Warum makroökonomische Daten zwar stimmen, Trading aber trotzdem nicht unbedingt Geld bringt?
Früher, wenn ich mit Non-Farm Payrolls, CPI oder Zinsentscheidungen konfrontiert war, wollte ich immer schon vorher eine Richtung setzen: Wenn die Daten schwach sind, kauft man; wenn sie stark sind, verkauft man.
Später habe ich nach vielen Verlusten erst verstanden: Der Markt handelt nicht die Qualität der Daten selbst, sondern die Abweichung zwischen den Daten und den Erwartungen.
Eine Abkühlung am Arbeitsmarkt wirkt zwar wie ein Vorteil für eine lockere Geldpolitik, aber wenn der Markt das schon im Voraus eingepreist hat, kann nach der Veröffentlichung sogar Gewinnmitnahme einsetzen; starke Daten sollten eigentlich risikoreiche Assets bremsen, doch wenn sie nicht ganz so stark ausfallen wie erwartet, kann BTC trotzdem steigen.
Das Schwierige ist auch: In dem Moment, in dem die Daten veröffentlicht werden, wird die Liquidität kurzfristig dünn. Der Preis räumt zuerst Long-Orders ab, dann Short-Orders – und obwohl die Richtung am Ende doch stimmt, ist die Position längst liquidiert.
Auch ich habe vor Daten schon einmal mit hohem Hebel eröffnet und hielt meine Logik für stimmig. Kaum waren die Zahlen da, traf eine einzelne Nadel zuerst meinen Stop-Loss – und erst danach lief der Markt in die Richtung, die ich erwartet hatte.
In dem Moment habe ich verstanden: Eine korrekte Meinung heißt nicht, dass die Handelsstruktur auch richtig ist.
Vor großen Daten gilt es daher nicht nur das Ergebnis zu bewerten, sondern auch: Wie viel der Markt bereits eingepreist hat, ob die Positionierung überfüllt ist und ob man die plötzliche Volatilität überhaupt aushalten kann. Wenn es keine klaren Odds gibt, ist es oft wichtiger, zu warten, bis der Markt seine erste Reaktion abgeschlossen hat, als diese paar Sekunden zu jagen.
Merke: Die Daten bestimmen, wie die Geschichte erzählt wird; die Überraschung gegenüber den Erwartungen entscheidet, wohin der Preis läuft. Die richtigen Zahlen zu erraten ist nur Wissen – über die Volatilität zu überleben ist Trading.
Früher, wenn ich mit Non-Farm Payrolls, CPI oder Zinsentscheidungen konfrontiert war, wollte ich immer schon vorher eine Richtung setzen: Wenn die Daten schwach sind, kauft man; wenn sie stark sind, verkauft man.
Später habe ich nach vielen Verlusten erst verstanden: Der Markt handelt nicht die Qualität der Daten selbst, sondern die Abweichung zwischen den Daten und den Erwartungen.
Eine Abkühlung am Arbeitsmarkt wirkt zwar wie ein Vorteil für eine lockere Geldpolitik, aber wenn der Markt das schon im Voraus eingepreist hat, kann nach der Veröffentlichung sogar Gewinnmitnahme einsetzen; starke Daten sollten eigentlich risikoreiche Assets bremsen, doch wenn sie nicht ganz so stark ausfallen wie erwartet, kann BTC trotzdem steigen.
Das Schwierige ist auch: In dem Moment, in dem die Daten veröffentlicht werden, wird die Liquidität kurzfristig dünn. Der Preis räumt zuerst Long-Orders ab, dann Short-Orders – und obwohl die Richtung am Ende doch stimmt, ist die Position längst liquidiert.
Auch ich habe vor Daten schon einmal mit hohem Hebel eröffnet und hielt meine Logik für stimmig. Kaum waren die Zahlen da, traf eine einzelne Nadel zuerst meinen Stop-Loss – und erst danach lief der Markt in die Richtung, die ich erwartet hatte.
In dem Moment habe ich verstanden: Eine korrekte Meinung heißt nicht, dass die Handelsstruktur auch richtig ist.
Vor großen Daten gilt es daher nicht nur das Ergebnis zu bewerten, sondern auch: Wie viel der Markt bereits eingepreist hat, ob die Positionierung überfüllt ist und ob man die plötzliche Volatilität überhaupt aushalten kann. Wenn es keine klaren Odds gibt, ist es oft wichtiger, zu warten, bis der Markt seine erste Reaktion abgeschlossen hat, als diese paar Sekunden zu jagen.
Merke: Die Daten bestimmen, wie die Geschichte erzählt wird; die Überraschung gegenüber den Erwartungen entscheidet, wohin der Preis läuft. Die richtigen Zahlen zu erraten ist nur Wissen – über die Volatilität zu überleben ist Trading.