Methodik & Datenquellen

1. Was SeasOptima macht

SeasOptima ist eine statistische Analyseplattform, die wiederkehrende saisonale Muster an den Finanzmärkten identifiziert. Wir aggregieren historische Preisdaten und wenden statistische Methoden an, um zu visualisieren, wie sich Vermögenswerte in bestimmten Zeiträumen historisch entwickelt haben. Unsere Plattform bietet keine Anlageberatung, Handelssignale oder personalisierte Empfehlungen. Alle dargestellten Informationen sind rein statistischer und bildungsbezogener Natur.

2. Datenquellen

Alle von SeasOptima verwendeten Marktdaten stammen aus öffentlich zugänglichen Finanzdatenanbietern:

• Marktdatenanbieter — Wir aggregieren historische OHLCV-Preisdaten (Eröffnung, Hoch, Tief, Schluss, Volumen) von öffentlich zugänglichen Finanzdatenanbietern über alle Anlageklassen hinweg, einschließlich Aktien, Indizes, Rohstoffe, Forex, ETFs und Kryptowährungen.

Datenabdeckung

Wir analysieren bis zu 30 Jahre historischer Tagespreisdaten, sofern verfügbar. Der genaue Abdeckungszeitraum variiert je nach Symbol und Datenverfügbarkeit. Alle Daten werden täglich während der Handelszeiten aktualisiert.

Datengenauigkeit

Obwohl wir nach Genauigkeit streben, sind wir auf Drittanbieter-Datenquellen angewiesen und können nicht garantieren, dass alle Daten fehlerfrei sind. Preise werden gegebenenfalls um Splits und Dividenden bereinigt. Benutzer sollten kritische Datenpunkte unabhängig überprüfen.

3. Berechnung saisonaler Muster

Saisonale Muster werden nach folgender Methodik berechnet:

1. Tägliche Renditen: Wir berechnen die tägliche prozentuale Veränderung für jeden Handelstag über alle verfügbaren Datenjahre.
2. Kalenderaggregation: Tägliche Renditen werden nach Kalenderdatum (Monat und Tag) gruppiert, um wiederkehrende Muster zu identifizieren.
3. Historische Durchschnitte: Für jeden Kalenderzeitraum berechnen wir die durchschnittliche historische Rendite und den Prozentsatz der Jahre mit positiver Rendite (Gewinnrate).
4. Saisonale Perioden: Zusammenhängende Zeiträume mit durchgehend positiven oder negativen historischen Renditen werden als saisonale Muster identifiziert und hervorgehoben.
5. Statistische Signifikanz: Muster werden anhand der Anzahl der Datenjahre, der Konsistenz der Renditen und der Gewinnrate bewertet, um ihre historische Zuverlässigkeit einzuschätzen.

4. Musterkonsistenz-Score

Der Musterkonsistenz-Score (PCS) ist eine proprietäre Kennzahl, die misst, wie zuverlässig sich ein saisonales Muster historisch wiederholt hat:

• Gewinnraten-Komponente: Der Prozentsatz der Jahre, in denen die erwartete Richtung des Musters (bullisch oder bärisch) tatsächlich eingetreten ist.
• Renditekonsistenz: Wie ähnlich die Höhe der Renditen über verschiedene Jahre hinweg war — geringere Varianz deutet auf höhere Konsistenz hin.
• Stichprobengröße: Mehr Datenjahre erhöhen das statistische Vertrauen in das Muster.

Der PCS wird als Score von 0 bis 100 ausgedrückt. Höhere Scores deuten auf historisch konsistentere Muster hin. Ein hoher PCS sagt keine zukünftige Wertentwicklung voraus.

5. Marktregime-Analyse

Unsere Marktregime-Erkennung verwendet einen systematischen Ansatz zur Klassifizierung des breiteren Marktumfelds:

• Trenderkennung: Wir verwenden gleitende Durchschnitte wichtiger Marktindizes (z. B. S&P 500), um festzustellen, ob sich der Markt in einer historisch bullischen, bärischen oder neutralen Phase befindet.
• Regime-Klassifizierung: Saisonale Muster werden für jedes Marktregime separat analysiert, sodass Benutzer sehen können, wie sich Muster in verschiedenen Marktbedingungen historisch verhalten haben.

Die Marktregime-Analyse basiert ausschließlich auf historischer Klassifizierung und sagt keine zukünftige Marktrichtung voraus.

6. Heatmap & Kalender

Visuelle Werkzeuge aggregieren historische Daten wie folgt:

• Monatliche Heatmap: Zeigt die durchschnittliche historische Rendite für jeden Monat über alle verfügbaren Jahre. Die Farbintensität zeigt die Höhe der durchschnittlichen historischen Rendite an.
• Saisonaler Kalender: Zeigt tägliche historische Durchschnitte, die auf das aktuelle Kalenderjahr abgebildet werden, sodass Benutzer sehen können, welche Daten historisch positive oder negative Tendenzen aufwiesen.

Alle Heatmap- und Kalenderwerte stellen historische Durchschnitte dar und prognostizieren keine zukünftigen Renditen.

7. Screener-Rankings

Der saisonale Screener filtert und rangiert Symbole nach statistischen Kriterien:

• Filterung: Benutzer können nach Anlageklasse, Musterrichtung, Datumsbereich und Mindestgewinnrate filtern.
• Rangierung: Ergebnisse werden nach historischer Musterstärke geordnet — einer Kombination aus durchschnittlicher historischer Rendite, Gewinnrate und Musterkonsistenz.
• Aktualität: Screener-Daten werden regelmäßig neu berechnet, um die aktuellsten verfügbaren Daten einzubeziehen.

Screener-Rankings spiegeln ausschließlich historische statistische Kennzahlen wider. Ein hohes Ranking stellt keine Empfehlung zum Kauf oder Verkauf eines Wertpapiers dar.