Backtesting
Kategorie
Quantitative & Statistische Methoden
Unterkategorie
Backtesting-Metriken
Kuratiert von
Zuletzt geprüft
· Methodik
Backtesting ist das Testen einer Handelsstrategie auf historischen Kursdaten, um ihre Kennzahlen vor dem Live-Einsatz zu schätzen: Trefferquote, Profit Factor, Expectancy, Maximum Drawdown. Ein sauberer Backtest simuliert auch Gebühren, Spread und Slippage. Die größten Fallen sind Overfitting, Look-Ahead Bias und zu kleine Stichproben – historische Ergebnisse sind keine Garantie für die Zukunft.
Context & Mechanics
Definition und Ablauf
Backtesting beantwortet die Frage: „Was hätte diese Strategie in der Vergangenheit verdient – und was hätte sie gekostet?“ Der Prozess hat vier Schritte: Erstens die Strategie vollständig regelbasiert definieren (Entry, Exit, Positionsgröße – ohne Ermessensspielraum). Zweitens saubere historische Daten beschaffen, die den Zielmarkt und -zeitraum abdecken. Drittens die Regeln Trade für Trade simulieren – inklusive Gebühren, Bid-Ask-Spread und realistischer Slippage. Viertens die Ergebnisse verdichten: Expectancy, Profit Factor, Win Rate, Max Drawdown und die Form der Equity Curve.
Die drei großen Verzerrungen
Overfitting: Wer Parameter so lange optimiert, bis die Historie perfekt aussieht, modelliert Rauschen statt Signal – die Strategie kollabiert live. Gegenmittel: wenige Parameter, In-Sample-/Out-of-Sample-Trennung, Walk-Forward-Analyse. Look-Ahead Bias: Die Simulation nutzt Informationen, die zum Entscheidungszeitpunkt noch nicht verfügbar waren (z. B. Schlusskurs für einen Entry innerhalb derselben Kerze). Survivorship Bias: Datensätze ohne gescheiterte, delistete Werte überzeichnen historische Renditen systematisch.
Aussagekraft richtig einordnen
Ein Backtest ist eine Schätzung unter der Annahme, dass sich Marktverhalten strukturell wiederholt – Regimewechsel (Zinswenden, Volatilitätsschocks) brechen diese Annahme regelmäßig. Deshalb gilt: Die Stichprobe muss groß genug sein (Faustwert: mehrere hundert Trades über verschiedene Marktphasen), Kosten müssen konservativ angesetzt werden, und zwischen Backtest und Live-Einsatz gehört ein Forward-Test auf unbekannten Daten oder im Simulator.
Bedeutung für Trader
Backtesting ersetzt Meinung durch Messung: Es zeigt, ob ein Setup überhaupt einen historischen Vorteil hatte, und liefert die Kennzahlen für Positionsgrößen- und Drawdown-Planung. Im GlanWick-Simulator lassen sich Strategien beispielhaft auf historischen Daten durchspielen und die Kennzahlen automatisch auswerten – GlanWick ist ein Trainings- und Simulationstool und selbst keine Prop-Firm.
Execution Beispiel
Ein Trader backtestet einen Moving-Average-Crossover über 5 Jahre Kursdaten auf einem simulierten 100.000-€-Konto: 240 Trades, 42 % Win Rate, Ø-Gewinner +1.900 €, Ø-Verlierer −900 €, Gebühren und Slippage mit 30 € pro Trade angesetzt.
- Expectancy vor Kosten: 0,42 × 1.900 − 0,58 × 900 = 798 − 522 = +276 € pro Trade.
- Kosten: −30 € pro Trade → Netto-Expectancy +246 €; über 240 Trades ≈59.000 € Simulationsgewinn.
- Profit Factor: (101 Gewinner × 1.900) ÷ (139 Verlierer × 900 + 7.200 Kosten) = 191.900 ÷ 132.300 ≈ 1,45.
- Robustheits-Check: In-Sample (Jahre 1–3) vs. Out-of-Sample (Jahre 4–5) vergleichen – bricht die Expectancy out-of-sample auf nahe null ein, war die Parameterwahl überoptimiert und der Test wird mit einfacheren Regeln wiederholt.
Execution Risk & Errors
Parameter so lange optimieren, bis die Historie perfekt aussieht (Overfitting)
Gebühren, Spread und Slippage weglassen und die Expectancy schönrechnen
Look-Ahead Bias einbauen, etwa Entries auf Basis noch nicht geschlossener Kerzen
Aus 20–30 Trades statistische Schlüsse ziehen
Backtest-Ergebnisse als Prognose statt als historische Schätzung behandeln
Häufige Fragen
Wie viele Trades braucht ein aussagekräftiger Backtest?
Als Faustwert mehrere hundert Trades über unterschiedliche Marktphasen. Kleine Stichproben lassen Zufall wie Edge aussehen – die Streuung der Ergebnisse ist dann größer als der gemessene Vorteil.
Was ist der Unterschied zwischen Backtest und Forward-Test?
Der Backtest simuliert auf bekannter Vergangenheit, der Forward-Test läuft auf neuen, unbekannten Daten – etwa im Simulator oder mit Minimalgröße live. Erst beide zusammen ergeben ein belastbares Bild.
Was bedeutet Out-of-Sample-Testing?
Die Daten werden geteilt: Auf einem Teil wird die Strategie entwickelt (in-sample), auf dem zurückgehaltenen Teil validiert (out-of-sample). Bricht die Performance dort ein, ist die Strategie überoptimiert.
Warum scheitern backtestete Strategien live?
Häufigste Gründe: Overfitting, unterschätzte Kosten, Regimewechsel im Markt und Ausführungsunterschiede zwischen Simulation und Realität – etwa Slippage in schnellen Phasen.