Backtesting und Vorwärtstests – Methoden, Evidenz und Fallstricke

Eine Strategie zu testen bedeutet zu prüfen, wie sich ihre Regeln auf Daten verhalten und wie stark das Ergebnis von den Annahmen abhängt. Ein Backtest verwendet die Vergangenheit; ein prospektiver Vorwärtstest dokumentiert Entscheidungen beim Eintreffen neuer Daten. Beide benötigen eine klare Spezifikation, realistische Kostenrechnung und eine ehrliche Beschreibung der Stichprobe. Diese Lektion liefert eine Testkarte mit zwölf Feldern, Beispiele chronologischer Validierung, ausführbare Rechenwerkzeuge und ein Verfahren zum Vergleich historischer Simulationen mit späteren Beobachtungen. Ziel ist zu unterscheiden, was die Evidenz stützt und was unsicher bleibt – und nicht, einen günstigen Chart in ein Versprechen künftiger Renditen zu verwandeln.

Die ursprüngliche illustrative Grafik bleibt erhalten. Demo verwendet simulierte Ausführungen; die tatsächliche Live-Ausführung wird auf dem Mikrokonto bewertet. Die folgende schriftliche Methode erläutert Annahmen und Einschränkungen des dargestellten Ablaufs.

Halten Sie Hypothese, Regeln, Stichprobe und Ergebnisse in Werkzeugkasten N: Protokoll für Strategietests fest. Das Formular ergänzt die Methode dieses Kapitels um lokales Speichern, Export und Drucken.

1. Backtesting und Vorwärtstests – unterschiedliche Fragen, unterschiedliche Antworten

Ein guter Backtest bedeutet nicht, dass eine Strategie handelsbereit ist. Historische Tests untersuchen die Vergangenheit mit einem festgelegten Modell. Prospektive Tests beobachten Entscheidungen beim Eintreffen neuer Daten. Beide Stufen liefern unterschiedliche Informationen: Ein Backtest kann eine längere Ergebnisstichprobe bereitstellen, während Vorwärtsbeobachtung Probleme bei Zeitabläufen, Umsetzung und Regeltreue offenlegen kann. Nur eine angemessen kontrollierte Live-Stufe misst tatsächliche Live-Ausführungen und Gebühren; Demo-Ausführung bleibt eine Simulation. Eine Stufe als Ersatz für die andere zu verwenden verwirft Informationen, die die fehlende Stufe liefern sollte.

Backtesting: die historische Frage

Ein Backtest fragt: „Wie hätten sich diese Regeln beispielsweise in den vorherigen drei bis zehn Jahren verhalten?“ Seine Antwort ist nur so nützlich wie die Daten, das Ausführungs- und Kostenmodell und die Gültigkeit des Forschungsdesigns. Er ist rückblickend:

• Er kann schnell sein. Fünf Jahre Daten können in einem einfachen Test wenige Minuten benötigen, obwohl detaillierte Tick-Modellierung und große Parametersuchen erheblich länger dauern können.
• Er kann je nach Signalhäufigkeit und historischem Zeitraum Hunderte oder Tausende Beobachtungen erzeugen.
• Er ermöglicht Vergleiche zwischen Parametervarianten. Diese Flexibilität ist zugleich eine wesentliche Quelle von Auswahlverzerrung und Überanpassung.
• Er ist empfindlich gegenüber fehlerhaften Ticks, fehlenden Kerzen, falschen Zeitstempeln und unrealistischen Kosten. Eine große Stichprobe behebt keinen systematischen Daten- oder Modellfehler.

Ein Backtest belegt nicht, dass eine Strategie heute funktioniert. Ein in 2018–2022 vertretenes Marktregime muss nicht in 2024–2026 fortbestehen. Ebenso lassen sich Ergebnisse eines bestimmten historischen Yen-Trends nicht einfach auf ein anderes geldpolitisches oder interventionsbezogenes Umfeld übertragen. Solche Beispiele veranschaulichen veränderte Bedingungen und behaupten nicht, dass eine benannte Strategie in einer bestimmten Periode erfolgreich sein oder scheitern muss. Dokumentieren Sie die Regimeexposition, statt den Datumsbereich als ausreichende Evidenz zu behandeln.

Vorwärtstests: die prospektive Frage

Ein prospektiver Test fragt: „Wie verhalten sich die eingefrorenen Regeln beim Eintreffen neuer Beobachtungen, und entspricht ihre Umsetzung dem beabsichtigten Prozess?“ Er läuft in Echtzeit vorwärts:

• Er braucht Zeit. Bei fünf Trades wöchentlich benötigen 100 Trades etwa 20 Wochen, ungefähr fünf Monate, noch ohne Berücksichtigung von Feiertagen und ausgelassenen Gelegenheiten.
• Die Stichprobe kann klein bleiben. Ein Pilot mit 30–80 Trades ist ein Beispiel begrenzter Evidenz und keine verifizierte Beschreibung der Praxis jedes privaten Traders.
• Zukünftige Beobachtungen sind im Moment einer echten Live-Entscheidung nicht verfügbar. Das beseitigt einen Weg zur Nutzung von Zukunftsinformationen, doch spätere Neuklassifizierung, revidierte Daten oder rückblickende Änderungen können die dokumentierte Bewertung weiterhin verunreinigen.
• Er kann Spreadänderungen, Latenz, abgelehnte Anfragen und Slippage offenlegen. Die Evidenz hängt vom Modus ab: Live-Aufzeichnungen messen Live-Ausführung, während Demo- und Papiermodi sie nicht vollständig nachbilden.
• Er offenbart menschliche Umsetzungsfehler: falsche Mengen, verspätete Entscheidungen, verpasste Signale und Ermessenseingriffe in eine offene Position.

Ein kurzer Vorwärtstest entscheidet keine Behauptung eines langfristigen Vorteils. Er ist besonders wertvoll, um eine Lücke zwischen historischen Annahmen und aktueller Umsetzung zu erkennen. Die längerfristige Schlussfolgerung hängt weiterhin von Stichprobengröße, Abhängigkeiten, Regimeabdeckung und Unsicherheit und nicht von der Bezeichnung „Vorwärts“ ab.

Drei Testmodi: manuelle Prüfung, Wiedergabe und Automatisierung

„Backtesting“ kann drei verschiedene Tätigkeiten meinen. Trennen Sie sie vor dem Vergleich ihrer Evidenz:

• Manuelle Chartprüfung. Sie blättern durch die Historie und dokumentieren Entscheidungen. Das hilft, unklare Regeln und Grenzfälle zu identifizieren. Eine gewöhnliche Prüfung mit sichtbaren späteren Kerzen ist anfällig für Rückschaufehler, selektives Tempo und Erinnerung an das Ergebnis; sie sollte nicht als unverzerrte Leistungsstichprobe dargestellt werden. Ein sorgfältig entworfenes verblindetes manuelles Protokoll ist eine andere, anspruchsvollere Aufgabe.
• Wiedergabe Kerze für Kerze. Ein Werkzeug zeigt die Historie nacheinander und verbirgt spätere Beobachtungen. Beispiele sind Chartwiedergabe, visuelle Testermodi und spezielle Wiedergabeanwendungen, abhängig von ihrem tatsächlichen Daten- und Zeitverhalten. Wiedergabe kann bei kontrolliertem Tempo die Konsistenz einer Ermessensklassifizierung und die Reaktionszeiten prüfen. Sie belegt weiterhin keine realen Ausführungskosten. Nach Kenntnis des Ergebnisses zurückzuspulen und die ursprüngliche Entscheidung zu ersetzen verunreinigt diesen Durchlauf; dokumentieren Sie eine explorative Wiedergabe separat.
• Automatisierte historische Tests. Code wendet Regeln auf einen Datensatz an. Das ist ein effizienter Weg zu großen reproduzierbaren Stichproben, bringt aber sämtliche Gefahren aus Abschnitt 2 mit sich: Informationsleckage, Ausführungsannahmen, Kosten und wiederholte Auswahl. Automatisierung reproduziert auch eine fehlerhafte Regel sehr konsistent.

Die Reihenfolge zählt. Wiedergabe vor der Programmierung kann Anweisungen aufdecken, die zwei Personen unterschiedlich auslegen. Ein Tester kann die fehlende Definition nicht liefern; er setzt nur die vom Programmierer gewählte Auslegung um. Frieren Sie Strategiespezifikation und Version vor ihrer Bewertung ein, wie in Artikel 15.3 beschrieben, und nicht nach Betrachtung des Ergebnisses.

Was jede Stufe aufdecken kann und was nicht

Historische Untersuchungen liefern Kontext und Stichprobentiefe; prospektive Untersuchungen prüfen, ob der Prozess dem Kontakt mit neuen Daten und dem vorgesehenen Betriebsumfeld standhält. Ein schneller Backtest und eine 90-tägige Beobachtungsphase verursachen sehr unterschiedliche Wartezeiten, doch verstrichene Zeit ist kein Grund, Letztere wegzulassen. Weder eine zehnminütige Berechnung noch ein dreimonatiger Pilot garantieren, dass die nötige Evidenz gesammelt wurde.

Historische und prospektive Signale abgleichen

Eine besonders nützliche Diagnose ist der Vergleich Signal für Signal für dieselben Kalendertage. Exportieren Sie beide Quellen in ein gemeinsames Schema, zum Beispiel:

timestamp_utc, broker_server_time, pair, setup_id, direction, entry_rule_hash,
entry_price, sl_price, tp_price, trigger_bar_close, source

Bewahren Sie genügend zusätzliche Felder auf, um Signalzeit, tatsächliche Informationsverfügbarkeit, Orderanfragen und Ausführungen zu unterscheiden. Lassen Sie nach den ersten 30–60 Beobachtungstagen die eingefrorene historische Implementierung über die archivierten Daten genau dieser Tage laufen. Vergleichen Sie beide Bestände. Ein beispielhafter Schwellenwert für Abweichungen von 5–10% kann eine Untersuchung auslösen; doch auch kleinere Unterschiede können wichtig sein, wenn sie den Backtest systematisch begünstigen. Definieren Sie den Nenner und ob Sie Signale, Anfragen oder Ausführungen abgleichen, bevor Sie einen Prozentsatz angeben.

Mögliche Ursachen sind das Durchsickern künftiger Informationen, Repainting, unterschiedliche Datenfeeds, Zeitzonenfehler, inkonsistenter Code und gescheiterte Orderversuche in Echtzeit. Fünfzig historische gegenüber zwölf prospektiven Signalen an denselben Tagen sind eine erhebliche ungeklärte Abweichung; machen Sie nicht weiter, bis sie erklärt ist. Das Lesen von Close[0] innerhalb einer Kerze ist nicht automatisch ein Fehler: Der Fehler besteht darin, den späteren endgültigen Wert so zu behandeln, als sei er bereits bei der früheren Entscheidung bekannt gewesen.

Die Testkarte: zwölf Felder vor der Ergebnisinterpretation

Ohne Testkarte lässt sich ein Ergebnis sechs Monate später möglicherweise nicht reproduzieren. Sie müssen wissen, welche Daten, Implementierung, welches Kostenmodell und welche Auswahlhistorie es hervorgebracht haben. Füllen Sie die ersten neun Felder vor der Auswertung aus. Der weitere Artikel erklärt, warum jedes Feld die Schlussfolgerung verändern kann.

Feld 9 wird leicht übersehen. Ein erst nach Kenntnis des Ergebnisses formuliertes Kriterium ist eine rückblickende Beschreibung, keine vorab festgelegte Entscheidungsregel. Feld 7 ist ebenso wichtig: Ohne die Gesamtzahl der Versuche kann der scheinbare Sieger bloß das Maximum aus vielen Suchläufen sein. In Feld 11 müssen ungeklärte Einschränkungen ausdrücklich stehen. Ist eine wesentliche Eingabe eines früheren Felds unbekannt, erfinden Sie sie nicht; kennzeichnen Sie sie als ungeklärt und verschieben Sie den Test oder begrenzen Sie seine Interpretation entsprechend.

2. Testfallen – Look-ahead, Survivorship, Kurvenanpassung und Überanpassung

Dies sind methodische Gefahren, nicht einfach Anzeichen für einen nachlässigen Forscher. Eine Plattform oder ein eigenes Skript kann einen überzeugenden Bericht erzeugen, obwohl Konfiguration oder Implementierung einen schweren Fehler zulassen. Kognitive Probleme wie Bestätigungsfehler und Rückschaufehler werden im Abschnitt zur Handelspsychologie behandelt. Hier stehen der technische Testaufbau und die Kontrollen zur Aufdeckung seiner Schwächen im Mittelpunkt.

Falle 1: Look-ahead-Bias

Look-ahead entsteht, wenn eine Entscheidung Informationen nutzt, die erst später verfügbar geworden wären. Häufige Wege sind:

• Eine Entscheidung innerhalb der Kerze auf Basis des späteren Schlusskurses. Eine Strategie berechnet den SMA(20) einschließlich der aktuellen M5-Kerze und legt einen Einstieg fest, wenn diese Kerze über dem Durchschnitt schließt. In Sekunde 240 der fünfminütigen Kerze ist der endgültige Schlusskurs noch unbekannt. Das Lesen des aktuellen Close[0] ist an sich kein Durchsickern künftiger Informationen; den späteren endgültigen Schlusskurs als den in Sekunde 240 verfügbaren Wert zu interpretieren, ist es. Prüfen Sie, was Ihr tatsächlicher Testermodus und Code bei jedem Rückruf liefern, statt anzunehmen, dass ein Modus namens „Nur Eröffnungspreise“ die vorgesehene Intrabar-Regel unterstützt.
• Eine erst später bestätigte historische Markierung. ZigZag, Swingpunkt-Werkzeuge, Fraktale, manuell ausgewählte Pitchfork-Anker und einige eigene Kanäle können eine frühere Kerze anhand später eintreffender Informationen markieren. Ein heute zehn Kerzen zurück eingezeichnetes Swinghoch war auf jener Kerze möglicherweise noch nicht bestätigt. Der Indikatorname bestimmt das genaue Verhalten nicht; die Implementierung und der Bestätigungszeitstempel tun es.
• Makrodaten mit dem Bezugszeitraum statt dem Veröffentlichungszeitpunkt als Index. Ein als „März-VPI“ bezeichneter Wert wird möglicherweise erst im April veröffentlicht. Eine Strategie, die ihn vor seiner tatsächlichen Veröffentlichung nutzt, verwendet nicht verfügbare Informationen. Prüfen Sie den Veröffentlichungskalender des Herausgebers, die Zeitstempelkonvention des Anbieters und den damals verfügbaren Datenstand. Spätere Revisionen sind eine weitere Quelle für Informationslecks.

Erkennung: Beobachten Sie die eingefrorene Strategie mit neu eintreffenden Daten und gleichen Sie dann ihre ursprünglichen Signale mit einer historischen Rekonstruktion derselben Tage ab. Eine Abweichung ist ein zu untersuchendes Problem, für sich allein aber kein Beweis für Look-ahead. Andere Erklärungen sind ein anderer Feed, Repainting, eine falsche Zeitumrechnung und gescheiterte Orderversuche in Echtzeit. Gleichen Sie zunächst Zeit und Daten ab; unterscheiden Sie Signale von Anfragen und Ausführungen; prüfen Sie dann den Informationsfluss der Strategie. Einen korrekten Indikator vor Prüfung der Eingabekerzen umzuschreiben, kann ein neues Problem schaffen, ohne das alte zu erklären.

Implementierungen, deren Informationszeitpunkt ausdrücklich geprüft werden sollte:

• ZigZag, Fraktale und Pitchfork-Konstruktionen. Bestimmen Sie, wann ein Pivot oder Anker erkennbar wird und ob sich der angezeigte frühere Punkt verschieben kann. Ein korrekt verzögertes bestätigtes Signal ist etwas anderes als die Behauptung, der Pivot sei schon an seinem Ursprung bekannt gewesen.
• Heikin-Ashi, SuperTrend, Hull-Durchschnitte und eigene Kanäle. Keiner davon ist von Natur aus betrügerisch. Prüfen Sie die tatsächliche Implementierung auf Änderungen von Signalen abgeschlossener Kerzen. Auch die synthetischen Kerzenkurse von Heikin-Ashi benötigen eine gesonderte Behandlung: Sie sind nicht automatisch ausführbare Marktpreise.
• Marktplatzindikatoren mit geschlossenem Quellcode. Ihre interne Logik lässt sich nicht prüfen. Verlangt eine Richtlinie eine Validierung auf Quellcodeebene, schließen Sie sie aus diesem Forschungsablauf aus. Blackbox-Zeitprüfungen können Fehler aufdecken, aber nicht jede interne Abhängigkeit feststellen.
• iCustom() Puffer-Lesezugriffe. Bestimmen Sie den Puffer, den Kerzenversatz, den Umgang mit nicht verfügbaren Werten und ob historische Pufferwerte neu berechnet werden.
• Intrabar-Entscheidungen mit Close[0] in MT4. Der aktuelle Wert ist ein sich verändernder Kurs der laufenden Kerze, nicht deren endgültiger Schlusskurs. Der Test muss dieselbe Informationsfolge wie die Liveregel abbilden.
• Daten eines höheren Zeitrahmens auf einem Chart mit niedrigerem Zeitrahmen. Ein H4-Wert, den eine M15-Entscheidung vor dem Schluss dieser H4-Kerze verwendet, ist vorläufig. In Pine hängt das Verhalten von request.security() von Ausdrucksversätzen, Lookahead-Einstellungen und historischer gegenüber Echtzeitauswertung ab. Nutzen Sie das dokumentierte Muster für bestätigte Daten höherer Zeitrahmen, wenn dies der beabsichtigten Regel entspricht; nehmen Sie nicht an, dass das Einfügen von [1] an beliebiger Stelle jedes Zeitproblem löst. Prüfen Sie auch die entsprechende MQL-Implementierung.
• Nach Zeitraum datierte Makroreihen. Verknüpfen Sie nach tatsächlicher Informationsverfügbarkeit und damaligem Datenstand, nicht nach dem ersten Tag des Monats, den die Statistik beschreibt.

Eine praktische Prüfung auf Repainting: Zeichnen Sie in einem Livefeed den Indikatorwert einer identifizierten abgeschlossenen Kerze auf, die derzeit zehn Kerzen zurückliegt. Prüfen Sie nach fünf neuen Kerzen denselben Zeitstempel, nun fünfzehn Kerzen zurück. Fünf neue M1-Kerzen benötigen ungefähr fünf Minuten; fünf H1-Kerzen ungefähr fünf Stunden, ohne Sitzungslücken. Ändert sich der Wert, bildet die historische Anzeige das ursprüngliche Signal nicht unbedingt nach. Halten Sie fest, wann eine Bestätigung verfügbar wurde.

Eine unveränderte Kerze ist kein Zertifikat gegen Repainting. Wiederholen Sie die Prüfung über mehrere Kerzen, Grenzfälle und Volatilitätsregime; berücksichtigen Sie gegebenenfalls Änderungen nach erneuter Verbindung oder Aktualisierung der Historie. Dies ist ein Beobachtungsprotokoll, keine Behauptung, jede Implementierung lasse sich in wenigen Minuten validieren. Bewahren Sie die Aufzeichnungen für einen reproduzierbaren Vergleich auf.

Falle 2: Survivorship-Bias

Angenommen, ein Forscher testet einen früheren Zeitraum mit einer heutigen Liste von Währungspaaren. Diese Auswahl kann Instrumente auslassen, die damals handelbar waren, später aber verschwanden oder nicht mehr verfügbar waren. Auch das umgekehrte Umsetzungsproblem ist wichtig: Attraktive historische Ergebnisse können stark von einem Instrument abhängen, das der vorgesehene Anbieter nicht mehr unter vergleichbaren Bedingungen anbietet. USD/RUB im Umfeld der Veränderungen nach 2022 zeigt, warum Verfügbarkeit, Sanktionsbeschränkungen, Liquidität und Ausführungsbedingungen datums- und anbieterspezifisch geprüft werden müssen; es ist keine pauschale Aussage über den heutigen Zugang.

Die Auswahl auf einem Marktplatz erzeugt ein verwandtes Problem. Ein heute sichtbarer EA mit fünf Sternen und 200 positiven Bewertungen stammt aus den weiterhin gelisteten und beachteten Produkten. Gescheiterte, zurückgezogene oder unbeliebte Produkte können im Vergleich fehlen. Bewertungen allein bestimmen weder die vollständige Einführungskohorte noch die Überlebenswahrscheinlichkeit oder dass jeder EA anfangs dieselbe Erfolgschance hatte.

Erkennung: Rekonstruieren Sie das Instrumentenuniversum zum historischen Entscheidungsdatum. Ein Test für 2018–2020 sollte bestimmen, was der betreffende Anbieter 2018 anbot, einschließlich später zurückgezogener Instrumente. Die Beschränkung der Historie auf heutige Überlebende nutzt Zukunftsinformation bei der Universumswahl. Heutige Umsetzbarkeit ist eine eigene Einschränkung: Halten Sie fest, welche historischen Instrumente unter der vorgesehenen juristischen Person noch verfügbar sind und welcher Anteil des historischen Ergebnisses aus nicht mehr nutzbaren Instrumenten stammt. Bewahren Sie bei Marktplatzprodukten Veröffentlichungsdaten, Versionshistorie und Informationen zur Vergleichskohorte auf, statt ein aktuelles Ranking als unselektierte Stichprobe zu deuten.

Falle 3: Kurvenanpassung

Betrachten Sie SMA-Perioden 20, 22, 25 und 30; RSI-Perioden 11, 14 und 17; sowie eine ATR-Schwelle von 0,8 bis 1,5 in Schritten von 0,1. Das sind 4 × 3 × 8 = 96 Kombinationen. Viele Alternativen zu durchsuchen erhöht die Chance auf ein attraktives Ergebnis, selbst wenn kein dauerhafter Vorteil besteht. Es garantiert keinen herausragenden Treffer, aber das ausgewählte Maximum ist keine gewöhnliche einzelne vorab festgelegte Beobachtung.

In einem synthetischen Beispiel ist SMA-22, RSI-14 und ATR 1,1 die beste Kombination, mit +180% über drei historische Jahre. Die nächsten 60 Tage ergeben −8%. Dieser Gegensatz kann zur Anpassung an historisches Rauschen passen; das Renditepaar allein beweist die Diagnose aber nicht. Auch Kosten, Implementierung, Regime und Stichprobenziehung müssen geprüft werden. Sicher ist, dass der historische Sieger aus 96 Versuchen ausgewählt wurde und sein Bericht diesen Prozess offenlegen muss.

Erkennung: Prüfen Sie eine Parameter-Heatmap. Eine einzelne günstige Zelle umgeben von schlechten Ergebnissen deutet auf eine untersuchungswürdige Empfindlichkeit hin. Ein breites Plateau zeigt nur, dass das Ergebnis nicht an eine einzige Einstellung gebunden ist. Ein Plateau beweist keinen positiven Erwartungswert. Es kann weiterhin ein Artefakt desselben überstrapazierten Datensatzes sein oder bloß Parameter widerspiegeln, deren kleine Änderungen die Menge der Trades unverändert lassen.

Unabhängige Auswertung bleibt nötig: ein wirklich unangetasteter OOS-Zeitraum, ein vorab festgelegtes Walk-forward-Verfahren und ein Vergleich mit der Basislinie in Abschnitt 3. Berichten Sie Tradeanzahlen, Unsicherheit und die vollständige Auswahlhistorie, nicht nur eine glatte Heatmap oder einen günstigen Mittelwert. Ein OOS-Ergebnis, das während Methodenänderungen wiederholt eingesehen wird, ist nicht mehr unangetastet.

Falle 4: Überanpassung der Regeln

Parameter-Kurvenanpassung ist eine Form der Überanpassung. Eine andere ist, Regeln hinzuzufügen, um bestimmte historische Verlierer zu entfernen. „Dienstags keine Einstiege nach 13:00 Europe/London“ könnte allein deshalb eingeführt worden sein, weil zwei Verlusttrades in dieses Intervall fielen; dies entspricht der 14:00-Grenze des polnischen Beispiels beim üblichen Zeitunterschied zwischen Großbritannien und Polen. Diese Trades zu entfernen verbessert konstruktionsbedingt die betreffende Stichprobe, nicht unbedingt die zugrunde liegende Strategie.

Stellen Sie einen Freitagsfilter nicht schon deshalb als validiert dar, weil drei frühere Verluste auf Freitage fielen. Ein nach Sichtung der Verluste vorgeschlagener Filter ist eine neue Forschungshypothese. Er kann mit Entwicklungsdaten untersucht werden, benötigt aber eine Begründung, einen Eintrag im Versuchsprotokoll und eine unabhängige Auswertung, bevor er Verbesserung heißen darf. Frieren Sie ihn vor jener Auswertung ein, die die Aussage stützen soll.

Dieser Beispielartikel nennt als vorsichtige Arbeitswarnung mehr als vier optimierte Parameter bei weniger als 200 Trades und bespricht die grobe Faustregel optimierte Parameter × 30 ≤ Tradeanzahl: Vier Parameter bedeuten 120 Trades, acht bedeuten 240. Dies sind beispielhafte Prüfheuristiken, keine statistischen Sätze oder Marktstandards. Ein Modell unterhalb der Warnlinie kann dennoch überangepasst sein, und eines oberhalb wird nicht allein durch dieses Verhältnis widerlegt.

Untersuchen Sie Empfindlichkeit, Zahl der erprobten Varianten, Abhängigkeit und unabhängige Leistung. Teilen Varianten Beobachtungen, beurteilen Sie ihre Leistungsunterschiede mit einem geeigneten gepaarten oder Resampling-Verfahren, statt anzunehmen, überlappende getrennte Intervalle entschieden den Vergleich. Ein günstiges OOS-Ergebnis oder eine stabile Heatmap sind zu bewertende Evidenz, kein allgemeiner Beweis, dass Überanpassung beseitigt wurde.

Falle 5: Unzureichend modellierte Kosten

Ein MT4-Test mit festem Spread von 1 Pip setzt unabhängig von der historischen Liquiditätslage vereinfachte Kosten an. Prüfen Sie Einstellungen und Möglichkeiten des installierten Testers, statt für jede Plattform oder Version dieselbe Voreinstellung anzunehmen. Tatsächliche Spreads können sich zwischen liquiden Sitzungsüberschneidungen, Rollover und wichtigen Veröffentlichungen erheblich unterscheiden. Pip-Bruchteile, mehrere Pips und kurzzeitig zweistellige Pip-Spreads sind Szenariogrößen, die am jeweiligen Feed untersucht werden müssen, keine aktuellen Anbieterkurse oder garantierten Grenzen. Eine Strategie mit Schwerpunkt auf einem nächtlichen Fenster geringer Liquidität kann mit festem Spread profitabel erscheinen und mit einem angemessenen variablen Spread-Modell scheitern.

Die zweite Komponente ist Slippage. Eine historische Ausführung zum exakten Preis ist eine Annahme, kein Versprechen für die reale Ausführung. Das Beispiel zeigt 0,2–0,5 Pip unter normalen Bedingungen, 1–3 Pips bei Ausbrüchen und 5–15 Pips nach Veröffentlichungen. Diese Spannen dürfen nicht als gemessene Verteilung Ihres Kontos behandelt werden. Eine Bruttoschätzung von +0,3R könnte auf +0,1R sinken, wenn zusätzliche Umsetzungskosten 0,2R betragen; die tatsächliche Verringerung hängt vom anfänglichen Risikoabstand, Ordertyp und den gemessenen Ausführungen ab.

Die dritte Komponente ist Finanzierung. Eine Swingstrategie mit drei bis acht Tagen Haltedauer kann je nach Instrument, Richtung und Anbieter Rollover-Belastungen oder -Gutschriften verursachen. Nehmen Sie für Long-EUR/USD nicht grundsätzlich ein bestimmtes Vorzeichen an. In der Beispielrechnung entsprechen 3 Pip Belastung pro Nacht bei anfänglichem Stopabstand von 20 Pip 0,15R je berechnetem Tag. Fünf Einzel-Tagesbelastungen ergeben 0,75R und übersteigen eine Schätzung von +0,4R vor Finanzierung. Bei einem Stop von 60 Pip entspricht dieselbe Belastung 0,05R pro Tag. Verwenden Sie die tatsächlichen Tagesmultiplikatoren einschließlich relevanter Wochenend- und Feiertagsanpassungen, statt fünf Kalendernächte mit fünf gleichen Belastungen gleichzusetzen. Die Umrechnung lautet Finanzierungskosten in R = Finanzierung in pipäquivalenten Einheiten / anfänglicher Stopabstand in Pips, wobei Positionsgröße und Währungsumrechnung konsistent behandelt werden.

Die vierte Komponente ist die Kommission. Einige Rohspread-Konten berechnen Gebühren gesondert nach Handelsvolumen; die Bezeichnung „ECN“ legt weder einen erforderlichen Kontotyp noch dessen Gebühr fest. Bei beispielhaften USD 6 pro Standardlot für Hin- und Rückgeschäft kosten 200 Trades mit jeweils 0,1 Lot 200 × 0,1 × 6 = USD 120. Das sind 12% eines Startguthabens von USD 1.000, noch ohne Berücksichtigung jeglicher Kursgewinne oder -verluste. Die Spanne von USD 5–7 im Beispiel ist ein Beispiel, keine aktuelle Preisstudie. Ein Scalpingtest, der eine wesentliche Gebühr je abgeschlossenem Geschäft auslässt, kann die beabsichtigte Aussage zur Nettoleistung nicht stützen.

Falle 6: Data-Snooping

Ein Forscher probiert 30 Strategien aus, verwirft 28 und veröffentlicht zwei attraktive Backtests. Die Einzelrechnungen können korrekt sein, während das Auswahlverfahren ihre scheinbare Signifikanz irreführend macht. Bei 30 unabhängigen Tests unter der Nullhypothese mit einer Schwelle von 5% beträgt die erwartete Zahl falsch positiver Ergebnisse 1,5 und die Wahrscheinlichkeit für mindestens eines ungefähr 78,5%. Das bedeutet weder, dass genau zwei oder drei erfolgreich sein müssen, noch dass die veröffentlichten Strategien eine nahezu null betragende Funktionswahrscheinlichkeit haben. Es bedeutet, dass die gesamte Suche, nicht nur die Überlebenden, in die Schlussfolgerung gehört.

Ein übliches Verfahren zur Kontrolle des familienweisen Fehlers ist die Bonferroni-Korrektur: Bei 30 Tests und einem Gesamtniveau von 0,05 beträgt die Schwelle je Test 0.05 / 30 ≈ 0.00167.^[2] Sie kann konservativ sein, besonders bei verwandten Tests. Andere Ansätze verfolgen andere Ziele, darunter die Kontrolle der Falschentdeckungsrate und die deflationierte Sharpe Ratio.^[3] Dies sind keine austauschbaren Schalter; ihre Annahmen und Eingaben zur Auswahl müssen vorliegen. In jedem Fall verhindert das Verbergen gescheiterter Versuche eine sinnvolle Bewertung.

Erkennung: Führen Sie ein Register jeder getesteten Strategie und Variante einschließlich verworfener Ergebnisse. Zwei Sieger aus 30 explorativen Kandidaten müssen anders interpretiert werden als zwei tatsächlich vorab festgelegte Auswertungen. Deshalb ist Feld 7 der Testkarte obligatorisch.

Ein Fehler im Detail: Stop und Ziel innerhalb derselben Kerze

Diese Ausführungsmehrdeutigkeit kann einen Backtest erheblich aufblähen und wie ein gewöhnliches Tradeergebnis aussehen. Ihre Bedeutung hängt davon ab, wie oft die Ausstiege der Strategie innerhalb derselben aufgezeichneten Kerze liegen.

Die falsche Aufzeichnung: Eine H1-Kerze hat Eröffnung 1.0850, Hoch 1.0885, Tief 1.0815 und Schluss 1.0870. Ein Long gilt bereits zu 1.0850 als ausgeführt, mit Stop bei 1.0820 und Ziel bei 1.0880, jeweils 30 Pip entfernt. Beide Marken liegen innerhalb der Kerzenspanne. Ein eigener Test, der zuerst die Zielbedingung prüft, verbucht +1R, obwohl die OHLC-Daten nicht zeigen, welche Marke zuerst erreicht wurde. Dies ist ein definiertes Beispiel einer optimistischen Implementierung, keine Behauptung, jeder Tester verwende standardmäßig Ziel-zuerst.

Das korrigierte Ausführungsmodell: OHLC allein kann die vollständige Intrabar-Ereignisfolge nicht rekonstruieren. Geben Sie an, wie die Mehrdeutigkeit behandelt wird:

• Eine konservative Voreinstellung zählt eine Kerze, die beide Ausstiegsmarken berührt, als Stop-out. Kennzeichnen Sie dies in Feld 5 der Testkarte als pessimistisch, nicht als nachweislich realistisch.
• Prüfen Sie für die mehrdeutigen Kerzen Daten niedrigerer Zeitrahmen oder Tickdaten. M1 kann weiterhin beide Ausstiege in einer Kerze enthalten; hinreichend detaillierte Kursdaten mit korrekter Bid/Ask-Seite können einige Fälle klären, doch Ausführungen benötigen möglicherweise weiterhin Annahmen zu Orderzustand und Liquidität.
• Berechnen Sie beide Extreme: bei allen mehrdeutigen Trades zuerst Stop und bei allen zuerst Ziel. Ändert diese Spanne die Entscheidung, berichten Sie die Unsicherheit, statt den günstigen Endpunkt auszuwählen.
• Halten Sie die Anzahl mehrdeutiger Kerzen in den Einschränkungen fest. Liegen Stops und Ziele im Verhältnis zur Spanne der Entscheidungskerze eng beieinander, kann die gewählte OHLC-Auflösung für die Aussage ungeeignet sein.

Synthetische Rechnung: Ein Test mit 200 Trades enthält 14 solche Kerzen. Alle als Ziel-zuerst zu behandeln ergibt einen Erwartungswert von +0,18R. Alle 14 von +1R auf −1R umzustellen entfernt 28R, also 0,14R je Trade, sodass +0,04R bleiben. Ein hinreichend detailliertes Replay identifiziert neun Stop-zuerst- und fünf Ziel-zuerst-Fälle. Gegenüber dem Fall mit ausschließlich Zieltreffern verlieren neun Trades jeweils 2R: 18R / 200 = 0,09R; damit beträgt die geklärte Schätzung +0,09R. Das optimistische Modell überhöht diese Schätzung um 0,09R je Trade, was im Verhältnis zum Kostenpuffer der Strategie wesentlich sein kann. Die H1-Kerze allein kann diese Reihenfolge nicht bestimmen. Berichten Sie die Einschränkung und die zu ihrer Klärung verwendete Methode, nicht das jeweils besser aussehende Ergebnis.

3. Walk-forward-Analyse – Validierung mit begrenzten Daten

Die Walk-forward-Analyse, kurz WFA, bewertet eine Folge von Entwicklungsfenstern und späteren Auswertungsfenstern. Robert Pardo behandelt die Methode systematisch in The Evaluation and Optimization of Trading Strategies.^[1] Statt Parameter auf der gesamten Historie auszuwählen, entwickeln Sie auf einem In-Sample-Fenster, prüfen die eingefrorene Wahl auf einem späteren Out-of-Sample-Fenster und rücken dann nach einem vorab festgelegten Verfahren weiter.

Eine chronologische Aufteilung: Entwicklung, Validierung und OOS

Eine einfache zweiteilige Veranschaulichung verwendet:

• Fünf Kalenderjahre: 1. Januar 2020–31. Dezember 2024.
• Ungefähr 70% für die Entwicklung: 1. Januar 2020–30. Juni 2023, also dreieinhalb Jahre.
• Ungefähr 30% für die abschließende Auswertung: 1. Juli 2023–31. Dezember 2024, also eineinhalb Jahre; erstmals eingesehen, nachdem die gewählten Regeln eingefroren wurden.

Die 70/30-Aufteilung ist eine Szenarioannahme, kein Marktstandard. Wählen Sie eine Aufteilung mit brauchbaren Signalzahlen und relevanten Bedingungen auf beiden Seiten. Die Chronologie ist wichtig: Bei dieser Prognose- und Handelsaufgabe folgt die Auswertung auf die Entwicklung. Zufälliges Mischen von Beobachtungen verschiedener Zeitpunkte kann künftige Regimeinformationen und Abhängigkeiten in den Forschungsprozess einschleusen.

Es gibt außerdem drei unterschiedliche Rollen, auch wenn die erste Veranschaulichung nur zwei übergeordnete Datumsblöcke hat:

• In-Sample-Entwicklung: Hier suchen, optimieren und verwerfen Sie Kandidaten. Die Parameterauswahl ist legitim, wenn sie als Entwicklung offengelegt wird.
• Validierung zur Auswahl: Ein späteres Fenster innerhalb der Entwicklungsphase hilft bei der Wahl zwischen Kandidaten. Sobald es dafür verwendet wird, gehört es zur Auswahl und ist kein unangetasteter Abschlusstest. Weisen Sie es ausdrücklich innerhalb des Entwicklungszeitraums aus, wenn Sie das zweiteilige Beispiel oben verwenden.
• Abschließende OOS-Auswertung: Sehen Sie sie nach dem Einfrieren der Strategie und des Auswertungsverfahrens ein. Führt ihr Ergebnis zu einem neuen Filter, ist sie keine unabhängige Evidenz für diesen überarbeiteten Filter mehr; dokumentieren Sie die Verunreinigung.

Ein eigenes Auswahlfenster ist beim Vergleich mehrerer Kandidaten nützlich. Für einen einzigen vollständig vorab festgelegten Kandidaten ist es logisch nicht zwingend, doch das abschließende OOS-Fenster darf niemals stillschweigend zum Ort der Siegerwahl werden. „Versuchen wir noch einen Filter“ nach Kenntnis seines Ergebnisses verändert die Rolle der Daten.

Nach einem schwachen OOS-Ergebnis können Sie zur Entwicklung zurückkehren, aber nicht die Regeln ändern, denselben Zeitraum erneut testen und das neue Ergebnis unangetastete Validierung nennen. Bewahren Sie das erste Ergebnis auf und kennzeichnen Sie spätere Nutzung als Entwicklung oder diagnostische Wiederverwendung. Ein identischer Wiederholungslauf zur Reproduzierbarkeitsprüfung schafft selbst keine neue Hypothese; eine ergebnisgesteuerte Regeländerung schon.

Rollierende Walk-forward-Analyse

Ein einzelner Abschlusszeitraum kann ungewöhnlich günstig oder schwierig sein. Die rollierende Auswertung untersucht das Verfahren über mehrere aufeinanderfolgende Zeiträume, kann aber nicht garantieren, dass diese alle künftigen Bedingungen abbilden:

Die vier Auswertungsfenster überschneiden sich zeitlich nicht und decken zusammen zwei Jahre ab. Das macht sie nicht statistisch unabhängig. Sie grenzen aneinander, die Entwicklungsfenster überschneiden sich erheblich und ein anhaltendes Regime kann mehrere Auswertungsblöcke umfassen. Frieren Sie das rollierende Auswahlverfahren vor Sichtung der kombinierten Folge ein; andernfalls kann das Verfahren selbst an die scheinbaren OOS-Ergebnisse angepasst werden.

Positive Nettoergebnisse in drei oder vier Fenstern können weitere Robustheitsuntersuchungen rechtfertigen, doch die Anzahl allein ist schwache Evidenz. Bei einem beispielhaften Modell unabhängiger, gleich wahrscheinlicher Vorzeichen beträgt die Wahrscheinlichkeit für mindestens drei positive Ergebnisse aus vier 5/16 = 31,25%. Abhängigkeit verändert diese Wahrscheinlichkeit, nicht unbedingt in einer allgemein vorhersagbaren Richtung. Berichten Sie für jedes Fenster Tradeanzahl, Nettoerwartungswert, Unsicherheit und Regimeexposition. Ein oder zwei positive Fenster können Regimeempfindlichkeit nahelegen; null oder eines liefern keinen überzeugenden Aktivierungsgrund. Keine dieser Anzahlen ersetzt die vorab festgelegten statistischen und operativen Kriterien.

Walk-forward-Forschung für Trader mit niedriger Handelsfrequenz

Bei fünf bis zehn Trades pro Monat erzielt eine Swingstrategie ungefähr 300–600 Trades in fünf Jahren. Ein OOS-Anteil von 30% enthält etwa 90–180. Bei einer Trefferquote nahe 60% hat ein unabhängiges binomiales 95%-Intervall je nach Anzahl und Methode eine ungefähre Halbbreite von 7–11 Prozentpunkten. Das kann die Aussage zur Trefferquote begrenzen, belegt für sich allein aber kein profitables Auszahlungsverhältnis nach Kosten.

Bei 50–100 Trades pro Monat liefern fünf Jahre ungefähr 3.000–6.000 Beobachtungen. Die Stichprobenunsicherheit kann kleiner werden, doch Abhängigkeit, Auswahl, Regimeabdeckung und Ausführungsmodellierung bleiben wichtig. Eine hohe Tradeanzahl macht das Kostenmodell nicht automatisch zur einzigen verbleibenden Frage.

Bei einem oder zwei Trades pro Monat liefert eine Positionsstrategie nur 60–120 Trades in fünf Jahren, womit in einem OOS-Anteil von 30% ungefähr 18–36 verbleiben. Die resultierende Unsicherheit kann zu groß sein, um einen nützlichen Erwartungswert von einem Verlust zu unterscheiden. Mögliche Reaktionen sind:

• Längere Historie: Zehn bis fünfzehn Jahre ergeben bei diesen Frequenzen etwa 120–360 Trades, davon ungefähr 36–108 bei 30% Auswertungsanteil. Prüfen Sie, ob die älteren Markt- und Ausführungsbedingungen noch relevant sind.
• Mehrere Instrumente: Sechs bis zehn Währungspaare können Beobachtungen ergänzen, doch gemeinsame Währungsereignisse und überlappende Positionen erzeugen Abhängigkeit. Validieren Sie die instrumentübergreifende Aussage und zählen Sie nicht jeden Trade als neues unabhängiges Experiment.
• Block-Bootstrap: Ziehen Sie Blöcke der beobachteten Ergebnisse erneut, um die Streuung unter ausdrücklich genannten Abhängigkeitsannahmen zu untersuchen. Dabei werden vorhandene Beobachtungen wiederverwendet; es entsteht keine neue Marktevidenz. Viele simulierte Pfade allein können aus einer winzigen Stichprobe keinen gut belegten Vorteil machen.

Die Basislinie: Womit wird die Strategie verglichen?

Ein positiver Durchschnitt kann ohne Basislinie berichtet werden, doch die Behauptung, zusätzliche Strategieregeln schafften Mehrwert, erfordert einen relevanten Vergleich. Bevor Sie „+0,25R je Trade“ interpretieren, wenden Sie denselben Datenzeitraum, dieselben Ausführungsannahmen und dieselbe Kostenrechnung auf ausdrücklich definierte Alternativen an:

• Der Trigger ohne die zusätzlichen Filter. Verbessern vier Filter das vorab festgelegte Leistungs- oder Risikoziel nicht, verringern sie möglicherweise nur die Stichprobe und erhöhen die Flexibilität. Vergleichen Sie mehr als den Mittelwert, wenn die Filter Drawdown oder Exposition verändern sollten.
• Zufällige Einstiege mit abgestimmter Frequenz, Richtungsregel und Ausstiegsregeln. Wiederholte Simulationen liefern eine Referenzverteilung statt einer bequem ausgewählten Zahl. Legen Sie das zulässige Einstiegsuniversum, Randomisierungsverfahren und den Startwert fest. Eine Strategie nahe dessen Mitte hat sich in diesem Vergleich nicht abgegrenzt; dies ist kein allgemeiner Beweis, dass jeder Aspekt der Strategie zufällig ist.
• Eine festgelegte Richtung über den Zeitraum halten. Bei einer Swingstrategie auf einem einzigen Währungspaar kann dies zeigen, wie viel des Ergebnisses einer gerichteten Drift ähnelt. Verwenden Sie vergleichbare Exposition und berücksichtigen Sie Finanzierung; unskaliertes Halten ist nicht automatisch ein fairer Risikovergleich.
• Dasselbe Verfahren mit umgekehrtem Signal. Erscheinen beide Richtungen profitabel, untersuchen Sie Zeitablauf, asymmetrische Ausstiege, Volatilitätseffekte und das Kostenmodell. Das Ergebnis ist nicht automatisch ein Fehler, stellt aber die Behauptung infrage, Richtungsprognose sei die einzige Wertquelle.

Halten Sie Strategie- und Basislinienergebnisse in Feld 10 fest. Die Sensitivitätsanalyse stellt dieselbe Frage lokal: Was geschieht, wenn jeder Parameter einen Schritt in jede Richtung rückt? Verschwindet der scheinbare Vorteil bei einer Änderung der ATR-Schwelle von 1,1 auf 1,0, untersuchen Sie Änderungen der Trademenge und die Unsicherheit. Eine einzelne attraktive Heatmap-Zelle ist keine starke Evidenz für einen robusten Vorteil.

OOS einfrieren: Ordner, Konfigurationshashes und Versuchsregister

Ein schwaches OOS-Ergebnis mit anschließenden Parameteränderungen und wiederholter Sichtung desselben Zeitraums ist Entwicklung auf der kombinierten Historie, keine unangetastete Walk-forward-Evidenz. Eine einfache Projektstruktur hilft, diesen Unterschied sichtbar zu machen:

• Führen Sie getrennte Verzeichnisse wie 01_raw_data, 02_IS_optimization und 03_OOS_locked. Ergänzen Sie gegebenenfalls einen klar bezeichneten Teilbereich zur Auswahlvalidierung mit seinen Grenzen.
• Vor dem ersten abschließenden OOS-Durchlauf speichern Sie vollständige Hashes der Spezifikation, des Codes, der Parameter, des Kostenmodells und der Datumsgrenzen in 03_OOS_locked/run_001.lock. Hängen Sie anschließend Ergebnis und Metadaten des Durchlaufs an, ohne die ursprünglichen Eingaben zu ersetzen.
• Ein geänderter Kandidat erhält einen neuen Durchlaufdatensatz, etwa run_002.lock, und den Hinweis, dass der bereits eingesehene Zeitraum keine unangetastete Evidenz für die Überarbeitung mehr ist. Löschen Sie nicht die gültige historische Aufzeichnung dessen, was der erste eingefrorene Kandidat ergab.
• Jedes abschließende Auswertungsfenster hat unter dem vorab festgelegten Verfahren eine erste Sichtung. Identische Reproduzierbarkeitskontrollen werden von neuen ergebnisgesteuerten Varianten unterschieden. Planen Sie rollierende Fenster im Voraus und dokumentieren Sie, wann ein früherer Auswertungsblock zu legitimen Vergangenheitsdaten für einen späteren geplanten Entwicklungsschritt wird.

Eine Dateiendung .lock oder ein Hash verhindert Änderungen oder Einsichtnahme nicht physisch. Zusammen mit aufbewahrten Dateien und diszipliniertem Zugriff entsteht ein Prüfpfad. Eine scheinbare Sperre ohne Aufzeichnung, wer welche Daten eingesehen hat, beweist keine Unabhängigkeit.

Was nach einem schwachen OOS-Ergebnis zu tun ist

Fügen Sie nicht bloß deshalb einen Filter hinzu, weil das Ergebnis unangenehm ist. Folgen Sie einer dokumentierten Entscheidungsfolge:

1. Akzeptieren und bewahren Sie das Ergebnis. Der aktuelle Kandidat hat das angestrebte Validierungskriterium nicht erfüllt. Ein Ergebnis kann nicht eindeutig statt eindeutig negativ sein; verwenden Sie das vor dem Test schriftlich festgelegte Kriterium.
2. Kehren Sie zum Konzept zurück. Prüfen Sie Hypothese, Entwicklungszyklus und Vorteilsdefinition in den ersten drei Abschnitten von Artikel 15.3. Prüfen Sie, ob der vorgeschlagene Mechanismus noch sinnvoll ist und ob Implementierungs- oder Datenfehler das Ergebnis erklären.
3. Bleibt der Mechanismus plausibel, untersuchen Sie Regimeabhängigkeit als neue Forschungsfrage. Vier bis sechs vorab festgelegte rollierende Fenster können helfen. Zwei günstige Trendfenster und vier ungünstige Konsolidierungsfenster legen eine mögliche Regimewechselwirkung nahe, keine sofortige Erlaubnis zur Reaktivierung bei jedem auftretenden Trend. Jedes Fenster braucht seine Stichprobengröße und ein Intervall des Nettoerwartungswerts. Drei positive Fenster mit jeweils nur acht Trades können weiterhin stark uneindeutig sein. Ein aus diesen Ergebnissen entdeckter Regimefilter benötigt eine versionierte Spezifikation und unabhängige Auswertung.
4. Scheitert das Konzept, legen Sie den Kandidaten still. Bewahren Sie Grund und Versuchshistorie auf und wenden Sie sich dann einer anderen Idee zu, statt Ausnahmen um eine verworfene Behauptung anzuhäufen.

4. Monte-Carlo-Analyse – ein historischer Pfad ist nicht das ganze Bild

Ein Backtest zeichnet eine Folge von Gelegenheiten und Ergebnissen auf. Eine fünfjährige Strategiestichprobe könnte 100 Trades enthalten; eine andere Markthistorie hätte 95 oder 110 zu anderen Kursen und mit anderen Ergebnissen erzeugen können. Resampling rekonstruiert nicht all diese möglichen Märkte. Es stellt eine engere Frage: Wie variieren die Ergebnisse unter einem ausdrücklich gewählten Modell auf Basis der bereits vorhandenen Beobachtungen?

Eine Simulation erzeugt eine Verteilung statt einer einzelnen Punktschätzung. Diese Verteilung kann Empfindlichkeiten aufdecken, die die ursprüngliche Reihenfolge verdeckt, ist aber durch Modell und Eingabestichprobe bedingt. Sie ist weder eine vollständige Messung realer Risiken noch eine Garantie, dass künftige Ergebnisse innerhalb ihrer Hülle liegen.

Zwei grundlegende Resampling-Verfahren

Bootstrap einzelner Trades: Nehmen Sie eine Liste von beispielsweise 200 R-Ergebnissen – +1,5R, −1R, +2,2R usw. – und ziehen Sie 200 Beobachtungen mit Zurücklegen. Wiederholen Sie dies 1.000-mal, um 1.000 Pfade zu erzeugen. Sowohl Reihenfolge als auch Häufigkeit einzelner Ergebnisse können sich ändern.

Dies unterscheidet sich von einer zufälligen Permutation ohne Zurücklegen. Das Umordnen derselben festen R-Ergebnisse lässt ihre Summe unverändert. Bei Positionsgrößen als konstantem Kapitalanteil und ohne pfadabhängige Beschränkungen bleibt auch das Produkt der Eigenkapitalfaktoren unverändert, obwohl sich der Drawdown ändern kann. Beschreiben Sie Permutation und Bootstrap nicht als austauschbare Verfahren.

Block-Bootstrap: Ziehen Sie zusammenhängende Blöcke, beispielsweise jeweils zehn aufeinanderfolgende Trades, statt isolierter Trades. Das bewahrt einen Teil der Abhängigkeit innerhalb jedes Blocks, unterbricht aber Beziehungen über die neu zusammengefügten Grenzen hinweg. Ob dies angemessener ist, hängt von den beobachteten Abhängigkeiten der Strategie ab. Die Blocklänge ist ein zu untersuchender Parameter; vergleichen Sie etwa 5, 10 und 20, statt die beruhigendste Variante zu wählen.

Was aus 1.000 simulierten Pfaden zu berechnen ist

• Median der Endrendite: die Mitte der simulierten Renditeverteilung für den angegebenen Horizont. Nennen Sie sie nur jährlich, wenn Horizont und Zeitmodell tatsächlich ein Jahr abbilden.
• Das fünfte Renditeperzentil: ein Quantil am unteren Rand der Simulation. Es ist weder das schlechtestmögliche noch ein garantiert „schlechtestes realistisches“ Ergebnis. Gleiche Werte und Interpolation bei endlichen Stichproben können den Anteil strikt darunter verändern.
• Das 95. Perzentil der Drawdown-Höhe: eine Zusammenfassung am oberen Rand simulierter Rückgänge vom Hoch zum Tief. Vergleichen Sie es mit den vorab festgelegten Risikogrenzen des Plans, ohne es als Obergrenze zu behandeln.
• Die Häufigkeit der Überschreitung einer festgelegten Schwelle: beispielsweise der Anteil der Pfade mit mehr als 30% Drawdown. Benennen Sie die Schwelle und ob sie vom Anfangsguthaben oder vom laufenden Höchststand aus gemessen wird. Ein Drawdown von 30% ist keine buchstäbliche Insolvenz.

Beispielhafte Zahlen, keine historischen Ergebnisse: Angenommen, der ursprüngliche Pfad eines Jahresmodells zeigt +45% Rendite und 12% maximalen Drawdown. Eine hypothetische Simulation mit 1.000 Pfaden ergibt eine Medianrendite von +38%, eine Rendite am fünften Perzentil von +8%, eine Drawdown-Höhe am 95. Perzentil von 22% und einen Anteil von 4% mit Drawdowns über 30%. Das bedeutet, dass ungefähr einer von 25 Pfaden dieses Modells die gewählte Grenze überschreitet; es belegt keine reale Ruinwahrscheinlichkeit von 4%. Jeder prozentuale Drawdown setzt bereits eine Positionsgrößenregel voraus und ist daher keine Eigenschaft des Einstiegssignals allein.^[4]

Verwenden Sie durchgehend dieselben Kennzahlendefinitionen

Definieren Sie vor der Codeausführung Erwartungswert in R, Profitfaktor, Drawdown und dessen Dauer, Erholungsfaktor und gegebenenfalls einen SQN-artigen Wert. Artikel 15.9 ist die Referenz des Kapitels für Formeln und Nenner. Drei Punkte sind hier entscheidend:

• Drawdown verwendet den laufenden Höchststand, nicht das spätere globale Maximum. Definieren Sie H_t = max(Eigenkapital bis t), D_t = (H_t - E_t) / H_t und maxDD = max(D_t). Bei 100 → 80 → 120 → 110 beträgt der größte Rückgang von einem vorherigen Höchststand 20%, von 100 auf 80. Der spätere Höchststand 120 und das frühere Tief 80 ergeben 33,3%; dies ist nicht der Drawdown dieses Pfads.
• Geben Sie die Kurve und die Abtastfrequenz an. Marktbewertetes Eigenkapital einschließlich offener Positionen unterscheidet sich vom Kontostand abgeschlossener Trades. Tickweise, tägliche und nach jedem Trade vorgenommene Messungen können unterschiedliche Maxima ergeben. „12% Drawdown“ ohne diese Definitionen ist nicht unmittelbar mit einem anderen Bericht oder Ihrem Plan vergleichbar.
• Geben Sie die Bewertungskennzahl-Konvention an. Ein mit √N multiplizierter Wert aus mittlerem R geteilt durch Standardabweichung verändert sich mit N. Gedeckelte und ungedeckelte Varianten sind unterschiedliche Größen. Nutzen Sie dieselbe Konvention und vergleichbare N und behandeln Sie einen solchen Wert weder als Unsicherheitsersatz noch als Zuteilungsregel.

Legen Sie auch andere Berichtskonventionen offen. Der Profitfaktor in Geld muss bei wechselnder monetärer Risikoeinheit nicht dem Profitfaktor in R entsprechen. Sharpe benötigt ein definiertes Renditeintervall, einen Vergleichsmaßstab und Annualisierungsannahmen; R je Trade ist nicht automatisch eine kalenderbezogene Renditereihe. Calmar benötigt eine angegebene annualisierte Rendite und einen Drawdown über einen vergleichbaren Horizont. Berücksichtigen Sie Randverluste, Länge von Verlustserien, Drawdown-Dauer und ungeklärte Betriebszustände, statt den Bericht auf eine einzige Kennzahl zu reduzieren.

Ein Python-Beispiel für Block-Bootstrap

Sie können das Beispiel in einer lokalen Python-Umgebung mit NumPy und pandas oder in einem Notebookdienst ausführen, etwa Google Colab. Colab bietet eine Notebookumgebung im Browser mit Nutzungsgrenzen; beachten Sie seine aktuellen Informationen zu Dienst und Speicherung. Erstellen Sie ein Notebook, fügen Sie den Code in eine Zelle ein und führen Sie ihn aus. Die Standardeingabe ist synthetisch, daher sind keine persönlichen Handelsdaten nötig, um das Ausgabeformat zu sehen.

Für Ihr eigenes Journal bereiten Sie eine CSV mit einer numerischen Spalte namens R und einem vollständigen Trade pro Zeile in chronologischer Reihenfolge vor. Entfernen Sie das Kommentarzeichen der Importzeile und geben Sie die Datei an. Jeder R-Wert sollte relevante Kosten genau einmal enthalten und das vor dem Einstieg geplante positive Geldrisiko verwenden. Entfernen Sie persönliche Kennungen vor einem möglichen Cloudupload und halten Sie sensible Kontoexporte lokal, wenn sie nicht bei einem Drittanbieter gespeichert werden sollen.

import numpy as np
import pandas as pd

def block_bootstrap_strategy(trades_R, n_simulations=1000, block_size=10,
                             risk_per_trade=0.01, seed=42):
    """Zusammenhängende, nicht zyklische Blöcke von Netto-Tradeergebnissen in R erneut ziehen.

    trades_R: endliche chronologische Ergebnisse, ein vollständiger Trade je Wert.
    n_simulations: Anzahl synthetischer Pfade, keine neuen Marktbeobachtungen.
    block_size: zusammenhängende Blocklänge; 5, 10 und 20 untersuchen.
    risk_per_trade: fester Anteil des jeweils aktuellen Eigenkapitals als Risiko pro Trade.
    seed: Eingabe für Reproduzierbarkeit; auch die NumPy-Version dokumentieren.

    Renditen gelten über len(trades_R) Trades, NICHT automatisch jährlich.
    Drawdowns werden nach jedem Trade gemessen und als negative Werte gespeichert.
    """
    trades_R = np.asarray(trades_R, dtype=float)
    if trades_R.ndim != 1 or trades_R.size == 0:
        raise ValueError("trades_R muss ein nicht leeres eindimensionales Array sein")
    if not np.isfinite(trades_R).all():
        raise ValueError("trades_R darf nur endliche Werte enthalten")
    for name, value in (("n_simulations", n_simulations),
                        ("block_size", block_size)):
        if isinstance(value, bool) or not isinstance(value, (int, np.integer)):
            raise ValueError(name + " muss eine positive ganze Zahl sein")
        if value < 1:
            raise ValueError(name + " muss eine positive ganze Zahl sein")
    if not np.isfinite(risk_per_trade) or not 0 < risk_per_trade < 1:
        raise ValueError("risk_per_trade muss zwischen null und eins liegen")

    rng = np.random.default_rng(seed)
    n_trades = len(trades_R)
    # Diesem Beispiel entsprechend: Einen zu großen Block auf die Stichprobenlänge begrenzen.
    # Ein Block über die gesamte Stichprobe hat keine Resampling-Vielfalt; diese Einschränkung berichten.
    block_size = min(block_size, n_trades)
    n_blocks = (n_trades + block_size - 1) // block_size
    final_returns, max_drawdowns = [], []
    threshold_breaches = 0

    for _ in range(n_simulations):
        # Startpositionen mit Zurücklegen ziehen; jeden Block erhalten.
        starts = rng.integers(0, n_trades - block_size + 1, size=n_blocks)
        sample = np.concatenate(
            [trades_R[s:s + block_size] for s in starts]
        )[:n_trades]  # Genau die ursprüngliche Tradeanzahl beibehalten.

        equity, equity_curve = 1.0, [1.0]
        for outcome in sample:
            # Bei null absorbieren, wenn ein Verlust das Eigenkapital aufbraucht. Dies ist kein Schuldenmodell
            # und behauptet nicht, dass rechtlicher Schutz vor Negativsaldo gilt.
            equity *= max(0.0, 1.0 + outcome * risk_per_trade)
            equity_curve.append(equity)
        equity_curve = np.asarray(equity_curve)
        peak = np.maximum.accumulate(equity_curve)
        drawdown = (equity_curve - peak) / peak
        worst = float(drawdown.min())
        final_returns.append(equity - 1.0)
        max_drawdowns.append(worst)
        if worst < -0.30:  # Strikt tiefer als ein Rückgang von 30% vom laufenden Höchststand.
            threshold_breaches += 1

    return {
        "trades_per_path": n_trades,
        "effective_block_size": block_size,
        "median_return": float(np.median(final_returns)),
        "p05_return": float(np.percentile(final_returns, 5)),
        "p95_return": float(np.percentile(final_returns, 95)),
        # Negativer DD: Das fünfte Perzentil ist die nachteilige Höhe am 95. Perzentil.
        "p95_max_dd": float(np.percentile(max_drawdowns, 5)),
        "p99_max_dd": float(np.percentile(max_drawdowns, 1)),
        "prob_dd_over_30pct": threshold_breaches / n_simulations,
        "mean_return": float(np.mean(final_returns)),
    }

# Optionale eigene Daten: ein Netto-R-Wert pro abgeschlossenem Trade, chronologische Reihenfolge.
# trades = pd.read_csv("my_results.csv")["R"].to_numpy(dtype=float)

# SYNTHETISCHE Demonstration, keine Ergebnisse einer Marktstrategie.
# 20 Werte: 6 Gewinner, insgesamt +2R, Mittelwert +0.10R; ein Ausreißer von +7.2R dominiert.
toy = np.array([-1.0, -1.0, 3.1, -1.0, -1.0, -1.0, 0.9, -1.0, 7.2, -1.0,
                -1.0, -0.6, 1.4, -1.0, -1.0, -1.0, 2.3, -1.0, -1.0, 0.7])
trades = np.tile(toy, 10)  # Künstliche Wiederholung, KEINE 200 unabhängigen Beobachtungen.
# Für die eigene CSV die obere Zeile durch die optionale Importzeile ersetzen.

print("NumPy-Version:", np.__version__)
for risk in (0.01, 0.02):
    result = block_bootstrap_strategy(trades, n_simulations=2000,
                                      block_size=10, risk_per_trade=risk, seed=42)
    print(f"Risikoanteil pro Trade: {risk:.0%}")
    print(f"Medianrendite über {result['trades_per_path']} Trades: {result['median_return']:.2%}")
    print(f"Rendite am fünften Perzentil: {result['p05_return']:.2%}")
    print(f"Nachteiliger DD am 95. Perzentil: {result['p95_max_dd']:.2%}")
    print(f"Pfade mit DD tiefer als 30%: {result['prob_dd_over_30pct']:.2%}")

Die Berechnung prüft, wie sich die gewählte Stichprobe unter Resampling und der festgelegten Positionsgrößenregel verhält. Die Spielzeugfolge aus 20 Werten summiert sich auf +2R und hat einen Mittelwert von +0,10R; ihre Beobachtung von +7,2R zu entfernen verändert das Bild erheblich. Zehnfache Wiederholung erzeugt eine Codedemonstration mit 200 Einträgen und künstlicher Periodizität, nicht zehnmal so viel unabhängige Evidenz.

Überprüfte Beispielausgabe mit NumPy 2.5.3, Startwert 42 und 2.000 Pfaden: Bei 1% Risiko beträgt die Medianrendite über 200 Trades +19,56%, die Rendite am fünften Perzentil −4,11%, der nachteilige Drawdown am 95. Perzentil −17,66%, und keiner der simulierten Pfade überschreitet 30% Drawdown. Bei 2% Risiko sind die entsprechenden Werte +32,25%, −13,71%, −33,70% und 11,05% der Pfade oberhalb der Schwelle. Die nachteiligen Drawdowns am 99. Perzentil betragen ungefähr −21,09% bzw. −39,51%. Dies sind synthetische Ausgaben über 200 Trades, keine Jahresprognosen. Dokumentieren Sie neben dem Startwert auch Code- und NumPy-Version: Der Generator verspricht keinen unveränderten Datenstrom über alle künftigen Versionen. Entscheidend ist der Zusammenhang, dass prozentualer Drawdown sowohl von der Positionsgröße als auch von der R-Folge abhängt.

Halten Sie die Simulationskriterien in Feld 9 der Testkarte fest, bevor Sie die Ausgabe ansehen. Eine beispielhafte Richtlinie könnte positive Median- und Fünftperzentilrenditen, das nachteilige Drawdown-Quantil unterhalb der Plangrenze und weniger als 1% simulierter Pfade mit Überschreitung einer Drawdown-Schwelle von 30% verlangen. Dies sind Entscheidungsregeln des Szenarios, keine Marktstandards. Ein Fehlschlag bedeutet, dass der Kandidat dieses Modell und diese Größenordnung unter den gewählten Kriterien nicht besteht; er ist keine Einladung, die Schwellen nachträglich zu verschieben.

Wichtige Einschränkungen: Resampling kann keinen einzelnen Verlust erzeugen, der extremer als das schlechteste Eingabeergebnis ist; wiederholte Verluste können aber einen tieferen kumulierten Drawdown verursachen. Es kann keine unbeobachtete Liquiditätskrise, kein neues Finanzierungsregime und keinen fehlenden Ausführungsfehler erfinden. Null Schwellenüberschreitungen in einer endlichen Simulation bedeuten kein Nullrisiko in der Realität. Die Kurve nach jedem Trade im Code lässt Eigenkapitalschwankungen innerhalb des Trades, Margin-Liquidation, überlappende Positionen und Restschulden aus. Ihr Null-Eigenkapitalboden ist eine Modellkonvention, kein rechtlicher Kontoschutz.

Derselbe Prozentsatz, ein anderer Geldbetrag

Ein Rückgang von 15% bei PLN 5.000 entspricht PLN 750; bei PLN 50.000 sind es PLN 7.500. Dies behält die Währung des ursprünglichen polnischen Szenarios bei und ist keine Wechselkursumrechnung. Dieselbe Rechnung gilt in jeder Kontowährung: 15% von 5.000 Einheiten sind 750 und 15% von 50.000 sind 7.500. Der Prozentsatz ist identisch, während sich die Geldfolgen und die Beschränkungen des Eigentümers erheblich unterscheiden können.

Akzeptabler Drawdown und Positionsgröße bei verschiedenen Kontogrößen gehören zu Artikel 15.11; tägliche, wöchentliche und monatliche Grenzen gehören zum Plan in Artikel 15.2. Vergleichen Sie für diesen Test das simulierte Quantil mit der vor dem Durchlauf dokumentierten Grenze, nicht mit dem Betrag, den Sie erst nach Sichtung des Ergebnisses zu akzeptieren bereit sind.

Warum Blöcke statt unabhängigem Resampling erwägen?

Volatilitätscluster betreffen die Größe von Bewegungen. Sie bedeuten nicht automatisch, dass ein Verlusttrade den nächsten Trade wahrscheinlicher verlieren lässt. Abhängigkeit von Vorzeichen und Ergebnissen ist eine Eigenschaft, die in Ihrer Strategie untersucht werden muss, keine allgemein vorauszusetzende Tatsache. Ein gemeinsames Regime, korrelierte Paare oder ein einziges Makroereignis können Folgen erzeugen, die unabhängiges Resampling auseinanderreißt.

Blockweises Ziehen erhält lokale Folgen und kann deshalb bei relevanter Abhängigkeit eine passendere Sensitivitätsanalyse liefern. Es bewahrt nicht jede langfristige Beziehung, und Fehler des unabhängigen Bootstraps unterschätzen das Risiko nicht garantiert in jedem Datensatz. Vergleichen Sie Blocklängen von 5, 10 und 20, legen Sie alle Ergebnisse offen und untersuchen Sie die ursprüngliche Abhängigkeitsstruktur. Ein bei längeren Blöcken steigendes nachteiliges Drawdown-Quantil deutet auf Empfindlichkeit gegenüber dem Resampling-Schema hin; es beweist allein kein bestimmtes Abhängigkeitsmodell. Auch geringe Änderungen in dieser kleinen Sensitivitätsprüfung beweisen nicht, dass Unabhängigkeit unter allen Bedingungen harmlos ist.

5. Prospektive Tests – Demo, Papierhandel und ein begrenzter Livepilot

Die folgenden Phasen erhöhen Realitätsnähe und finanzielle Fehlerfolgen. Eine Verkürzung des Ablaufs beseitigt ungeprüfte Annahmen nicht; mehr davon werden erst entdeckt, nachdem Geld einem Risiko ausgesetzt ist. Die Folge ist ein Lehrrahmen, keine Forderung, jeder Kandidat müsse schließlich zum Livehandel gelangen.

Zwei unterschiedliche Bedeutungen von „vorwärts“

Unterscheiden Sie diese in einem Testbericht immer:

• Historischer zurückgehaltener Vorwärtsteil: Der Tester trennt einen späteren Teil eines vorhandenen Datensatzes ab, wählt Parameter auf dem früheren Teil und wertet sie auf dem zurückgehaltenen Abschnitt aus. MT5 nennt seine historische Aufteilungsoption Forward.^[6] Dies untersucht ein weiteres historisches Fenster unter dem Testermodell. Tatsächliche künftige Ausführung wird dadurch nicht gemessen.
• Prospektive Beobachtung: Die eingefrorene Strategie läuft mit Beobachtungen, die nach dem Einfrierdatum eintreffen. Ursprüngliche Entscheidungen mit Zeitstempel können keine noch nicht existierenden Beobachtungen verwenden. Bewahren Sie diese Aufzeichnungen dennoch auf, denn spätere Revisionen oder rückblickende Umkennzeichnungen können die Auswertung weiterhin verfälschen. Geben Sie an, ob Orders simuliert, nur auf Papier dokumentiert oder tatsächlich live ausgeführt werden; nur Letzteres liefert tatsächliche Liveausführungen.

Halten Sie Modus und Einfrierdatum in Feld 4 der Testkarte fest. Ohne dieses Datum lässt sich „funktionierte mit neuen Daten“ nicht von „funktionierte mit Daten, die bei der Regelwahl bereits verfügbar waren“ unterscheiden.

Phase 1: Demo mit neu eintreffenden Daten

Die Demoumgebung eines Anbieters kann seiner Liveplattform ähneln, ohne jeden Feed, jede Ausführungsregel und jede Beschränkung zu teilen. Prüfen Sie diese Unterschiede, statt identische Bedingungen anzunehmen. Demo ist nützlich, weil:

• Order- und Strategiefehler nicht unmittelbar reales Kontokapital verlieren.
• Sie können nach zehn Trades einen Fehler entdecken und ohne finanziellen Handelsverlust zur Entwicklung zurückkehren. Dokumentieren Sie die neue Version und behalten Sie die alten Beobachtungen, statt die überarbeitete Regel in dieselbe Auswertung einzumischen.
• Sie können die Werkzeugintegration testen: Alarme, EA-Start, Regelimplementierung, Behandlung von Orderzuständen und Journalexporte.

Zu den Einschränkungen gehören:

• Simulierte Ausführungen: Slippage und Liquiditätsbehandlung können von der Liveausführung abweichen. Leiten Sie aus einer günstigen Demoausführung kein Anbietermotiv ab; bestimmen Sie den messbaren Unterschied.
• Andere finanzielle Einsätze: Simulierte Margin- und Stop-out-Mechanismen können weiterhin bestehen, doch das Fehlen eines realen Geldverlusts bildet die Reaktion des Nutzers auf eine kapitalgedeckte Exposition nicht nach.
• Unvollständiges Anfrageverhalten: Die Behandlung von Ablehnungen, Requotes und Teilausführungen kann abweichen. Dies hängt von Ausführungsmodus und Produkteinstellungen ab, nicht bloß von einer ECN- oder STP-Werbebezeichnung.

Eine beispielhafte Demophase mit 30 Tagen und 30 Trades stellt praktische Fragen: Wurden Alarme zur vorgesehenen Zeit ausgelöst, verpasste der EA Signale, wich der beobachtete Spread vom Modell ab und änderte der Anwender Regeln manuell? Diese Anzahlen sind Szenarioschwellen, keine Marktstandards. Bei einem Signal alle zwei Wochen dauert dasselbe Beobachtungsziel viele Monate. Selbst 30 korrekte Trades stützen hauptsächlich eine Infrastruktur- und Prozessprüfung; sie belegen keine genaue Erwartungswertschätzung.

Zeichnen Sie prospektive Ergebnisse ab dem ersten Tag auf. Einen Handelsmonat von Hand zu rekonstruieren begünstigt Auslassungen und macht den Abgleich unzuverlässig. Journalschema, Importe und Vergleich mit Anbieterabrechnungen gehören zu Artikel 15.9. Bewahren Sie mindestens Signalzeit, Anfrage- und Ausführungszeiten, ausführbare Kurse, Slippage, Gebühren, Setupversion und das anfängliche Geldrisiko auf. Ohne kompatible Rechnung lässt sich das prospektive R-Vielfache nicht mit dem R des Tests vergleichen.

Phase 2: Papierhandel auf einem Echtzeitfeed, optional 30–60 Tage

Ein Schatten- oder Papierprozess zeichnet jedes zulässige Signal auf und berechnet mit einem ausdrücklichen Spread-, Slippage- und Ausführungsmodell ein hypothetisches Ergebnis, ohne eine Order aufzugeben. Das gibt Kontrolle über das Modell und vermeidet die Abhängigkeit von unerklärten Demoausführungen. Es liefert keine tatsächliche Ausführungsevidenz und zeigt möglicherweise nicht, ob der Anwender die Order unter realem Geldeinsatz eingereicht hätte. Die beispielhaften 30–60 Tage sind optional und hängen davon ab, welche Frage nach Demo ungeklärt bleibt. Deckt der Prozess dieselben Signale ab, ist er nicht automatisch eine zusätzliche Quelle unabhängiger Marktbeobachtungen.

Phase 3: ein gesondert genehmigter begrenzter Livepilot

Das durchgerechnete Szenario zeigt ein kleines kapitalisiertes Konto mit PLN 1.000–2.000 und Orders von 0,01–0,05 Standardlot. Behalten Sie dies als Beträge des polnischen Szenarios bei, nicht als Empfehlung für eine geeignete Einzahlung oder Positionsgröße. Die zulässige Größe muss aus Stopabstand, Pipwert, Gebühren, Marginanforderungen und Verlustbudget des Eigentümers folgen. Selbst 0,01 Lot kann für ein kleines Konto oder einen weiten Stop zu groß sein. Passt die Mindestgröße des Anbieters nicht in das genehmigte Budget, ist die richtige Entscheidung, diesen Pilot dort nicht durchzuführen.

Die begrenzte Livephase soll die tatsächliche Umsetzung bei begrenzter, ausdrücklich akzeptierter geplanter Exposition untersuchen, nicht prüfen, ob sie Einkommen liefern kann. Sie kann messen:

• Tatsächliche Ausführung: beobachtete Spreads, Slippage, Latenz, Ablehnungen und etwaige Requotes unter dem Modus des realen Kontos.
• Operative Regeltreue: manuelle Ausstiege außerhalb der Regeln, Stopänderungen, ignorierte Signale und andere Abweichungen. Definieren Sie den Nenner der Fehlerquote: zulässige Signale, eingereichte Orders und abgeschlossene Trades sind unterschiedliche Grundgesamtheiten.
• Tatsächliche Finanzierung: Gleichen Sie Belastungen und Gutschriften mit der geltenden Live-Symbolspezifikation statt einem Demogebührenplan ab.
• Integration unter Livebedingungen: Bestätigen Sie, dass EA, Alarme, Protokollierung und Kontrollverfahren wie vorgesehen funktionieren.

Die Ziele des Beispiels von 90 Tagen und 60–100 Trades sind beispielhafte Planungsannahmen. Legen Sie vorab fest, wie historische und prospektive Schätzungen verglichen werden, und berücksichtigen Sie Unsicherheit in beiden Stichproben. Bloß zu fragen, ob der neue Mittelwert im Konfidenzintervall des historischen Mittelwerts liegt, ist kein geeigneter Zweistichprobenvergleich. Auch die Überlappung zweier getrennter Intervalle ist mathematisch nicht gleichbedeutend damit, dass ein Konfidenzintervall ihrer Differenz null enthält.

Schätzen Sie die Differenz mit einem für Daten und Abhängigkeit geeigneten Verfahren und definieren Sie einen akzeptablen Verschlechterungsspielraum, wenn es um praktische Äquivalenz geht. Ein Differenzintervall mit null bedeutet, dass die Differenz ungeklärt ist; es beweist keine Äquivalenz beider Implementierungen. Verlangen Sie neben diesem Vergleich verstandenes Ausführungsverhalten, Einhaltung der Risikogrenzen und eine gemessene akzeptable Regelverletzungsquote. Ein simuliertes Drawdown-Perzentil kann ein vorab festgelegter Prüfimpuls sein, keine unverletzliche Zukunftsgrenze. Halten Sie all diese Kriterien vor dem Start fest.

Übergangskriterien

Die folgenden Dauern und Anzahlen behalten das Beispielszenario bei. Die tatsächlichen Entscheidungsregeln gehören in Feld 9 der Testkarte; die Tabelle erlaubt kein Weiterschreiten allein aufgrund ausreichend verstrichener Tage.

Der fehlende Zweig vieler Pläne lautet „nicht live einsetzen“. Eine nicht bestandene Hürde ist ein aufzuzeichnendes Ergebnis, keine Einladung, das Kriterium zu senken. Dieser Beispielzeitplan umfasst vier bis acht Wochen historische Arbeit, 30 Demotage und 90 Pilottage: 148–176 Tage, ungefähr fünf bis sechs Monate, ohne die optionale Papierphase und etwaige Pausen. Diese Rechnung ist ein Planungsbeispiel, keine Garantie ausreichender Evidenz und keine Vorhersage, dass das Auslassen einer Phase zwingend einen Verlust verursacht. Ihre Fragen bleiben dadurch unbeantwortet.

Operative Machbarkeit: Was ein historisches Modell nicht testet

Eine Strategie, die eine Entscheidung um 13:30 Europe/London verlangt, ist für jemanden operativ nicht machbar, der in derselben Zeitzone bis 16:00 in Besprechungen gebunden ist. Dies entspricht dem ursprünglichen polnischen Beispiel mit 14:30 und 17:00 und ist kein allgemeiner Ereigniszeitplan. Ein prospektives Signalinventar zeigt die verpassten Gelegenheiten. Zeichnen Sie sie als Nichtausführungen auf; entfernen Sie sie nicht, um vorzutäuschen, Forschung und Praxis hätten dieselben Gelegenheiten verwendet.

Artikel 15.5 behandelt mit der Arbeit vereinbare Entscheidungsfenster, Alarme und höhere Zeitrahmen. Artikel 15.1 behandelt Arbeitsplatzkontinuität, VPS-Überwachung und Start; Artikel 15.3 dokumentiert Zeit- und Ausführungsannahmen der Strategie. Dies sind unterschiedliche Zuständigkeiten, die alle für die Umsetzung relevant sind.

In diesem Szenario verwendete das historische reine Bid-Modell 1,5 Pip Kosten, während das beobachtete Modell 2,5–4 Pip Spread plus 0,5–1,5 Pip Slippage je Seite erfordert: insgesamt 3,5–7 Pip. Dies sind synthetische Annahmen, keine aktuellen GBP/JPY-Kurse. Die Differenz in R hängt vom Stopabstand ab. Beispielsweise erhöhen von 1,5 auf 4,5 Pip steigende Kosten diese um 3 Pip; bei D = 5 Pip sind das 0,6R, genug, um +0,4R auf −0,2R zu verschieben. Eine Demoprüfung kann Unterschiede im Kursmodell aufdecken, aber nicht die Entdeckung realer Slippage garantieren. Bei einem Zehntel des Geldrisikos wären dieselben −6R USD 15 statt USD 150, nur wenn Mindestgröße des Anbieters und Annahmen proportionaler Kosten diese Größenordnung zulassen. Dreißig Trades liefern weiterhin begrenzte Erwartungswertevidenz. Gemessene Kostenabweichungen können dennoch eine Modellkorrektur rechtfertigen, wobei die Veränderlichkeit der Kosten selbst und die Unsicherheit extremer Ausführungen anerkannt werden müssen.

6. Wie viele Beobachtungen reichen? N, p-Werte und Konfidenzintervalle

Ein Backtest mit 30 Trades und 18 Gewinnern hat eine beobachtete Trefferquote von 60%. Dies beschreibt die Stichprobe korrekt, misst aber nicht genau die zugrunde liegende Gewinnwahrscheinlichkeit der Strategie. Unter unabhängigen, identisch verteilten Bernoulli-Versuchen beträgt das zweiseitige 95%-Clopper–Pearson-Intervall ungefähr 40,6–77,3%. Das Intervallverfahren erreicht bei wiederholten Stichproben unter dem Modell mindestens seine angegebene Überdeckungsrate; nach Beobachtung dieser konkreten Stichprobe weist es einem festen unbekannten Parameter keine Wahrscheinlichkeit von 95% zu.

Zentraler Grenzwertsatz, schwere Verteilungsränder und das Fehlen einer magischen Anzahl

Der zentrale Grenzwertsatz erklärt N = 30 nicht für allgemein ausreichend. Seine Anwendbarkeit und Näherungsqualität hängen von Verteilungs- und Abhängigkeitsannahmen ab. Finanzielle Tradeergebnisse können schief verteilt sein, schwere Ränder aufweisen und geclustert sein: Ein Gewinner von +5R oder ein Kurslückenverlust von −3R kann Mittelwert und Streuung einer kleinen Stichprobe erheblich verändern. Die Konvergenz kann langsam sein, und manche Modelle erfüllen die üblichen Annahmen endlicher Varianz überhaupt nicht.

Es gibt keine einzige magische Tradeanzahl. Die Angemessenheit hängt von der Streuung der R-Ergebnisse, Abhängigkeit zwischen Trades, Signalfrequenz, Regimeabdeckung, Zahl erprobter Varianten und benötigter Entscheidungsgenauigkeit ab. Dreißig Einstiege unter demselben Wochentrend oder Makroereignis sind nicht automatisch dreißig unabhängige Experimente. Berichten Sie immer die Beobachtungszahl, aber zusammen mit Intervall, Methode und Annahmen statt als eigenständiges Bestehenskriterium.

Trefferquotenintervalle bei verschiedenen Stichprobengrößen

Die Tabelle verwendet zweiseitige 95%-Clopper–Pearson-Intervalle mit ganzzahligen Gewinnanzahlen und unabhängigen Versuchen mit konstanter Wahrscheinlichkeit. Abhängigkeit oder wechselnde Gewinnwahrscheinlichkeit machen diese einfache Interpretation ungültig; positive Clusterbildung verringert oft die effektive Information, doch nehmen Sie nicht für jede mögliche Abhängigkeit dieselbe Wirkung an. Geben Sie an, wie geclusterte oder wechselnde Bedingungen behandelt werden.

Die Vergleichsspalte verwendet 50% nur, weil dies in einem Modell mit zwei Ergebnissen und festem Auszahlungsverhältnis 1:1 die Gewinnschwelle ist, ohne zusätzliche Kosten. Allgemeiner beträgt bei positiver Gewinnerhöhe W und Verlusthöhe L die Gewinnschwellenquote ohne Zusatzkosten L / (W + L), gleichwertig 1 / (1 + W/L). Ein Gewinner von 2R gegenüber einem Verlierer von 1R ergibt 33,3%; ein Gewinner von 0,5R gegenüber einem Verlierer von 1R ergibt 66,7%. Zusätzliche konstante Durchschnittskosten c erhöhen die Modellschwelle auf (L + c) / (W + L), sofern diese Kosten nicht bereits in W und L enthalten sind.

Die operative Schlussfolgerung ist nicht „200 Trades reichen“. Entscheidend ist, wie groß die Unsicherheit im Verhältnis zur gewählten Entscheidungsschwelle ist. Bei n = 100 enthält das zweiseitige Intervall weiterhin 50%, daher bleibt dieses konkrete Intervallkriterium ungeklärt. Bei n = 200 schließt es 50% aus, doch die Behauptung einer profitablen Strategie benötigt weiterhin vollständiges Auszahlungsverhältnis und Kosten. Ein ungeklärtes Ergebnis verlangt normalerweise weitere Forschung gemäß Plan; es erlaubt weder automatisch eine kleinere Liveposition noch beweist es, dass eine bestehende Strategie stillgelegt werden muss. Sicherheitsgrenzen und nachgewiesene Implementierungsfehler bleiben gesonderte Pausengründe.

Ein Binomialtest: Liegt die Gewinnwahrscheinlichkeit über 50%?

Die Nullhypothese lautet hier p = 0.5, mit der vorab festgelegten Alternative p > 0.5. Das ist nicht gleichbedeutend mit „kein Handelsvorteil“. Eine Strategie mit 40% Gewinnern und Auszahlungsverhältnis 3:1 hat vor Kosten einen positiven Erwartungswert, während selbst 70% Gewinner bei einem Verhältnis von 0,5:1 nur einen kleinen positiven Puffer erzeugen, den Kosten aufzehren können.

Der einseitige p-Wert ist unter der Nullhypothese und ihren Stichprobenannahmen die Wahrscheinlichkeit, mindestens so viele Gewinne wie in der Stichprobe zu beobachten. Er ist nicht die Wahrscheinlichkeit, dass die Nullhypothese wahr ist, die Strategie einen Vorteil besitzt oder ihr künftiges Ergebnis profitabel ist. Verwenden Sie beschreibende Bereiche wie in diesem Beispielartikel, interpretieren Sie sie vorsichtig:

• Unter 0,01: ein relativ ungewöhnliches Ergebnis am oberen Rand unter dieser Nullhypothese für einen einzigen vorab festgelegten Test, kein Beweis für einen nützlichen Handelseffekt.
• 0,01–0,05: kann einen vorab festgelegten einseitigen 5%-Test bestehen, doch Auswahl unter vielen Kandidaten erfordert ein geeignetes Verfahren für Mehrfachtests.
• 0,05–0,10: besteht eine Ablehnungsschwelle von 5% nicht. Der Effekt bleibt unter diesem Kriterium ungewiss.
• Über 0,10: unzureichende Evidenz, um diese Nullhypothese zur Gewinnwahrscheinlichkeit bei diesen Schwellen abzulehnen. Dies beweist weder zufällige Leistung noch das Fehlen eines auf dem Auszahlungsverhältnis beruhenden Vorteils.

Wählen Sie Testrichtung und Schwelle vor Kenntnis des Ergebnisses. Wurden 30 Varianten durchsucht, ist der kleinste unkorrigierte p-Wert ein ausgewähltes Ergebnis; Abschnitt 2 erklärt, warum die vollständige Versuchshistorie wichtig ist.

Verwenden Sie im modernen SciPy from scipy.stats import binomtest und dann binomtest(wins, n_trades, 0.5, alternative='greater').pvalue. Die offizielle API-Dokumentation dokumentiert die Einführung in Version 1.7.0. Das ältere binom_test wurde in 1.10.0 als veraltet markiert und in 1.12.0 entfernt; nutzen Sie die aktuelle API mit Ergebnisobjekt, statt veraltete Codeschnipsel zu kopieren.

Bei 60 Gewinnen aus 100 Trades beträgt der einseitige p-Wert ungefähr 0,02844. Bei 18 Gewinnen aus 30 beträgt er ungefähr 0,18080, trotz derselben beobachteten Trefferquote von 60%. Der erste besteht bei einem vorab festgelegten Niveau von 5% einen unkorrigierten einseitigen Test; der zweite nicht. Dass das 100-Trade-Intervall der Tabelle 50% einschließt, ist kein Widerspruch: Die Tabelle verwendet ein zweiseitiges 95%-Intervall. Gleichen Sie Konfidenzniveau und Testrichtung ab, bevor Sie die Entscheidungen vergleichen.

Prüfen Sie das R-Ergebnis, nicht nur die Trefferquote

Bei 40% Gewinnern, durchschnittlichem Gewinn von 3R und durchschnittlichem Verlust von 1R beträgt der Erwartungswert vor Zusatzkosten 0,4 × 3 − 0,6 × 1 = +0,6R. Bei 70% Gewinnern, durchschnittlichem Gewinn von 0,5R und durchschnittlichem Verlust von 1R beträgt er nur +0,05R. Die zweite Variante hat die höhere Trefferquote, aber einen viel kleineren Kostenpuffer. Keine der Zahlenannahmen belegt tatsächliche Strategiequalität.

Ein Einstichproben-t-Test kann den mittleren Netto-R-Wert gegen null prüfen, wenn Annahmen und Näherung angemessen sind. Seine Teststatistik lautet t = mean_R / (sample_sd_R / sqrt(N)), mit N−1 Freiheitsgraden. Er ist nicht die vollständige statistische Antwort für ausgewählte, abhängige oder Handelsergebnisse mit schweren Verteilungsrändern; diese benötigen möglicherweise ein anderes Schlussfolgerungsdesign oder Resampling-Verfahren.

Bei einem beispielhaften Stichprobenmittelwert von +0,3R und einer Stichproben-Standardabweichung von 1,5R ergibt N = 30 einen Wert t ≈ 1,10 und einen einseitigen p-Wert um 0,14. Bei N = 200 ergeben derselbe Mittelwert und dieselbe Streuung t ≈ 2,83 und einen einseitigen p-Wert um 0,003. Der zweite liefert unter den Annahmen stärkere Evidenz gegen diese konkrete Nullhypothese eines Mittelwerts von null, keine Gewissheit oder automatische Livefreigabe. Die SciPy-API für den Einstichproben-t-Test unterstützt ausdrückliche Alternativen; wählen Sie alternative='greater' nur, wenn dies die vorab festgelegte Fragestellung ist.

Das Beispiel zeigt, warum dieselbe Punktschätzung bei unterschiedlichen Stichprobengrößen unterschiedliche Schlussfolgerungen stützen kann. Dokumentieren Sie sowohl N als auch ein geeignetes Intervall um den Nettoerwartungswert. Eine bestimmte Anzahl N macht das Ergebnis nicht sicher; wiederholtes Prüfen bis zur Signifikanz schafft ein weiteres Auswahlproblem.

Die operative Erwartungswertformel

Verwenden Sie Anteile für W% und L% sowie positive Beträge für durchschnittlichen Gewinner und Verlierer unter der jeweiligen Bedingung. Trades zum Einstand tragen null bei, gehören aber weiterhin zur Gesamtzahl. Bei 54% Gewinnern, durchschnittlichem Gewinn von 1,8R und durchschnittlichem Verlust von 1R ergibt sich 0,54 × 1,8 − 0,46 × 1 = 0,512R, ungefähr +0,51R.

Dies müssen realisierte Durchschnittswerte sein, kein geplantes Zielverhältnis. Ein Ziel beim 1,8-Fachen des anfänglichen Stopabstands bedeutet nicht, dass Gewinner tatsächlich durchschnittlich +1,8R erzielen: Teilausstiege, frühe Schließungen und Ausführung verändern das Ergebnis. Ist die R-Reihe bereits nach allen Gebühren berechnet, ziehen Sie Kosten nicht erneut ab. Fehlen bestimmte Gebühren noch, berücksichtigen Sie diese genau einmal vor Bewertung der Nettoaussage. Kosten von +0,2–0,3R können eine kleinere positive Vorkostenschätzung aufzehren; Einheit und Nenner müssen die Rechnung nachvollziehbar machen.

SQN: eine Berichtskonvention, keine Kapitalzuteilungsentscheidung

Ein Wert der Form SQN = sqrt(N) × mean(R) / std(R) verbindet Durchschnittsergebnis, Streuung und Stichprobengröße.^[5] Bei gleichem Mittelwert und gleicher Standardabweichung steigt die ungedeckelte Form mit √N. Ein langer Test kann daher einen höheren Wert haben, ohne einen größeren Vorteil je Trade zu besitzen. Geben Sie die Konvention der Stichproben-Standardabweichung und eine etwaige Begrenzung von N an; die an anderer Stelle dieses Kapitels behandelte gedeckelte Variante ist nicht mit einem ungedeckelten Wert austauschbar.

Artikel 15.9 liefert die gemeinsamen Kennzahlendefinitionen und ihre Einschränkungen. SQN beweist nicht, dass ein Vorteil real ist, ersetzt weder OOS-Auswertung noch Kostenmodell und bestimmt allein keine Kapitalzuteilung.

Mit durchschnittlichem Gewinner von 0,7R und durchschnittlichem Verlierer von 1,2R ergibt sich (27 × 0,7 − 20 × 1,2) / 47 = (18,9 − 24) / 47 ≈ −0,109R. Die Summe ist −5,1R, kein positives Ergebnis. Bei festem monetärem R von 1% des Anfangskapitals sind das −5,1% des Anfangskapitals. Ist jeder der 27 Gewinne genau +0,7R und jeder Verlust genau −1,2R, ergibt ein Risiko von jeweils 1% des aktuellen Eigenkapitals 1,007^27 × 0,988^20 − 1 ≈ −5,17%. Sind nur die beiden Durchschnittswerte bekannt, ist dieses zusammengesetzte Ergebnis nicht eindeutig bestimmt, da auch die einzelnen Ergebnishöhen wichtig sind.

Ein positives Geldergebnis neben einem negativen ungewichteten R-Mittelwert könnte unterschiedliche monetäre Risikogewichte, Ein- oder Auszahlungen, Gebühren oder einen Abgleichsfehler widerspiegeln; untersuchen Sie dies, statt eine Erklärung vorauszusetzen. Variables Risiko macht den Erwartungswert in R nicht unberechenbar. Jeder Trade benötigt sein eigenes positives vor dem Einstieg festgelegtes R₀, mit R_i = netto P/L_i / R₀_i. Nicht möglich ist es, die ungewichtete R-Summe ohne Risikogewichte, Eigenkapitalpfad und Zahlungsstrominformationen in die prozentuale Kontoänderung umzuwandeln. Die Lehre ist, die fehlenden Spalten aufzubewahren, nicht acht Monate Beobachtungen zu verwerfen, weil eine Kennzahl unvollständig war. Kleine oder abhängige Stichprobe: Begrenzen Sie die Schlussfolgerung.

7. Ausführungs- und Kostenmodellierung: Spread, Slippage, Finanzierung, Kommission und Teilausführungen

Zu niedrig angesetzte Kosten können eine verlustreiche Implementierung in einen scheinbar profitablen Backtest verwandeln. Modellieren Sie die vier Kostenkomponenten getrennt und gleichen Sie sie dann mit dem Ausführungsmodell ab, sodass jede genau einmal gezählt wird. Eine detaillierte Gebührentabelle gleicht unmögliche Ausführungen nicht aus.

Spread: fest oder variabel?

Tick Data Suite ist ein MT4-Ablauf für importierte Tickdaten, variable Spreads und zusätzliche Ausführungseinstellungen. Sein Anbieter beschreibt diese Möglichkeiten und bewirbt eine Modellierungsqualität von 99%. Diese Zahl ist eine testerbezogene Kennzahl, keine Wahrscheinlichkeit von 99%, dass Strategie oder Liveausführungen korrekt sind. Die Kaufentscheidung hängt davon ab, welche fehlenden Daten oder Modellierungsmöglichkeiten Ihre Forschung tatsächlich benötigt, nicht vom Gütesiegel.

Eine spreadempfindliche Scalp- oder Veröffentlichungsstrategie kann beim Modellwechsel ihr Vorzeichen ändern, während eine Swingstrategie mit ungefähr 100 Pip Stop auf einen kleinen Spreadunterschied weniger empfindlich sein kann. Messen Sie diese Empfindlichkeit, statt anzunehmen, ein kostenpflichtiges Werkzeug müsse seinen Preis wieder einspielen. Dieser Artikel empfiehlt keinen Kauf und nennt keine aktuellen Abonnementpreise.

Slippage: statische und bedingte Modelle

Slippage ist die Differenz zwischen gewähltem Referenzkurs und tatsächlicher Ausführung bei festgelegter Richtung und Orderseite. Ein historischer Modellkurs lässt sich erst nach Abgleich von Referenzzeitstempel und Quotierungskonvention sinnvoll mit einer Liveausführung vergleichen. Mögliche Modelle sind:

• Statisch: ein fester nachteiliger Ansatz, etwa 0,5 Pip bei jedem Einstieg und Ausstieg. Einfach, aber für Stressbedingungen möglicherweise ungeeignet.
• ATR-bedingt: ein beispielhafter Ansatz von 0,1 × abgeschlossener M5-ATR(14), in Pips umgerechnet. Er steigt mit dem gewählten Volatilitätsmaß, doch der Koeffizient muss kalibriert werden und beschreibt möglicherweise keine Verteilungsränder.
• Größen- und tiefenabhängig: ein Modell mit Ordermenge, verfügbarer Tiefe und Ausführungsprozess des Handelsplatzes. Es benötigt entsprechende Tiefen- und Orderzustandsdaten; gewöhnliche Bid/Ask-Tickhistorie liefert diese nicht automatisch.

Die anfängliche Drei-Regime-Skizze des Beispiels – Pip-Bruchteile bei normalen Bedingungen, mehrere Pips bei Ausbrüchen und möglicherweise zweistellige Pips nach Veröffentlichungen – ist beispielhaft, keine gemessene Kontoverteilung. Erstellen Sie Ihre eigene Tabelle aus zugeordneten Anfragen und Ausführungen. Bedeuten positive Zahlen nachteilige Slippage, verwendet ein Kauf Ausführungskurs - Referenzkurs, ein Verkauf hingegen Referenzkurs - Ausführungskurs; teilen Sie anschließend durch die Pipgröße. Ein Long-Ausstieg ist ein Verkauf und ein Short-Ausstieg ein Kauf. Bewahren Sie auch günstige Ausführungen zusammen mit abgelehnten Anfragen auf und nennen Sie die verwendete Referenz.

Einige Dutzend Trades können eine gewöhnliche Implementierungsabweichung aufzeigen, charakterisieren seltene Ausführungsränder aber meist nicht zuverlässig. Dokumentieren Sie Stichprobenzeitraum, Handelsgrößen und Bedingungen, statt einen kleinen Durchschnitt als vollständiges Slippage-Modell auszugeben.

Swap und Finanzierung

Positionen, die über die geltende Finanzierungsgrenze gehalten werden, können eine Belastung oder Gutschrift erhalten. Symboldefinitionen der Plattform unterstützen verschiedene Berechnungsmodi; ein angezeigter Swapwert ist daher nicht unbedingt „Pips pro Lot pro Nacht“. Prüfen Sie vor der Umrechnung, ob er Punkte, einen Währungsbetrag, eine Zinsrechnung oder eine andere produktspezifische Konvention darstellt.

• Richtung: Ermitteln Sie Long- und Shortsätze unabhängig voneinander. Sie müssen nicht gleich und entgegengesetzt sein; beide können Belastungen sein. Leiten Sie aus einem alten Zinsumfeld keinen dauerhaft positiven Short-EUR/USD-Swap oder negativen Long-Swap ab.
• Tagesmultiplikatoren: Viele T+2-Deviseninstrumente verwenden eine Dreifachanpassung beim Mittwochsrollover, doch tatsächlicher Tag und Feiertagsausnahmen hängen von Instrument und Anbieter ab. Modellieren Sie den Kalender der Position, statt eine undatierte Nächteanzahl zu multiplizieren.
• Satzänderungen: Finanzierung spiegelt das geltende Zinsumfeld und die Anbieterbedingungen wider. Verwenden Sie für historische Tests soweit verfügbar historische Gebührenpläne oder legen Sie eine Szenarionäherung offen. Die heutige Tabelle rekonstruiert Kosten von vor mehreren Jahren nicht automatisch.

Bei einer Swingposition über drei bis acht Tage kann Finanzierung einen wesentlichen Teil des Erwartungswerts aufzehren. Rechnen Sie eine pipäquivalente Belastung mit dem anfänglichen Abstand in R um und wenden Sie dann die tatsächliche Folge datierter Sätze und Multiplikatoren an. Fehlt eine wesentliche Belastung, ist die Nettoaussage nicht gestützt; auch eine Gutschrift ist mit korrektem Vorzeichen aufzuzeichnen und nicht als Ausgleich anderer Kosten vorauszusetzen.

Kommission

Einige Konten berechnen zusätzlich zum Spread Gebühren nach Handelsvolumen. Das Beispiel zeigt USD 5–7 pro Standardlot für Hin- und Rückgeschäft bei einem Hauptpaar, USD 6–10 bei einem Nebenpaar und USD 8–15 bei einem Exoten. Dies sind Szenariospannen, keine aktuellen Angebote, und ECN/STP-Bezeichnungen bestimmen die Gebühr nicht. Verwenden Sie den geltenden Kontogebührenplan einschließlich Mindestgebühren und Staffelung.

Um Kommission in Pips auszudrücken, teilen Sie die Kommission für Hin- und Rückgeschäft eines Lots durch dessen Pipwert in derselben Währung. Für das Standard-EUR/USD-Beispiel gilt: USD 6 / USD 10 je Pip = 0,6 Pip je Hin- und Rückgeschäft. Lautet das Konto auf PLN oder eine andere Währung, rechnen Sie beide Beträge konsistent um; nur den Zähler umzurechnen verändert das Verhältnis falsch.

Bei 200 monatlichen Trades mit 0,1 Lot und USD 6 pro Standardlot für Hin- und Rückgeschäft beträgt die Kommission USD 120 pro Monat. Bezogen auf USD 1.000 Anfangskapital sind dies monatlich 12% Umsatzkosten oder USD 1.440 – 144% dieses Anfangsbetrags – über zwölf identische Monate. Es ist eine arithmetische Summe, keine Prognose und keine zusammengesetzte Kontorendite. Das zeigt, warum Umsatz und Kosten geprüft werden müssen; es beweist nicht, dass jede Strategie mit kleinen Lots unwirtschaftlich ist.

Eine beispielhafte Richtlinie hält die Jahreskommission innerhalb eines beispielhaften Anteils von 20–30% der erwarteten Strategierendite. Behandeln Sie solche Verhältnisse als Szenariorichtlinie, nicht als allgemeine Kapitalschwelle, und definieren Sie den Nenner als erwarteten Bruttogewinn oder Gewinn nach derselben Kommission, um Zirkelschlüsse zu vermeiden. Mehr Kontokapital allein verbessert bei proportional skalierender Exposition keinen Nettovorteil je Trade. Bewerten Sie zuerst tatsächliche Nettoergebnisse und Unsicherheit.

Tick Data Suite: ein MT4-Tickdatenablauf

Der ursprüngliche Ablauf kann beibehalten werden, ohne den Softwarenamen als Zertifikat professioneller Validierung zu behandeln:

• Anbieter und Lizenz: Prüfen Sie vor jedem Kauf die aktuelle offizielle Anbieterwebsite sowie Lizenz- und Kompatibilitätsbedingungen. Websiteadressen und Weiterleitungsverhalten können sich ändern.
• Daten: Der historische Datenexport von Dukascopy ist eine mögliche Quelle. Prüfen Sie Instrumentenabdeckung, Zeitstempel, Bid/Ask-Felder, Lücken und Nutzungsbedingungen. Eine Quelle mit feiner Zeitstempelauflösung garantiert keine vollständige ausführbare Liquidität.
• Ersteinrichtung: Die veranschlagten zwei bis drei Stunden des Beispiels sind ein Beispiel, kein Versprechen. Laden Sie zuerst einen kleinen gewählten Zeitraum herunter, bestätigen Sie Zeitumrechnung und Symboleigenschaften, binden Sie die Daten in den dokumentierten Testerablauf ein und prüfen Sie den tatsächlich verwendeten Tickmodus.
• Nach der Einrichtung: Prüfen Sie variablen Spread, Kommission, Finanzierung, Volumenbeschränkungen, Margin- und Stopeinstellungen gegen das vorgesehene Konto. Prüfen Sie Beispieltrades von Hand. Deuten Sie „Jeder Tick“ allein nicht als Beweis, dass Ticks aufgezeichnet statt erzeugt wurden.

Ziel ist es, den Unterschied zwischen einem vereinfachten Spread-Modell und einem relevanteren Modell aufgezeichneter Daten zu untersuchen. Das Werkzeug kann weder die Strategiehypothese validieren noch fehlende Tiefendaten reparieren oder garantieren, dass künftige Kosten der Vergangenheit ähneln. Sein Nutzen folgt aus der Forschungsanforderung und Ihren Kontrollen.

Ausführungsmodellierung: Verzögerung, Kurslücken und Teilausführungen

Kostenrechnung ist nur die halbe Implementierungsmodellierung. Feld 5 muss auch angeben, was zwischen Signal und Ausführung geschieht:

• Signalzeit und Latenz: Nach einem bestätigten Kerzenschluss benötigen Berechnung, Übertragung und Annahme Zeit. Manuelle Entscheidungen können Sekunden dauern; automatisierte Verzögerungen hängen von System und Anbieter ab. Messen oder modellieren Sie sie ausdrücklich. Die Annahme von Nullverzögerung kann bei einem Ausbruch wesentlich sein, doch ohne Evidenz lässt sich ihr Beitrag nicht als fester Kostenanteil beziffern.
• Kurslücken: Eine gewöhnliche Stop-Market-Order kann nicht zu einem nicht verfügbaren Kurs ausgeführt werden. Modellieren Sie die nächste verfügbare ausführbare Quotierung nach den Orderregeln einschließlich möglicher verspäteter oder fehlgeschlagener Ausführung. Stets exakt am Stop auszuführen unterschätzt manche Randverluste, besonders um Schließungen und Veröffentlichungen.
• Teilausführungen: Verwenden Sie den mengengewichteten Durchschnitt der Ausführungen statt nur des ersten Kurses. Eine Teilmenge erzeugt bei sonst gleichen Bedingungen meist weniger Exposition als die volle Anfrage, doch wechselnde Ausführungskurse und Gebühren können diesen Vergleich verändern. Nach der hier verwendeten Journalkonvention behalten Sie das ursprüngliche R₀ vor der Order bei und dokumentieren den nicht ausgeführten Anteil getrennt. Verwendet eine andere Implementierung das zugewiesene Risiko der ausgeführten Position, dokumentieren Sie diesen Nenner als eigene Kennzahl, statt ihn rückwirkend zu ändern. Teilausstiege aus einer einzigen Einstiegsentscheidung bleiben ein Trade; sie als getrennte Beobachtungen zu zählen verändert die Gewichtung und kann die Trefferquote verzerren.
• Requotes und Ablehnungen: Ein historisches Signal muss nicht zu einer Liveausführung werden. Dokumentieren Sie Anfrageergebnisse und unterscheiden Sie bestätigte Ablehnung von unbekanntem Zustand. Fünfzig Kandidatensignale und 41 ausgeführte Trades können neun Ausführungsfehler statt neun fehlender Signale bedeuten; beim Abgleich muss Gleiches mit Gleichem verglichen werden.

Prüfen Sie jede wesentliche Annahme unter Stress: längere Verzögerung, schlechtere Slippage, nachteilige Auflösung einer mehrdeutigen Kerze. Beseitigt eine plausible Änderung den Vorteil, berichten Sie Empfindlichkeit und fehlende Umsetzungsevidenz. Erklären Sie nicht jedes pessimistische Szenario allein wegen seiner Vorsicht für realistisch. Ein Modell mit sofortigen vollständigen Ausführungen zu jedem Referenzkurs muss diese Einschränkung offen angeben. MAE/MFE-Diagnosen und ihre Abtastkonventionen werden entwickelt in Artikel 15.9.

Ein kombiniertes Kostenregister für ein Validierungsskript

Das folgende ausführbare Lehrbeispiel erweitert den Pseudocode dieses Beispiels. Alle Komponenten verwenden die Pipeinheiten des Währungspaars. Die kleinen Spread- und Kommissionstabellen sind synthetisch, keine Anbieterdaten. UTC-Stundenbereiche sind bewusst vereinfacht und modellieren weder Sommerzeitwechsel noch Veröffentlichungsschocks. Forschung für den tatsächlichen Einsatz sollte datierte Kurse oder ein passend spezifiziertes bedingtes Modell verwenden.

Finanzierungsereignisse liefern getrennte Long- und Shortkosten sowie den geltenden Tagesmultiplikator; die Funktion unterstellt keine entgegengesetzten Sätze und errät keinen Dreifachswap aus einer bloßen Nächteanzahl. Kennzeichen bestimmen bereits im getesteten Gewinn/Verlust enthaltene Komponenten. Das Ergebnis ist die noch abzuziehende zusätzliche Anpassung, keine Erlaubnis, das gesamte Register ein zweites Mal zu berechnen.

import math

def total_cost_per_trade(pair, hour_utc, atr_pips, direction,
                         financing_events=(), *, spread_in_fills=False,
                         slippage_in_fills=False, commission_in_result=False,
                         financing_in_result=False):
    """Zusätzliche Kosten in Pips; positiv = Kosten, negativ = Nettogutschrift.

    Jedes Finanzierungsereignis enthält unabhängige tägliche pipäquivalente
    KOSTEN für 'long' und 'short' sowie den geltenden 'multiplier'. Eine Gutschrift ist negativ.
    Datierte Ereignisse extern aus tatsächlicher Haltedauer und Sätzen befüllen.
    """
    spread_table = {
        "EURUSD": {"low": 1.5, "normal": 0.7, "peak": 0.3},
        "GBPJPY": {"low": 4.0, "normal": 2.0, "peak": 1.2},
    }
    commission_table = {"EURUSD": 0.6, "GBPJPY": 0.8}  # Synthetische Pips für Hin- und Rückgeschäft.
    if pair not in spread_table:
        raise ValueError("Nicht unterstütztes Paar: ein ausdrückliches Kostenmodell angeben")
    if direction not in ("long", "short"):
        raise ValueError("direction muss long oder short sein")
    if isinstance(hour_utc, bool) or not isinstance(hour_utc, int):
        raise ValueError("hour_utc muss eine ganze Zahl von 0 bis 23 sein")
    if not 0 <= hour_utc <= 23:
        raise ValueError("hour_utc muss eine ganze Zahl von 0 bis 23 sein")
    if not math.isfinite(atr_pips) or atr_pips < 0:
        raise ValueError("atr_pips muss endlich und nichtnegativ sein")
    regime = "low" if hour_utc >= 22 or hour_utc <= 6 else (
        "peak" if 8 <= hour_utc <= 16 else "normal"
    )
    spread = 0.0 if spread_in_fills else spread_table[pair][regime]
    slippage = 0.0 if slippage_in_fills else 2 * 0.1 * atr_pips
    commission = 0.0 if commission_in_result else commission_table[pair]
    financing = 0.0
    for event in financing_events:
        rate = float(event[direction])
        multiplier = float(event["multiplier"])
        if not math.isfinite(rate) or not math.isfinite(multiplier) or multiplier < 0:
            raise ValueError("Ungültiges Finanzierungsereignis")
        if not financing_in_result:
            financing += rate * multiplier
    return spread + slippage + commission + financing

# Synthetisches Beispiel: getrennte Sätze, keine Annahme entgegengesetzter Vorzeichen.
events = [{"long": 0.3, "short": 0.1, "multiplier": 3}]
print(total_cost_per_trade("EURUSD", 10, 5.0, "long", events))  # 2.8 Pips
print(total_cost_per_trade("EURUSD", 10, 5.0, "long", events,
                           spread_in_fills=True))             # 2.5 Pips

Für eine einfache Kontrolle werden +0,4R vor Zusatzkosten zu +0,2R bei Kosten von 0,2R oder zu −0,1R bei 0,5R Kosten. Rechnen Sie das Pipregister anhand des relevanten anfänglichen Risikoabstands und der Währungskonvention um. Ohne ausdrückliches Register und Ausführungsmodell wissen Sie nicht, welches Nettoergebnis der historische Bericht abbildet.

8. Selektive Auswahl und Signalauswahl

Methodisches Cherry-Picking entsteht, wenn ein Forscher einige Signale entfernt und den attraktiven Rest ohne gültige vorab festgelegte Auswahlregel berichtet. Es kann absichtlich oder unbewusst geschehen. Eine insgesamt verlustreiche Implementierung kann dann profitabel erscheinen, weil ungünstige Beobachtungen aus der berichteten Stichprobe verschwunden sind.

Drei Formen selektiver Auswahl

1. „Signale, die nicht richtig aussehen, lasse ich aus.“ Ein historischer Chart enthält ein gültiges Signal, doch der Forscher verwirft es als falschen Kontext. Sind spätere Kerzen sichtbar oder erinnerlich, kann „nicht richtig“ mit dem Verlustausgang statt einer zur ursprünglichen Entscheidung verfügbaren Regel korrelieren. Eine diskretionäre Strategie lässt sich untersuchen, benötigt aber ein definiertes verblindetes oder prospektives Klassifikationsprotokoll und aufbewahrte Entscheidungen vor Kenntnis des Ergebnisses.

2. „Nach Sichtung der Verluste füge ich einen Filter hinzu.“ Eine Gruppe von Verlusten am Dienstagvormittag führt zu einem neuen Dienstagsausschluss. Derselbe historische Zeitraum verbessert sich konstruktionsbedingt. Das belegt nicht, ob Dienstage tatsächlich anders sind. Behandeln Sie den Filter als neue Hypothese, dokumentieren Sie den Vorschlagsgrund und validieren Sie ihn unabhängig, statt die ausgewählte Stichprobe als Bestätigung auszugeben.

3. „Ich verwende nur saubere Zeiträume.“ Der Forscher entfernt Stresshistorie wie März 2020, die Finanzkrise 2008 oder den Ausverkauf Ende 2018 und berichtet die übrigen Zeiträume als repräsentativ. Diese Beispiele benötigen genaue Bezeichnungen: Lehman Brothers scheiterte im September 2008, und das gewöhnlich als Taper Tantrum bezeichnete Ereignis war 2013, nicht Dezember 2018. Eine vorab festgelegte Strategie kann beobachtbare Bedingungen ausschließen, nicht aber eine unerwartete Krise rückblickend bloß wegen eines unangenehmen Ergebnisses. Bewahren Sie Stresszeiträume auf und geben Sie an, was die Regeln mit den damals verfügbaren Informationen tatsächlich getan hätten.

Selektiven Umgang mit Signalen erkennen

• Zählen Sie Kandidaten, zulässige Signale und Ausführungen getrennt. Die Warnschwellen des Beispiels von 10% und 30% für manuelles Auslassen sind beispielhafte Prüfauslöser, keine Wahrscheinlichkeiten für erfolgtes Cherry-Picking. Selbst eine kleinere ergebnisgesteuerte Auslassung kann verzerren; eine hohe regelbasierte Ausschlussquote kann legitim sein.
• Dokumentieren Sie Ablehnungsgrund und Zeitstempel. Ein vor der Auswertung formulierter Filter unterscheidet sich von einer improvisierten Entscheidung nach dem Ergebnis. Bewahren Sie bei beabsichtigtem Ermessensspielraum die Beurteilung zum Entscheidungszeitpunkt auf, statt sie stillschweigend als mechanischen Filter zu behandeln.
• Rekonstruieren Sie den vollständigen Zeitraum. Vergleichen Sie alle zulässigen Signale mit der selektiv ausgeführten Teilmenge einschließlich schwieriger Bedingungen. Eine Leistungslücke verlangt Diagnose: Sie kann Auswahl, Ausführungsfehler oder einen echten vorab festgelegten Filtereffekt widerspiegeln. Die Lücke allein bestimmt die Ursache nicht.

Das Signalinventar: eine konkrete Kontrolle

Weisen Sie jedem Kandidaten einen Status in einem automatisch erzeugten oder aus dem Journal abgeglichenen Protokoll zu. Die Status müssen sich auf der gewählten Ebene gegenseitig ausschließen; bewahren Sie getrennte Anfrage- und Ausführungsaufzeichnungen auf, wenn ein Kandidat zur Ausführung gelangt:

Anbieter- oder Infrastrukturfehler nach einem gültigen Signal benötigen zusätzliche Ausführungsstatus, etwa order_rejected, order_state_unknown oder partial_fill. Sie sind nicht automatisch ungültige Marktdaten. Geben Sie bei Fehlerquoten den Nenner ausdrücklich an; andernfalls können unbegrenzte Regelausschlüsse den Zielwert für den Status „taken“ mathematisch irreführend machen.

Nach der Richtlinie des Beispiels stoppen mehr als 10% manuelle Auslassungen den Fortschritt, bis die Abweichung verstanden ist. Formalisieren Sie entweder einen vertretbaren Grund als neue Regel und werten Sie die neue Version aus oder erkennen Sie an, dass die vorgesehene Methode im aktuellen Ablauf nicht zuverlässig ausführbar ist. Kennzeichnen Sie alte Ermessensauslassungen nicht so um, als hätte der neue Filter damals existiert. Die Zahlenschwelle ist eine Prozessentscheidung, keine Grenze, unter der Auswahlverzerrung verschwindet.

Selektive Auswahl in einer EA-Verkaufspräsentation

Ein umsichtiges Kaufkriterium ist, den relevanten Test mit eigenen Daten und Kostenannahmen reproduzieren und seine Einschränkungen verstehen zu können. Quellcodezugang ermöglicht tiefere Prüfung, doch ein Produkt mit geschlossenem Quellcode ist nicht automatisch betrügerisch; es hat eine Validierungsgrenze, die Ihre Richtlinie möglicherweise nicht akzeptiert. Hoher Preis, glatte Kurve oder starke Bewertung schließen diese Lücke nicht. Kaufen oder setzen Sie nichts bloß deshalb ein, weil ein ausgewählter Bericht überzeugend wirkt.

9. Häufige Testfehler

Fehler 1: Auf dem gesamten Datensatz optimieren

Ein Forscher probiert 200 Parameterkombinationen über fünf Jahre und wählt die mit +180%, ohne unangetastete Auswertung. Das Maximum ist ein ausgewähltes Ergebnis; seine Höhe allein belegt keinen Vorteil. Nutzen Sie einen chronologischen Entwicklungs- und Auswertungsaufbau, dokumentieren Sie die Aufteilung in Feld 4 und alle 200 Versuche in Feld 7. Die 70/30-Aufteilung des Beispiels ist ein Beispiel, keine allgemeine Regel. Eine prospektive Phase bleibt nützlich, macht die frühere Auswahl aber nicht rückwirkend zu einem unabhängigen Test.

Fehler 2: Eine kleine historische Stichprobe als entscheidend behandeln

Ein Backtest über sechs Monate mit 24 Trades ist weiterhin ein Backtest, kann aber schwache Evidenz für eine breite langfristige Aussage sein. Seine Unsicherheit kann relativ zum Mittelwert groß sein und der Zeitraum nur ein relevantes Regime enthalten. Wählen Sie eine Historie, die den beabsichtigten Geltungsbereich abdeckt, und berichten Sie die tatsächlich beobachteten Regime; „mehrere Jahre“ allein garantieren keine Abdeckung. Anzahlen wie 200 oder 500 in diesem Artikel sind Szenariobeispiele, keine Marktstandards. Beurteilen Sie Genauigkeit anhand von Verteilung, Abhängigkeit und Entscheidungsschwelle.

Fehler 3: Nur eine Kursseite verwenden, ohne die andere zu modellieren

Ein zum Bid eröffneter und geschlossener Long lässt den Einstiegs-Ask aus und kann das Ergebnis in einem einfachen Vergleich passender Kurse ungefähr um den Spread überhöhen. Long-Einstieg erfolgt zum Ask und Ausstieg zum Bid; Short-Einstieg zum Bid und Ausstieg zum Ask. Eine reine Bid-Historie ist nicht automatisch unbrauchbar, wenn ein begründetes Ask- und Ausführungsmodell ergänzt wird, doch die Näherung muss ausdrücklich sein. Der Modus aufgezeichneter Ticks in MT5 und ein passend konfigurierter MT4-Tickdatenablauf sind zu untersuchende Möglichkeiten, kein Beweis vollständiger Realitätsnähe.^[6] Dokumentieren Sie Bid-, Ask-, Mittelkurs- sowie Konventionen erzeugter gegenüber aufgezeichneter Daten in Feld 3.

Fehler 4: Regimeunterschiede ignorieren

Ein Ergebnis aus einem Politik-, Volatilitäts- oder Liquiditätsumfeld lässt sich möglicherweise nicht auf ein anderes übertragen. Bezeichnen Sie keine ganzen mehrjährigen Zeiträume als durchgehend niedrig- oder hochverzinst, QE oder QT, wenn sich ihre Bedingungen änderten. Rollierende Auswertung kann Unterschiede zwischen beobachteten Fenstern aufdecken, doch ein regimeabhängiger Vorteil benötigt ausreichende Evidenz und eine Regel, die das Regime mit damals verfügbaren Informationen erkennt. Ein nach Sichtung günstiger Fenster erfundener Filter ist eine neue Forschungsvariante, keine automatische Aktivierungsregel.

Fehler 5: Übertragbarkeit ohne Prüfung behaupten

Ein erfolgreich aussehender EUR/USD-Test belegt nicht, dass dieselbe Methode über Währungen hinweg funktioniert. Gilt die Aussage paarübergreifend, werten Sie eine vorab festgelegte Menge aus, etwa fünf bis acht Paare in einem beispielhaften Forschungsaufbau, mit angemessenen Kosten und Abhängigkeitsbehandlung. Ist die ursprüngliche Aussage tatsächlich EUR/USD-spezifisch, widerlegt ein Scheitern auf einem anderen Paar sie für sich allein nicht und beweist auch keine Kurvenanpassung. Der Geltungsbereich der Schlussfolgerung muss dem der Evidenz entsprechen.

Fehler 6: Rendite mit risikobereinigter Leistung verwechseln

Angenommen, Strategie A berichtet 35% annualisierte Rendite und 22% maximalen Drawdown, B dagegen 25% und 8% über einen vergleichbaren Messhorizont. Ein einfacher Calmar-artiger Vergleich ergibt:

• A: 35 / 22 ≈ 1,6.
• B: 25 / 8 ≈ 3,1.

B hat unter diesen Definitionen das höhere Verhältnis von Rendite zu beobachtetem Drawdown. Das belegt nicht jede Dimension von Stabilität oder künftigem Risiko. Aus diesen beiden Zahlen allein lässt sich Sharpe nicht berechnen. Sharpe benötigt eine Renditereihe mit festgelegter Frequenz, eine passende Referenzrendite und eine Annualisierungskonvention: (mittlere periodische Rendite - Referenzrendite) / Standardabweichung der periodischen Rendite, wobei jede Annualisierung mit der Quadratwurzel der Periodenzahl durch die Annahmen zu begründen ist.

Eine Jahresrendite durch eine monatliche Standardabweichung ohne konsistente Einheiten zu teilen ist keine geeignete Sharpe-Berechnung. Fehlende Eingaben bedeuten, dass die Kennzahl nicht verfügbar ist, keine Erlaubnis, eine Näherung zu erfinden. Artikel 15.9 entwickelt Sharpe, Sortino und Calmar sowie die jeweils nicht gemessenen Aspekte.

Fehler 7: Nach dem Liveeinsatz nicht mehr messen

Ein Kandidat kann historische Forschung, Demo und einen begrenzten Pilot bestehen und nach wachsender Kapitalzuweisung nicht mehr gemessen werden. Gleichen Sie die Liveimplementierung weiterhin ab und vergleichen Sie Ergebnisse mit Annahmen, Unsicherheit und Szenariogrenzen des Tests. Eine neue Stichprobe hat ihre eigene Unsicherheit; zu fragen, ob ihr Mittelwert im Konfidenzintervall der alten Stichprobe liegt, reicht nicht. Artikel 15.10 definiert Prüfrhythmus und Entscheidungen zum Beibehalten, Beobachten, Reduzieren oder Stoppen. Dieser Artikel liefert die Vergleichsaufzeichnung: Kennzahlendefinitionen, ursprüngliche Intervalle, Kosten und simulierte Drawdown-Quantile.

Fehler 8: Die Methode nach jeder Verlustserie ändern

Wöchentliche Parameteränderungen nach fünf bis zehn Verlusten können der über eine einzelne Version eintreffenden Information vorauseilen. Bei unabhängigen Ergebnissen und Gewinnwahrscheinlichkeit von 52% haben fünf Verluste in einem vorab festgelegten Block die Wahrscheinlichkeit 0,48⁵ ≈ 2.5%. Die Wahrscheinlichkeit mindestens einer solchen Serie irgendwo in 100 Trades beträgt etwa 75%. Letztere hat viele überlappende Gelegenheiten für die Serie; diese Fenster als unabhängig zu behandeln mit 1 - (1 - q^k)^(N-k+1) überhöht in diesem Beispiel die exakte Serienwahrscheinlichkeit.

Dies sind Modellrechnungen, keine Behauptung, Ihre Tradeergebnisse seien unabhängig. Die Lehre ist, vor der Erklärung einer Strategie als defekt die richtige Wahrscheinlichkeitsfrage zu stellen. Verwenden Sie vorab festgelegte Forschungsprüfkriterien statt des Eindrucks der letzten Woche. Betriebsfehler, überschrittene Risikogrenzen oder ein nachgewiesener Datenfehler können dennoch eine sofortige Pause verlangen; vor dem Kontoschutz brauchen Sie keinen statistisch signifikanten Erwartungswertrückgang. Eine Regeländerung schafft eine neue Version und benötigt ihre eigene Auswertung.

Vor einer Regeländerung: Diese Ebenen der Reihe nach prüfen

Verwechseln Sie einen Strategiemangel nicht mit einem Implementierungs- oder Datenproblem. Stellen Sie vor Änderungen der Handelsregeln fest, was das Ergebnis misst:

1. Daten und Ausführung. Gleichen Sie das Journal mit Anbieteraufzeichnungen ab, bestätigen Sie die Version und zählen Sie Regelabweichungen. Ein verunreinigter Zeitraum lässt sich nicht als saubere Leistung der spezifizierten Strategie interpretieren; er kann dennoch nützliche Evidenz zum Betriebsfehler liefern.
2. Kosten. Vergleichen Sie tatsächlichen Spread, Slippage und Kommission mit der Karte. Eine Erwartungswertsenkung von 0,15R bei einer Kostenerhöhung von 0,15R kann die Abweichung erklären. Kosten gehören zur Tragfähigkeit der handelbaren Strategie, auch wenn sich der Einstiegsmechanismus nicht geändert hat.
3. Regime. Prüfen Sie, ob die vorgesehenen Einsatzbedingungen der Strategie tatsächlich auftraten und ihr Zulässigkeitsfilter korrekt angewandt wurde.
4. Vorteil. Bewerten Sie erst dann Ergebnisverteilung und Unsicherheit relativ zur vorab festgelegten Entscheidungsregel, nicht bloß den Mittelwert der letzten zwölf Trades.

Die vollständige Entscheidungstabelle „System oder Ausführung ändern“, Herabstufungskriterien und Prüfprozess gehören zu Artikel 15.10. Hier gilt: Klären Sie die ersten drei Diagnoseebenen, bevor Sie die Abweichung der Einstiegs- und Ausstiegslogik zuschreiben. Jede echte Regeländerung führt zum versionierten Testprozess zurück; sie ist kein unsichtbarer Flicken der alten Evidenz.

10. Checkliste – zwei getrennte Hürden für Liveentscheidungen

Die Checkliste enthält 20 Punkte in fünf Kategorien: statistische Auswertung, methodische Kontrollen, Kosten, prospektive Tests und operative Disziplin. Es gibt zwei Hürden, weil Punkt 17 tatsächliche Livebeobachtungen erfordert und keine Voraussetzung für die erste begrenzte Liveuntersuchung sein kann. Prüfen Sie in dieser Version 1–16, 19 und 20 vor Erwägung dieser gesondert genehmigten Untersuchung; prüfen Sie alle 20 vor jeder anschließenden Skalierungsentscheidung. Der fortlaufende Messplan in Punkt 20 sollte vor dem Pilot bestehen, nicht erst danach.

Eine Punktzahl gleicht keine fehlende kritische Anforderung aus. „Nicht anwendbar“ braucht eine schriftliche Begründung. Alle Dauern, Tradeanzahlen und numerischen Richtlinienschwellen hier sind Szenarioentscheidungen, keine Marktstandards. Eine ausgefüllte Liste zertifiziert weder Profitabilität noch die Berechtigung zur Orderaufgabe.

Die Seite übermittelt diese Antworten nicht und speichert sie nicht gezielt als Forschungsnachweis. Ein Browser kann den Formularzustand bei erneutem Besuch wiederherstellen; das belegt keine Prüfung der Punkte. Speichern Sie die geprüfte Checkliste im datierten Testarchiv.

Erforderliches Archiv: elf Bestandteile

Eine Prüfung für den Liveeinsatz benötigt einen Prüfpfad. Ohne ihn lässt sich sechs Monate später möglicherweise nicht rekonstruieren, welche Regeln, Daten und Annahmen das ursprüngliche Ergebnis erzeugten:

1. Die Testkarte mit zwölf Feldern: Felder 1–9 vor der Auswertung, Ergebnisse und Einschränkungen danach, mit vervollständigtem und geprüftem Reproduktionsmanifest.
2. Historische Eingaben: Rohmarkt- und Kalenderdaten, Quelle, Beschaffungsdatum, Berechtigungen, Hashes, bereinigte Versionen, Transformationscode und ein Protokoll von Lücken, Duplikaten und Revisionen.
3. Strategiespezifikation und Implementierung: lesbare Regeln, Code, Parameter, Abhängigkeits- und Plattformversionen, Einfrierzeitstempel und genaue Befehle. Vor OOS einfrieren, nicht nach Sichtung.
4. IS-, Validierungs- und OOS-Berichte: Aufteilungsgrenzen, vollständige Versuchshistorie, Eigenkapitalkurven, Erwartungswertintervalle, Profitfaktor und Drawdown je rollierendem Fenster sowie vergleichbare Basislinienergebnisse.
5. Simulations- und Stressbericht: beispielhaft 1.000 oder mehr Pfade mit Startwert, Code, Blockschema, Horizont, Positionsgröße, Rendite- und Drawdown-Quantilen, Schwellenüberschreitungsquoten und Einschränkungen. Mehr Pfade sind keine zusätzlichen Marktbeobachtungen.
6. Kosten- und Kontomodell: Sitzungs- oder Tickspreads, Slippage-Annahmen, getrennte Finanzierungssätze und Tagesmultiplikatoren, Kommission, Umrechnungen, Margin- und Symbolbeschränkungen.
7. Demo- oder Papierhandelsexporte: der vollständige geplante Beobachtungszeitraum, beispielhaft 30 Tage, mit ursprünglichen Signalzeitstempeln, Status und historischem Abgleich.
8. Journal des begrenzten Livepilots, sofern genehmigt und abgeschlossen: der geplante Zeitraum, beispielhaft 90 Tage, mit R₀ jedes Trades, Netto-R, MAE/MFE-Konvention, tatsächlichen Kosten, Anfragen, Ausführungen, Vorfällen und gegebenenfalls Vorher-/Nachher-Bildschirmfotos.
9. Signalinventar: alle Kandidaten sowie Gründe für Ausschlüsse, manuelle Auslassungen, ungültige Daten und Ausführungsfehler mit reproduzierbaren Nennern der Abweichungsquoten.
10. Aufzeichnung der Anbietereinstellungen: Kontotyp, Symbolbedingungen, Hebel, Mindestvolumen, Stops und Gebühren zum Testdatum. Bewahren Sie für die Untersuchung eines Ausführungsstreits benötigte Evidenz auf, ohne Zugangsdaten offenzulegen.
11. Wiederherstellbare Sicherungen und Entscheidungsaufzeichnung: eingefrorener EA, Skripte und Vorlagen, geprüfte Schlussfolgerungen, ungeklärte Einschränkungen, Zuständigkeit, Wiederherstellungsorte und Bedingungen für Pause oder Wiederaufnahme.

Ein beispielhaftes Verzeichnis lautet strategy_X/2026-Q2/{01_data,02_IS,03_OOS_locked,04_montecarlo,05_demo,06_micro_live,07_artefacts}. Halten Sie wiederherstellbare Kopien auf geeignetem Speicher vor und schützen Sie sensible Exporte. Cloudspeicher ist eine von Ihrer Datenrichtlinie bestimmte Wahl, keine Pflicht. Hashes zeigen Datei-Unterschiede; sie beweisen nicht, dass die zugrunde liegenden Kurse korrekt sind.

Das Bestehen der ersten Hürde erlaubt eine Prüfung einer möglichen Freigabe für eine begrenzte Liveuntersuchung, keine automatische Order. Alle zwanzig erfüllten Punkte erlauben eine spätere Einsatz- oder Skalierungsprüfung nach Plan. Eine fehlende kritische Bedingung führt das Projekt zur ungeklärten Phase zurück. Die gleichberechtigte Schlussentscheidung lautet, nicht live einzusetzen.