Alphawave Glossar
Backtest
Die rechnerische Simulation einer Handelsstrategie auf historischen Marktdaten. Ziel ist es zu prüfen, wie sich die Regeln in der Vergangenheit verhalten hätten – etwa in Bezug auf Rendite, Drawdowns und Risiko. Ein Backtest ist eine notwendige, aber niemals hinreichende Grundlage für eine echte Live-Strategie.
Key Facts
- Mindestens nötig
- Saubere Tick-/OHLC-Historie
- Gold-Standard-Validierung
- Walk-Forward + Out-of-Sample
- Größte Falle
- Overfitting / Look-ahead-Bias
Im Backtest werden Strategieregeln auf historische Marktdaten angewandt, als hätte man sie damals live gehandelt. Ergebnis sind Equity Curve, Drawdowns und Kennzahlen wie Sharpe Ratio oder Profit Factor.
Saubere Backtests berücksichtigen Transaktionskosten, Slippage und realistische Ausführungspreise. Sie ersetzen niemals Forward-Tests, sind aber unverzichtbar, um Schwächen einer Idee früh sichtbar zu machen.
Was ein guter Backtest leistet, und was nicht
Ein Backtest simuliert, wie sich eine Strategie hätte verhalten können, wenn sie in der Vergangenheit live gewesen wäre. Damit ist er ein notwendiger Filter: Ideen, die nicht einmal in der Theorie funktionieren, sollten gar nicht erst Kapital binden.
Er ist aber kein Versprechen. Die Marktstruktur ändert sich, Zinsregime, Volatilitätsregime, regulatorisches Umfeld. „Past performance is no guarantee of future results“ steht aus gutem Grund in jedem Prospekt.
Typische Fehlerquellen
Selbst gut gemeinte Backtests gehen oft schief, meist subtiler, als Einsteiger glauben:
Häufige Backtest-Fallen und Gegenmaßnahmen
| Fehler | Was passiert | Gegenmaßnahme |
|---|---|---|
| Look-ahead-Bias | Daten werden genutzt, die zum Entscheidungszeitpunkt noch nicht verfügbar waren | Strikte Zeitstempel, Lag-Tests |
| Survivorship-Bias | Nur heute existierende Titel im Sample | Delisted-Securities-Datenbank |
| Overfitting | Modell perfekt für Vergangenheit, schwach live | Walk-Forward, Out-of-Sample |
| Optimistische Kosten | Slippage/Gebühren unterschätzt | Realistische Execution-Modelle |
| Data-Snooping | 100te Varianten getestet, beste gewählt | Multiple-Testing-Korrektur |
Wissenswertes aus dem Markt
- •Marcos López de Prado (AQR, Cornell) zeigt: Werden auf 5 Jahren Daten 20 Strategien getestet, hat statistisch mindestens eine eine Sharpe Ratio >1, rein zufällig.
- •Top-Quant-Häuser investieren teils 3-stellige Millionenbeträge in „Tick-by-Tick“-Datenbanken (z. B. Refinitiv Tick History, AlgoSeek), nicht nur in Modelle.