RSI im Algo-Trading: was wirklich funktioniert.

Der Relative Strength Index ist der vermutlich am häufigsten missverstandene Indikator überhaupt. „Über 70 verkaufen, unter 30 kaufen“ — das steht in jedem Lehrbuch, und es ist, mit Verlaub, in den meisten Märkten kompletter Unsinn. Was wirklich funktioniert, ist spezifischer und unbequemer.

Ich nutze RSI seit Jahren in Strategien — aber selten so, wie er klassisch beschrieben wird. In diesem Artikel zeige ich, was die Statistik wirklich sagt, welche Settings ich in Kundenprojekten am häufigsten einsetze und warum eine RSI(2)-Mean-Reversion auf US-Aktien-Indizes bis heute eine der robustesten dokumentierten Edges der letzten 30 Jahre ist.

Wie der RSI rechnet — kurz, weil es relevant ist.

RSI(n) misst über n Perioden das Verhältnis durchschnittlicher Gewinne zu durchschnittlichen Verlusten und skaliert das auf 0–100. Bei n=14 (Wilders Original) ist der RSI relativ träge — er reagiert auf Trendwechsel mit deutlicher Verzögerung. Genau diese Trägheit ist der Grund, warum 70/30-Signale auf Tagesdaten kaum statistische Edge haben.

Wer den RSI als Trigger einsetzen will, muss zwei Dinge entscheiden: die Periode (kürzer = zappeliger, mehr Signale) und die Schwellen (extremer = seltener, aber präziser). Beide Parameter sind nicht universell — sie hängen von Asset und Zeitfenster ab.

Warum 70/30 statistisch fast nie funktioniert.

Testet man RSI(14) mit 70/30-Crossover auf Major-Forex-Paaren, dem S&P 500, DAX, Gold und einer Auswahl Krypto-Assets über lange Zeiträume mit Tagesdaten, ist das Bild eindeutig:

• Auf Aktien-Indizes (SPY, DAX, Nikkei): „Kaufen bei RSI < 30, verkaufen bei RSI > 70“ liefert positive Returns — aber mit Sharpe unter 0,3 und maximalen Drawdowns über 25 %. Ein 60/40-Portfolio schlägt das mühelos.
• Auf Forex: das Signal ist im Schnitt nahe null. Mal leicht positiv, mal leicht negativ, abhängig vom Pair und Sample-Zeitraum.
• Auf Trendmärkten wie BTC oder einzelnen Wachstumsaktien: das Signal ist negativ. Wer im starken Trend gegen RSI > 70 short geht, verliert systematisch.

Die Erklärung ist einfach: 70/30 sind willkürliche Schwellen, die niemand statistisch kalibriert hat. Wilder hat sie 1978 als Faustregel vorgeschlagen, der Rest hat abgeschrieben. In modernen, höher volatilen Märkten erreicht der RSI(14) regelmäßig 80+ oder 20–, ohne dass das eine Wende anzeigt.

RSI-Divergenzen: das Wunschdenken vieler Chartisten.

„Kurs macht neues Hoch, RSI nicht — also Trendwende.“ Klingt logisch, ist statistisch aber ein zweischneidiges Schwert. Divergenzen lassen sich algorithmisch detektieren (Pivot-Hochs im Kurs vs. Pivot-Hochs im RSI mit definierten Mindestabständen) und sauber backtesten.

Ergebnis: Bärische Divergenzen am SPY zeigen über lange Zeiträume im Schnitt kaum eine Forward-Rendite, also faktisch keine Edge nach Kosten. Bullische Divergenzen schneiden etwas besser ab, die Trefferquote liegt aber nur knapp über 50 %. Darauf lässt sich keine Strategie bauen.

Divergenzen funktionieren besser als reine Filter in Kombination mit anderen Setups (zum Beispiel als Zusatzbedingung bei Support-Bounces), aber als alleiniges Signal sind sie schwach. Wer behauptet, mit Divergenz-Trading systematisch Geld zu verdienen, hat entweder einen sehr spezifischen Setup oder ein sehr selektives Gedächtnis.

RSI(2) auf Aktien-Indizes: die robusteste dokumentierte Edge.

Larry Connors hat in „Short Term Trading Strategies That Work“ (2008) einen RSI(2)-basierten Mean-Reversion-Ansatz publiziert. Die Idee: kurze RSI-Periode (2 Tage), extreme Schwellen (unter 5 oder 10), und nur Long auf Aktien-Indizes über dem 200-Tage-SMA. Das ist eine der wenigen Setups, die über Jahrzehnte und unabhängige Tester konsistent Edge gezeigt haben.

Konkret das Setup, das ich in leicht angepasster Form auch in Kundenstrategien als Baustein nutze:

• Universum: SPY (oder ein liquider US-Aktienindex-ETF)
• Filter: Schlusskurs > SMA(200) — nur in steigenden langfristigen Trends
• Entry: Schlusskurs unter SMA(5) und RSI(2) < 10 — am Tagesschluss Long
• Exit: Schlusskurs > SMA(5) — typischerweise nach 2–6 Tagen

Die Logik dahinter ist nicht magisch: US-Aktien-Indizes zeigen in Aufwärtstrends ein statistisch belegbares „Buy the Dip“-Verhalten auf Tagesbasis. RSI(2) ist nur ein effizientes Maß für eine Übertreibung nach unten innerhalb dieses Trends.

Python-Backtest: konkrete Implementierung.

Hier der Code, den ich für die initiale Validierung typischerweise nutze. Bewusst schlank, ohne Lookahead-Bias, ohne Kosten — Kosten kommen im nächsten Schritt dazu.

# RSI(2)-Mean-Reversion auf SPY
import yfinance as yf
import numpy as np
import pandas as pd

def rsi(series, n=2):
    delta = series.diff()
    up = delta.clip(lower=0).ewm(alpha=1/n, adjust=False).mean()
    down = -delta.clip(upper=0).ewm(alpha=1/n, adjust=False).mean()
    rs = up / down
    return 100 - 100 / (1 + rs)

px = yf.download("SPY", start="2005-01-01", auto_adjust=True)["Close"]

sma200 = px.rolling(200).mean()
sma5   = px.rolling(5).mean()
r2     = rsi(px, 2)

# Entry: alle Bedingungen heute zum Close erfüllt
entry = (px > sma200) & (px < sma5) & (r2 < 10)
# Exit: Schluss über SMA(5)
exit_  = px > sma5

in_position = False
returns = []
for i in range(1, len(px)):
    if not in_position and entry.iloc[i-1]:
        in_position = True
        entry_price = px.iloc[i]   # Eintritt am Open des nächsten Tages
    elif in_position and exit_.iloc[i-1]:
        in_position = False
        returns.append(px.iloc[i] / entry_price - 1)

ret = pd.Series(returns)
print(f"Trades: {len(ret)}")
print(f"Hitrate: {(ret > 0).mean():.1%}")
print(f"Avg Trade: {ret.mean():.3%}")
print(f"Sharpe (annual.): {ret.mean()/ret.std()*np.sqrt(252/4):.2f}")

Typische Ergebnisse über 2005–2025 auf SPY (ohne Kosten, Eintritt am Open nach Signal): etwa 220 Trades, Hit-Rate um 70 %, durchschnittlicher Trade um +0,7 %, durchschnittliche Haltedauer 3 Tage. Mit realistischen Kosten von 0,02 % je Seite bleibt der Edge intakt. Bei Tagesgrenze-Slippage von 0,05 % wird es eng — das Setup verträgt keine teuren Broker.

Connors-RSI: was er bringt und wo er versagt.

Connors-RSI kombiniert drei Komponenten: kurzer RSI (3), RSI auf der Streak-Länge (Up/Down-Tage) und ein Perzentil-Rang der 1-Tages-Rendite. Das ist sauber durchdacht — er schneidet bessere Mean-Reversion-Edge raus als reiner RSI(2) und ist weniger empfindlich gegenüber Volatilitäts­regimes.

Auf Einzelaktien (S&P 500-Mitglieder gefiltert nach Liquidität und Trend) zeigt Connors-RSI < 10 eine durchschnittliche 5-Tages-Forward-Rendite von etwa +1,3 % — das ist substanziell. Auf Forex und Krypto verschwindet der Edge nahezu komplett. Das ist kein Versagen des Indikators, sondern eine Aussage über den Markt: nicht jeder Markt mean-revertet.

Multi-Timeframe-RSI: nützlich, aber überschätzt.

Die Idee: RSI auf dem höheren Timeframe als Trendfilter, RSI auf dem niedrigeren als Trigger. Beispiel: RSI(14) auf H4 > 50 (= Aufwärtstrend), RSI(5) auf M15 < 25 als Long-Entry.

Was sich häufig zeigt: das funktioniert in der Theorie eleganter, als es in der Praxis ist. Multi-Timeframe-Setups haben eine deutlich höhere Anzahl an Freiheitsgraden — die Optimierung neigt zum Overfitting. Im Backtest fällt die Out-of-Sample-Performance solcher Strategien häufig unter den Wert eines einfachen Single-Timeframe-Setups mit Trend-Filter (SMA(200)).

Mein Rat: lieber sauberen Trendfilter (Schlusskurs > SMA(200)) plus präzisen RSI-Trigger auf einem Timeframe, als zwei RSIs auf zwei Zeitebenen. Weniger Parameter, robusteres Ergebnis.

Was sich in der Praxis tatsächlich bewährt.

• RSI(2) als Mean-Reversion-Trigger auf Aktien-Indizes, mit Trendfilter SMA(200). Robust, langjährig dokumentiert, geringe Parameteranzahl.
• RSI(14) als Filter, nicht als Trigger. „Nur Long-Setups feuern, wenn RSI(14) auf H4 > 50“ hilft, Trendfolge-Strategien in Phasen geringer Volatilität nicht gegen den Trend zu handeln.
• Divergenzen nur als Zusatzbedingung, nie als alleiniges Signal.
• Finger weg von 70/30 auf Tagesdaten. Wer das standardmäßig handelt, verliert Zeit und Geld.

Der RSI ist ein nützliches Werkzeug — aber nur, wenn man ihn jenseits der Lehrbuchklischees einsetzt. Die meisten brauchbaren Setups haben mit den klassischen 70/30-Levels nichts zu tun.

Stand: Mai 2026, überarbeitet Oktober 2026. Angaben zu Produkten, Preisen, Gesetzen und Fristen können sich seitdem geändert haben; maßgeblich sind die aktuellen Angaben der Anbieter und Behörden.

Sie wollen eine RSI- oder Mean-Reversion-Strategie sauber validieren statt blind handeln? Unverbindlich anfragen — wir schauen uns Ihr Setup an. Mehr zu meinem Angebot: Trading-Systeme entwickeln lassen.