Sumgrowth Erfahrungen

Ich war über 5 Jahre Kunde und habe den…

Ich war über fünf Jahre lang Kunde und habe dem Algorithmus vertraut. Leider muss ich heute feststellen, dass die auf der Website präsentierten Zahlen ein irreführendes Bild zeichnen. Beispiel: Der Black-Swan-Indikator Ein anschauliches Beispiel ist der Black-Swan-Indikator: Dieser wurde erst Monate nach dem Corona-Crash eingeführt und anschließend rückwirkend auf sämtliche Aktienstrategien angewendet. Im Jahr 2020 erlitt ich erhebliche Verluste, weil der Algorithmus den Börsencrash nicht rechtzeitig erkannte. Nach Einführung des neuen Indikators wies die Gewinnkurve für genau diesen Zeitraum jedoch keinen Einbruch mehr, sondern einen deutlichen Anstieg. Rückblickend hätte die Strategie 2020 angeblich rund 40 % Gewinn erzielt – wenn es den Indikator damals schon gegeben hätte. Doch leider lässt sich die Vergangenheit nicht im Nachhinein handeln. Widerspruch zur eigenen Methodik Sectorsurfer beschreibt die eigene Indexing-Methodik wie folgt: "Visual performance correlation is preferred to simplistic correlation calculations." "Numerical correlation calculations [are avoided] because important nuances are often lost in an agnostic computation resulting in a single number." Übersetzt heißt das: Die Auswahl erfolgt visuell und subjektiv. In einem Produkt, das als „rules-based" und „fully automated, passively managed" vermarktet wird, steht eine solche diskretionäre, visuelle Auswahl jedoch in direktem Widerspruch zum eigenen Werbeversprechen. Mein Hauptkritikpunkt: Die Schwellenwerte Mein zentrales Problem betrifft jedoch die exakten Schwellenwerte der einzelnen Trend- und StormGuard-Armor-Indikatoren, die Sectorsurfer und AlpaDroid aktiv kommunizieren.Diese hochspezifischen Werte – etwa „75 % Rebound innerhalb von 7 Tagen nach einem 5 %-Drop" – lassen sich mathematisch nur durch ein einziges Ereignis in der gesamten Marktgeschichte motivieren: den Corona-Crash im März 2020 und die anschließende, von der Fed getriebene V-förmige Erholung. Solche Werte ergeben sich nicht aus theoretischer Herleitung, sondern werden im Nachhinein an ein bereits eingetretenes Ereignis angepasst (Curve-Fitting). Dies deckt sich exakt mit der Information, dass der Indikator erst nach dem Versagen während der Corona-Krise nachträglich ergänzt wurde.Damit erfüllt das Vorgehen die Lehrbuchdefinition mehrerer methodischer Schwächen: Look-Ahead-Bias: Der Indikator nutzt implizit Wissen über die Zukunft – nämlich, dass der V-Recovery 2020 stattfand. Overfitting: Die Schwellenwerte sind auf einen einzelnen historischen Datenpunkt kalibriert. Track-Record-Manipulation: Die Performance-Historie wird so dargestellt, als hätte die heutige Strategie bereits in der Vergangenheit existiert.