SeasonAlpha macht saisonale Muster an den Finanzmärkten sichtbar, messbar und überprüfbar — auf Basis von über 130 Jahren Kursdaten, transparenter Statistik und strenger Qualitätssicherung. Diese Seite erklärt offen, woher unsere Daten kommen, wie wir rechnen und wie wir Fehler ausschließen. Denn Vertrauen entsteht durch Nachvollziehbarkeit, nicht durch Versprechen.
Saisonalität — wiederkehrende Muster wie der Jahreswechsel-Effekt, „Sell in May" oder Monatsanfangs-Stärke — wird oft anekdotisch erzählt, selten sauber gemessen. Wir machen daraus nachprüfbare Statistik: für Privatanleger verständlich aufbereitet, ohne Hype, ohne Heilsversprechen. Jede Kennzahl auf SeasonAlpha lässt sich auf eine konkrete, dokumentierte Berechnung zurückführen.
Grundlage sind tägliche Kursdaten von Yahoo Finance mit Stooq als Ausfall-Quelle, über ein breites Universum aus US- und europäischen Indizes, Einzelaktien (inkl. Dow-30 und DAX-40), Rohstoff-Futures, Devisen und Kryptowährungen. Historien reichen — wo verfügbar — bis ins 19. Jahrhundert zurück (z. B. Dow Jones).
Kurse werden dividenden- und splitbereinigt verarbeitet. Jeder Ticker ist seinem tatsächlichen Handelsplatz zugeordnet, nicht dem Heimatland des Unternehmens — ein US-gelisteter ADR folgt z. B. dem NYSE-Kalender, eine XETRA-Aktie dem deutschen.
Der Kern jeder Saisonalitäts-Auswertung: Wir vergleichen nicht absolute Preisänderungen, sondern normalisierte Renditen. Jedes Jahr startet bei 100, die täglichen prozentualen Renditen kumulieren darauf. So sind Jahre mit unterschiedlichem Kursniveau direkt vergleichbar — ein Anstieg von 10 → 11 zählt genauso wie 1000 → 1100.
Saisonale Effekte hängen an Handelstagen, nicht an Kalendertagen. Wir zählen den Handelstag des Monats (TDOM) und des Jahres (TDOY) je Börse exakt — inklusive landesspezifischer Feiertage. Beispiel: XETRA handelt am 3. Oktober und Pfingstmontag (anders als die Banken), die NYSE schließt zu Juneteenth — solche Feinheiten verschieben Muster und sind bei uns korrekt abgebildet.
Aus den normalisierten Jahresverläufen berechnen wir Durchschnittsmuster, Trefferquoten, Streuung und Drawdowns — mit Signifikanz-Prüfung, damit Zufall nicht als Muster durchgeht. Der zusammengesetzte KI-Score bündelt mehrere Teil-Indikatoren zu einer Einordnung. Backtests rechnen wir look-ahead-bias-frei (kein Blick in die Zukunft).
Datenfehler sind der größte Feind statistischer Analyse. Deshalb läuft bei SeasonAlpha eine mehrstufige, automatisierte Kontrolle:
Gefundene Lücken werden nachgeladen und neu berechnet, bevor sie in die Auswertung einfließen. Diese Disziplin ist der Grund, warum wir unseren Zahlen vertrauen — und warum du es kannst.
Wir legen unsere Methodik offen, weisen auf statistische Grenzen hin und vermeiden bewusst Kauf-/Verkaufsempfehlungen. Vollständige rechtliche Hinweise findest du im Risikohinweis sowie im Impressum und der Datenschutzerklärung.
Hinter SeasonAlpha steht die Redaktion SeasonAlpha — mit Fokus auf quantitative Finanzmarkt-Analyse, Statistik und Datenqualität. Fragen, Korrekturhinweise oder Kooperationsanfragen gerne an info@seasonalpha.ai.
Zur Saisonalitäts-Analyse →