Warum Backtesting nicht verhandelbar ist
Jede Handelsstrategie ist eine Hypothese: „Tritt Bedingung X ein, dann ist ein Einstieg in Richtung Y mit Risiko Z über eine grosse Zahl von Trades profitabel." Backtesting ist der Vorgang, diese Hypothese an historischen Daten zu prüfen, bevor echtes Kapital riskiert wird. Ohne Backtesting zu handeln entspricht dem Ausliefern eines Produkts ohne jeden Test — Sie können Glück haben, aber die Chancen stehen gegen Sie.
Ernest Chan betont in Quantitative Trading, dass es beim Backtesting nicht darum geht zu beweisen, dass eine Strategie funktioniert — sondern die Nullhypothese zu widerlegen, dass sie keinen Edge hat. Diese Unterscheidung ist wichtig: Sie suchen Belege dafür, dass Ihre Ergebnisse nicht dem Zufall geschuldet sind.
Manuell oder automatisiert
Manuelles Backtesting
Beim manuellen Backtesting scrollen Sie durch historische Charts und protokollieren Trades, als würden Sie in Echtzeit handeln. Das ist langsamer, baut aber tiefe Mustererkennung und Vertrautheit mit dem Setup auf. Für diskretionäre Strategien — besonders solche mit Price-Action-Konzepten wie Order Blocks, FVGs und CHoCH — ist manuelles Backtesting unverzichtbar, weil diese Muster eine kontextuelle Beurteilung verlangen, die sich nur schwer vollständig automatisieren lässt.
Automatisiertes Backtesting
Automatisiertes Backtesting simuliert eine Strategie per Code über historische Daten. Es ist schneller, schaltet menschliche Verzerrung bei der Trade-Auswahl aus und kann weit grössere Datensätze prüfen. Es erfordert jedoch präzise Regeldefinitionen und ist anfällig für Programmierfehler, die irreführende Ergebnisse erzeugen. Plattformen wie der Strategy Tester von TradingViews Pine Script machen automatisiertes Backtesting auch ohne Programmierkenntnisse zugänglich.
Stichprobengrösse und statistische Signifikanz
Einer der häufigsten Fehler ist, aus zu wenigen Trades Schlüsse zu ziehen. Eine Strategie, die 8 von 10 Trades gewinnt, mag aussergewöhnlich wirken, doch diese Stichprobe ist viel zu klein, um statistisch aussagekräftig zu sein. Als Faustregel gilt: mindestens 100 Trades, idealerweise 200 oder mehr, bevor Sie die Tragfähigkeit einer Strategie beurteilen. Erst diese Grösse lässt das Gesetz der grossen Zahlen die natürliche Streuung der Ergebnisse glätten.
Curve Fitting vermeiden
Curve Fitting — auch Overfitting — entsteht, wenn Sie die Parameter einer Strategie so weit optimieren, dass sie perfekt zu historischen Daten passt, an neuen Daten aber versagt. Forschung zum Overfitting in Finanzmodellen, unter anderem von Marcos López de Prado in Advances in Financial Machine Learning, zeigt: Je mehr Parameter Sie optimieren, desto höher die Wahrscheinlichkeit, dass Ihre Backtest-Ergebnisse eine Illusion sind.
- Halten Sie die Regeln einfach. Eine robuste Strategie hat wenige, klar definierte Regeln. Braucht Ihre Strategie mehr als fünf oder sechs Bedingungen für einen Trade, ist sie wahrscheinlich überfittet.
- Optimieren Sie nicht auf die Nachkommastelle. Funktioniert Ihre Strategie nur mit einem 14,3-Perioden-Durchschnitt, nicht aber mit 13 oder 15, ist sie fragil und wird live kaum bestehen.
- Testen Sie über mehrere Instrumente und Zeitrahmen. Ein echter Edge sollte über verwandte Märkte hinweg sichtbar sein, nicht auf einen einzelnen Basiswert beschränkt.
Walk-Forward-Analyse
Die Walk-Forward-Analyse ist der Goldstandard zur Validierung. Der Ablauf: Optimieren Sie die Strategie auf einem In-Sample-Datenfenster und testen Sie sie unverändert auf dem unmittelbar folgenden Out-of-Sample-Fenster. Dann schieben Sie das Fenster weiter und wiederholen. Bleibt die Leistung über mehrere Out-of-Sample-Perioden konsistent, haben Sie echte Belege für einen Edge.
Dieses Verfahren adressiert das Curve-Fitting-Problem direkt, weil die Out-of-Sample-Daten nicht in die Parameterwahl eingeflossen sind. Verschlechtern sich Ihre Ergebnisse zwischen In-Sample und Out-of-Sample drastisch, ist die Strategie auf historische Muster überfittet, die nicht fortbestanden. Werkzeuge wie die MoQ-Indikatorensuite helfen, objektive, wiederholbare Einstiegskriterien zu definieren — etwa ein BOS an einem Order Block mit Bestätigung durch den Oszillator —, die sich sauber vom Backtest in die Live-Ausführung übertragen lassen.
Quellen & weiterführende Literatur
- Ernest P. Chan, Quantitative Trading (2008) — praktischer Leitfaden zur Entwicklung und zum Backtesting algorithmischer Handelsstrategien.
- Marcos López de Prado, Advances in Financial Machine Learning (2018) — rigorose Behandlung von Overfitting, Kreuzvalidierung und statistischen Fallstricken.
- Robert Pardo, The Evaluation and Optimization of Trading Strategies (2008) — das massgebliche Referenzwerk zur Walk-Forward-Methodik.
- Investopedia, „Backtesting Definition" — zugängliche Einführung in Backtesting-Konzepte und bewährte Praxis.
- TradingView, „Strategy Tester" — Anleitung zur eingebauten Backtesting-Engine von TradingView.
