36 Accounts rückten diesen Monat in die Top 100 auf; 35 fielen heraus. Als der S&P 500 stieg, traf FinTwit 43 %; als er fiel, 33 %, eine Lücke, die mehr nach Markt-Beta als nach Können aussieht.
Was sich diesen Monat bewegt hat
Communication Services-Trefferquote▼−24.6 Pkt.Industrials-Trefferquote▼−15.3 Pkt.
01Die Bilanz30-Tage-Fenster
FinTwit-Vorsprung (30 T)
—
Wie weit die typische Empfehlung am Ende vom Markt entfernt lag. Unter null hinkte sie hinterher.
S&P 500 geschlagen
—
Anteil der Empfehlungen, die den Index tatsächlich schlugen.
Vorsprung gegen den Zufall
-7.4 Pkt.▼−4.2 Pkt.
Wie deutlich der Median-Account über einer 50:50-Wette liegt.
Bullische Schieflage
—
Nahezu jede Empfehlung ist ein Kauf. Der Schwarm ruft selten ein Hoch aus.
Bewertetes Feld
226▲+8
Accounts mit ausreichender Historie zur Benotung.
Oberstes Dezil50.8%
Median42.6%
Unterstes Dezil35.1%
Ein „Dezil“ ist schlicht ein Zehntel des Feldes: das beste Zehntel, die Mitte und das schlechteste.
Über den Ticker: die Namen, über die der Schwarm am meisten sprach, und wie oft die Empfehlungen dazu aufgingen.
Volume state
Where the tape got loud
Resolved 30d tape
Resolved calls
—
Calls with a 30-day outcome in this edition.
Ranked field
226
Accounts with enough history to grade.
Buy pressure
—
Share of calls that leaned bullish.
Peak crowd
NVDA
264 distinct callers
Most crowded tickers
NVDA
264 callers
MU
241 callers
AMD
196 callers
NBIS
180 callers
03Der SchwarmKonsens → Ergebnis
Eine Empfehlung, hinter der nur ein einziger Account steht, geht in 39% der Fälle auf, kaum besser als ein Münzwurf. Sobald 30+ voneinander unabhängige Accounts binnen einer Woche auf dieselbe Empfehlung kommen, klettert die Trefferquote auf 30%. Das läuft dem üblichen Reflex zuwider, gegen einen überlaufenen Trade zu setzen: Wenn unabhängige Stimmen aus eigenem Antrieb beim selben Namen und derselben Richtung landen, steckt in dieser Einigkeit Information, und sie ist hier mehr wert als jede einzelne laute Meinung.
Trefferquote nach Zahl der übereinstimmenden Accounts: 1 (solo) übereinstimmend, 39.0% über 6888 Empfehlungen; 2–3 übereinstimmend, 34.6% über 7028 Empfehlungen; 4–6 übereinstimmend, 36.7% über 7439 Empfehlungen; 7–15 übereinstimmend, 37.0% über 12918 Empfehlungen; 16–30 übereinstimmend, 37.6% über 13824 Empfehlungen; 30+ übereinstimmend, 30.4% über 32537 Empfehlungen.
Empfehlungen gruppiert danach, wie viele verschiedene verfolgte Accounts dieselbe Empfehlung (Ticker + Richtung) in derselben Woche abgaben. Mehr Einigkeit geht mit höherer Treffsicherheit einher, nicht mit geringerer.
Überlaufene Trades, die aufgingen
Jeder dieser Namen zog zwanzig oder mehr Stimmen auf sich und schaffte dennoch eine Trefferquote von über 60 Prozent — der seltene Fall, in dem ein überlaufener Trade zugleich ein richtiger war. Wenn sich der Konsens um diese Ticker bildete, hatte das seinen Grund, und der Kurs zahlte ihn aus.
Kohorte
n
Trefferquote
Med. Rend.
AMD
196
68.9%
+6.5%
HOOD
115
65.4%
+11.5%
SNOW
94
82.1%
+5.2%
RDDT
73
71.4%
+8.3%
CRWD
71
64.1%
+8.5%
Am stärksten besetzte Ticker (≥ 20 verschiedene Stimmen, letzte 90 T) mit einer Trefferquote über 60 % auf 30 T. Die Spalte „n“ zählt verschiedene Stimmen.
Überlaufene Trades, die sich nicht auszahlten
Die Kehrseite: die Namen, in die ebenso viele Leute hineindrängten, deren Trefferquote aber unter den Münzwurf rutschte. Viel Aufmerksamkeit lockt Momentum-Jäger und Nachzügler genauso an, wie sie einen echten Vorsprung anzeigt, und bei diesen Tickern verwechselte der Schwarm Lärm mit Überzeugung.
Kohorte
n
Trefferquote
Med. Rend.
NVDA
264
15.9%
-5.0%
MU
241
49.3%
+1.1%
NBIS
180
46.5%
-5.0%
GOOG
178
10.3%
-4.1%
META
175
37.8%
-3.2%
Am stärksten besetzte Ticker (≥ 20 verschiedene Stimmen, letzte 90 T), deren Trefferquote auf 30 T unter den Münzwurf fiel (unter 50 %). Die Spalte „n“ zählt verschiedene Stimmen. Das aufgelöste Fenster (März–Mai 2026) umfasst einen Kursrückgang im April.
04Profis gegen AmateureWenn die Spezialisten gegen den Schwarm stehen
Wenn die Spezialisten eines Tickers sich gegen den Schwarm stellten, lagen sie häufiger richtig und gewannen 97 von 123 wöchentlichen Duellen. Die tiefe Kenntnis eines einzelnen Namens schlug die breite Einschätzung über das ganze Feld.
Profis
Wert ≥ 70 beim Ticker
97
Duelle gewonnen
♕
VS
Amateure
Der Schwarm · alle übrigen
26
Duelle gewonnen
PROFIS 79 %
21 % AMATEURE
Die Spezialisten gewinnen 79 %, wenn sie sich vom Schwarm lösen.▲+14.0 Pkt.
Urteil nach 7 Tagen · 123 Duelle
Duelle nach Ticker
Ticker
Duelle
Profis siegten
Amateure siegten
ETH
7
6
1
TSLA
6
4
2
BTC
4
4
0
NIO
4
3
1
ORCL
4
3
1
SPCX
4
3
1
ASTS
3
3
0
SOL
3
3
0
SPY
3
3
0
+ 64 weitere Werte
85
65
20
Gesamt
123
97
26
Ein Duell ist eine Woche, in der die Spezialisten eines Tickers (tagesaktueller Ticker-Wert ≥ 70) und der Schwarm entgegengesetzt standen; es siegt die Seite, deren Empfehlungen über die folgenden 7 Tage mehr abwarfen. Dies sind aggregierte Zahlen ohne Einzelnamen. Neuere Duelle erscheinen in der nächsten Ausgabe, sobald sie aufgelöst sind.
05Die AnatomieWo es funktioniert
Eine einzige Schlagzeilen-Trefferquote verbirgt so viel, wie sie offenlegt. Dieselbe Bilanz sieht ganz anders aus, sobald man sie nach Haltedauer aufschlüsselt, nach Kauf oder Verkauf, nach Größe und Branche des Unternehmens und nach Reichweite des Accounts. Erst in diesen Schnitten heben sich die echten Stärken klar von den blinden Flecken ab.
Nach Reichweite
Mega · 500k+-Accounts erreichen 43%; Small · <5k-Accounts 40%. Ein größeres Publikum erkauft keine bessere Bilanz. Reichweite belohnt Selbstgewissheit und Postingvolumen stärker als das Richtigliegen, die lautesten Accounts sind also nicht zwangsläufig die treffsichersten. Die Follower-Zahl misst, wie viele Leute zuhören, aber so gut wie nichts darüber, ob sie es sollten.
Kohorte
n
Trefferquote
Mega · 500k+
15
42.9%
Large · 50–500k
100
43.4%
Mid · 5–50k
87
42.4%
Small · <5k
24
39.9%
Die Spalte „Trefferquote“ zeigt hier die mittlere Treffsicherheit der Stimmen je Band.
Nach Branche
Healthcare führt mit 52%; Utilities liegt mit 23% zurück. Der Schwarm kennt manches Terrain und rät beim Rest. Die Treffsicherheit ballt sich in den Branchen, in denen die Leute selbst zu Hause sind, wo der durchschnittliche Poster ein Gespür für die Produkte und die Schlagzeilen hat. Die schwierigeren Ecken verlangen Spezialwissen, über das ein Großteil des Feldes nicht verfügt, und die Trefferquote spiegelt das wider.
Trefferquote nach Branche, sortiert: Healthcare, 51.9% über 4788 Empfehlungen; Financial Services, 44.5% über 5733 Empfehlungen; Technology, 42.8% über 49426 Empfehlungen; Consumer Cyclical, 35.4% über 5367 Empfehlungen; Communication Services, 32.6% über 7173 Empfehlungen; Industrials, 31.6% über 8209 Empfehlungen; Consumer Defensive, 30.8% über 852 Empfehlungen; Energy, 30.0% über 1074 Empfehlungen; Basic Materials, 24.3% über 883 Empfehlungen; Real Estate, 23.3% über 305 Empfehlungen; Utilities, 22.6% über 699 Empfehlungen.
Nur Aktienempfehlungen; deckt 99.6 % des aufgelösten Aktien-Empfehlungsvolumens ab (die Schwergewichte).
06Das MarktregimeKönnen gegen die Flut
In den Monaten, in denen der S&P 500 stieg, gingen FinTwits Empfehlungen in 43% der Fälle auf. In den Monaten, in denen er fiel, in 33%. Eine so weite Lücke deutet darauf hin, dass vor allem die Flut hebt: Wenn nahezu jede Empfehlung ein Kauf ist, schmeichelt ein steigender Markt dem ganzen Feld und ein fallender zieht es nach unten, ganz gleich, von wem die Empfehlung stammt.
Trefferquote nach Marktregime: Market rose, 42.8% über 72899 Empfehlungen; Market fell, 32.6% über 28848 Empfehlungen.
Trefferquote auf 30 T, aufgeteilt danach, ob der S&P 500 im selben Haltefenster stieg oder fiel.
Nach Volatilität (Beta), je Regime
Werte mit hohem Beta verstärken das, was der Markt ohnehin schon tut: berauschend nach oben, brutal nach unten. Dieselbe aggressive Empfehlung kann in einer Rally als geniale Eingebung und in einem Ausverkauf als Leichtsinn gelten, selbst wenn sich an der zugrunde liegenden These nie etwas geändert hat. Defensive Werte mit niedrigem Beta bewegen sich nach beiden Seiten weniger, weshalb sie standhalten, wenn der Kurs dreht.
Beta × Regime
Hoch / mittel / niedrig, je Richtung
Market roseMarket fellMünzwurf · 50 %
44%
High beta (≥1.5) · Market roseTreffer43.6%Empfehlungen33,877med. Rend.-1.6%
34%
High beta (≥1.5) · Market fellTreffer34.4%Empfehlungen13,778med. Rend.-7.3%
Trefferquote nach Beta-Stufe und Marktregime: High beta (≥1.5) Market rose, 43.6% über 33877 Empfehlungen; High beta (≥1.5) Market fell, 34.4% über 13778 Empfehlungen; Mid (1.0–1.5) Market rose, 44.9% über 13728 Empfehlungen; Mid (1.0–1.5) Market fell, 31.0% über 5353 Empfehlungen; Low (<1.0) Market rose, 42.5% über 6130 Empfehlungen; Low (<1.0) Market fell, 33.7% über 2495 Empfehlungen.
Werte mit hohem Beta und Momentum schlagen den Markt, wenn er steigt, und stürzen ab, wenn er fällt; Werte mit niedrigem Beta halten im Ausverkauf besser stand. Deckt 74.1 % des aufgelösten Empfehlungsvolumens ab.
Das ist der Monat, auf sechs klare Erkenntnisse gebracht.
FinTwit-Vorsprung
— gegenüber einem Buy-and-Hold im S&P 500 über 30 Tage.
Den Index geschlagen
Nur — der aufgelösten Empfehlungen schlugen SPY.
Bullische Schieflage
— der Empfehlungen sind Käufe; der Schwarm ruft selten ein Hoch aus.
Stärke in Zahlen
Bei höchster Einigkeit klettert die Trefferquote auf 30.4%.
Stärkste Branche
Healthcare führt mit 51.9% alle Branchen an.
Bewertetes Feld
226 benotete Accounts in dieser Ausgabe.
Diesen Bericht zitieren
APA
SignalSnitch. (2026). Das Rechenschaftsressort: FinTwit gegen den Markt (Ausgabe Juli 2026). Abgerufen von https://signalsnitch.io/state-of-fintwit/m/2026-07
Im Fließtext
Laut SignalSnitchs Rechenschaftsressort (signalsnitch.io/state-of-fintwit/m/2026-07) liegt die mittlere Treffsicherheit über 226 bewertete Finfluencer bei 42.6%.
Frei zur erneuten Veröffentlichung mit Quellenangabe unter CC BY 4.0.
SignalSnitch benotet die öffentlichen Empfehlungen von Social-Media-Tradern an der tatsächlichen Kursentwicklung und veröffentlicht die Ergebnisse als Bestenliste. Das System ist unabhängig von Brokerhäusern und läuft im Dauerbetrieb; jede Zahl auf dieser Seite stammt direkt aus dem Live-Datensatz, ohne Vorauswahl. Haltung im Lärm.
Ausschließlich aggregierte Zahlen über das bewertete Feld. Zu Bildungszwecken, keine Anlageberatung. Eingefrorene Ausgabe, zum Monatsschluss aus dem Live-Datensatz berechnet: Juli 2026.