Petko AleksandrovBacktest-Ergebnisse unterscheiden sich vom Live-Trading, weil ein Backtest eine Simulation ist und keine exakte Reproduktion der echten Ausführungsumgebung. Unterschiede entstehen meist durch die Qualität historischer Daten, unrealistische Annahmen zur Ausführung, Spread und Slippage, Latenz, Wechsel des Marktregimes, Overfitting, Handelskosten und menschliches Eingreifen. Die Lücke kann durch Out-of-Sample-Tests, Walk-Forward-Analysen, realistische Kostenmodellierung, Demo-Validierung und eine Implementierung in kleinem Live-Maßstab verringert werden.
Das ist die kurze Antwort. Der Rest dieses Beitrags geht jede Ursache einzeln durch und bietet zudem einige praktische Tools, eine Bias-Checkliste, ein gestuftes Validierungs-Framework und eine Diagnosetabelle, die Dir helfen, die spezifische Lücke zu identifizieren, die Deine eigene Strategie beeinflusst, anstatt das Ganze als ein vages Mysterium zu betrachten. Ich selbst habe genau diese Erfahrung gemacht: Eine Strategie, die im Test wirklich stark aussah, ist im ersten Live-Monat nur mühsam vorangekommen. Es stellte sich heraus, dass es eine Mischung aus zwei oder drei Faktoren war, die sich gegenseitig verstärkten, und kein einzelnes dramatisches Versagen – was ehrlich gesagt ein viel häufigeres Muster ist, als man erwartet.
Daten und Intrabar-Sequenzierung
Hier beginnt die Divergenz oft ganz leise, noch bevor der erste Live-Trade platziert wurde.
Tick-Daten vs. Bar-Daten
Viele Backtests laufen auf Bar-Daten (Open, High, Low, Close für jede Kerze) statt auf der Tick-für-Tick-Preisbewegung. Das ist eine echte Vereinfachung. Eine Ein-Minuten-Kerze mit einer großen Spanne könnte auf unzählige Arten von Open zu Close gewandert sein, und ein Backtest, der nur die vier Datenpunkte einer Kerze nutzt, muss eine Intrabar-Reihenfolge annehmen – meistens Open, dann Low, dann High, dann Close oder eine ähnliche Konvention. Wenn der Einstieg oder Stop Deiner Strategie davon abhängt, welcher Extrempunkt zuerst berührt wurde, kann diese Annahme einen Gewinn-Trade in einen Verlust-Trade verwandten, rein basierend auf einer Vermutung, die die Backtest-Engine stillschweigend getroffen hat.
Tick-Daten reduzieren die Unsicherheit über die Abfolge der Preisänderungen, aber sie reproduzieren nicht automatisch die Liquidität, die Warteschlangenposition, das Routing und die Ausführungsbedingungen, die im Live-Markt bestanden. Es ist eine sinnvolle Verbesserung gegenüber Bars, aber keine vollständige Lösung. Tick-Daten zeichnen einzelne Kurs- oder Handelsaktualisierungen aus einem bestimmten Feed auf und liefern mehr Details als OHLC-Bars, aber ihre Vollständigkeit und Repräsentativität hängen immer noch von der Quelle ab. Der Tick-Feed eines Retail-Brokers spiegelt die gequoteden Änderungen dieses spezifischen Brokers oder Anbieters wider, nicht unbedingt jeden Trade oder jedes Quote, das am breiteren Markt stattfindet, und er kann die vollständige Orderbuch-Tiefe, versteckte Liquidität, die Warteschlangenposition und die tatsächliche Ausführungswahrscheinlichkeit anderer Teilnehmer weiterhin auslassen.
Lücken in historischen Daten und Qualitätsprobleme
Über Tick-versus-Bar hinaus sind auch die historischen Daten selbst nicht immer sauber. Feeds können Lücken aufweisen, insbesondere in illiquiden Zeiten oder bei Ausfällen der Anbieter, und verschiedene Datenanbieter können signifikant unterschiedliche historische Preise für dasselbe Instrument anzeigen, da jeder aus einem etwas anderen Satz von Quellen aggregiert. Eine gute Gewohnheit, die Du übernehmen solltest: Überprüfe stichprobenartig eine Handvoll Daten in Deinem historischen Datensatz gegen eine zweite, unabhängige Quelle. Wenn die Preise eng übereinstimmen, ist das beruhigend. Wenn sie bei bekannten volatilen Ereignissen signifikant divergieren, ist das ein Signal, dass Deine Backtest-Ergebnisse auf einem weniger soliden Fundament stehen, als die saubere Equity-Kurve vermuten lässt.
Ausführung und Annahmen zur Ausführung
Hier ist der Teil, der Trader am meisten überrascht, da er im Backtest unsichtbar ist, sofern die Engine ihn nicht explizit modelliert.
Nicht alle Backtests sind gleichermaßen vereinfacht
Vereinfachte Backtests gehen oft von sofortigen Ausführungen zum beobachteten oder nächsten verfügbaren Preis aus, ohne Verzögerung, ohne Ablehnung und ohne Teilausführungen. Fortgeschrittene Simulatoren können Latenz, Bid-Ask-Spread, Teilausführungen, Warteschlangenposition und variable Transaktionskosten modellieren, aber ihr Realismus hängt völlig von den bereitgestellten Daten und Annahmen ab. Ein ausgeklügelter Simulator, der mit unrealistischen Annahmen gefüttert wird, liefert ein genauso irreführendes Ergebnis wie ein einfacher Simulator. Daher ist die Fähigkeit der Engine weniger entscheidend als die Frage, ob Du sie tatsächlich so konfiguriert hast, dass sie die realen Bedingungen widerspiegelt.
Wie sehr die Ausführung zählt, hängt von Deiner Strategie ab
Ausführungsunterschiede sind oft eine Hauptquelle für Divergenzen, insbesondere bei Strategien mit kurzem Zeithorizont wie Scalping oder Hochfrequenzsystemen, bei denen das Timing des Einstiegs bis auf den Tick das Ergebnis tatsächlich verändert. Bei langsameren Systemen, die Positionen über Stunden oder Tage halten, kann das Hauptproblem stattdessen Overfitting, ein Wechsel des Marktregimes, Look-Ahead-Bias oder andere Faktoren sein, die weiter unten in diesem Artikel behandelt werden. Die relative Bedeutung hängt von der Haltedauer des Systems, dem Ordertyp, dem Turnover und dem spezifischen Markt ab. Betrachte die Ausführung also als einen starken Kandidaten unter vielen, aber nicht automatisch als die einzige Antwort.
Demo Trading Isn’t the Same as Real Execution
Dieser Unterschied ist wichtiger, als die meisten Trader realisieren. Forward-Testing auf einem Demo-Konto setzt die Strategie ungesehenen Echtzeitpreisen und operativen Bedingungen aus, was zwar wirklich nützlich ist, aber die Orderausführung (Fills) kann dennoch simuliert sein. Demo-Umgebungen modellieren Fills, Slippage, Liquidität, Ablehnungen und die Priorität von Orders oft mit eigenen internen Annahmen, die zwar Echtzeitpreise verwenden können, aber nicht die gleiche Ausführungsumgebung replizieren, die ein Funded Live-Konto tatsächlich erlebt. Ein kleiner Live-Test, bei dem mit moderater Größe und echtem Kapital gehandelt wird, ist in der Regel notwendig, um broker-spezifische Slippage und das Ausführungsverhalten zu messen, die das Demo-Trading zwar annähern, aber nicht vollständig replizieren kann.
Aus Backtests weggelassene Kosten
Trading-Reibungsverluste gehen weit über Spread und Provision hinaus, und eine überraschende Anzahl von Backtests lässt mehrere dieser Faktoren gänzlich unberücksichtigt.
Neben dem offensichtlichen Spread und der Provision können Live-Ergebnisse aufgrund von Forex-Rollover oder Swap-Gebühren auf über Nacht gehaltene Positionen, Margin-Zinsen, Gebühren für das Leihen von Aktien und Beschränkungen für Leerverkäufe (Hard-to-Borrow), Dividendenanpassungen, Börsengebühren, Kosten für Datenfeeds und Plattformgebühren abweichen. Keines davon ist exotisch; es sind routinemäßige Kosten beim eigentlichen Ausführen einer Strategie. Dennoch kann ein Backtest, der nur auf Basis von Spread und einer pauschalen Schätzung der Provision erstellt wurde, die tatsächlichen Trading-Kosten erheblich unterschätzen – insbesondere bei Strategien, die Positionen über Nacht halten oder Instrumente mit Leihbeschränkungen handeln.
Auch Slippage-Annahmen, die in ein Backtest eingebaut sind, falls überhaupt welche vorhanden sind, tendieren dazu, zu optimistisch zu sein. Ein pauschaler Wert von ein paar Pips als grobe Schätzung mag die Slippage während einer ruhigen Sitzung annähernd korrekt wiedergeben, unterschätzt sie jedoch während einer volatilen Phase massiv. Eine vernünftige Lösung ist es, Slippage als einen Bereich statt als einen festen Wert zu modellieren – breiter während bekannter Hochvolatilitätsphasen und um geplante News herum, und enger während ruhiger, liquider Sitzungen.
Backtest-Bias, die Ergebnisse besser erscheinen lassen können, als sie sind
Neben Lücken bei der Ausführung und den Kosten können mehrere bekannte Biases dazu führen, dass die historische Performance stärker aussieht, als eine Live-Strategie tatsächlich erreichen könnte.
| Bias | Was es bewirkt |
| Look-ahead Bias | Verwendet Informationen, die zum Zeitpunkt des Trades nicht verfügbar waren |
| Survivorship Bias | Testet nur Instrumente, die heute noch existieren |
| Data Snooping | Sucht wiederholt so lange, bis zufällige Muster signifikant erscheinen |
| Selection Bias | Wählt günstige Märkte oder Zeiträume aus, nachdem die Ergebnisse gesehen wurden |
| Fehlerhafte Fill-Logik | Geht davon aus, dass Orders ausgeführt werden, obwohl die Live-Liquidität sie möglicherweise nicht unterstützt hätte |
| Corporate-Action-Fehler | Verarbeitet Splits, Dividenden oder Delistings in den Daten falsch |
| Zeitzonen-Fehler | Bringt Bars, Sitzungen oder News-Zeitstempel aus dem Takt |
Jeder dieser Punkte kann einen Backtest unbemerkt aufblähen, da die Equity-Kurve oberflächlich betrachtet immer noch sauber und plausibel aussieht. Ein Look-ahead Bias lässt sich beispielsweise leicht versehentlich einführen, indem man einen Indikator mit den Daten eines vollen Tages berechnet und dann so testet, als ob dieser Wert zu Beginn des Tages bereits bekannt gewesen wäre. Es lohnt sich, die eigene Backtest-Logik gegen diese Liste zu prüfen, bevor man den Schlagzeilen vertraut.
Wechsel des Marktregimes
Selbst ein perfekt ausgeführter Backtest, der auf makellosen Daten und unter Berücksichtigung aller Biases basiert, steht vor einem weiteren Problem: Der Markt, an dem getestet wurde, ist nicht der Markt, an dem du gerade handelst.
Jeder Backtest wird gegen einen spezifischen historischen Zeitraum getestet, und dieser Zeitraum hatte seinen eigenen Charakter – trendend oder seitwärts, volatil oder ruhig, ein bestimmtes Makroumfeld. Eine Strategie, die darauf getrimmt ist, in diesem Regime gut zu performen, kann unterperformen, sobald sich die Bedingungen ändern – und Märkte ändern sich, mal schrittweise, mal abrupt. Eine Trendfolgestrategie, die durch ein stark trendendes Jahr zurückgetestet wurde, zeigt beispielsweise exzellente Ergebnisse, die eher dem Jahr selbst als dem tatsächlichen Edge der Strategie zuzuschreiben sind. Das ist kein Fehler im Backtest an sich. Es ist die ehrliche Grenze des Testens in der Vergangenheit, um eine Zukunft vorherzusagen, die noch nicht stattgefunden hat.
Overfitting und Parameter-Instabilität
Ein verwandtes und tückischeres Problem ist Overfitting (Überanpassung), bei dem die Regeln einer Strategie so präzise an historische Daten angepasst werden, dass sie eher das Rauschen dieser spezifischen Periode erfassen als einen echten, wiederholbaren Edge. Eine überangepasste Strategie kann in einem Backtest spektakulär aussehen und dann im Live-Handel fast sofort scheitern, da genau die Spezifität, die sie gut aussehen ließ, eigentlich das Problem war.
Parameter-Instabilität ist ein enger Verwandter davon. Wenn kleine Änderungen an den Parametern einer Strategie – eine leicht andere Länge des gleitenden Durchschnitts oder ein geringfügig anderer Stop-Abstand – völlig unterschiedliche Backtest-Ergebnisse liefern, ist diese Instabilität ein Warnzeichen. Ein wirklich robuster Edge übersteht kleine Parameter-Anpassungen in der Regel recht gut. Wenn eine Strategie in dem Moment zusammenbricht, in dem du eine Einstellung nur minimal veränderst, ist sie wahrscheinlich eher an spezifisches historisches Rauschen als an ein echtes, wiederholbares Muster angepasst.
Positionsgröße und Marktauswirkung
Hier ist ein Faktor, der leicht völlig übersehen wird, wenn du bisher nur kleine Größen getestet hast: Eine Strategie kann bei kleinen Größen sehr eng mit ihrem Backtest übereinstimmen, sich aber deutlich verschlechtern, sobald die Größe wächst.
Die meisten Backtests gehen von unbegrenzter Liquidität zum angezeigten Preis aus und führen jede Ordergröße sofort zum zitierten Niveau aus. Live-Märkte funktionieren nicht so, sobald Deine Ordergröße im Verhältnis zur verfügbaren Liquidität signifikant ansteigt. Größere Orders können mehrere Preisstufen konsumieren, anstatt nur bei einem Preis ausgeführt zu werden, benötigen länger für die Ausführung oder offenbaren ihre Präsenz am Markt auf eine Weise, die den Preis gegen Dich bewegt, bevor die Order abgeschlossen ist. Dies ist besonders relevant für dünnbesetzte Instrumente und Hochumsatz-Systeme, bei denen selbst eine moderate Erhöhung der Positionsgröße den Vorteil (Edge) angreifen kann, den ein kleinerer Backtest nie berücksichtigen musste. Die Kapazität – also wie viel Größe eine Strategie absorbieren kann, bevor die Performance sinkt – sollte separat von der Kernlogik der Strategie getestet werden und nicht als unendlich linear skalierbar vorausgesetzt werden.
Menschliche Intervention
Selbst eine vollautomatisierte Strategie ist nicht völlig frei von menschlichen Elementen, und diese Lücke wird ständig übersehen.
Trading-Reibungsverluste beinhalten auch das Unbehagen, einen echten Drawdown mit echtem Geld zu erleben, was einen Trader dazu verleiten kann, einzugreifen, das System zu pausieren oder einen Parameter mitten im Drawdown so zu ändern, wie es während eines sauberen, emotionslosen Backtests niemals geschehen wäre. Ein Backtest enthält diese Variable überhaupt nicht, da es kein Unbehagen gibt, auf das man reagieren könnte, wenn die Zahlen bereits Monate alt sind. Selbst bei Automatisierung schaut meistens jemand zu, und diese Person kann den Vorteil einer Strategie still und leise zunichtemachen, indem sie unter Druck von der Strategie abweicht. Ich habe mich selbst dabei ertappt, wie ich genau das getan habe: Ich beobachtete, wie die Live-Equity-Kurve unter das sank, was der Backtest als normalen Drawdown zeigte, und verspürte den Drang, das System „nur zur Sicherheit“ abzuschalten. Klare Regeln vorab festzulegen, wann eine Pause oder ein Override tatsächlich gerechtfertigt ist – noch bevor der emotionale Moment eintritt – ist die zuverlässigste Verteidigung dagegen.
Ein gestuftes Validierungs-Framework
Backtesting, Out-of-Sample-Testing, Walk-Forward-Testing, Demo-Forward-Testing und Live-Testing mit kleinem Kapital sind keine austauschbaren Schritte; sie beantworten jeweils eine andere Frage. Wenn Du direkt vom Backtest auf die volle Live-Größe springst, überspringst du mehrere dieser Schritte komplett.
| Phase | Zweck |
| In-Sample Backtest | Hypothese entwickeln |
| Out-of-Sample Test | Prüfen, ob sie auf ungesehene Daten generalisierbar ist |
| Walk-Forward Test | Wiederholte Rekalibrierung über die Zeit testen |
| Demo-Forward-Test | Logik und operative Stabilität in Echtzeit validieren |
| Kleines Live-Deployment | Tatsächliche Ausführungen, Slippage, Gebühren und Broker-Verhalten messen |
| Skaliertes Deployment | Größe erst erhöhen, wenn die Live-Annahmen stabil bleiben |
Jede Phase existiert, weil die vorherige die nächste Frage nicht beantworten konnte. Ein In-Sample Backtest sagt Dir, dass die Hypothese es wert ist, verfolgt zu werden. Er sagt Dir nicht, ob sie generalisierbar ist – dafür sind Out-of-Sample und Walk-Forward-Testing da. Demo Trading validiert die Logik operativ. Es misst nicht den echten Slippage Deines spezifischen Brokers, wofür ein kleines Live-Deployment gedacht ist. Das Überspringen von Phasen spart nicht wirklich Zeit, sondern verschiebt die Entdeckung eines Problems nur auf einen Zeitpunkt, an dem die Behebung teurer ist.
Wie man misst, ob die Lücke akzeptabel ist
Anstatt zu erwarten, dass Live-Ergebnisse exakt einem Backtest entsprechen, oder bei der ersten Anzeichen von Abweichungen in Panik zu geraten, hilft es, die Live-Performance gegen einen Bereich statt gegen eine einzelne Linie zu vergleichen.
Nützliche Metriken, um Backtest und Live zu verfolgen und zu vergleichen, sind unter anderem: Differenz der Trade-Anzahl, Differenz der Ausführungsrate, durchschnittliche Slippage, durchschnittlicher Spread, Erwartungswert (Expectancy), Profit Factor, Win-Rate, durchschnittliche Gewinn- und Verlustgröße, maximaler Drawdown, Trade-Dauer, Missed-Signal-Rate und die Rate abgelehnter Orders. Vergleiche Live-Ergebnisse mit einem Konfidenzintervall statt mit einer einzelnen Backtest-Linie. Verfolge, ob die Live-Trade-Frequenz, die durchschnittlichen Kosten, der Erwartungswert und der Drawdown innerhalb der Verteilung bleiben, die durch Out-of-Sample- und Monte-Carlo-Tests erzeugt wurde, anstatt zu erwarten, dass sie exakt einer spezifischen historischen Kurve entsprechen.
Warum Monte-Carlo-Analysen hier helfen
Ein einzelner Backtest erzeugt eine ganz bestimmte Sequenz von Trades in einer ganz bestimmten Reihenfolge. Eine Monte-Carlo-Simulation, die diese Trade-Sequenz wiederholt neu durchmischt oder die Kostenannahmen über viele Durchläufe variiert, erzeugt eine Bandbreite an plausiblen Ergebnissen anstatt nur eines. Das ist wichtig, weil viele Trader ihre einzelne historische Trade-Sequenz fälschlicherweise für den erwarteten zukünftigen Equity-Pfad halten, während diese exakte Sequenz in Wirklichkeit nur einer von vielen Wegen war, die die Strategie plausibel hätte nehmen können. Live-Ergebnisse, die innerhalb des Bereichs liegen, den die Monte-Carlo-Analyse als normal vorschlägt, sind konsistent mit einer funktionierenden Strategie, selbst wenn sie nicht Punkt für Punkt mit der ursprünglichen Backtest-Kurve übereinstimmen.
Diagnose einer spezifischen Lücke
Wenn Du ein spezifisches Symptom im Live-Trading beobachtest, ist dies ein Ausgangspunkt, um die wahrscheinliche Ursache einzugrenzen, bevor Du annimmst, dass die gesamte Strategie fehlerhaft ist.
| Symptom im Live-Trading | Wahrscheinliche Ursache | Was zu testen ist |
| Weniger Trades als im Backtest | Unterschiede im Datenfeed oder im Timing der Signale | Vergleiche Zeitstempel und Eingabedaten |
| Schlechtere Einstiegspreise | Slippage oder Latenz | Logge den Entscheidungspreis und den Ausführungspreis (Fill-Preis) |
| Limit-Orders werden selten ausgeführt | Unrealistische Backtest-Fill-Logik | Modellierung der Touch-versus-Fill-Wahrscheinlichkeit |
| Drawdown ist tiefer | Kostenunterschätzung oder Regimewechsel | Erwartungswert nach Live-Kosten neu berechnen |
| Performance bricht sofort ein | Overfitting oder Look-ahead-Leakage | Out-of-Sample-Tests erneut durchführen |
| Ergebnisse verschlechtern sich mit zunehmender Größe | Marktauswirkung oder Liquiditätsgrenzen | Kleinere Größe und Tiefe testen |
| Demo funktioniert, Live schlägt fehl | Simulierte Fills oder brokerspezifische Ausführung | Ein kleines Live-Konto führen |
| Manuelle Änderungen schaden der Performance | Menschliche Intervention | Pause- und Override-Regeln vorab definieren |
Ein Ausführungsprotokoll, das sich zu führen lohnt
Um die Daten, nach denen diese Tabelle fragt, tatsächlich zu sammeln, hilft es, jeden Trade mit genügend Details zu protokollieren, um zu rekonstruieren, was passiert ist. Ein nützliches Protokoll verfolgt den Zeitstempel des Signals (um zu bestätigen, wann die Strategie tatsächlich agiert hat), den erwarteten Einstiegspreis als Basis zur Messung des Slippage, den übermittelten Order-Typ, den Zeitstempel des Fills zur Messung der Latenz, den Fill-Preis zur Messung der Ausführungskosten, den Spread zum Zeitpunkt der Übermittlung zur Erfassung der Marktbedingungen, den Status der Order (einschließlich Ablehnung oder Teilfüllung), den verwendeten Broker oder Handelsplatz, die Version der Strategie (da der Vergleich von Ergebnissen über verschiedene Code-Versionen hinweg die Analyse verfälscht) und eine Notiz zum allgemeinen Marktregime zu diesem Zeitpunkt. Dafür ist keine aufwendige Software nötig. Eine Tabelle, die nach jedem Trade aktualisiert wird, reicht aus und verwandelt ein vages Gefühl von „im Live-Handel fühlt sich etwas falsch an“ in ein tatsächliches, diagnostizierbares Muster.
Häufig gestellte Fragen (FAQs)
Wie groß ist eine normale Abweichung zwischen Backtest- und Live-Ergebnissen?
Es gibt keinen universellen Wert, da dies von der Strategie, dem Markt und der Sorgfalt abhängt, mit der der Backtest die realen Bedingungen modelliert hat. Anstatt eine exakte Übereinstimmung zu erwarten, solltest du die Live-Handelsfrequenz, die durchschnittlichen Kosten, den Erwartungswert und den Drawdown mit dem Bereich vergleichen, der durch Out-of-Sample- und Monte-Carlo-Tests ermittelt wurde, und nicht nur mit der einzelnen historischen Equity-Kurve. Eine große, unerklärliche Abweichung außerhalb dieses erwarteten Bereichs ist das wahre Warnsignal, nicht eine kleine Lücke an sich.
Kann ein Backtest die Live-Performance jemals vollständig vorhersagen?
Nein, und es ist wichtig, dies nicht von einem Backtest zu erwarten, egal wie sorgfältig er erstellt wurde. Ein Backtest testet eine Hypothese anhand der Vergangenheit, während sich das Live-Trading unter Bedingungen entfaltet, die noch nicht stattgefunden haben – einschließlich zukünftiger Nachrichten, Liquiditätsverschiebungen und brokerspezifischer Ausführungsbesonderheiten. Das Ziel eines guten Backtests ist keine perfekte Vorhersage, sondern eine vernünftig modellierte Schätzung, kombiniert mit gestufter Validierung, Out-of-Sample-Tests, Demo-Trading und einem kleinen Live-Einsatz, um das zu erfassen, was der historische Test nicht erfassen konnte.
Schließt automatisiertes Trading die Lücke zwischen Backtest- und Live-Ergebnissen stärker als manuelles Trading?
Teilweise, aber nicht vollständig. Automatisierung eliminiert die Verzögerung durch manuelle Eingaben und das emotionale Zögern zum Zeitpunkt der Ausführung, was hilft. Sie eliminiert jedoch keinen Slippage, keine Probleme bei der Datenqualität, keine Kapazitätsgrenzen bei zunehmender Größe oder das Risiko, dass sich die Marktbedingungen seit dem Backtest-Zeitraum geändert haben. Ein automatisiertes System kann auch immer noch von der Person, die es überwacht, während eines stressigen Drawdowns pausiert oder geändert werden, was den menschlichen Faktor wieder einführt, den ein Backtest nie modelliert hat.
Sollte ich einem Backtest misstrauen, der sehr starke Ergebnisse zeigt?
Nicht automatisch, aber betrachte ungewöhnlich starke Ergebnisse eher als Grund für eine genauere Untersuchung als für eine sofortige Feier. Extrem starke Performance ist manchmal ein Zeichen von Look-ahead-Bias, Survivorship-Bias, Data-Snooping oder unrealistischen Fill-Annahmen statt eines echten Vorteils. Überprüfe, ob die Kosten realistisch modelliert wurden, ob der Test mehrere Marktregime umfasste und ob kleine Parameteränderungen zum Zusammenbruch der Ergebnisse führen, da diese Instabilität oft auf Overfitting statt auf ein wiederholbares Muster hindeutet.
Warum funktioniert eine Strategie im Demo, aber scheitert auf einem Live-Konto?
Dies liegt meist an der Ausführung, nicht an der Logik. Demo-Umgebungen simulieren Fills, Slippage und Order-Priorität oft mit eigenen internen Annahmen, die sich erheblich von der Art und Weise unterscheiden können, wie ein spezifischer Broker Orders auf einem Funded Account tatsächlich ausführt. Die Entscheidungsfindung der Strategie mag genau wie beabsichtigt funktionieren, während die Fills selbst im Demo einfach besser sind als unter Live-Bedingungen. Ein kleiner Live-Test, selbst bei minimaler Größe, ist meist der einzige zuverlässige Weg, um das tatsächliche Ausführungsverhalten deines Brokers zu messen.
Abschließende Checkliste
Bevor du einem Backtest genug vertraust, um ihn mit bedeutender Größe live zu handeln, lohnt es sich, eine kurze Liste durchzugehen:
- Wurde die Qualität der Daten und etwaige Lücken überprüft?
- Wurden Fills und Kosten realistisch modelliert, statt sie als sofortig und kostenlos vorauszusetzen?
- Wurde die Strategie Out-of-Sample und über mehr als ein Marktregime getestet?
- Wurde die Parameterstabilität überprüft?
- Wurde die Kapazität bei zunehmender Größe separat von der Logik getestet?
- Hat ein Demo-Lauf die operative Stabilität validiert?
- Hat ein kleiner Live-Einsatz die tatsächliche Ausführung deines Brokers gemessen, bevor du skalierst?
Nichts davon garantiert, dass eine Strategie im Live-Handel identisch performt. Es bedeutet jedoch, dass jede Lücke, die sich später zeigt, eine ist, die Du mithilfe der obigen Tabelle tatsächlich diagnostizieren kannst, anstatt nur darüber spekulieren zu müssen.
Backtesting und Forward-Testing sind Forschungswerkzeuge, keine Garantien für die zukünftige Performance. Historische Ergebnisse, egal wie sorgfältig sie modelliert wurden, garantieren niemals, wie sich eine Strategie in Live-Märkten verhalten wird, und die Marktbedingungen können sich so verändern, dass ein zuvor zuverlässiger Vorteil hinfällig wird. Trade mit Kapital, dessen Verlust Du dir leisten kannst, und betrachte jeden Backtest als eine Ausgangshypothese, die durch gestufte Tests validiert werden muss, und nicht als fertiges Ergebnis.
