Onafhankelijk strategieonderzoek
Werkt intermarktanalyse echt? We testten 400+ signalen
Korte versie: bijna niets voorspelt richting. We onderzochten 400+ cross-asset directionele configuraties met eerlijke multiple-testing correctie, over aandelen, obligaties, goud, olie, FX en crypto. Eén overleefde. De rest is gelijktijdige co-beweging vermomd als een voorsprong.
De belofte, en waarom deze zelden standhoudt
De oudste bewering in de marktfolklore is dat de ene activa de andere leidt. Obligaties leiden aandelen. De dollar leidt grondstoffen. Crypto leidt de risicobereidheid in het weekend. Het is intuïtief, het is overal in educatieve content, en het is meestal een artefact van twee dingen die tegelijk bewegen. Intermarktanalyse leest een echte relatie — activa bewegen inderdaad samen — en neemt dan stilzwijgend aan dat co-beweging betekent dat één kant als eerste arriveert met een verhandelbare waarschuwing. We hebben die aanname direct getest.
Hier is de valkuil. Voer genoeg activaparen uit op genoeg resoluties en een combinatie zal er voorspellend uitzien door puur geluk. Neem twee dozijn leads, en één haalt een t-stat. Dat is geen voorsprong. Dat is rekenkunde. De oplossing is multiple-testing correctie waarbij de noemer is ingesteld op elke configuratie die u hebt uitgevoerd, niet alleen de mooie die u hebt behouden.
Wat we testten (naamloos — alleen familie en faalmodus)
Directionele afhankelijkheid op resoluties van 1 seconde tot maandelijks, met een strikte regel: de bars moesten synchroon zijn. Intraday futures snapshots op vaste tijden, geen verkeerd uitgelijnde cash sluitingen. Niet-overeenkomende sluitingen zijn een klassieke maker van nep lead-lag — de New Yorkse sluiting reageert op iets wat de Tokiose sluiting al zag, en een grafiek noemt het voorspelling. Elke kandidaat moest ook een volatiliteitsnul verslaan: een benchmark waarbij het teken voorspelbaar is uit alleen drift en volatiliteit alleen, met nul cross-asset informatie. Als een "signaal" dat niet kan verslaan, wist het nooit iets over de andere markt.
| Familie (wat werd getest) | Bereik | Oordeel | Waarom het faalde |
|---|---|---|---|
| Cross-asset lead-lag, alle paren | 260+ paren | NULL | geen voorsprong buiten gelijktijdige co-beweging |
| Regime-conditionele lead-lag | 130+ configuraties | NULL | conditionering op volatiliteit redt de richting niet |
| Niet-lineair machine-learning lead grid | 180+ paren | NULL | "verborgen" leads waren een artefact van één maand; repliceerde niet |
| Kalenderpremia (aankondiging, einde maand, OpEx, veilingen) | 40+ configuraties | NULL | geen overleeft multipliciteit |
| Pre-release drift (banen, inflatie, BBP) | 18+ configuraties | NULL | efficiënt geprijsd bij de release |
| Divergentie-omkering ("SMT") richting | 7 regimes | NULL | verslaat geen willekeurige-divergentie placebo |
| Nieuwsreactie momentum | — | NULL | het ene sterke venster was een enkel inflatieregime van 2022–24; keert eruit om |
| Weekend crypto → maandag aandelenrichting | 250+ weekenden | NULL | reeds geprijsd bij de heropening van de futures op zondag |
| Positioneringsdrift rond geplande Fed-besluiten | — | OVERLEVER | een echte, regime-versterkte directionele voorsprong |
Namen, auteurs en scripts opzettelijk afwezig. Dit is alleen een aggregaat van activaklasse en faalmodus.
De eerlijke conclusie
Over 400+ directionele intermarktconfiguraties overleeft in wezen niets een eerlijke correctie. Precies wat de verval literatuur voorspelt. De meeste families faalden niet alleen na kosten — ze hadden geen voorsprong tegen een placebo voordat er een cent aan kosten in ging. De SMT-divergentiehandel is het duidelijkste voorbeeld: het verslaat geen willekeurig geplaatste divergentie. Als het schudden van uw signaal net zo goed werkt als uw signaal, was het signaal er nooit.
Het machine-learning resultaat is het overwegen waard. Richt een niet-lineair model op 180+ paren en het zal leads vinden. Het vond er verschillende. Elk ervan was een walk-forward fata morgana — sterk in één venster, de volgende maand verdwenen. Dat is hoe overfitting eruitziet wanneer het een neuraal netwerk draagt. Het grid ontdekte geen structuur. Het memoriseerde ruis en gaf het met vertrouwen terug.
Degene die overleefde
Eén familie overleefde: een positioneringsdrift rond geplande Fed-besluiten. Geen cross-asset lead — een kalender-verankerde, regime-versterkte premie die overeenkomt met de gepubliceerde pre-FOMC drift literatuur. Het heeft een eigen pagina, met het effect, de regimes waarin het verschijnt, en de eerlijke kanttekeningen. Lees de bevinding over pre-Fed drift →
Let op wat het niet is. Het is niet "obligaties vertelden aandelen waar ze heen moesten gaan." De overlever is gepland en mechanisch, dichter bij een pre-FOMC drift dan bij welk lead-lag verhaal dan ook. De lead-lag verhalen — de hele reden waarom mensen intermarktpanels uitvoeren — zijn precies de families die faalden.
Waar is intermarktdata dan goed voor?
Het tweede moment. Cross-asset data bevat echte informatie over volatiliteit en correlatie — hoeveel dingen samen bewegen en hoeveel ze zullen bewegen — niet over richting. Volatiliteit is voorspelbaar. Richting, op basis van dit bewijs, meestal niet. Die splitsing is de nuttige conclusie, en het heeft een eigen pagina. Volatiliteit is voorspelbaar. Richting niet. →
Waarom een nul aannemen
Het publiceren van een nul is alleen iets waard als de test iets had kunnen vinden. De onze kon dat. De correctie was Benjamini–Yekutieli FDR plus een Deflated Sharpe ratio, met N ingesteld op elke configuratie die we uitvoerden — de eerlijke noemer, niet het aantal overlevers. Een gap-embargo elimineerde 1-seconde microstructuur artefacten. GARCH-devolatilisatie scheidde een echte voorsprong van gewone volatiliteitsspillover, zodat een signaal niet kon doorsluipen alleen omdat beide activa tegelijk luid werden. Een verankerde walk-forward bleef in reserve gehouden.
- Een "nul" betekent niet multiple-testing-robuust op deze 2012–2026 data en venster — geen bewijs van onmogelijkheid.
- Aantallen zijn altijd geldige ondergrenzen, nooit exacte variërende totalen.
- Kosten worden gemodelleerd waar ze van toepassing zijn; we rapporteren break-even kosten, niet een veronderstelde netto Sharpe.
Hoe we testen
Dezelfde pipeline die we op alles uitvoeren. Strategieën worden geporteerd naar Python en uitgevoerd tegen reële kosten — spreads en commissies gemodelleerd uit tick data, geen vlakke schatting. Futures komen van 13 jaar CME via doorlopende contracten gebouwd zonder survivorship gaps; FX van tick-niveau bid/ask; crypto als spot en perps. Een snel model doet de bulkporting, het sterkste model probeert vervolgens elke ogenschijnlijke winnaar te breken, op zoek naar look-ahead en onmogelijke fills. Code is gehasht, dus een signaal dat onder drie namen opnieuw wordt gepubliceerd, wordt één keer getest. Het is hetzelfde proces dat ongeveer 78% van de strategieën die we testen afwijst — en hier, 400-plus intermarkt directionele configuraties tot één.
Onderzoek en educatie, geen financieel advies. Geen signalen, geen rendementsbeloften. Onafhankelijk, en niet gelieerd aan TradingView.
Wilt u de benoemde oordelen?
Deze pagina geeft u het aggregaat: welke families van intermarktsignalen falen, en hoe. Wat het u niet geeft, is de lijst — elke strategie en indicator die we hebben gecontroleerd, benoemd, met zijn oordeel en de exacte reden waarom het overleefde of faalde. Dat is De Nee-Lijst.
Ontvang De Nee-Lijst → of word eerst lid van de Discord →Veelgestelde vragen
Werkt intermarktanalyse echt?
Voor het voorspellen van richting, bijna nooit in onze tests. We onderzochten 400+ cross-asset directionele configuraties met multiple-testing correctie; één overleefde. Intermarktdata bevat wel echte informatie over volatiliteit en correlatie — alleen niet over welke kant de prijs vervolgens opgaat.
Leidt de ene markt de andere — obligaties leiden aandelen, de dollar leidt grondstoffen?
Ze bewegen samen, wat echt is. Een verhandelbare voorsprong is anders, en de lead-lag families waren precies degenen die faalden: 260+ paren, 0 overlevers. De meeste "leads" zijn gelijktijdige co-beweging, of een artefact van het vergelijken van verkeerd uitgelijnde cash sluitingen in plaats van synchrone bars.
Kan machine learning intermarktvoorsprongen vinden die een mens mist?
Het vindt ze en ze repliceren niet. Over 180+ paren bracht het niet-lineaire grid "verborgen" leads aan het licht die artefacten van één maand waren, verdwenen in het volgende venster. Dat is overfitting vermomd als een model, geen ontdekte voorsprong.
Dus wat overleefde?
Eén familie: een positioneringsdrift rond geplande Fed-besluiten — kalender-verankerd en regime-versterkt, overeenkomend met de gepubliceerde pre-FOMC drift literatuur. Het is geen cross-asset lead. Het heeft een eigen pagina met het effect en de kanttekeningen.
Betekent een "nul" dat intermarktsignalen onmogelijk zijn?
Nee. Een nul betekent niet multiple-testing-robuust op 2012–2026 data en dit venster — geen bewijs van onmogelijkheid. We corrigeren met Benjamini–Yekutieli FDR en een Deflated Sharpe, waarbij elke configuratie die we uitvoerden als noemer wordt geteld.