🎯 Einstieg — Warum Zyklen?

Bevor wir uns in einzelne Theorien-Familien stürzen, lohnt eine grundsätzliche Klärung: Was sind Zyklen überhaupt — und was nicht? Drei Begriffe werden in der Trading-Literatur regelmäßig vermischt:

• Zyklen — wiederkehrende Muster mit ungefährer Periodizität, getrieben von strukturellen Mechanismen (Inventory, Schulden, Demografie, Generationen).
• Trends — gerichtete Bewegungen ohne Annahme einer Wiederkehr (Säkular-Bullmärkte, Tech-Adoption-S-Kurven).
• Random Walks — die Nullhypothese der Effizienzmarkthypothese: Preise sind unprognostizierbar, jedes Muster ist Pareidolie.

Mustererkennung war historisch manchmal extrem nützlich: Wer 1929 Parallelen zu früheren Crashes erkannte, konnte den 1932er Tiefpunkt antizipieren — und die folgende 1950er-Wiederaufbau-Hausse mitnehmen. Wer die 2008er Subprime-Krise als klassische Schulden-Deleveraging-Phase einordnete, kaufte 2013 in den darauffolgenden Bullmarkt hinein. Auch der COVID-Crash März 2020 endete nach sechs Wochen in einer V-Shape-Recovery, die nur erwartete, wer Zentralbank-Reaktionsfunktionen als Zyklus-Bestandteil verstand.

Genauso oft versagt Mustererkennung jedoch spektakulär: Japans Nikkei erreichte 1989 ein Allzeithoch und brauchte über drei Jahrzehnte für die Rückkehr — jede zyklische Erholungs-Prognose der 1990er und 2000er war falsch. Der Dotcom-Bullmarkt 1999 sah aus wie eine klassische Bull-Trap, lief aber noch zwölf Monate weiter und ruinierte zahlreiche frühe Shorts. Und das V-Shape-Pattern 2020 war für die meisten klassischen Konjunktur-Modelle ein Schocker — sie sagten ein L oder U voraus.

Die Kernaussage dieses Kapitels: Zyklus-Theorien sind ein nützliches Framework zur Strukturierung der Marktwirklichkeit, aber kein Orakel. Wer sie als Vorhersage-Maschine missversteht, verliert Geld. Wer sie als Diversifikations-Trigger und Risiko-Bewertungs-Hilfe nutzt, kann den eigenen Trading-Prozess verbessern.

Drei epistemische Fallen der Zyklus-Analyse

Bevor du die folgenden Kapitel liest, solltest du drei Bias-Muster kennen, in die Zyklus-Denker regelmäßig tappen:

• Confirmation Bias / Pareidolie: Das menschliche Gehirn ist darauf ausgelegt, Muster zu erkennen — auch dort, wo keine sind. Wer Zyklen sucht, findet sie immer. Der Test ist nicht „Finde ich ein Muster?", sondern „Wie oft hätte das Muster eine falsche Vorhersage gemacht?"
• Survivorship Bias: In Büchern über Zyklen stehen nur die Zyklen, die funktioniert haben. Die vielen Zyklus-Signale, die keinen Crash vorhergesagt haben (oder Crashs anzeigten, die nicht kamen), werden nicht erwähnt. Das verzerrt die wahrgenommene Trefferquote erheblich.
• Falsifizierbarkeit: Eine gute Theorie muss falsifizierbar sein. Frage dich bei jedem Framework: Was müsste passieren, damit ich diese Theorie aufgebe? Wenn du keine Antwort findest, ist es kein wissenschaftliches Modell, sondern ein Narrativ.

Die ökonomische Literatur kennt mehrere Dutzend Zyklus-Theorien. Sie lassen sich in fünf Familien bündeln, die sich nach typischer Periodenlänge und treibendem Mechanismus unterscheiden. Die folgende Matrix zeigt die wichtigsten — die Vertiefung erfolgt in den Sub-Modulen 5.2 bis 5.6.

Die Familien überlagern sich in der Realität. Eine kurze Konjunkturschwäche (Kitchin, ~3 J.) kann mit einem mittelfristigen Investitions-Tief (Juglar, ~10 J.) und einer säkularen Tech-Welle (Kondratieff, ~50 J.) zusammenfallen — oder sich gegenseitig aufheben. Die folgende Skizze zeigt die ungefähre Lage dreier prototypischer Zyklen über 130 Jahre:

Drei Fallstudien — eine erfolgreiche Anwendung, eine versagte Theorie, eine unerwartete Realität. Sie illustrieren die asymmetrische Treffsicherheit von Zyklus-Modellen.

Lehre aus den drei Fällen: Zyklus-Theorien funktionieren besonders dann, wenn die Rahmenbedingungen denen historischer Vorbilder ähneln — und versagen, sobald strukturelle Brüche auftreten (neue Geldpolitik, demografische Inversionen, Tech-Disruption).