht besser", das ist eine fundamental andere Risk-Reward-Charakteristik. Wer Long-only-Strategien auf US-Aktien nur über der 200-Tage-Linie handelt, vermeidet die schlimmsten Drawdowns.

Wichtig: dieser Effekt gilt vor allem für US-Aktien-Indizes. Auf DAX, EURUSD oder Gold ist der Effekt schwächer und weniger zeitstabil. Auf Bitcoin praktisch null — der Markt ist zu jung und zu zyklisch für sauberes Regime-Filter-Testing.

Golden Cross / Death Cross — Marketing vs. Realität.

„Wenn SMA(50) die SMA(200) von unten kreuzt — Golden Cross — beginnt ein Bullenmarkt." Das ist ein gerngenommener Pressetitel. Statistisch ist es schwach.

Auf SPY seit 1950 gab es etwa 25 Golden-Cross-Events. Die durchschnittliche 12-Monats-Forward-Rendite nach einem Golden Cross liegt bei rund +9 %, was zunächst gut aussieht. Aber: die durchschnittliche 12-Monats-Rendite an einem beliebigen Tag liegt bei rund +8 %. Der Edge ist also nahezu null. Mehr noch: einige der Golden Crosses traten kurz vor großen Crashes auf (z. B. 2000, 2008).

Death Cross ist ähnlich. Die mediane Performance ist leicht negativ, aber mit hoher Streuung und vielen False Signals. Wer auf einen Death Cross hin verkauft und auf einen Golden Cross zurückkauft, verliert über lange Zeiträume systematisch gegen Buy-and-Hold — wegen der verpassten Erholungs-Bewegungen direkt nach Crashes.

Diese Signale machen sich in der Presse gut. Im Backtest sehen sie schlechter aus.

MA-Crossover-Strategien mit Walk-Forward.

Klassischer MA-Crossover (z. B. EMA(20) kreuzt EMA(50)) ist die simpelste Trendfolge. Wenn ich solche Strategien für Mandanten teste, läuft das immer durch Walk-Forward — sonst findet die Optimierung Zufallswerte.

Typisches Ergebnis auf liquiden Forex-Pairs (EURUSD, GBPUSD, USDJPY): die optimierten Crossover-Parameter springen zwischen Walk-Forward-Fenstern wild (mal EMA(15/45), mal EMA(30/100)). Das ist ein klares Zeichen für Overfitting. Die OOS-Performance ist meistens nahe null nach Kosten.

Auf Aktien-Indizes funktioniert es etwas besser, aber nur als Long-only-Setup mit zusätzlichem Trendfilter. Auf Trendmärkten wie Krypto kann ein einfaches HMA(20)-Crossover mit dem Schlusskurs erstaunlich gut laufen — aber das Sample ist zu kurz, um daraus etwas Robustes abzuleiten.

Konkrete Pandas-Implementierung: HMA und Crossover-Backtest.

# Hull MA in pandas
import numpy as np
import pandas as pd

def wma(series, n):
    weights = np.arange(1, n+1)
    return series.rolling(n).apply(
        lambda x: np.dot(x, weights) / weights.sum(), raw=True)

def hma(series, n):
    half = int(n/2)
    sqrt_n = int(np.sqrt(n))
    return wma(2*wma(series, half) - wma(series, n), sqrt_n)

# Crossover-Strategie: Schlusskurs vs. HMA(50)
def hma_crossover_backtest(px, n=50, sma200_filter=True):
    h = hma(px, n)
    sma200 = px.rolling(200).mean()

    long_signal = px > h
    if sma200_filter:
        long_signal &= px > sma200

    # Position next day, kein Lookahead
    pos = long_signal.shift(1).fillna(False).astype(int)
    ret = px.pct_change()
    strat_ret = pos * ret

    return strat_ret

Welche MA-Settings ich Mandanten am häufigsten empfehle.

Nach rund einem Jahrzehnt Praxis: die Settings, die ich am häufigsten in Mandantenprojekten sehe und selbst empfehle, sind langweilig. Aber sie funktionieren:

• SMA(200) als Regime-Filter auf Aktien-Indizes. Long-Setups nur, wenn Schluss > SMA(200). Robust und gut dokumentiert.
• EMA(20) als kurzfristiger Trendindikator in Intraday-Setups auf Forex und Futures. Gute Balance aus Reaktivität und Stabilität.
• HMA(50) für Trendfolge-Setups, die schnell raus müssen. Vor allem auf trending Märkten wie Indizes in starken Phasen.
• SMA(5) als Mean-Reversion-Anker in Kurzfrist-Setups (siehe RSI(2)-Setup im vorigen Artikel). Einfache, ungefitete Marker.

Was ich praktisch nie empfehle: WMA (kein klarer Vorteil gegenüber EMA), exotische gleitende Durchschnitte wie ALMA, FRAMA, KAMA. Die haben in 95 % der Fälle keinen statistisch relevanten Mehrwert gegenüber EMA oder HMA — sie liefern aber zusätzliche Freiheitsgrade für Overfitting.

Häufige Fallen.

• Repaint: alle MAs sind „lookahead-frei" am Schluss-Bar, aber intraday repainted ein laufender MA permanent. Setups, die intraday auf MA-Touch reagieren, sind im Live-Trading anders als im Backtest.
• EMA-Initialisierung: EMAs brauchen mindestens 3–4× die Periode an Vorlauf-Bars für saubere Werte. Backtests mit nur 200 Bars EMA(200) sind unbrauchbar.
• Adjusted vs. unadjusted prices: Auf Aktien führen Splits und Dividenden ohne Anpassung zu fiktiven MA-Crossings. Immer adjusted prices verwenden.
• Survivorship-Bias auf Aktien: Backtests von MA-Crossover auf heute liquiden Aktien überschätzen die Performance regelmäßig um 30–50 %.

Fazit.

Moving Averages sind die simpelsten Indikatoren, und sie haben einen begrenzten, aber messbaren Platz in systematischen Setups. Die echte Edge liegt fast immer in der Rolle als Regime-Filter, nicht als Trigger. Wer einen MA optimiert, optimiert Rauschen. Wer den 200er-Filter und einen HMA als Trend-Tracker einsetzt, hat zwei nützliche Werkzeuge in der Hand — ohne die Illusion, damit den Markt geschlagen zu haben.

Sie wollen Ihre Trendfolge sauber mit MAs aufbauen statt blind 50/200 zu kreuzen? Erstgespräch buchen — wir gehen das gemeinsam durch.