21. Juli 2026 – Roland Rupprechter, MBA (WU Wien), CPM, CEFA

Von der Old Economy zur KI-Ära: Eine ökonometrische Analyse der S&P-500-Renditen 1966–2025

Ergebnisse unserer statistischen Untersuchung, einfach erklärt.
S&P 500 ökonometrische Analyse 1966–2025

Was uns zu dieser Untersuchung veranlasst hat


„Diesmal ist alles anders“ — kaum ein Satz fällt an der Börse öfter. Zuerst hieß es das um die Jahrtausendwende, als Technologie-, Medien- und Telekomwerte die Kurse trieben. Heute hört man es wieder, wenn es um Künstliche Intelligenz geht: neue Gewinner, hohe Bewertungen, starkes Kursmomentum. Für uns ist das keine rhetorische Frage, sondern eine praktische: Wenn sich der Charakter des Marktes tatsächlich verändert hat, müssten wir Risiko anders messen und Portfolios anders bauen bzw. Anlageempfehlungen anders geben.


Wir wollten deshalb nicht glauben, sondern haben eine Untersuchung vorgenommen. Grundlage sind die Monatsdaten des Yale-Ökonomen und Nobelpreisträgers Robert J. Shiller für den S&P 500: 720 Monatsrenditen von Januar 1966 bis Dezember 2025. Diese sechs Jahrzehnte haben wir mit sechs statistischen Standardverfahren untersucht — und zwar dreimal: einmal über die gesamte Periode, einmal nur ab dem Jahr 2000 und einmal nur ab 2016. So lässt sich direkt vergleichen, ob sich die jüngeren Marktphasen messbar anders verhalten als die lange Historie.


Drei Marktphasen, drei Charaktere


Die Ära der Substanzwerte (1966 bis 1999). Über weite Strecken dieser Zeit wurde der S&P 500 von der „Old Economy“ geprägt: Industrie, Energie, Banken und Konsumgüter — Unternehmen wie Exxon, General Motors, General Electric oder Coca-Cola. Es war überwiegend eine Welt der Substanz- oder „Value“-Werte: greifbare Vermögenswerte, moderate Bewertungen, hohe und verlässliche Dividenden, die damals einen erheblichen Teil der Gesamtrendite ausmachten. Ganz ohne Ausnahmen war auch diese Ära nicht — Anfang der 1970er-Jahre trieben die hoch bewerteten „Nifty Fifty“-Wachstumswerte den Markt, und mit IBM stand jahrzehntelang ein Technologiekonzern unter den größten Indexwerten. Der Grundcharakter der Phase blieb aber gleich.


Die New Economy (ab 2000). Mit der Jahrtausendwende übernahmen die Dotcom-Werte die Führung. Kennzeichen dieser Phase: hohes Kursmomentum, also die Neigung, dass gut gelaufene Aktien weiter gekauft werden, und Bewertungen, die sich zeitweise weit von den Gewinnen lösten. Die Phase begann mit dem Platzen der Dotcom-Blase (2000 bis 2003) und wurde 2008/09 von der Finanzkrise erschüttert — beides Episoden, in denen der Index rund die Hälfte seines Wertes verlor.


Die KI-Ära (ab 2016). Ab etwa 2016 etablierte sich mit dem Durchbruch des maschinellen Lernens ein neuer Megatrend, der spätestens mit der Vorstellung von ChatGPT im November 2022 auch die breite Öffentlichkeit erreichte. Kennzeichen: extremes Momentum bei KI-nahen Titeln, hohe Kurs-Gewinn-Verhältnisse und eine starke Konzentration des Index auf wenige Schwergewichte. Wieder stellt sich die alte Frage: Ist diesmal wirklich alles anders?


Was wir untersucht haben


Die sechs Verfahren beantworten jeweils eine einfache Frage: Lassen sich Kurse aus ihrer eigenen Vergangenheit vorhersagen? Hängt die Rendite eines Monats vom Vormonat ab? Treten ruhige und stürmische Phasen gebündelt auf? Gibt es die Aktienprämie wirklich — und folgen die Renditen der bekannten Glockenkurve? Reagieren Aktien auf das Zinsniveau oder auf Zinsänderungen? Und: Sagt die Bewertung (das Shiller-KGV) etwas über die Rendite der nächsten zehn Jahre?


Das Ergebnis: die drei Zeithorizonte im Vergleich

1966–2025 ab 2000 ab 2016
Rendite pro Jahr (Kursrendite)7,2 %6,0 %12,0 %
Schwankung pro Jahr12,6 %13,2 %12,6 %
Rendite je Einheit Schwankung (Sharpe Ratio)0,570,460,96
Bester Monat+11,4 %+11,4 %+7,9 %
Schlechtester Monat−22,8 %−22,8 %−21,2 %
Größter zwischenzeitlicher Verlust−50,8 %−50,8 %−20,3 %
Kurse kurzfristig prognostizierbar?neinneinnein
Asymmetrie (Schiefe)−1,2−1,8−2,3
Häufung extremer Monate (Exzess-Kurtosis)5,07,711,1
Reaktion auf Zinsanstiegeleicht negativpositivkein Zusammenhang

Eigene Berechnung auf Basis der Daten von Robert J. Shiller (2026). Kursrenditen ohne Dividenden, logarithmiert. Vereinfachte Darstellung; vollständige Testergebnisse samt p-Werten in unserer wissenschaftlichen Arbeit zum Risikomanagement.


Was dabei herausgekommen ist


Erstens: Die Börse bleibt kurzfristig unberechenbar — in allen drei Phasen. Weder in der Value-Ära noch in der New Economy noch in der KI-Ära lassen sich künftige Kurse aus vergangenen Kursen vorhersagen.


Zweitens: Die KI-Ära liefert mehr Rendite bei gleicher Schwankung — bezahlt wird mit härteren Rückschlägen. Seit 2016 hat der Index 12,0 % pro Jahr erzielt, fast das Doppelte der langen Historie, bei praktisch unveränderter Schwankung von 12,6 %. Das klingt wie ein Geschenk. Der Preis zeigt sich in der Form der Verteilung: Die Asymmetrie ist von −1,2 auf −2,3 gefallen, die Häufung extremer Monate von 5 auf über 11 gestiegen. Einfach gesagt: Die guten Monate sind kleiner geworden (bester Monat nur noch +7,9 %), die seltenen schlechten dafür umso heftiger (−21,2 % im März 2020). Das Risiko der modernen Märkte sitzt nicht in der täglichen Schwankung, sondern in seltenen, aber harten Abstürzen — und genau deshalb messen wir es nicht allein mit der Standardabweichung, sondern mit Kennzahlen, welche die Ränder der Verteilung (Fat Tails) mitberücksichtigen.


Drittens: Anleihen schützen nicht automatisch. In der langen Historie fielen Aktien tendenziell, wenn die Zinsen stiegen. Seit 2000 war es im Schnitt umgekehrt, und seit 2016 besteht gar kein verlässlicher Zusammenhang mehr. Die Schutzwirkung von Anleihen im Depot ist also keine Naturkonstante, sondern hängt primär von der Konjunktursteuerung durch die Geldpolitik ab.


Unser Fazit: „Alles anders“ ist es nicht geworden — die Grundregel der Unberechenbarkeit gilt unverändert. Verändert hat sich etwas Gezieltes: die Ränder der Renditeverteilung. Von der Value-Ära über die New-Economy-Phase bis zur KI-Ära sind die extremen Monate Schritt für Schritt extremer geworden, während die normale Schwankung gleichblieb. Für uns heißt das: Extremrisiken aktiv messen und wo möglich begrenzen. Zudem werden Expected Shortfall, Cornish-Fisher-Korrektur, Lower Partial Moments und weitere ökonometrische Verfahren mit jedem Regime wichtiger, da varianzbasierte Maße diese Verschiebung nicht erfassen.



DISCLAIMER

Diese Informationsunterlage dient als allgemeine Marktkommunikation. Sie stellt keine individuelle Anlageberatung dar, ist nicht als Kauf- oder Verkaufsempfehlung zu verstehen und ersetzt nicht die individuelle Beratung durch einen qualifizierten Finanzberater. Vergangenheitsdaten (Renditen, Volatilitäten, Drawdowns) bieten keine Garantie für künftige Entwicklungen. Alle Angaben ohne Gewähr. Stand: Juli 2026.