Forschungsrahmen
Diese Notiz untersucht DCAUT (volatilitätsadaptives DCA) über verschiedene Horizonte und Vermögenswerte hinweg, im Gegensatz zu Buy-and-Hold und DCA mit gleichem Betrag.

Beispiel & Schlüsseldaten
Vier Backtests desselben quantitativen Produkts:

• BTC (≈5 Monate): realisierte Rendite +16.59%, maximaler Drawdown 21.12%, Sharpe 1.17, annualisiert +42.55%, Gewinnrate 100%, 2,581 Trades.

• BTC (≈6 Monate): +29.43% / 10.52% / 2.38 / +76.95% / 99.04% / 2,630.

• BTC (≈18 Monate): +111.86% / 74.40% / 1.08 / +62.28% / 100% / 8,431.

• ETH (≈8 Monate): +28.67% / 9.70% / 1.43 / +44.06% / 99.09% / 3,364.
  Querschnitt: mittlere annualisierte Rendite 56.46% (Median 53.17%), mittlerer Sharpe 1.30, mittlerer maximaler Drawdown 15.82%. Gesamtzahl der Trades 17,006. Die nahezu 100%ige Gewinnrate sollte mit der Zählkonvention für Ein- und Ausstiege interpretiert werden.

Visuelle Beweise & Beobachtungen
Die grüne Kurve der „realisierten Rendite“ liegt im Allgemeinen über – und ist glatter als – dem hellblauen Buy-and-Hold-PnL. Nach einseitigen Rückgängen kreuzt die DCAUT-Eigenkapitalkurve früher wieder über Null und steigt weiter an, was eine Kostenreduzierung durch „Drawdown-gestaffelte Gewichtung + Volatilitätsanpassung“ widerspiegelt. Auf dem längsten Horizont zeigt die Strategie einen maximalen Drawdown von −74.40%, endet aber bei einer realisierten Rendite von +111.86%, was auf aufgeschobene Gewinne aus dem „Durchschnittskostenverfahren“ hindeutet, während es eine stärkere Kapitaltoleranz erfordert.

Mechanik (Warum es funktioniert)

• Volatilitätsskalierung: Bemessung jedes Kaufs nach ATR/Median-ATR; größere Volatilität → mehr Einheiten pro Dollar und umgekehrt, wodurch eine reflexive Kostenkurve entsteht.
• Drawdown-Stufen: Wenn sich der Preisdrawdown gegenüber einem lokalen Hoch vertieft, wird eine Bemessung von 1.2×/1.6× ausgelöst, um die Exposition in der „Kostenvorteilszone“ zu erweitern.
• Realisierung & Glättung: viele verstreute Einträge stabilisieren den realisierten PnL; die Kurve ist weniger empfindlich gegenüber Einzelpunktrauschen; Sharpe >1 in den meisten Fenstern.

Risiken & Grenzen

• Mikrostruktur: hohe Handelszahlen bedeuten Empfindlichkeit gegenüber Gebühren/Slippage; eine hohe Gewinnrate ≠ Gewinn ohne Berücksichtigung von Auszahlungsverhältnissen und Haltezeit.
• Kapitaltoleranz: tiefe zyklische Drawdowns implizieren, dass eine Skalierung im frühen Bärenmarkt die Papier-Volatilität verstärken kann, wenn das Risikobudget knapp ist.
• Asset-Heterogenität: Legen Sie Schwellenwerte für Stufen und Volatilitätsfaktoren pro Asset (BTC vs. ETH) fest, anstatt einer Einheitsregel.

Plattform-Implementierung
Wir bieten Multi-Style-Vorlagen – Konservativ (niedrigere Stufen, kleinere Multiplikatoren), Ausgewogen (Baseline), Aggressiv (größere Multiplikatoren, schnellere Reaktion) – und legen offen: Gewinnrate im Fenster, Drawdown-Verteilung, Eigenkapital-zu-Kapital Effizienz und Gebühren-Sensitivitäts-Stresstests, sowie reproduzierbare Backtest-Protokolle und Skripte.

FazitDCAUTs Vorteil ist nicht die Preisvorhersage, sondern dasErnten von Volatilität: mehr dort zu allozieren, wo Volatilität getragen werden sollte, die Kostenkurve an die Volatilität anzupassen und Zufälligkeit in durchschnittlicheKapitaleffizienzGewinne umzuwandeln. Für Benutzer, die langfristiges Zinseszins mit transparenten Zahlen suchen, ist es eine „stetige Offensive“-Kurve, die es wert ist, in den Mix aufgenommen zu werden.