Episodic Pivots: Eine KI las 1.499 SEC-Meldungen blind — und lag beim Zuversichtlichsten am falschsten

Ein Kurssprung nach einer SEC-Meldung ist der wohl eindeutigste Impuls, den der Markt liefert: Über Nacht kommt eine Nachricht, am nächsten Morgen klafft eine Lücke im Chart. Die naheliegende Annahme ist, dass der INHALT der Meldung entscheidet — gute Nachricht, guter Trade. Diese Studie prüft genau das, mit einem eigens angelegten Experiment: Eine KI las 1.499 SEC-Meldungen komplett BLIND, ohne Kurs oder Ausgang zu kennen, und musste allein aus dem Text schätzen, ob die Aktie danach steigen sollte. Das Ergebnis über 2.843 Trades seit 1984 ist überraschend eindeutig — und zeigt, dass die INHALTLICHE Einschätzung fast nichts zum Trade beiträgt.

Aufbau: 2.843 Trades, 1984 bis 2026, survivorship-frei

Grundlage sind 2.843 Episodic-Pivot-Ereignisse (starke Kurssprünge, meist nach einer SEC-Meldung) im Zeitraum vom 23.04.1984 bis zum 24.07.2026. Die Auswertung ist survivorship-frei: Delistete Titel bleiben enthalten, damit das Ergebnis nicht nur die Überlebenden zeigt. Angesetzt sind 0,2 Prozent Kosten je Seite (Kauf und Verkauf). Als Vergleichsmaßstab dient eine Zufallsbaseline — dieselben Aktien, aber beliebige statt der tatsächlichen Ereignistage —, die im Schnitt bei rund −0,43 Prozent liegt und damit den Nullpunkt markiert, gegen den jede Kennzahl hier zu lesen ist.

Das Experiment: Eine KI liest 1.499 Meldungen blind

Der Kern dieser Studie ist ein einfaches, aber striktes Experiment: 1.499 der insgesamt erfassten Ereignisse trugen eine zuordenbare SEC-Meldung. Eine KI las jede dieser Meldungen — NUR den Text, ohne Kurs, ohne Ausgang, ohne jede Information darüber, was danach geschah — und gab ein Urteil ab: Sollte diese Meldung die Aktie eher steigen lassen oder nicht, und wie zuversichtlich ist das Urteil?

Der Unterschied zwischen „die KI erwartete einen positiven Kurstreiber" und „sie erwartete es nicht" beträgt gerade einmal 0,29 Prozentpunkte — praktisch kein Unterschied. Der INHALT der Meldung, so gelesen wie es ein aufmerksamer menschlicher Leser auch täte, sagt über den tatsächlichen Trade fast nichts aus.

Je sicherer die Prognose, desto schwächer der Trade

Bemerkenswerter als der erste Befund ist der zweite: Innerhalb der Fälle, in denen die KI „sollte steigen" urteilte, wurde zusätzlich erfasst, WIE zuversichtlich dieses Urteil war (Terzile: hoch, mittel, niedrig). Die Reihenfolge ist gegen die Intuition.

Je zuversichtlicher die KI war, dass eine Meldung positiv wirkt, desto SCHLECHTER performte der Trade tatsächlich — von +6,64 Prozent bei niedriger Zuversicht auf nur +3,44 Prozent bei hoher Zuversicht. Eine naheliegende Deutung: Was für einen aufmerksamen Leser offensichtlich gut klingt, klingt für den Markt am Sprungtag ebenso offensichtlich gut — und ist entsprechend schon im Kurs eingepreist, bevor der Trade überhaupt möglich ist. Der Überraschungswert, nicht die Qualität der Nachricht, scheint den Trade zu treiben.

Was wirklich zählt: DASS Zahlen kamen, nicht WAS drinstand

Wenn der Inhalt kaum zählt, was dann? Die Antwort liegt in einer viel simpleren Unterscheidung: ob überhaupt ein Quartalsbericht (Earnings) der Auslöser war — unabhängig davon, ob die Zahlen gut oder schlecht ausfielen.

Sowohl Trefferquote als auch Durchschnittsrendite liegen bei Earnings-Gaps klar höher. Die bloße Tatsache, dass ein Unternehmen an diesem Tag Zahlen vorlegte — mit allem, was daran hängt: Analystenreaktionen, Volumen, Aufmerksamkeit —, wirkt stärker auf den Trade als jede inhaltliche Bewertung der Meldung selbst.

Länger halten schlägt den kurzen Exit

Neben der Ereignisart wurde auch die Haltedauer getestet: ein fester Ausstieg nach 120 Handelstagen gegen den kurzen Qullamaggie-Basisexit (MA20-Trail mit hälftigem Teilverkauf nach drei Handelstagen). Die Basisgruppe umfasst 2.843 Trades, der 120-Tage-Lauf 2.836 — sieben Ereignisse fallen durch den längeren Beobachtungszeitraum aus der Wertung.

Der lange Ansatz fast verdoppelt den Ertrag gegenüber dem kurzen Exit. Wer nach einem Episodic Pivot sofort wieder aussteigt, lässt in dieser Auswertung einen erheblichen Teil der Bewegung auf dem Tisch liegen.

Der Sweet Spot: Gaps zwischen 30 und 50 Prozent

Nicht jeder Kurssprung ist gleich viel wert. Die Auswertung nach Gap-Größe zeigt einen klaren Sweet Spot in der mittleren Größenklasse — nicht bei den größten, spektakulärsten Sprüngen.

Riesen-Gaps ab 50 Prozent sind kurzfristig sogar die schwächste aller Gap-Klassen, mit nur 35,3 Prozent Trefferquote und der niedrigsten Durchschnittsrendite (+3,0 Prozent) — vermutlich, weil hier häufiger Übernahmen, Insolvenzen oder andere Sondersituationen mit begrenztem Nach-oben-Potenzial stecken. Der 30–50-Prozent-Bereich liefert das beste Verhältnis aus Häufigkeit und Ertrag.

Das „Königs-Setup": Gap 30–50 % MIT Quartalszahlen

Kombiniert man den Gap-Sweet-Spot mit einem Earnings-Katalysator, ergibt sich das stärkste Einzelsetup dieser Studie:

Ehrlich bleiben muss man bei der Fallzahl: 52 Ereignisse in 40 Jahren sind selten — im Schnitt kaum mehr als eines pro Jahr. Das Ergebnis ist bemerkenswert, aber statistisch dünn und sollte nicht überinterpretiert werden.

Übernahme-Gaps: als Trade praktisch wertlos

Ein auf den ersten Blick überraschendes Ergebnis betrifft Übernahme-Gaps — Kurssprünge, die durch die Ankündigung einer Übernahme ausgelöst werden.

Übernahme-Gaps bringen im Schnitt nur +0,6 Prozent — praktisch nichts. Der Grund liegt in der Natur des Ereignisses selbst: Bei einer Barübernahme springt der Kurs sofort auf den Angebotspreis und klebt dort bis zum Vollzug der Transaktion. Es gibt für einen Trader danach schlicht keine Bewegung mehr zu holen. Gaps ganz ohne erkennbare Meldung — also Sprünge, deren Auslöser sich nicht klar zuordnen ließ — performten mit +3,78 Prozent deutlich besser als Übernahme-Gaps.

Der Rahmen: Depotsimulation und Kostenannahmen

Eine Depotsimulation der Basisregel (alle Episodic-Pivot-Ereignisse) über den gesamten verfügbaren Zeitraum seit 1993 kommt auf 15,91 Prozent Rendite pro Jahr — gegenüber 10,76 Prozent beim S&P-500-Total-Return-Index (inklusive Dividenden) im selben Zeitraum. Als Kontrollgröße dient eine Zufallsbaseline (dieselben Aktien, aber beliebige statt der tatsächlichen Ereignistage), die im Schnitt bei rund −0,43 Prozent liegt — der Nullpunkt, gegen den jede Kennzahl in dieser Studie zu lesen ist. Angesetzt sind durchgehend 0,2 Prozent Kosten je Seite.

Grenzen dieser Studie

• Feine Unterzellen werden schnell dünn und verrauscht. Je feiner die Auswertung aufgeteilt wird — etwa Gap-Größe × Earnings-Status —, desto kleiner werden die Fallzahlen. Ein Beispiel: Kleine Gaps (10–15 %) OHNE Earnings hielten sich bei langer Haltedauer überraschend gut (deutlich besser als ihr kurzfristiges Ergebnis vermuten lässt) — ein Einzelbefund, der eher auf Rauschen als auf ein robustes Muster hindeutet.
• Die Meldungszuordnung ist erst ab den frühen 2000er-Jahren wirklich belastbar. Vor rund 2001–2004 lässt sich eine SEC-Meldung nicht immer eindeutig einem Ereignis und einem exakten Zeitpunkt zuordnen — die Datengrundlage für die früheren Jahrzehnte ist entsprechend lückenhafter als für die jüngere Vergangenheit.
• Die Blind-Urteile stammen von einem einzigen KI-Modellstand zu einem Stichzeitpunkt. Ein anderes Modell oder ein späterer Modellstand könnte SEC-Meldungen anders einschätzen; die hier gemessene Beziehung zwischen Zuversicht und Trade-Ergebnis ist deshalb ein Befund dieses konkreten Experiments, keine allgemeingültige Eigenschaft von KI-Urteilen.
• Handelskosten sind pauschal angesetzt. 0,2 Prozent je Seite deckt Geld-Brief-Spanne und Gebühren nur näherungsweise ab; bei weniger liquiden Titeln könnte der reale Abzug höher liegen.

Wer den survivorship-freien Rücktest-Ansatz dieser Studie in einer anderen Ausprägung sehen möchte, findet ihn im Qullamaggie-Backtest — einer weiteren Studie dieser Reihe, die unter anderem den kurzfristigen Gap-Handel systematisch prüft. Die hier ausgewerteten Episodic-Pivot-Ereignisse laufen laufend aktualisiert im Scanner Episodic Pivots weiter. Weitere Rücktest-Studien stehen gesammelt in der Rubrik Studien.

Stand der Zahlen: 7. August 2026.

Dieser Beitrag ist eine historische Auswertung öffentlich verfügbarer Kurs- und Meldungsdaten und keine Anlageberatung. Er enthält keine Kauf- oder Verkaufsempfehlung, keine Prognose und keine Aussage über einzelne, heute börsennotierte Unternehmen. Vergangene Ergebnisse — ob simuliert oder real — sind kein verlässlicher Indikator für künftige Renditen. Wer Anlageentscheidungen trifft, sollte die eigene Lage und die eigenen Risiken prüfen, im Zweifel mit fachlicher Beratung.