Warum der Kauf bei Stochastik-RSI unter 20 auf SUIUSDT-Futures katastrophal fehlschlug — eine 2-Jahres-Diagnose

Eine Strategie, die auf den stochastischen RSI-Indikator unter 20 als Kaufsignal setzt, klingt theoretisch verlockend: Überverkaufte Bedingungen sollten Umkehrungen signalisieren. In der Praxis führte dieser Ansatz auf SUIUSDT-Futures zwischen März 2024 und März 2026 zu einem verheerenden Ergebnis von -95,96% Gesamtverlust bei 198 ausgelösten Trades. Mit einer Gewinnquote von nur 0,2%, einem Profit-Faktor von 0,21 und einer maximalen Inanspruchnahme von 96,61% zeigt diese Strategie ein klassisches Symptom: Sie wurde auf die falschen Marktbedingungen ausgelegt.

Das zentrale Problem liegt nicht in der technischen Ausführung, sondern in einem fundamentalen Mismatch zwischen der Strategielogik und dem tatsächlichen Marktverhalten von Sui während des Testzeitraums. Stochastische Überverkauft-Signale funktionieren am besten in trendlosen, volatilen Märkten, die sich schnell selbst korrigieren. Die Daten deuten jedoch darauf hin, dass SUI in diesem Zeitraum deutlich andere Marktdynamiken aufwies — Phasen mit anhaltenden Abwärtstrends, bei denen ein Überverkauft-Signal nicht das Ende der Bewegung, sondern lediglich einen Zwischenpunkt auf dem Weg nach unten signalisierte.

Die Stop-Loss-Regel von 4% und Take-Profit von 5% war zudem unzureichend, um in einem derart volatilen Marktumfeld zu bestehen. Mit einer Gewinnquote im Promillebereich war praktisch jeder Trade ein statistisches Verlustgeschäft.

Der Hauptschwachpunkt dieser Strategie offenbart sich durch die Analyse des Marktregimes, das während des Testzeitraums vorherrschte. Der stochastische RSI misst Überverkauft- und Überkauf-Bedingungen basierend auf lokalen Extrema. Er funktioniert hervorragend, wenn der Markt zwischen Unterstützungs- und Widerstandsniveaus pendelt — ein sogenannter Range-gebundener Markt. Im Gegensatz dazu ist der Markt für SUI 2024–2026 häufig in Trend-Phasen eingezogen, besonders in der Bear-Phase, wo jeder vermeintliche Überverkauft-Zustand von weiteren Verlusten gefolgt wurde. Der Indikator konnte nicht zwischen echten Umkehrpunkten und falschen Signalen in Trendmärkten unterscheiden.

Die Gewinnquote von 0,2% (praktisch Null) und der Profit-Faktor von 0,21 zeigen, dass die Strategie systematisch auf der falschen Seite der Wahrscheinlichkeit stand. Bei 198 Trades hätte eine zufällige Strategie deutlich bessere Ergebnisse liefern müssen. Das bedeutet: Die Strategie hat nicht nur Pech gehabt, sie war aktiv schädlich. Die 4%-Stop-Loss war zwar logisch dimensioniert, aber in einem Markt mit 20–30% Intraday-Moves völlig inadäquat. Jeder Entry bei vermeintlichem Überverkauft-Zustand wurde schnell durch weitere Tiefstände gestoppt, oft um wenige Minuten später in einen echten Trend einzutreten. Die Kombination aus falschen Signalen und unzureichender Risikodimensionierung führte zu dem Negativergebnis.

Ein weiterer kritischer Aspekt: Der Testzeitraum 2024–2026 war geprägt von extremer Volatilität in kleineren Alt-Coins. SUI durchlebte mehrere Sharp-Sell-Offs, die nicht durch technische Übersättigung, sondern durch externe Faktoren (Marktbedingungen, Liquiditätsschocks, Korrelation zu Bitcoin) ausgelöst wurden. Ein reiner Technische-Analyse-Indikator wie die Stochastik kann solche fundamental getriebenen Bewegungen nicht vorhersehen oder korrekt bewerten.

Zur Verbesserung des Verständnisses sollten Trader zunächst ihren Marktregime-Detektor überprüfen. Bevor eine Überverkauft-Strategie deployed wird, muss analysiert werden, wie viel Zeit der Markt tatsächlich in Range-Phasen verbringt versus in gerichteten Trends. Indikatoren wie Average True Range (ATR), Volatilitätsmetriken oder sogar ein einfacher Trend-Filter (z.B. Preis über/unter 50er-MA) können hierbei helfen. Im vorliegenden Fall hätte eine vorgelagerte Filterung ("kaufe Überverkauft-Signale nur in Auftrends oder während niedriger Volatilitätsphasen") möglicherweise aussagekräftigere Ergebnisse geliefert.

Zweitens verdient die Risikodimensionierung eine vollständige Überprüfung. Ein 4%-Stop auf einem 5%-Take-Profit ist mathematisch unfavorabel, wenn die Gewinnquote unter 50% liegt. Für einen Markt mit 20–30% täglichen Moves sollten entweder asymmetrische Risk-Reward-Verhältnisse (1:3 oder besser) oder Position-Sizing angepasst werden. Alternativ könnten mehrere kleinere Exits in verschiedenen Levels implementiert werden, um Gewinne bei nur teilweisen Umkehrungen zu sichern — eine Strategie, die häufig besser funktioniert als All-or-Nothing-Ansätze. Letztlich ist dies eine Lektion in Marktdemografie: Nicht jeder Indikator funktioniert in jedem Markt. Die Validierung gegen tatsächliche historische Regimes ist notwendig.