Quant Trading Academy, Modul 1, Teil 2

Backtesting ist mächtig, aber leicht falsch zu verwenden. Du musst keine Backtests selbst bauen, aber du musst verstehen, was sie messen und wie man sie interpretiert.

Was Backtesting ist

Ein Backtest wendet Handelsregeln auf historische Daten an und misst, was passiert wäre, wenn man sie befolgt hätte. Ein Backtest ist eine Simulation der Vergangenheit, kein Protokoll echter Trades.

Er beantwortet: "Wenn diese Strategie auf diese Daten angewendet worden wäre, welche Ergebnisse hätte sie erzielt?" Er beantwortet nicht direkt: "Wird sie in Zukunft Geld verdienen?"

Die drei Feinde eines zuverlässigen Backtests

Overfitting (Überanpassung)
Overfitting passiert, wenn eine Strategie so präzise auf vergangene Daten abgestimmt ist, dass sie die Historie auswendig lernt, anstatt ein echtes Muster zu finden. Teste genug Variationen und eine Version wird durch Zufall außergewöhnlich aussehen. Das Gegenmittel ist Einfachheit und Robustheit.

Look-Ahead-Bias
Look-Ahead-Bias passiert, wenn der Backtest Informationen verwendet, die zum Entscheidungszeitpunkt nicht verfügbar gewesen wären. Wenn ein Signal einen Kerzenschluss verwendet und bei genau diesem Schluss einsteigt, ist das Betrug. Du kennst den Schluss erst, nachdem die Kerze endet.

Data-Snooping-Bias
Data Snooping passiert, wenn derselbe Datensatz so lange wiederverwendet wird, bis gute Ergebnisse erscheinen. Wenn du viele Ideen testest und nur die Gewinner zeigst, passen diese vielleicht nur zu Eigenheiten dieser Stichprobe. Viele veröffentlichte Faktoren scheitern aus diesem Grund außerhalb der Stichprobe.

Der Goldstandard: Out-of-Sample-Tests

Die beste Verteidigung ist Out-of-Sample-Testing: Baue die Strategie auf einem Zeitraum auf und teste sie dann auf einem separaten, ungesehenen Zeitraum.

Wenn eine Strategie auf Daten von 2018 bis 2022 basiert und auf Daten von 2023 bis 2024 funktioniert, ist dieses zweite Ergebnis aussagekräftig. Eine stärkere Methode ist Walk-Forward-Testing, bei dem die Strategie wiederholt auf rollierenden Fenstern optimiert und auf dem nächsten ungesehenen Fenster getestet wird. Strategien, die beides überstehen, spiegeln eher echte Kanten wider.

Die ehrlichen Grenzen jedes Backtests

Selbst ein Backtest hat Grenzen. Kosten sind leicht zu unterschätzen. Slippage, Spreads und schlechte Ausführungen spielen eine Rolle. Markteinfluss ist unsichtbar: größere Positionen können den Preis gegen dich bewegen. Historische Daten haben Lücken und Anomalien. Märkte entwickeln sich weiter. Teilnehmer, Struktur und Regulierung ändern sich. Backtests sind nützlich, aber keine Garantien.

Was Quants Backtests dir sagen

Quants Setups stammen aus systematischem Backtesting, das darauf ausgelegt ist, diese Fehlerquellen zu reduzieren. Ein +EV-Label spiegelt ein Muster mit positiver Erwartung über historische Daten wider, nicht nur eine Konfiguration, die so lange angepasst wurde, bis sie gut aussah.

Der Backtest ist ein kalibrierter Prior, keine Gewissheit. Unter ähnlichen Bedingungen hat das Setup historisch gesehen positive Ergebnisse über eine aussagekräftige Stichprobe erzielt. Die Live-Performance wird abweichen. Einzelne Setups werden verlieren. Eine schlechte Phase ist kein sofortiger Beweis für den Verfall. Die eigentliche Frage ist, ob es immer noch wie normale Varianz aussieht oder ob sich die Bedingungen systematisch geändert haben.

Wann man ein Signal hinterfragen sollte

Gib ein Signal nicht auf, nur weil es eine schlechte Phase hatte. Aber ein Signal für immer zu verfolgen, ungeachtet der Beweise, ist genauso falsch.

Der Schwellenwert sollte statistisch sein, nicht emotional. Frage: Hat sich die Marktstruktur geändert, ist die Underperformance wesentlich schlechter als historische Drawdowns, und gibt es einen logischen Grund, warum das Signal nicht mehr funktioniert?

Wenn nein, bleib diszipliniert. Wenn ja, führe eine systematische Überprüfung durch, keinen Panikausstieg. Quant überwacht kontinuierlich die Signalgesundheit.

Wichtige Erkenntnisse

Ein Backtest zeigt, was historisch passiert wäre, nicht Live-Ergebnisse.
Die Hauptfeinde sind Overfitting, Look-Ahead-Bias und Data-Snooping-Bias.
Out-of-Sample-Testing ist das beste Validierungstool.
Alle Backtests haben Grenzen: Kosten, Markteinfluss, unvollkommene Daten und Marktentwicklung.
Quants +EV-Signale sind aussagekräftig und rigoros, aber keine Garantien.
Hinterfrage ein Signal systematisch, nicht emotional.