Wat is een Mean Reversion strategie?
Je kent dat gevoel wel: een aandeel schiet omhoog, je denkt dat het einde verhaal is, en dan zakt het opeens terug naar waar het vandaan kwam. Dat is precies de kern van een Mean Reversion strategie.
Het is alsof een markt een beetje dronken is: hij zwalkt heen en weer, maar uiteindelijk zoekt hij altijd weer zijn nuchtere evenwicht op.
In de wereld van algoritmische trading bots draait het allemaal om dit simpele idee: prijzen keren terug naar hun gemiddelde. Als je dit slim aanpakt met Python backtesting, een goede broker API en strak risicomanagement, kun je hier serieus geld mee verdienen. Laten we eens kijken hoe je dat doet, zonder poespas.
Wat is Mean Reversion eigenlijk?
Een Mean Reversion strategie gaat ervan uit dat elke extreme beweging van een prijs tijdelijk is.
Stel je voor dat een aandeel zoals Apple of Tesla plotseling 5% stijgt in één dag zonder groot nieuws. Dan is de kans groot dat het terugvalt naar zijn gemiddelde prijs van de afgelopen 20 dagen. Dat gemiddelde is je anker; het is de 'mean' waar alles om draait. Waarom is dit belangrijk?
Omdat markten niet lineair zijn. Ze hebben ups en downs, en als je als handelaar alleen maar op stijgende trends jaagt, mis je de kansen op de terugval.
Met Mean Reversion pak je die correcties mee. Het is als vissen: je wacht tot de vis bijt, in plaats van achter elke golf aan te zwemmen.
In de praktijk werkt het zo: je berekent een gemiddelde prijs, bijvoorbeeld de Simple Moving Average (SMA) over 20 dagen. Als de huidige prijs ver boven dat gemiddelde ligt, verkoop je (short gaan). Als het eronder ligt, koop je. Simpel, maar effectief als je het combineert met een Python script dat dit automatisch doet via je broker API, zoals die van Interactive Brokers of Degiro.
De kern van de strategie: hoe het werkt in de praktijk
Stap één is altijd data. Je haalt historische prijzen op via je broker API, bijvoorbeeld via de IBKR API of een dienst als Alpha Vantage.
In Python gebruik je libraries zoals Pandas voor de data en NumPy voor de berekeningen. Je laadt de data, berekent het gemiddelde, en stelt drempels in: bijvoorbeeld, als de prijs 2% boven de SMA ligt, verkoop je 100 aandelen.
Waarom Python? Omdat het zo flexibel is. Je kunt een bot bouwen die elke minuut de markt scant, orders plaatst en je portefeuille beheert. Stel je voor: je backtest een strategie op de AEX-index met data van de afgelopen 5 jaar.
Je ziet dat bij een 20-day SMA, de gemiddelde return 3% per trade is, met een winstpercentage van 60%.
Dat is realistisch, geen gokkerij. Risicomanagement is hier cruciaal. Zonder het, verlies je je shirt.
Gebruik stop-losses op 1-2% onder je entry, en position sizing: nooit meer dan 1-2% van je totale kapitaal per trade. In Python kun je dit integreren met libraries zoals Backtrader of Zipline voor je backtesting. Test het eerst op een demo-account bij je broker, voordat je echt geld inzet.
"Mean Reversion is geen glazen bol, maar een statistische randvoordeel. Het werkt niet altijd, maar als je het combineert met discipline, wint het op de lange termijn."
Variaties en modellen met prijsindicaties
Er zijn verschillende soorten Mean Reversion modellen, elk met hun eigen twist.
De basis is de SMA, maar je kunt ook de Exponential Moving Average (EMA) gebruiken voor snellere reacties. Stel je voor: je zet een EMA van 10 dagen op de S&P 500. Als de prijs meer dan 3% afwijkt, trigger je een trade.
In Python bereken je dit met één regel code: df['EMA'] = df['Close'].ewm(span=10).mean(). Een andere variant is de Bollinger Bands-strategie.
Hier omring je het gemiddelde met banden op basis van standaarddeviatie. Als de prijs de bovenste band raakt (bijvoorbeeld bij €150 voor een aandeel), short je; als het de onderste band raakt (€140), koop je.
Dit is populair bij algoritmische bots omdat het automatisch de volatiliteit meeneemt. Backtest het op een broker zoals Plus500, waar je API-toegang hebt voor snelle executes. Prijsindicaties helpen bij het timen. Wil je zelf een RSI-gebaseerde Mean Reversion strategie coderen? Gebruik RSI als extra filter: als RSI boven 70 is (overbought) en de prijs ver van het gemiddelde ligt, is dat een verkoopsignaal.
Of combineer met Volume: als de prijs stijgt maar volume daalt, is de trend zwak. In een Python-script kun je dit visualiseren met Matplotlib: plot de prijs, SMA, en Bollinger Bands voor een aandeel zoals Philips op €25-30.
Let op: Mean Reversion werkt het beste in zijwaartse markten, niet in sterke trends. Test varianten op verschillende assets: aandelen zoals ING (€15-20), crypto zoals Bitcoin (€40.000-50.000), of forex paren zoals EUR/USD. Gebruik backtesting tools zoals QuantConnect om te zien of trend following of mean reversion het beste presteert voor jouw risicoprofiel.
Praktische tips voor algoritmische traders
Begin klein: bouw eerst een eenvoudige bot in Python die één asset handelt, zoals de AEX-futures. Gebruik de IBKR API voor live data en orders.
Backtest met historische data van 2019-2024 om te zien hoe de strategie presteert tijdens crashes zoals maart 2020.
Verwacht een drawdown van 10-15%, maar een positieve expectancy op de lange termijn. Kies de juiste broker voor je API. Interactive Brokers is top voor professionals (vanaf €0 commissie per trade), maar voor beginners is Degiro simpeler en goedkoper (€2-5 per transactie).
Zorg dat je bot veilig is: gebruik API-sleutels met beperkte rechten en log elke trade voor analyse. Risicomanagement is je beste vriend.
Stel harde regels in: geen trades tijdens grote nieuws events, en diversifieer over 5-10 assets. In Python voeg je een functie toe die je equity curve berekent en waarschuwt als je drawdown boven 20% komt. Test op een paper trading account bij je broker, en vermijd over-optimisatie: verken de mogelijkheden van Statistische Arbitrage, maar onthoud dat wat in de backtest werkt, niet altijd live werkt. Tot slot: wees geduldig.
Mean Reversion is geen quick win; het is een marathon. Pak een kop koffie, open je Python IDE, en begin met een simpele script.
Je zult verrast zijn hoe bevredigend het is om die marktcorrecties te vangen. Als je vragen hebt, deel ze – we zitten hier samen aan tafel.