📅 Saisonalitäten & Kalender-Muster

Saisonalität bezeichnet statistisch messbare, periodisch wiederkehrende Muster in den Renditen von Finanzinstrumenten, die sich durch Kalender-Ereignisse erklären lassen — nicht durch fundamentale Unternehmens- oder Konjunkturdaten. Ein Markt zeigt saisonale Stärke, wenn er in einem bestimmten Zeitraum (z. B. Oktober bis April) über viele Jahre hinweg systematisch besser abschneidet als in anderen Perioden — unabhängig davon, ob die Wirtschaft gerade wächst oder schrumpft.

Das Entscheidende: Saisonalität ist kein Zufall und kein Chart-Pattern. Sie ist das statistische Destillat aus Verhaltensmustern Tausender Marktteilnehmer — Steuergesetze, Quartalspflichten institutioneller Anleger, physische Lieferzyklen von Rohstoffen und wiederkehrende psychologische Impulse erzeugen Jahr für Jahr ähnliche Kauf- und Verkaufswellen.

Drei Zeitebenen von Saisonalität

Abgrenzung zu den Zyklen-Modulen 5.1–5.6

Die vorangegangenen Module (Konjunkturzyklen, Schuldensuperzyklus, Präsidentschafts-Zyklus, Sektoren, Kondratieff-Wellen, Elliott-Wellen) beschreiben Zyklen, die fundamental getrieben sind: Geldpolitik, Kreditexpansion, Unternehmensgewinne, Wirtschaftswachstum. Saisonalität hingegen ist kalendarisch getrieben — sie läuft unabhängig davon, ob der Konjunkturzyklus gerade im Aufschwung oder Abschwung ist. Beide Ebenen können sich gegenseitig verstärken oder abschwächen: Ein saisonal starkes Quartal in einem strukturellen Bärenmarkt liefert in der Regel schwächere Ergebnisse als dasselbe Quartal in einem Bullenmarkt.

Warum entstehen saisonale Muster?

Hinter jedem stabilen Muster steht ein struktureller Mechanismus:

• Steuer-Loss-Harvesting (Jahresende/Januar): Anleger realisieren Verluste vor dem Jahresabschluss steuerlich und reinvestieren im Januar — das erzeugt den klassischen Abgabedruck im Dezember bei verlustbehafteten Titeln und den anschließenden Januar-Effekt bei Small Caps.
• Jahresend-Bonus-Anlage und Pensionsfonds-Rebalancing (Q4): Institutionelle Fonds erhalten im Oktober/November Mittelzuflüsse aus Bonus-Plänen und müssen Portfolios zum Jahresabschluss rebalancieren — das stützt die Märkte strukturell.
• Window Dressing (Quartalsultimo): Fondsmanager kaufen in den letzten Tagen eines Quartals die stärksten Gewinner und verkaufen die größten Verlierer, um den Jahresabschluss-Report optisch aufzubessern — das verstärkt bestehende Trends kurzfristig.
• Sommer-Flaute (Juni–August): Urlaubsbedingt niedrigere Handelsvolumina führen zu volatileren, weniger stabilen Märkten und begünstigen Trendschwäche.
• Physische Zyklen bei Rohstoffen (Ernte, Energiebedarf): Agrarrohstoffe (Mais, Weizen) folgen Ernteterminen; Erdgas und Heizöl haben saisonale Nachfragespitzen im Winter. Diese fundamentalen Lieferzyklen erzeugen vorhersagbare Preis- und Lagerbestands-Muster.

Wichtige Einschränkung

Saisonalität arbeitet mit Wahrscheinlichkeiten, nicht mit Garantien. Ein Muster, das in 70 % der Jahre zutrifft, versagt in 30 % — und genau in diesen Ausnahmejahren liegen oft die größten Risiken. Nutze saisonale Erkenntnisse immer im Kontext: Trend, Sentiment und Makrolage haben Vorrang. Saisonalität ist ein zusätzliches Argument für oder gegen einen Trade — kein eigenständiges Handelssystem. sTraderZ.com zeigt dir für jedes Instrument historische Saisonalitätsdaten, damit du Chancen und Risiken realistisch einschätzen kannst.

Die monatlichen Rendite-Durchschnitte der großen Aktienindizes zeigen über Jahrzehnte hinweg bemerkenswert stabile Muster. Diese Daten bilden das Fundament der Saisonalitäts-Analyse — und genau das, was der Saisonalitäts-Tab in sTraderZ.com für dein spezifisches Underlying visualisiert (Details in Kapitel 19).

S&P 500 (1928–2023): Monatliche Durchschnittsrenditen

Der S&P 500 zeigt ein klares Zwei-Phasen-Muster: Eine starke Phase von Oktober bis April und eine schwache Phase von Mai bis September. November ist historisch der stärkste Monat (+1,7 % Ø), getrieben durch Year-End-Window-Dressing institutioneller Fonds und positive Stimmung nach den US-Zwischenwahlen. April (+1,5 %) profitiert von Steuer-Rückerstattungen, die in Aktien reinvestiert werden, und Quartals-Rebalancing. Juli (+1,3 %) ist der Stärke-Ausläufer des Q2-Earnings-Impulses.

September ist mit −0,7 % Ø der einzige Monat mit im Langfrist-Schnitt negativer Rendite. Institutionelle Umschichtungen nach dem Sommer, taktische Risikoreduzierung vor dem Jahresend- Reporting und historisch erhöhte Ereignisdichte (Lehman-Kollaps September 2008, Dot-com-Einbrüche September 2001, 2002) haben das Muster verfestigt.

DAX (1988–2023): Stärkerer Dezember/November-Effekt

Der DAX zeigt ein dem S&P 500 ähnliches Grundmuster, aber mit ausgeprägterem Dezember/November-Effekt: Window-Dressing ist bei deutschen institutionellen Anlegern mit Dezember-Bilanzstichtag besonders stark. September ist mit −1,2 % Ø der schwächste Monat — deutlicher als beim S&P 500. Der kleinere Markt und höhere Exportabhängigkeit verstärken die saisonalen Schwingungen.

Nikkei 225: Deutliche Q1-Stärke durch japanisches Fiskaljahr

Das japanische Fiskaljahr endet am 31. März. Institutionelle Anleger, Pensionsfonds und Unternehmen in Japan rebalancieren zum Jahresende (März) und Jahresanfang (April) ihre Portfolios. Das erzeugt eine ausgeprägte Q1-Stärke im Nikkei 225 — Januar bis März zeigen überdurchschnittliche Renditen, die sich von westlichen Märkten unterscheiden. Gleichzeitig schwächt der Yen-Einfluss saisonale Muster für internationale Anleger.

MSCI World: Halloween-Effekt messbar, nationale Muster verwässert

Im MSCI World ist der Halloween-Effekt klar erkennbar: November–April schlägt Mai–Oktober statistisch signifikant. Da der Index über 23 Länder diversifiziert, verwässern sich nationale Idiosynkrasien (japanischer Fiskaljahr-Effekt, US-Tax-Loss-Harvesting, deutsche Jahresstichtage). Übrig bleibt das gemeinsame globale Grundmuster — und dieses zeigt das klassische Sommer-Tief / Winter-Stärke-Schema.

Kumulierte Intra-Jahr-Rendite

Was das Tool unter „Saisonalitäts-Tab" visualisiert, ist die kumulierte durchschnittliche Rendite über das Kalenderjahr — also die Summe aller monatlichen Durchschnittswerte von Januar bis Dezember. Das zeigt nicht nur isolierte Monatsrenditen, sondern auch Strecken saisonaler Stärke oder Schwäche: Wo beschleunigt sich der Anstieg? Wo flacht er ab oder dreht ins Minus? Diese Visualisierung eignet sich ideal, um Einstiegs- und Ausstiegsfenster für mittelfristige Positionen zu identifizieren.

Diese Daten kannst du für dein spezifisches Underlying im Tool unter dem Saisonalitäts-Tab abrufen — Details zur Bedienung in Kapitel 19.

Die Finanzmarktforschung hat über Jahrzehnte hinweg eine Reihe von Kalender-Anomalien identifiziert und quantifiziert — statistisch robuste Renditemuster, die sich weder vollständig durch die Efficient Market Hypothesis erklären noch vollständig arbitrieren lassen. Fünf dieser Anomalien sind besonders gut dokumentiert und praxisrelevant.

1. Halloween-Effekt / „Sell in May"

Definition: Die Periode November bis April liefert historisch deutlich höhere Renditen als die Periode Mai bis Oktober. Für den S&P 500 (1928–2023) gilt: November–April ≈ +7,1 % Ø, Mai–Oktober ≈ +2,0 % Ø — eine Differenz von rund 5 Prozentpunkten pro Jahr.

Mechanismus: Sommerurlaubsmuster reduzieren Handelsvolumen und institutionelle Aktivität. Pensionsfonds mit Kalenderjahr-Mandat starten im Oktober/November mit Neuallokationen. Year-End-Window-Dressing treibt November und Dezember. Die klassische Börsenstrategie „Sell in May and go away, come back on St. Leger's Day" (Mitte September) ist eine vereinfachte Volksversion dieses Effekts.

Grenzen: Das Muster ist statistisch signifikant (p ≈ 0,02), aber nicht zuverlässig für jedes Einzeljahr. 2020 war der März der Markttiefpunkt — mitten in der angeblich starken Phase. 2022 lieferte November eine Ausnahme. Die Rendite-Differenz reduziert sich nach Transaktionskosten und Steuern auf konkrete Einzel-Trades erheblich.

2. January Effect

Definition: Aktien — besonders Small Caps — erzielen im Januar überdurchschnittliche Renditen. Ursprünglich von Sidney Wachtel 1942 beschrieben, war der Effekt in der zweiten Hälfte des 20. Jahrhunderts besonders stark.

Mechanismus: Tax-Loss-Harvesting im Dezember: Anleger verkaufen Verlierer-Positionen vor dem Jahresende zur Steuer-Optimierung. Im Januar werden diese Positionen zurückgekauft — der Verkaufsdruck dreht in Kaufdruck. Small Caps mit geringer Liquidität reagieren stärker auf diese Wiedereindeckungs-Welle.

Kritik: Seit ca. 2000 hat sich der January Effect abgeschwächt. Tax-Advantaged-Accounts (401k, IRA) reduzieren den Steuerdruck. Algorithmischer Handel antizipiert den Effekt und kauft bereits im Dezember. Bei Large Caps ist der Effekt seit 1990 statistisch kaum noch nachweisbar.

3. September-Effekt

Definition: September ist historisch der schwächste Monat für den S&P 500 (−0,7 % Ø), den DAX (−1,2 % Ø) und die meisten globalen Indizes. Die Win-Rate liegt bei nur 45 % — schlechter als jeder andere Monat.

Mechanismus: Nach dem Sommer werden aufgeschobene institutionelle Umschichtungen vollzogen. Fondsmanager mit September-Quartalsende reduzieren Risikopositionen. Historisch gehäufte Krisenereignisse (Lehman 2008, 11. September 2001, Russland-Krise 1998, LTCM 1998) verstärken die psychologische Risikoaversion im September.

Kritik: Die Verteilung ist stark rechtsschief — wenige katastrophale September-Monate (−9 %, −11 %) drücken den Durchschnitt massiv nach unten. In günstigen Konjunkturphasen kann September durchaus positiv sein.

4. Santa Claus Rally

Definition: Die letzten 5 Handelstage des Jahres kombiniert mit den ersten 2 Handelstagen des neuen Jahres zeigen eine durchschnittliche Rendite von +1,4 % für den S&P 500 (Yale Hirsch, Stock Trader's Almanac 1972). Das entspricht einer annualisierten Rendite von über 30 % für diese kurze Periode.

Mechanismus: Geringe Handelsvolumen an den Feiertagen reduzieren den institutionellen Verkaufsdruck. Positive Verbraucherstimmung rund um Weihnachten schlägt sich in Einzelhandels-Daten nieder. Bonus-Auszahlungen und Jahresend-Bonuszahlungen werden teilweise reinvestiert. Saisonales Optimismus-Bias der Anleger.

Kritik: Kleines Zeitfenster = hohe Standardabweichung. Geringe Liquidität führt zu erhöhter Volatilität. Fehlt die Santa Claus Rally, gilt in der Händler-Lore als Warnsignal: „If Santa Claus should fail to call, bears may come to Broad and Wall."

5. Turn-of-Month-Effekt

Definition: Der letzte Handelstag eines Monats sowie die ersten drei Handelstage des neuen Monats zeigen überproportionale Stärke. Lakonishok & Smidt (1988) dokumentierten, dass diese vier Tage zusammen mehr als 100 % der monatlichen Gesamtrendite des Dow Jones erklären.

Mechanismus: Monatliche Sparplan-Zuflüsse (401k, Riester, ETF-Sparpläne) werden zum Monatsbeginn automatisch in Aktienmärkte investiert. Gehaltsabrechnungen werden um den Monatsletzten ausgezahlt. Fondsmanager öffnen ihre Bücher am Monatsbeginn mit frischen Allokationen.

Kritik: In Bärenmärkten funktioniert der Effekt weniger zuverlässig. Hochfrequenzhändler antizipieren die Zuflüsse. Das Muster hat sich seit der Verbreitung von ETF-Sparplänen und algorithmischem Trading verändert.

Neben monatlichen Saisonalitäten existieren kürzere, intra-wöchentliche und optionsgetriebene Muster, die besonders für kurzfristig orientierte Trader und Options-Händler relevant sind. Diese Effekte sind in den letzten Jahren durch algorithmischen Handel schwächer geworden — bestehen aber in abgeschwächter Form weiterhin.

1. Day-of-Week-Effekt

Für den S&P 500 (1928–2023) zeigt sich ein klares Wochentags-Muster: Montage sind historisch der schwächste Tag (−0,09 % Ø), Freitage der stärkste (+0,09 % Ø). Die sogenannte „Monday Effect" oder „Weekend Effect" Anomalie wurde von Cross (1973) und French (1980) erstmals dokumentiert.

Mechanismus: Negative Nachrichten häufen sich am Wochenende (Unternehmen veröffentlichen schlechte News Freitagabend, wenn die Börsen geschlossen sind). Anleger verarbeiten diese Information erst Montag früh. Institutionelle Absicherungen werden am Freitag geöffnet und Montag geschlossen. Seit dem Aufkommen des algorithmischen Handels ca. 2010 ist der Effekt deutlich geringer geworden — die Arbitrage erfolgt nun schneller.

2. Monatlicher Options-Expiry (OPEX)

Am dritten Freitag jeden Monats laufen Standard-Aktienoptionen und Indexoptionen aus. Der Mechanismus ist komplex: Market Maker, die kurzfristige Optionen verkauft haben, halten zur Absicherung Delta-Positionen im Underlying. Je näher das Expiry rückt, desto höher ist das Gamma-Exposure — kleine Kursbewegungen erzwingen große Absicherungsanpassungen.

Das führt zum sogenannten „Pin Risk": Der Markt neigt dazu, sich an Strikes mit hohem Open Interest „festzusaugen", weil Market Maker bei diesen Levels weder großem Delta- noch Gamma-Druck ausgesetzt sind. Große OI-Strikes bei SPX/SPY (z. B. 4000, 4500, 5000) wirken wie kurzfristige Gravitationszentren. Das OPEX-Muster: Häufig erhöhte Volatilität in der OPEX-Woche, gefolgt von Beruhigung nach dem Expiry.

3. Quarterly Triple Witching

Viermal pro Jahr — am dritten Freitag in März, Juni, September und Dezember — laufen gleichzeitig Index-Futures, Index-Optionen und Einzelaktien-Optionen aus. Dieses „Triple Witching" (früher „Quadruple Witching" als auch Single-Stock-Futures liefen) ist mit den höchsten Handelsvolumen des Jahres verbunden — oft das 2–3-fache eines normalen Handelstages.

Institutionelle Anleger rollen ihre Futures-Positionen in der Woche vor Triple Witching (Roll-Woche). Das erzeugt vorhersehbare Volumen-Muster: Anstieg der Aktivität in der Woche davor, potenziell erhöhte Volatilität am Expiry-Tag selbst. Für Optionshändler ist die besondere Gamma-Dichte an diesen Tagen relevant — Short-Gamma-Positionen können schnell schmerzhaft werden.

4. FOMC-Meeting-Muster: Der „Pre-FOMC Drift"

Lucca & Moench (Federal Reserve Bank of New York, 2015) dokumentierten einen erstaunlichen Effekt: Der S&P 500 erzielte im Durchschnitt +0,49 % in den 24 Stunden vor einem FOMC-Entscheid — unabhängig davon, ob die Zinsen angehoben, gesenkt oder gehalten wurden. Dieser „Pre-FOMC Drift" erklärte einen Großteil der langfristigen Aktienrenditen.

Mechanismus: Antizipation einer lockeren Geldpolitik oder zumindest einer „Fed Put"-Garantie (Bereitschaft der Fed, bei starken Marktabschwüngen zu intervenieren). Nach Bekanntwerden der Studie hat sich der Effekt teilweise abgeschwächt — das klassische Arbitrage-Problem. Er ist aber weiterhin als Vorsichtsmaßnahme relevant: Short-Gamma-Positionen vor FOMC sind historisch riskanter als nach FOMC.

Rohstoffe zeigen oft die ausgeprägtesten saisonalen Muster aller Asset-Klassen — weil ihre Nachfrage direkt mit physischen Zyklen verknüpft ist: Wetterbedingungen, Erntezeitpunkte, industrielle Verarbeitungszyklen und kulturelle Konsumgewohnheiten wiederholen sich Jahr für Jahr nach demselben Kalender. Wer diese Muster kennt, kann ETF-Positionen auf Rohstoffe und Rohstoff-Unternehmen deutlich gezielter timen.

1. Gold

Gold zeigt eine ausgeprägte Stärke im August–September. Der physische Treiber: In Indien und China beginnen kurz darauf die großen Hochzeits- und Festsaisons — Diwali (November) und Chinesisches Neujahr (Januar/Februar). Schmuckhändler und Juweliere bauen Lagerbestände 6–8 Wochen vor diesen Ereignissen auf. Historisch erzielt GLD im August–September ein Ø-Plus von rund +2,5 % — ein der stärksten Monate für das Edelmetall. Die schwache Phase liegt typischerweise März–Mai: Nach dem Winter-Kaufschub normalisiert sich die Nachfrage, institutionelle Portfolios schichten Richtung Risiko-Assets um.

Hintergrund: Rund 50 % der globalen Goldnachfrage entfällt auf Schmuck (World Gold Council). Damit ist Indien (ca. 25 % Weltanteil) allein ein entscheidender saisonaler Treiber — Dürrejahre oder schwache Monsun-Ernten können das Muster dämpfen, da Haushalts-Einkommen sinkt.

2. Rohöl (WTI / Brent)

Rohöl-Saisonalität wird von vier physischen Zyklen getrieben:

• Sommer-Driving-Season (Mai–August): US-Benzinnachfrage steigt um +15 % gegenüber dem Winter — Memorial Day bis Labor Day ist die intensivste Fahr-Saison. Raffinerien erhöhen die Auslastung ab März/April.
• Refinery-Switching (März–April): Umstellung von Winter- auf Sommer-Benzinmischung erzwingt Raffinerie-Abschaltungen → kurzfristig steigende Rohöl-Lagerbestände, dann schnelle Abnahme wenn Driving-Season beginnt.
• Hurricane Season (Juni–November): Golf-von-Mexiko-Plattformen produzieren ~15 % des US-Öls. Starke Hurrikan-Saisons können Preisschübe auslösen. Entsprechend erhöhte Volatilität Jun–Nov.
• Winter-Heating-Demand (Oktober–Februar): Heizöl-Nachfrage in den USA und Europa treibt die Preiskurve am oberen Ende. Zusammen mit niedrigeren Lagerständen nach der Driving-Season typischerweise feste Phase.

3. Erdgas (Henry Hub)

Erdgas zeigt die ausgeprägteste Saisonalität aller liquiden Rohstoffe — mit zwei Peaks pro Jahr und zwei Tälern:

• Sommer-Peak (Juli–August): Klimaanlagen-Nutzung (Air Conditioning) in den US-Südstaaten treibt Stromgenerator-Nachfrage.
• Winter-Peak (Dezember–Januar): Heizung dominiert. Der Dezember-Peak ist historisch volatiler und kann durch Kältewellen dramatisch verstärkt werden.
• Shoulder Seasons (Frühjahr/Herbst): Minimalste Nachfrage — weder Heizung noch Kühlung dominiert. Preise und UNG-ETF oft auf Jahrestiefs.

Warnung: UNG (United States Natural Gas ETF) leidet erheblich unter Contango-Kosten (Rolling-Verluste durch negative Roll-Rendite). Langfristige Positionen verlieren durch Rollkosten selbst bei flachen Preisen. UNG eignet sich primär für kurzfristige saisonale Trades, nicht als Langfristanlage.

4. Agrar-Rohstoffe

Agrar-Rohstoffe folgen Ernte-Kalendern, die geografisch versetzt sind:

• Weizen: Ernte Juni–August (Nordhalbkugel) → Angebotsdruck, typische Preisschwäche. Pre-Ernte-Rally oft März–Mai wenn Ernte-Prognosen unsicher sind.
• Mais: US-Ernte September–Oktober → Preisschwäche im Herbst. Frühjahr oft Stärke durch Pflanzungs-Unsicherheiten (Acreage Reports USDA).
• Soja: US-Ernte Oktober, Argentinien/Brasilien März–April — gegenläufige Nordhalbkugel/Südhalbkugel-Zyklen. Im globalen Markt bedeutet das fast ganzjährig Angebot, aber ausgeprägte regionale Verschiebungen.
• Baumwolle: US-Ernte Oktober–Dezember → Angebots-Peak. Pre-Ernte-Spekulation typischerweise Juli–September.

Praxis-Hinweis: Rohstoff-Saisonalität wird in sTraderZ.com im Saisonalitäts-Tab für die jeweiligen Rohstoff-ETFs direkt angezeigt — inklusive Win-Rate-Heatmap und Badges für die stärksten Fenster.

Währungsmärkte (Forex) zeigen saisonale Muster, die sich aus institutionellen Kapitalflüssen, Steuer- und Fiskalkalendern sowie Carry-Trade-Dynamiken ergeben. Im Gegensatz zu Aktien oder Rohstoffen sind FX-Saisonalitäten subtiler — Kalender-Mechanismen überlagern sich mit Zinsdifferenzen, Risikoappetit und geopolitischen Ereignissen. Dennoch sind einige Muster statistisch robust.

1. USD-Jahresrhythmus

Der US-Dollar zeigt einen ausgeprägten Jahres-Rhythmus: Im ersten Quartal tendiert der USD zur Schwäche — Jahresanfangs-Flows gehen in Risk-On-Märkte (Aktien, EM), internationale Anleger diversifizieren aus USD-denominierten Assets heraus. Im Gegenzug zeigen Emerging-Markets-Währungen und Rohstoffwährungen im Q1 oft relative Stärke.

DXY im Sep–Nov ist historisch die stärkste Phase des Dollars: Quartals-End-Rebalancing institutioneller Portfolios, Risk-off-Tendenz im Herbst und steuerlich motivierte Repatriierung von Unternehmensgewinnen aus dem Ausland stützen den Dollar. Das Oktober/November-Fenster hat in über 60 % der Jahre seit 1980 positiv für den DXY geendet.

2. EUR/USD-Saisonalität

EUR/USD zeigt im Q1 oft eine EUR-Stärke-Phase: Eurozone-Exporteure und -Versicherer schichten nach Jahresbeginn Reserven um, was Nachfrage nach EUR erzeugt. Zusätzlich: Jahresanfangszuflüsse in europäische Aktienmärkte durch internationale Anleger. Sommer (Juli–August) ist historisch eine schwache bis seitwärts verlaufende Phase für EUR/USD — Urlaubsvolumen, niedrige Liquidität und fehlende Katalysatoren drücken auf Momentum.

3. USD/JPY — Japanisches Fiskaljahr-Ende

Das japanische Fiskaljahr endet am 31. März. Japanische Versicherungen und Pensionsfonds repatriieren Auslandsinvestitionen, um Jahresabschlüsse in JPY auszuweisen. Dies erzeugt massive Yen-Nachfrage im März: USD/JPY fällt tendenziell — Yen-Stärke ist statistisch im März am häufigsten.

Im Oktober ist der Effekt umgekehrt: Neue Geschäftsjahr-Flows gehen ins Ausland (japanische Institutionen kaufen ausländische Anleihen/Aktien für das neue Fiskaljahr-Budget) → Yen-Schwäche, USD/JPY steigt.

4. Carry-Trade-Saisonalität

Hochzinswährungen (AUD, NZD, TRY, BRL) profitieren im Sommer-Fenster (Niedrige Volatilität, Risk-on, VIX-Tief Jun–Jul): Carry-Trader halten Positionen länger, da geringe Gaps das Risiko unerwarteter Liquidationen begrenzt. September–Oktober ist historisch die kritischste Phase: Risk-off-Flows, steigende VIX, Carry-Positionen werden schnell aufgelöst — AUD/JPY und ähnliche Paare können innerhalb von Tagen 3–5 % fallen.

Über die klassische Aktienmarkt-Saisonalität hinaus gibt es strukturelle Makro-Muster, die durch fiskalische Zyklen, institutionelle Pflichten und den politischen Kalender entstehen. Diese Muster beeinflussen Asset-Allokation und Intermarket-Relationen — und können saisonale Aktien-Muster verstärken oder abschwächen.

1. Fiskalimpulse USA

Das US-Fiskaljahr endet am 30. September. Das erzeugt zwei regelmäßige Makro-Pulse:

• Steuererstattungen März–April: Das IRS zahlt im Frühjahr Milliarden an Steuererstattungen aus. Konsumausgaben steigen temporär — ein kleiner, aber messbarer Nachfrage-Schub. Einzelhandels- und Konsumgüteraktien profitieren tendenziell.
• Staatsausgaben Q4 (Juli–September): US-Behörden müssen ihr Jahresbudget aufbrauchen bevor das Fiskaljahr endet — „Use it or lose it". Defense, IT-Infrastruktur und Bauaufträge steigen in Q4 des Fiskaljahres überproportional.
• Schuldengrenze-Krisen typisch Q3/Q4: Politische Konflikte um die Schuldenobergrenze häufen sich vor Fiskaljahr-Ende — mit Volatilitäts- Spitzen und temporären Risk-off-Phasen.

2. Quarter-End-Flows

Institutionelle Anleger rebalancieren an Quartals-Enden ihre Portfolios. Nach einem starken Aktienquartal werden Aktien verkauft, Anleihen gekauft — um die Ziel-Allokation wiederherzustellen. Das erzeugt kurz vor Quartals-Ende oft erhöhte Volatilität, dann zu Quartalsbeginn einen Rebound-Effekt.

Window Dressing: Fondsmanager kaufen in den letzten Tagen eines Quartals die Gewinner-Aktien des Quartals nach — um sie für den Quartals-Report als Portfolio-Bestand ausweisen zu können. Das erhöht die Preise der laufenden Gewinner kurz vor Quartals-Ultimo, erzeugt aber oft eine Schwäche nach dem Stichtag, wenn diese Positionen abgebaut werden.

3. Cross-Asset-Saisonalität

Bestimmte Intermarket-Relationen zeigen saisonale Muster:

• TLT (US-Langlaufende Anleihen) Q4: Oft stärker als im Rest des Jahres — Risk-off-Nachfrage und Duration-Verlängerung institutioneller Portfolios treibt Anleihe-Kaufdruck.
• Gold vs. Aktien Q3: Wenn der Aktienmarkt in Q3 schwächelt (September-Effekt), springt Gold oft als sicherer Hafen ein. Die negative Korrelation ist im Herbst statistisch robuster als im Rest des Jahres.
• VIX-Jahresrhythmus: VIX-Tief typischerweise Juni–Juli (geringe Unsicherheit, Sommerruhe). Herbst-Spike-Risiko steigt ab Mitte September signifikant — historisch höchste Monats-VIX-Volatilität im Oktober.

4. US-Präsidentschafts-Zyklus

Der 4-Jahres-Zyklus der US-Präsidentschaftswahlen erzeugt nachweisbare Muster in der S&P-500-Performance:

Einschränkung: Der Präsidentschafts-Zyklus ist eine statistische Tendenz über viele Zyklen, kein deterministisches Gesetz. Externe Schocks (Pandemie 2020, Finanzkrisen, Geopolitik) können den Zyklus komplett außer Kraft setzen. Verwende das Muster als zusätzlichen Kontext, nie als alleinigen Handelsauslöser.