Forex-Strategie-Tester und R-Quadrat: Optimiere Deine Equity-Linie

Risikohinweis. Historische Statistiken beschreiben das vergangene Verhalten unter einem bestimmten Satz von Annahmen. Kein Wert auf dieser Seite deutet auf zukünftige Ergebnisse hin, und gehebelte Produkte bergen erhebliche Risiken für Dein Kapital.

Die direkte Antwort

Das R-Quadrat sagt Dir, wie eng eine Equity-Linie einem angepassten linearen Trend über die getesteten Beobachtungen folgt. Höhere Werte bedeuten, dass die Punkte eng um diese Linie gruppiert sind. Niedrigere Werte bedeuten, dass der Pfad weiter davon abweicht.

Das ist alles, was es aussagt. Konkret sagt es Dir nicht, ob der Trend steigt oder fällt, ob die Rückgänge auf dem Weg überlebbar waren, ob die zugrunde liegende Logik fundiert ist oder ob etwas Ähnliches als Nächstes passieren wird.

Das ist wichtig, weil die 2019er-Version dieses Artikels einen höheren Wert als eindeutig besser behandelte, und diese Darstellung falsch war – eine Korrektur, die man richtig machen sollte, anstatt sie stillschweigend zu ignorieren.

Zwei Definitionen, die ich falsch verstanden habe

Beide Fehler stammten aus derselben Quelle: die Statistik visuell statt mathematisch zu beschreiben.

“Null ist, wenn die Equity-Linie die angepasste Linie nicht berührt.” Nicht korrekt. Die Berechnung hat nichts damit zu tun, ob die Punkte physisch auf der Linie liegen. Sie vergleicht die Größe der Residuenunterschiede zwischen den beobachteten und den angepassten Werten mit der Gesamtvariation in den Daten. Ein Wert nahe Null bedeutet, dass die lineare Anpassung fast keine dieser Variationen erklärt, was eine Aussage über die Residuengröße ist, nicht über den Kontakt.

“Ein perfektes 100 erfordert nur zwei Beobachtungen.” Ebenfalls falsch. Jede Anzahl von Punkten kann eine perfekte Anpassung erzeugen, vorausgesetzt, jeder einzelne von ihnen liegt exakt auf der angepassten Linie. Zwei Punkte erzeugen immer eine perfekte Anpassung, weil zwei Punkte eine Linie definieren, aber das ist ein Sonderfall und keine Regel. Eine perfekt lineare Equity-Linie über vierhundert geschlossene Positionen hinweg ist in der Praxis extrem ungewöhnlich, obwohl die Mathematik nichts dagegen spricht.

Entschuldigung für die Verbreitung beider Fehler. Der zweite wurde mir insbesondere von Lesern zurückgemeldet, so wie sich schlechte Erklärungen verbreiten.

Was die Berechnung macht

Nimm Deine Equity-Linie. Passe mittels linearer Regression einen Trend an sie an. Miss dann, wie viel der Variation in den beobachteten Werten durch diesen angepassten Trend erklärt wird.

Das Ergebnis wird je nach Plattform entweder von 0 bis 1 oder von 0 bis 100 ausgedrückt, und es beantwortet genau eine Frage: Wie gut beschreibt eine lineare Anpassung diese Daten?

Wert	Bedeutung
Nahe 100	Beobachtungen liegen nah am angepassten Trend
Mittlerer Bereich	Erhebliche Abweichung, obwohl ein lineares Muster sichtbar bleibt
Nahe Null	Die lineare Anpassung erklärt sehr wenig der Variation

Beachte, was in dieser Tabelle fehlt. Richtung. Magnitude. Risiko. Eine Statistik, die die Qualität der Anpassung misst, kann über keines davon berichten, da dies nicht die Frage ist, die sie stellt.

Das Problem der Verluststrategie

Hier ist das Beispiel, das im ursprünglichen Artikel hätte stehen sollen.

Stell Dir eine Equity-Linie vor, die stetig sinkt und jeden Monat etwa den gleichen Betrag verliert, mit fast keiner Abweichung von diesem Abwärtspfad. Passe einen Trend an sie an und die Anpassung ist hervorragend. R-Quadrat nahe 95.

Konstant Geld zu verlieren, bedeutet immer noch konstant Geld zu verlieren. Die Statistik hat die Linearität korrekt gemeldet, aber Linearität war nie das, was Dich wirklich interessiert hat.

Beispiel	Nettoergebnis	R-Quadrat	Wert
A	+20%	92	Positives Ergebnis entlang eines recht linearen Pfades
B	−20%	95	Sehr linear und konsistent unprofitabel
C	+25%	48	Geld verdient, obwohl der Weg unregelmäßig war

Beispiel B zeigt, warum dieser Wert niemals allein betrachtet werden darf. Beispiel C ist die subtilere Lehre: Ein niedriger Wert verurteilt keine Strategie. Unregelmäßige Pfade können immer noch akzeptable Ergebnisse liefern, und wenn man C nur aufgrund der Glätte ablehnen würde, würde man das beste Nettoergebnis in der Tabelle verwerfen.

Kombiniere den Wert immer mit der Richtung. Die Steigung des angepassten Trends zeigt dir, in welche Richtung sich die Dinge bewegt haben; die Anpassungsqualität sagt dir nur, wie ordentlich dies geschah.

Was es nicht feststellen kann

• Ob die Strategie Geld verdient hat: Die Richtung ist in einer separaten Zahl enthalten.
• Ob Rückgänge tolerierbar waren: Ein Pfad kann einem Trend recht gut folgen, während er einen Rückgang enthält, den du niemals durchhalten hättest.
• Ob Stagnationsphasen kurz waren: Dies steht im Zusammenhang mit dem obigen Punkt und wird separat gemessen.
• Ob die Logik fundiert ist: Die Anpassungsqualität sagt nichts darüber aus, warum Einstiege stattfinden.
• Ob die Ergebnisse anhalten werden: Dies beschreibt lediglich die Historie.
• Ob die Stichprobe angemessen ist: Zwölf Beobachtungen können eine perfekte Anpassung erzeugen, die jedoch nichts bedeutet.

Dieser letzte Punkt verdient einen eigenen Abschnitt.

Die Stichprobengröße ändert alles

Ein hoher Wert, der aus wenigen Beobachtungen berechnet wurde, ist nahezu bedeutungslos, da es einfach ist, eine Linie durch eine Handvoll Punkte zu legen, was dir fast nichts über den Prozess aussagt, der sie erzeugt hat.

Mindestschwellenwerte, die ich in der Praxis anwende: mindestens 10 Beobachtungen, bevor die Zahl überhaupt eine Anzeige wert ist, und 300 oder mehr, bevor ich sie ernst nehme. Ein Beispiel aus meiner eigenen Sammlung zeigte einen Wert von 333 neben seinem Ablesewert, was in etwa den Bereich darstellt, in dem die Statistik beginnt, Informationen zu liefern.

Diese Zahlen sind eher persönliche Vorlieben als validierte Standards. Ich habe nicht getestet, ob 300 im Vergleich zu 200 oder 500 als Grenzwert besser abschneidet, und das hat nach meinem Wissen auch sonst niemand getan.

Balance-Linie oder Equity-Linie?

Der ursprüngliche Artikel verwendete “equity line”, “balance chart” und “balance line” synonym. Das sind nicht dieselben Dinge.

Serie	Was sie aufzeichnet
Balance	Ändert sich nur, wenn Positionen geschlossen werden und Ergebnisse realisiert werden
Equity	Beinhaltet den schwebenden Wert (Floating Value) von aktuell offenen Positionen

Die Berechnung vom realisierten Guthaben (Balance) liefert einen anderen Wert als die Berechnung vom Marktwert der Equity, manchmal erheblich, da eine Strategie, die verlustreiche Positionen über Wochen hält, in einer Balance-Serie viel glatter aussieht als in einer Equity-Serie.

Jede Plattform, die diese Kennzahl angibt, sollte angeben, welche Serie sie verwendet. Frag nach, falls die Dokumentation es nicht sagt.

Was auf der horizontalen Achse liegt

Wird selten offengelegt und verändert die Interpretation komplett.

Die Berechnung benötigt etwas auf dieser Achse, und Plattformen wählen unterschiedlich:

• Positionsnummer: Misst die Konsistenz von einer geschlossenen Position zur nächsten.
• Bar-Nummer: Bindet den Wert an Chart-Perioden statt an die Aktivität.
• Kalenderzeit: Beinhaltet Zeiträume, in denen gar nicht gehandelt wurde.
• Tägliche oder wöchentliche Stichproben: Glättet kurzfristige Schwankungen vor der Anpassung.

Eine Strategie, die zweimal jährlich handelt, sieht gemessen an der Positionsnummer ganz anders aus als gemessen an der Kalenderzeit, da die Kalenderversion jeden ruhigen Monat als Daten zählt, während die Positionsversion sie ignoriert.

Einstellungen, die man offenlegen sollte, wann immer man einen Wert veröffentlicht:

Einstellung	Was anzugeben ist
Angepasste Serie	Balance oder Equity
Unabhängige Variable	Positionsnummer, Bar-Nummer oder Zeit
Abtastfrequenz	Jede Position, täglich, wöchentlich
Skala	Kontowährung, Prozentsatz oder normiert
Anzeigebereich	0 bis 1 oder 0 bis 100
Ein- und Auszahlungen	Inklusive, exklusive oder bereinigt um
Offene Positionen	Zählt oder ignoriert

Zwei Personen, die unterschiedliche Werte für dieselbe Strategie angeben, unterscheiden sich meist in einer dieser Zeilen, anstatt über die Mathematik uneins zu sein.

Ein- und Auszahlungen verfälschen das Bild

Eine Equity-Linie kann aus Gründen, die nichts mit der Qualität der Strategie zu tun haben, ordentlicher oder steiler erscheinen:

• Kapital, das während des Zeitraums hinzugefügt oder abgezogen wurde.
• Steigende Positionsgrößen, während das Konto wächst.
• Zinseszins-Effekt (Compounding), der einen ansonsten linearen Pfad nach oben krümmt.
• Änderung des Hebels während des Zeitraums.
• Anpassung des Risikos pro Position nach einer guten Phase.
• Mehrere Strategien, die gleichzeitig in einem Konto laufen.

Der Zinseszins verdient besondere Aufmerksamkeit. Eine Strategie, die ein stetiges prozentuales Wachstum erzeugt, generiert einen exponentiellen Kontopfad, der schlecht zu einem linearen Trend passt und schlecht abschneidet, obwohl dies genau das ist, was man erreichen möchte. Die Verwendung des Logarithmus oder die Arbeit mit prozentualen Renditen statt mit Währungsbeträgen löst dies korrekt.

Das Lesen im Kontext mit allem anderen

Metrik	Was gemessen wird	Wo es zu kurz greift
R-Quadrat	Linearität um einen angepassten Trend	Aussage über Richtung und Risiko fehlt
Nettoergebnis	Gesamter historischer Gewinn oder Verlust	Ignoriert den gewählten Pfad
Maximaler Drawdown	Largest peak-to-trough decline	Sagt nichts über die Konsistenz aus
Profit Factor	Bruttogewinne im Verhältnis zu Bruttoverlusten	Instabil bei kleinen Stichproben
Positionsanzahl	Anzahl der Beobachtungen	Quantität ist nicht Qualität
Maximale Stagnation	Längster Zeitraum ohne ein neues Hoch	Erfasst nicht die Tiefe des Verlusts
Out-of-sample Ergebnis	Verhalten bei unbekannten Daten	Hängt immer noch von der gewählten Stichprobe ab

Meine frühere Behauptung, dass ein höherer Wert weniger große Rückgänge und weniger Stagnation bedeutet, war zu stark formuliert. Beides bewegt sich oft gemeinsam, und ein ordentlicherer Pfad enthält meist flachere Einbrüche, aber „meistens“ bedeutet nicht „notwendigerweise“. Eine Linie kann ihren Trend akzeptabel verfolgen, während sie einen Rückgang enthält, der dein Konto zerstört hätte. Miss den Drawdown separat. Immer.

Kombinationen interpretieren

Muster	Vernünftiger Wert	Was es nicht belegt
Hoher Wert, steigender Trend	Die Historie folgte einem recht konsistenten Aufwärtspfad	Zukünftige Ergebnisse oder akzeptables Risiko
Hoher Wert, fallender Trend	Verluste wurden konsistent angehäuft	Alles Nutzbaren
Niedriger Wert, positive Rendite	Geld über einen unregelmäßigen Weg verdient	Dass der Ansatz fehlerhaft ist
Niedriger Wert, negative Rendite	Unprofitabel und erratisch	Warum es gescheitert ist
Hoher In-Sample-Wert, niedriger Out-of-Sample-Wert	Die historische Ordnung überstand keine ungesehenen Daten	Die Ursache der Verschlechterung
Ähnlich über mehrere Perioden hinweg	Die Linearität war im Test stabil	Dass der Vorteil bestehen bleibt

Zeile fünf ist diejenige, die man im Auge behalten sollte. Strategien nach diesem Metrik auf Entwicklungsdaten auszuwählen und dann festzustellen, dass der Wert bei Daten, die man nie berührt hat, einbricht, ist ein typisches Zeichen für Overfitting statt echtem Finden.

Die Optimierung auf Glätte hat ihren Preis

Die Generierungssoftware ermöglicht es dir, Kandidaten nach dieser Metrik zu suchen, sie als Akzeptanzschwelle anzuwenden oder bestehende Kandidaten dagegen zu optimieren. Alle drei Methoden funktionieren, und alle drei bergen das gleiche Risiko.

Das Filtern von tausenden generierten Kandidaten und das Behalten derer mit den ordentlichsten historischen Pfaden ist ein Selektionsprozess. Die Selektion produziert durch Zufall Gewinner, wenn der Pool groß genug ist, und eine Strategie, die zufällig ein lineares Ergebnis über deinen Testzeitraum geliefert hat, kann dahinter keinen wiederholbaren Kern haben.

Schlimmer noch: Glätte ist genau die Eigenschaft, die Curve-Fitted-Ergebnisse zu zeigen neigen, da eine Strategie, die eng an historische Daten angepasst wurde, diese Daten konstruktionsbedingt ordentlich reproduziert.

Nutze sie also als einen von mehreren Filtern und nicht als das ultimative Ziel. Out-of-Sample-Bestätigung, Monte-Carlo-Stresstests, Walk-Forward-Analysen und Vorwärts-Tests auf einem Demo-Konto bleiben danach weiterhin notwendig.

Wie das in EA Studio funktioniert

Zuerst die Offenlegung: Ich habe eine kommerzielle Beziehung zu Expert Advisor Studio und verkaufe Kurse dazu. Das Folgende beschreibt eine Implementierung, nicht den einzigen Weg, um diese Statistik zu erhalten.

Der Wert erscheint im Backtest-Ausgabepanel. Welche Metriken dort angezeigt werden, lässt sich über das Einstellungsmenü konfigurieren, sodass du je nach Analyse z. B. die Anzahl der Positionen oder die Gewinn-Verlust-Ratio austauschen kannst.

Drei Möglichkeiten, wie es angewendet werden kann:

1. Generator-Suchmethode: Anstatt Kandidaten nach dem Netto-Guthaben zu ranken, rankst du sie nach diesem Wert. Der Generator bevorzugt dann ordentlichere historische Pfade.
2. Akzeptanzkriterien: Setze eine Untergrenze, zum Beispiel 70, und Kandidaten, die darunter fallen, erreichen niemals deine Collection.
3. Optimizer-Ziel: Generiere nach Netto-Guthaben – was die meisten Leute wollen, da Ergebnisse letztlich wichtiger sind als Ordnung – und optimiere die Überlebenden danach auf Linearität.

Die Werte aus meiner eigenen Collection decken ein breites Band ab: 77,35 bei einem Kandidaten, 88,09, 89,16 und 95,99 bei anderen, die mit dieser Metrik als Optimierungsziel erstellt wurden. Einer zeigte 92,64 bei einer maximalen Stagnation von 13,5 Prozent.

Ich habe 92,64 im Originalartikel als „sehr gut“ bezeichnet. Aber im Vergleich zu was? Ich habe noch nie eine Verteilung der Werte über generierte Kandidaten hinweg veröffentlicht, noch getestet, ob höher bewertete Strategien in der Folge Out-of-Sample besser abschnitten als niedriger bewertete. Bis jemand diese Arbeit leistet, betrachte diese Zahlen eher als Workflow-Präferenzen denn als Standards.

Häufige Fehler

• Den Wert ohne Richtung zu lesen: Der mit Abstand folgenschwerste Fehler, den mein früherer Artikel sogar begünstigt hat.
• Ihm bei winzigen Stichproben zu vertrauen: Zehn Beobachtungen beweisen gar nichts.
• Anzunehmen, dass er den Drawdown begrenzt: Eine separate Metrik, eine separate Frage.
• Ausschließlich auf ihn zu optimieren: Dies selektiert nach dem Anschein von Konsistenz.
• Vergleich über verschiedene Berechnungseinstellungen hinweg: Werte basierend auf Positionsnummer und Kalenderzeit sind nicht vergleichbar.
• Das Zinseszins-Prinzip zu ignorieren: Bestraft genau das Wachstumsmuster, das du eigentlich willst.
• Einen Schwellenwert als validiert zu betrachten: Meiner ist es nicht, und ich bezweifle, dass andere es sind.

Eine praktische Checkliste

Bevor du zulässt, dass diese Statistik eine Entscheidung beeinflusst:

1. Bestätige, welche Serie die Plattform verwendet hat: Guthaben oder Equity.
2. Bestätige, was auf der horizontalen Achse liegt.
3. Prüfe die Anzahl der Beobachtungen; unter ein paar hundert solltest du den Wert stark abwerten.
4. Lies zuerst die Richtung des angepassten Trends.
5. Lies maximalen Drawdown und Stagnation separat.
6. Vergleiche den In-Sample-Wert mit dem Out-of-Sample-Wert.
7. Berücksichtige Einzahlungen, Auszahlungen und den Zinseszins, falls vorhanden.
8. Betrachte jeden Schwellenwert als deine eigene Arbeitspräferenz.

Häufig gestellte Fragen

Ist dies dasselbe wie der Korrelationskoeffizient? 

Verwandt, aber nicht identisch. Bei einfachen linearen Anpassungen entspricht das Bestimmtheitsmaß R-Quadrat dem Quadrat dieser Statistik, wodurch das Vorzeichen im Prozess verworfen wird. Dieser zugrunde liegende Wert reicht von minus eins bis plus eins und gibt dir sowohl die Richtung als auch die Stärke an; durch das Quadrieren wird alles in einen Bereich von null bis eins kollabiert, in dem die Richtung vollständig verschwindet. Dieser Verlust des Vorzeichens ist genau der Grund, warum eine sinkende Equity-Linie einen hohen Wert erzielen kann und warum die Richtung aus einer separaten Kennzahl abgelesen werden muss.

Was ist mit dem korrigierten R-Quadrat? 

Die korrigierte Version bestraft erklärende Variablen, die die Anpassung nicht signifikant verbessern, was in der multiplen Regression wichtig ist, wenn Forscher sonst unendlich viele Prädiktoren hinzufügen würden. Bei einer Anpassung einer Equity-Linie mit einem einzelnen Prädiktor macht die Korrektur praktisch kaum einen Unterschied, daher geben die meisten Handelsplattformen den unkorrigierten Wert an. Es ist gut zu wissen, dass diese Unterscheidung existiert, wenn du zu komplexeren Modellierungen übergehst, da die einfache Version mechanisch ansteigt, wenn Variablen hinzukommen.

Bedeutet ein höherer Wert ein geringeres Risiko? 

Nicht direkt, obwohl die beiden oft zusammen auftreten. Ordentlichere historische Pfade enthalten in der Regel flachere Rückgänge, daher ist die Verbindung real, aber es ist eher eine Tendenz als eine Garantie. Ein einzelner schwerer Drawdown kann in einem ansonsten linearen Pfad liegen, ohne die Anpassungsstatistik stark nach unten zu ziehen, insbesondere über eine lange Stichprobe hinweg. Das Risiko verdient seine eigene Messung: der maximale Rückgang, die längste Stagnation und die schlechteste Verlustsequenz beantworten jeweils Fragen, die diese Metrik nicht beantworten kann.

Kann ich es außerhalb einer Handelsplattform berechnen? 

Ja, ganz einfach. Exportiere deine Historie der geschlossenen Positionen, setze das laufende Guthaben in eine Spalte und die Positionsnummer in eine andere, und verwende dann die RSQ-Funktion einer Tabellenkalkulation oder ein paar Zeilen Python. Es selbst zu machen, hat einen Vorteil: Du kontrollierst die Einstellungen und weißt also genau, welche Serie und welche Achse den Wert erzeugt hat. Diese Transparenz ist mehr wert als eine Zahl, die in einem Panel erscheint, dessen Berechnungsmethode nicht dokumentiert ist.

Wie verhält es sich im Vergleich zur Sharpe Ratio? 

Völlig unterschiedliche Fragen. Diese Ratio setzt die durchschnittliche Überrendite in Bezug zur Volatilität und liefert eine risikobereinigte Performance-Kennzahl, die sowohl Richtung als auch Dispersion berücksichtigt. R-Quadrat beschreibt nur, wie gut ein lineares Modell passt, und ignoriert die Größenordnung komplett. Eine Strategie könnte bei der einen Kennzahl hoch und bei der anderen schlecht abschneiden. Keine der beiden ersetzt die andere, und das Lesen beider zusammen mit dem Drawdown liefert ein wesentlich vollständigeres Bild als jeweils eine allein.

Sollte ich Strategien unter einem bestimmten Wert ablehnen? 

Nur wenn Du entschieden hast, was dieser Schwellenwert für Dich bewirkt. Das Aussortieren erratischer historischer Pfade ist vertretbar, wenn Beständigkeit für Deine eigene Toleranz wichtig ist, da es wirklich schwerer ist, eine gezackte Equity-Linie durchzustehen als eine stetige. Aber eine profitable, unregelmäßige Strategie zugunsten einer glatteren, aber weniger rentablen zu ablehnen, optimiert eher auf Komfort als auf Ergebnis. Entscheide, was Du priorisierst, und sei ehrlich zu Dir selbst.

Offenlegung: Der Autor steht in einer kommerziellen Beziehung zu Expert Advisor Studio. Die hier enthaltenen Inhalte dienen der Weiterbildung und stellen keine Empfehlung für den Handel oder den Kauf von Software dar. Historische Statistiken beschreiben nur vergangene Bedingungen.