COT-Berichte erklärt: Was sie sind und warum FX-Trader sie beobachten

Die US Commodity Futures Trading Commission veröffentlicht jede Woche einen Schnappschuss, wie sich die weltweit größten Marktteilnehmer auf den Devisen-Futures-Märkten positionieren. Wer ist das? ist, was und in welche Richtung vor dem nächsten großen Schritt ankommt.

Für Devisenhändler sind COT-Daten keine Kristallkugel, sondern eine Positionierungskarte, die, richtig gelesen, die Bedingungen offenbart, die oft scharfen Umkehrungen, anhaltenden Trends und den Momenten vorausgehen, in denen Konsens zu einem eigenen Risiko wird.

Die Anatomie eines COT-Berichts

Die CFTC sammelt Positionsdaten von Futures-Börsen, aggregiert sie und veröffentlicht drei Hauptversionen des COT-Berichts. Der Bericht über die bestehende COT (nur für Futures), der Positionen in drei Gruppen aufteilt:

• Handelsunternehmen Unternehmen, Importeure, Exporteure und multinationale Unternehmen, die Währungstermine hauptsächlich zur Absicherung nutzen. Ihre Positionen spiegeln eher das Währungsrisikomanagement auf Geschäftsebene als spekulative Ansichten auf die Richtung wider.
• Nichtkommerzielle Händler (große Spekulanten) Hedgefonds, Vermögensverwalter und CTAs, die mit Währungsterminals für spekulativen Gewinn handeln. Dies ist die Gruppe, die FX-Händler am genauesten beobachten. Nicht-kommerzielle Positionen mit Überzeugung basierend auf Makroansichten, Trendsignalen und Zinsdifferenzen. Wenn sie aggressiv eine Währung lang oder kurz halten, liegt das daran, dass sie eine These haben und wenn diese These überfüllt wird, wächst das Umkehrrisiko.
• Nicht meldepflichtige Positionen (kleine Spekulanten) Kleinanleger und Kleinteilnehmer, deren Positionen unter die CFTC-Meldeschwelle fallen.

Warum COT-Daten für FX-Händler wichtig sind

Die Währungsmärkte sind die größten und liquidesten Märkte der Welt, aber sie sind nicht transparent. Man kann nicht sehen, wer EUR/USD bei 1,1050 kauft oder JPY-Futures in Übernacht-Asien kurzläuft. Der COT-Bericht ist eine der wenigen Quellen, die Ihnen wöchentlich eine Gesamtrichtungskonvinkation gibt und die ihn für drei spezifische Analysentypen einzigartig wertvoll macht.

1. Die Identifizierung von überfüllten Branchen

Wenn die nicht-kommerzielle Positionierung einer Währung im Verhältnis zu ihrer historischen Bandbreite extreme Niveaus erreicht, ist der Handel überfüllt. Überfüllte Trades sind nicht von Natur aus falsch sie sind oft das Ergebnis einer gut begründeten Makrothesis. Aber sie tragen ein asymmetrisches Risiko: Je überfüllter ein Handel ist, desto gewaltsamer ist die Bewegung, wenn die Teilnehmer gleichzeitig aussteigen müssen.

Das Canonische Beispiel ist der JPY-Short-Trade. Im Laufe von 2022 und 2023 erreichte die nicht-kommerzielle Short-Positionierung in JPY Futures mehrere Jahrzehnte lange Extreme, was die breite und anhaltende Zinsdifferenz zwischen der Bank of Japan und jeder anderen großen Zentralbank widerspiegelte. Der Yen schwächte sich jedoch stark. Jede Bank of Japans Überraschung und mehrere lösten scharfe, schnelle Kurz-Cover-Rallyes im JPY aus, die die Inhaber von überfüllten Short-Positionen in einem Knüppel gefangen nahmen. Die Grundsatzthese war für einen Großteil des Zeitraums korrekt, aber die Position war aufgrund der Überfüllung periodisch gefährlich zu halten.

FXMacroData zeigt die COT-Positionierung für acht wichtige Währungsfutures AUD, CAD, CHF, EUR, GBP, JPY, NZD und USD , wodurch es einfach zu verfolgen ist, welche Trades sich auf historische Extreme hin entwickeln.

curl "https://fxmacrodata.com/api/v1/cot/jpy?api_key=YOUR_API_KEY&start=2022-01-01"

{
  "data": [
    {
      "date": "2024-04-02",
      "noncommercial_long": 28341,
      "noncommercial_short": 198076,
      "noncommercial_net": -169735,
      "commercial_long": 213540,
      "commercial_short": 47832,
      "open_interest": 287450
    }
  ]
}

Eine Netto-Nicht-Kommerzposition von −169.735 JPY-Kontrakten ist nach historischen Maßstäben groß. Eine Zeitplanung dieser Serie zeigt sofort, wie weit die aktuelle Positionierung im Vergleich zu vergangenen Extremen liegt und ob sich die Menge weiter ausdehnen kann oder sich einer strukturellen Umkehrrisikozone nähert.

2. Nachverfolgung der Trendbestätigung und Verschlechterung

COT-Daten sind kein Zeitwerkzeug ein überfüllter Handel kann monatelang überfüllt bleiben, bevor er umkehrt. Aber es ist ein ausgezeichneter Regime-Identifikator. Wenn die nicht-kommerzielle Positionierung konsequent in eine Richtung tritt, bestätigt dies, dass Makropenzen hinter einem Trend ausgerichtet sind. Wenn dieser Trend beginnt, sich zu stabilisieren oder umzukehren, auch wenn der Preis in der gleichen Richtung weitergeht, ist dies oft eine frühe Warnung vor schwindender Überzeugung.

Die Differenz zwischen Preis und Positionierung ist eines der zuverlässigsten COT-basierten Signale im Devisenhandel. Wenn EUR/USD steigt, aber nicht-kommerzielle Netto-Langs in EUR-Futures Woche für Woche schrumpfen, reduzieren große Spekulanten das Exposure in Stärke und dieses Verteilungsmuster geht oft einem Top voraus.

3. Verankerung von Makro-Ansichten mit Marktpositionierung

Die COT-Daten werden am stärksten, wenn sie mit Makro-Fundamentaldaten kombiniert werden. Eine Zinsdifferenz kann eine Währung stark begünstigen, aber wenn diese These bereits in eine extreme Netto-Lange-Position eingestuft wird, kann der inkrementelle Aufwärtstrend begrenzt sein. Umgekehrt ist ein Währungshandel gegen Makrofundamentaldateien mit einer stark überfüllten Short-Positionen ein Setup, das genau beobachtet werden sollte: jede fundamentale Überraschung, die die Bären-These herausfordert, wird eine Schnittdeckung in großem Maßstab erzwingen.

Stellen Sie sich vor , wie der Schweizerische Nationalbank bei der Festlegung der Währungspolitik auf der Endpunkt für den CHF-LeistungsgradDie Entwicklung der Währungspolitik in der Schweiz ist in den letzten Jahren sehr stark beeinflusst worden, da die Währungslage in den USA und in den Vereinigten Staaten immer stärker ansteigt.

Lesen des COT-Berichts: Wichtige Kennzahlen zur Beobachtung

Die Anzahl der Rohverträge ist informativ, aber die folgenden abgeleiteten Kennzahlen verbessern das Signal erheblich.

Nettoposition als Prozentsatz der offenen Zinsen

Die Normalisierung der Netto-Nicht-kommerziellen Positionen gegenüber dem gesamten offenen Interesse liefert ein standardisiertes Maß für die Richtungsverschiebung. Eine Nettolänge von 50.000 Verträgen bedeutet in einer Währung mit 100.000 Verträgt mit offenem Interesse etwas ganz anderes als eine mit 500.000. Die Division der Nettoposition durch offenes Interesse erzeugt ein Verhältnis zwischen -1 und +1, das direkt über Währungen und Zeit hinweg vergleichbar ist.

import requests

BASE = "https://fxmacrodata.com/api/v1"
KEY  = "YOUR_API_KEY"

def cot_series(currency: str, start: str = "2020-01-01") -> list[dict]:
    r = requests.get(
        f"{BASE}/cot/{currency}",
        params={"api_key": KEY, "start": start}
    )
    r.raise_for_status()
    return r.json()["data"]

def net_oi_ratio(record: dict) -> float:
    """Net non-commercial position as fraction of open interest."""
    if record.get("open_interest", 0) == 0:
        return 0.0
    return record["noncommercial_net"] / record["open_interest"]

eur_cot = cot_series("eur")
ratios  = [(r["date"], net_oi_ratio(r)) for r in eur_cot]
print(ratios[-5:])  # most recent five weeks

Z-Score der Netzposition

Der z-Score misst, wie viele Standardabweichungen die aktuelle Positionierung von ihrem historischen Mittelwert hat. Ein z-Score über +2 oder unter -2 markiert statistisch extreme Bedingungen. Für FX ist es üblich, ein rollendes 52-Wochen-Fenster zu verwenden, so dass der Benchmark die aktuelle Marktstruktur und nicht ein zehn Jahre altes Positionisationsregime widerspiegelt.

import statistics

def rolling_zscore(series: list[dict], window: int = 52) -> list[dict]:
    """Compute z-score of net non-commercial positioning on a rolling window."""
    results = []
    values  = [r["noncommercial_net"] for r in series]
    for i, record in enumerate(series):
        start_i = max(0, i - window + 1)
        window_vals = values[start_i : i + 1]
        if len(window_vals) < 4:
            results.append({**record, "zscore": None})
            continue
        mu  = statistics.mean(window_vals)
        sig = statistics.stdev(window_vals)
        z   = (record["noncommercial_net"] - mu) / sig if sig > 0 else 0.0
        results.append({**record, "zscore": round(z, 2)})
    return results

gbp_cot    = cot_series("gbp", start="2018-01-01")
gbp_scored = rolling_zscore(gbp_cot)
extremes   = [r for r in gbp_scored if r["zscore"] is not None and abs(r["zscore"]) > 2.0]
print(f"Extreme positioning weeks in GBP: {len(extremes)}")

Wöchentliche Veränderung der Nettoposition

Die Geschwindigkeit der Positionsänderung ist oft so wichtig wie das absolute Niveau. Eine Währung, die sich über vier Wochen von +20.000 Nettolängen auf +80.000 Nettolänger bewegt, signalisiert eine beschleunigte Überzeugung. Eine Wahrung, welche sich über denselben Zeitraum von +120.000 auf +60.000 umkehrt, signalliert eine aktive Verteilung , auch wenn die Nettopositionierung bequem positiv bleibt.

Zugriff auf COT-Daten über FXMacroData

FXMacroData liefert wöchentliche CFTC COT-Daten für alle acht wichtigen Währungstermine-Futures-Kontrakte über einen sauberen REST-Endpunkt. Jeder Datensatz enthält die vollständige Aufschlüsselung: nicht-kommerzielle Longs, Shorts und Netto, sowie kommerzielle Lange und Kurze und Gesamtoffene Zinsen.

Unterstützte Währungen: Die in Artikel 1 Absatz 1 Buchstabe b genannten Angaben werden in Anhang I der Verordnung (EU) Nr. 1071/2013 aufgeführt.- Ich weiß .

# EUR net positioning since 2023
curl "https://fxmacrodata.com/api/v1/cot/eur?api_key=YOUR_API_KEY&start=2023-01-01"

# GBP full history
curl "https://fxmacrodata.com/api/v1/cot/gbp?api_key=YOUR_API_KEY"

# AUD recent 12 months
curl "https://fxmacrodata.com/api/v1/cot/aud?api_key=YOUR_API_KEY&start=2024-01-01"

Die Antwort wird nach Datum mit den neuesten Daten sortiert und verwendet konsistente Feldnamen für alle Währungen, so dass ein einziges Analyse-Skript ohne Änderung für alle acht Paare funktioniert.

Praktische COT-Scan in mehreren Währungen

Eine der nützlichsten Anwendungen von COT-Daten ist ein wöchentlicher Cross-Currency-Scan, der alle wichtigen Währungen nach ihrer z-Scored-Positionierung sortiert. Dies zeigt sofort, welche Währungen am längsten verlängert sind, welche am längst verlängerte Kurz sind und welche in der Nähe von neutralen sitzen.

import requests, statistics
from datetime import datetime, timedelta

BASE      = "https://fxmacrodata.com/api/v1"
KEY       = "YOUR_API_KEY"
CURRENCIES = ["aud", "cad", "chf", "eur", "gbp", "jpy", "nzd"]

def cot_series(ccy: str) -> list[dict]:
    r = requests.get(f"{BASE}/cot/{ccy}", params={"api_key": KEY, "start": "2019-01-01"})
    r.raise_for_status()
    return r.json()["data"]

def zscore_latest(records: list[dict], window: int = 52) -> dict:
    vals   = [r["noncommercial_net"] for r in records]
    latest = vals[0]
    sample = vals[:window]
    mu  = statistics.mean(sample)
    sig = statistics.stdev(sample) if len(sample) > 1 else 1.0
    z   = (latest - mu) / sig if sig > 0 else 0.0
    return {
        "net"        : latest,
        "zscore"     : round(z, 2),
        "oi_ratio"   : round(latest / records[0]["open_interest"], 3) if records[0].get("open_interest") else None,
        "date"       : records[0]["date"],
    }

results = {}
for ccy in CURRENCIES:
    data = cot_series(ccy)
    results[ccy.upper()] = zscore_latest(data)

# Rank by z-score
ranked = sorted(results.items(), key=lambda x: x[1]["zscore"], reverse=True)
print(f"{'CCY':<6} {'Net':>12} {'Z-Score':>9} {'OI Ratio':>10}  {'Date'}")
print("-" * 56)
for ccy, r in ranked:
    flag = "  ← EXTREME" if abs(r["zscore"]) > 2.0 else ""
    print(f"{ccy:<6} {r['net']:>12,} {r['zscore']:>9.2f} {str(r['oi_ratio']):>10}  {r['date']}{flag}")

Die Ausgabe liefert einen Schnappschuss wie folgt (beispielhafte Werte):

CCY         Net     Z-Score   OI Ratio  Date
--------------------------------------------------------
EUR       +94,320     +2.31      +0.31  2024-04-02  ← EXTREME
GBP       +38,150     +1.45      +0.22  2024-04-02
AUD        -4,200     -0.18      -0.03  2024-04-02
NZD        -8,900     -0.62      -0.15  2024-04-02
CAD       -21,300     -1.08      -0.18  2024-04-02
CHF       -44,100     -1.95      -0.38  2024-04-02
JPY      -172,400     -2.64      -0.60  2024-04-02  ← EXTREME

Wenn der EUR bei einem 2-Standard-Abweichung-Extrem-Lang und der JPY bei einem-2-Standard­Abwech­nung-Extreme-Short ist, ist das EUR/JPY-Paar mit der Crowd fest auf einer Seite positioniert.

Kombination von COT mit Makro-Fundamentals

Die COT-Daten beantworten die Frage: Wer ist positioniert und wie aggressiv? Makrofundamentaldaten beantworten die Frage: Wie viel sollte die Währung wert sein, basierend auf Zinsen, Inflation und Wachstum? Die leistungsfähigsten FX-Frameworks verwenden beides.

Ein einfaches Modell aus vier Quadranten strukturiert die Wechselwirkung klar:

Um die Makro-Spalte zu nutzen, wird die Kursgeschichte des relevanten Zentralbankendpunkts neben den COT-Daten abgerufen. Zinssatz der RBA Und ... Die australische Inflation Die Position der AUD COT ergibt ein vollständiges Bild davon, ob die Spekulantengemeinschaft mit der Makro-Story übereinstimmt oder sie voraus ist.

Grenzen, die man beachten sollte

Die Daten der COT sind zwar leistungsfähig, aber nicht unfehlbar.

• Verzögerung bei der Veröffentlichung. Die CFTC misst Positionen ab Dienstagschluss und veröffentlicht sie am Freitag. Bis die Daten öffentlich sind, sind drei bis vier Tage Handel stattgefunden.
• Futures ≠ Spot FX. Die institutionellen Devisenströme finden vor allem auf den OTC-Spot- und Terminmärkten statt, die viel größer und völlig unreguliert sind.
• Überfüllte Geschäfte können überfüllt bleiben. Ein Z-Score über +2 zeigt statistische Extremitäten an, nicht eine unmittelbare Umkehrung. Der JPY-Short-Trade blieb mehrere Quartale lang extrem, da die Bank of Japan ihren ultra-lockeren Politikrahmen verfolgte. Extreme Positionierungen verengen das Risiko-Rendite; sie garantieren kein Datum für die Wende.
• Werbung ist nicht unfehlbar. Hedger erhöhen ihre Short-Positionen, wenn sie Forderungen zu schützen haben, nicht unbedingt, weil sie denken, dass die Währung fallen wird.
• Offene Interessen können die Kontraktzahl verzerren. Eine starke Zunahme des offenen Zinses neben einer steigenden Nettoposition kann auf eine Einführung neuer Geldmittel hinweisen, während ein stabiler oder sinkender offener Zinssatz neben einem steigenden Nettosatz einfach die Kurzseite widerspiegeln kann.

Erstellen eines wöchentlichen COT-Dashboards

Mit der FXMacroData API ist der Aufbau eines persönlichen COT-Monitoring-Dashboards ein Wochenendprojekt.

1. Holen Sie die letzten 52 Wochen COT-Daten für alle sieben G10-Futures ab
2. Berechnung der Netto-Positionierungs-Z-Scores in einem rollenden 52-Wochen-Fenster
3. Rangliste der Währungen von extrem lang bis extrem kurz
4. Identifizieren Sie Paare, bei denen entgegengesetzte Extreme vorhanden sind (z. B. EUR extreme long + JPY extreme short → EUR/JPY im Fokus)
5. Ziehen Sie den Makrokontext die Leitzinsdifferenzen aus dem die relevanten Endpunkte der Rate zu bestimmen, ob die Positionierung mit dem Grundgrundlage übereinstimmt oder davon abweicht
6. Anzeigen von Wochen, in denen die Positionierung um mehr als eine Standardabweichung verschoben wurde schnelle Neupositionierungen sind ein Signal für sich

Die FXMacroData Seite des COT-Dashboards Die API-Endpunkte werden in einer Form angezeigt, die direkt in Python, R oder eine andere analytische Umgebung eingespeist wird.

Die Schlussfolgerung

COT-Berichte geben FX-Händlern ein Fenster, das fast nichts anderes bietet: ein wöchentliches, geprüftes Maß dafür, wie die weltweit größten spekulativen Konten in Währungsterminalschichten positioniert sind. Isoliert verwendet, sind diese Informationen suggestiv, aber unvollständig. In Kombination mit Makro-Fundamentalen Zentralbank-Raten, Inflationswerte und wirtschaftliche Überraschungen, die über die FXMacroData API auftauchen wird es zu einem echten analytischen Vorteil.

Die gefährlichsten Devisenhandels sind nicht diejenigen, bei denen der grundlegende Fall falsch ist. Sie sind diejenigen, in denen der Grundfall richtig ist, aber der Handel so überfüllt ist, dass eine einzige Datenüberraschung eine Kaskade von Zwangsausgängen auslöst. COT-Daten sind das Frühwarnsystem für diese Bedingungen.

Verfolgen Sie die Positionierung am Makrokalender, wissen Sie, wann die Menge gestreckt ist und wenn sich die Fundamentaldaten ändern, wissen, in welche Richtung die Ausgänge zeigen.