Krypto-Prognosen: So funktioniert unser Prognosemodell
So entstehen Bewertungen zu Bitcoin, Ethereum und Co.
Kryptokurse lassen sich nicht verlässlich auf einen einzigen zukünftigen Wert reduzieren. Zu viele Faktoren beeinflussen den Markt – von Zinsen und Regulierung über technologische Entwicklungen bis zur Stimmung der Anleger.
Deshalb nennen wir nicht einfach ein festes Kursziel. Unser Prognosemodell berechnet mehrere Tausend mögliche Kursverläufe und zeigt, in welcher Bandbreite sich ein Kurs unter den Annahmen des Modells entwickeln könnte.
Auf dieser Seite erklären wir, welche Daten wir verwenden, wie die Berechnung funktioniert und wie du die Ergebnisse einordnen solltest.
Was ist das Bitcoin2Go-Prognosemodell?
Das Bitcoin2Go-Prognosemodell ist unser statistischer Ansatz zur Berechnung möglicher Kursentwicklungen von Bitcoin und anderen Kryptowährungen.
Grundlage ist eine Monte-Carlo-Simulation auf Basis des Merton-Jump-Diffusion-Modells. Das Modell verbindet normale Kursschwankungen mit seltenen, besonders starken Ausschlägen. Damit eignet es sich für einen Markt wie den Kryptomarkt, in dem auf ruhigere Phasen immer wieder abrupte Kursbewegungen folgen.
Modelle dieser Art werden in der Finanzwelt eingesetzt, um mögliche Entwicklungen und Risiken unter Unsicherheit zu untersuchen. Sie berechnen keine sichere Zukunft. Stattdessen zeigen sie, welche Ergebnisse unter bestimmten statistischen Annahmen möglich sind.
Das zugrunde liegende Jump-Diffusion-Modell geht auf Robert C. Mertons wissenschaftliche Arbeit über kontinuierliche Kursprozesse mit zusätzlichen Sprungereignissen zurück. Hier findest du die Originalpublikation im Journal of Financial Economics.
Warum simulieren wir mehrere Kursverläufe?
Eine einzelne Kursprognose vermittelt schnell eine Sicherheit, die es am Kryptomarkt nicht gibt. Selbst wenn zwei Berechnungen beim gleichen aktuellen Kurs starten, können sich die weiteren Verläufe deutlich unterscheiden.
Unsere Monte-Carlo-Simulation setzt genau dort an. Sie erzeugt mehrere Tausend mögliche Kursverläufe. Einige davon verlaufen positiv, andere negativ und viele bewegen sich dazwischen.
Aus der Verteilung dieser Simulationen leiten wir drei Szenarien ab: ein konservatives, ein mittleres und ein optimistisches Szenario. So wird sichtbar, wie breit die möglichen Ergebnisse auseinanderliegen können.
Welche Faktoren berücksichtigt das Modell?
Die Simulation orientiert sich am tatsächlichen historischen Kursverhalten der jeweiligen Kryptowährung. Dafür betrachten wir drei zentrale Eigenschaften: Drift, Volatilität und außergewöhnlich starke Kursbewegungen.
Drift: die historische Grundtendenz
Die Drift beschreibt, ob sich der Kurs im betrachteten Zeitraum tendenziell nach oben oder unten bewegt hat. Wir verwenden dafür den Median der täglichen logarithmischen Renditen.
Der Median reduziert den Einfluss einzelner extremer Tage. Das ist bei Kryptowährungen wichtig, weil außergewöhnlich starke Kursbewegungen einen einfachen Durchschnitt deutlich verzerren können.
Die Drift ist keine feste Wachstumsannahme. Sie überträgt lediglich die aus den historischen Daten abgeleitete Grundtendenz in die Simulation.
Volatilität: die üblichen Kursschwankungen
Die Volatilität misst, wie stark die täglichen Renditen typischerweise schwanken. Eine hohe Volatilität führt in der Simulation zu einer größeren Bandbreite möglicher Ergebnisse. Bei einer niedrigeren Volatilität liegen die simulierten Verläufe enger zusammen.
Wir berechnen die Volatilität anhand der Standardabweichung der historischen täglichen Log-Renditen.
Jumps: außergewöhnlich starke Kursbewegungen
Kryptokurse bewegen sich nicht immer gleichmäßig. Nachrichten, Liquidationen, regulatorische Entscheidungen oder andere Ereignisse können innerhalb kurzer Zeit starke Ausschläge auslösen.
Das Merton-Jump-Diffusion-Modell berücksichtigt solche Sprünge zusätzlich zu den normalen täglichen Schwankungen. Wir erkennen einen Jump, wenn eine Rendite die Schwelle von zwei Standardabweichungen überschreitet.
Anhand dieser Ereignisse bestimmen wir:
- wie häufig starke Kursausschläge historisch aufgetreten sind
- wie groß diese Ausschläge im Durchschnitt waren
- wie stark ihre Ausprägung schwankte
Diese Parameter fließen anschließend in die simulierten Kursverläufe ein.
Was bedeuten die drei Linien?
Unsere Prognose zeigt drei Linien. Sie stehen für unterschiedliche Bereiche innerhalb der simulierten Ergebnisse und nicht für feste Mindest- oder Höchstkurse.
Mittlere Linie: 50. Perzentil
Die mittlere Linie zeigt den Median aller Simulationen. Zu jedem dargestellten Zeitpunkt liegt die Hälfte der simulierten Ergebnisse über diesem Wert und die andere Hälfte darunter.
Sie bildet das mittlere Szenario ab. Der Median ist jedoch nicht automatisch der Kurs, der mit der höchsten Wahrscheinlichkeit eintreten wird.
Obere Linie: 75. Perzentil
Die obere Linie zeigt ein optimistischeres Szenario. Zu jedem dargestellten Zeitpunkt liegen 75 Prozent der simulierten Ergebnisse auf oder unter diesem Wert. 25 Prozent liegen darüber.
Die Linie stellt daher keine maximale Kursgrenze dar. Auch höhere Ergebnisse kommen in der Simulation vor.
Untere Linie: 25. Perzentil
Die untere Linie zeigt ein konservativeres Szenario. Zu jedem dargestellten Zeitpunkt liegen 25 Prozent der Simulationen auf oder unter diesem Wert. 75 Prozent liegen darüber.
Auch diese Linie ist keine garantierte Untergrenze. Ein Teil der Simulationen führt zu niedrigeren Ergebnissen.
Der Bereich zwischen der unteren und der oberen Linie enthält die mittleren 50 Prozent der simulierten Kurswerte.
Welche Daten verwenden wir?
Unsere Berechnung basiert auf historischen Tagesschlusskursen seit dem 1. Januar 2019. Bei Kryptowährungen, die erst später gestartet sind, verwenden wir alle verfügbaren Kursdaten.
Aus diesen Daten berechnen wir:
- den Median der täglichen Log-Renditen als Drift
- die Standardabweichung der täglichen Log-Renditen als Volatilität
- die Häufigkeit außergewöhnlicher Kursbewegungen
- die durchschnittliche Stärke dieser Bewegungen
- die Streuung der Jump-Größen
Für jüngere Kryptowährungen steht eine kürzere Datenhistorie zur Verfügung. Ihre Prognosen können deshalb stärker von einzelnen Marktphasen geprägt sein.
Wie häufig wird die Prognose aktualisiert?
Wir berechnen alle Prognosen einmal täglich neu. Dadurch fließen neue Tagesschlusskurse regelmäßig in die Schätzung der Modellparameter ein.
Zusätzlich startet automatisch eine neue Berechnung, wenn der aktuelle Kurs mehr als 8 Prozent vom Kurs der letzten Berechnung abweicht. So kann die Darstellung schneller auf besonders starke Marktbewegungen reagieren.
Eine häufigere Neuberechnung macht die Prognose jedoch nicht automatisch treffsicherer. Sie sorgt in erster Linie dafür, dass der Ausgangskurs und die zugrunde liegenden Daten aktuell bleiben.
Was kann das Modell nicht berücksichtigen?
Das Prognosemodell arbeitet mit historischen Kursdaten. Es erkennt darin statistische Eigenschaften und überträgt diese in mögliche zukünftige Verläufe.
Künftige Ereignisse kann es nicht vorhersagen. Dazu gehören beispielsweise:
- neue Gesetze und regulatorische Entscheidungen
- Hacks oder technische Probleme
- Änderungen an der Token-Ökonomie
- Netzwerk-Upgrades
- Käufe und Verkäufe großer Marktteilnehmer
- politische und wirtschaftliche Krisen
- grundlegende Veränderungen eines Krypto-Projekts
Solche Ereignisse wirken sich erst über neue Kursdaten auf spätere Berechnungen aus. Auch historische Muster können sich verändern oder vollständig verschwinden.
Die Ergebnisse sind deshalb keine sicheren Kursziele und keine Eintrittsversprechen. Sie dienen als datenbasierte Orientierung und nicht als Kaufaufforderung.
Wer hat das Prognosemodell entwickelt?
Das Bitcoin2Go-Prognosemodell wurde von Simon Rieger, Daniel Wenz und Mirco Recksiek entwickelt. Dabei flossen Kenntnisse aus Psychologie, Betriebswirtschaft, Statistik, Asset Pricing und mehr als zehn Jahren praktischer Erfahrung im Kryptomarkt zusammen.
Simon Rieger
Simon Rieger hat Psychologie und Betriebswirtschaftslehre studiert. Diese Verbindung gibt ihm ein besonders fundiertes Verständnis dafür, Marktmechanismen analytisch zu betrachten und psychologische Verzerrungen zu erkennen.
Bei der Entwicklung des Modells brachte er insbesondere seine Kenntnisse über Entscheidungsverhalten, Marktpsychologie und den Einfluss kognitiver Verzerrungen ein. Das ist wichtig, weil Prognosen schnell eine Sicherheit vermitteln können, die statistisch nicht gegeben ist.
Daniel Wenz
Daniel Wenz ist Wirtschaftsingenieur und hat einen Master of Science. Seine Masterarbeit trägt den Titel „Asset Pricing Factors in Cryptocurrency Markets“.
Darin beschäftigte er sich direkt mit der statistischen Auswertung von Kryptomärkten und der Frage, welche Faktoren Renditen erklären können. Seine Kenntnisse in Datenanalyse, Asset Pricing und der Erkennung statistischer Muster bildeten eine wesentliche Grundlage für die Auswahl und Umsetzung des Prognosemodells.
Mirco Recksiek
Mirco Recksiek hat einen Master of Science in Business Administration und verfügt über mehr als zehn Jahre praktische Erfahrung im Kryptomarkt.
Diese Erfahrung floss vor allem bei der Einordnung der Modellannahmen und Ergebnisse ein. Sie hilft dabei, statistische Resultate mit realen Marktphasen, starken Kursschwankungen und den Besonderheiten verschiedener Kryptowährungen abzugleichen.
Unser Anspruch
Eine Prognose sollte Unsicherheit nicht verstecken, sondern sichtbar machen. Deshalb veröffentlichen wir keine vermeintlich sicheren Kursziele und stellen kein einzelnes Szenario als feststehende Entwicklung dar.
Unser Modell soll dir helfen, mögliche Entwicklungen, Schwankungsbreiten und Risiken besser einzuordnen. Dafür legen wir offen, welche Daten wir verwenden, wie die Berechnung funktioniert und wo ihre Grenzen liegen.
Wir entwickeln das Modell weiter, wenn neue Erkenntnisse, bessere Daten oder methodische Verbesserungen einen klaren Mehrwert bieten. Wesentliche Änderungen an der Berechnung dokumentieren wir transparent auf dieser Seite.