Forex-Trading-Journal — R-Multiple, Erwartungswert, SQN und MAE/MFE

Ein Trading-Journal sollte Entscheidungen erklären helfen, statt lediglich Screenshots und Ergebnisse zu sammeln. Dafür braucht es einheitliche Aufzeichnungen zu Plan, Ausführung, Kosten und Anfangsrisiko. Wir zeigen, was du nach jedem Trade aufzeichnen solltest, wie du die Zahlen mit der Kontohistorie abstimmst und wie du R-Multiple und andere Kennzahlen berechnest, ohne Definitionen zu vermischen. Der Artikel führt vom Erwartungswert und Profit-Faktor zu Drawdown, Schätzunsicherheit, MAE und MFE. Er erläutert außerdem die Grenzen verbreiteter Indikatoren und Journal-Werkzeuge. Durchgerechnete Beispiele und ein Kontrolldatensatz helfen dir, Berechnungen zu überprüfen, bevor du sie auf deine eigenen Aufzeichnungen anwendest. Das Ziel sind verlässliche Belege, die ein Problem erkennen lassen und eine Entscheidung stützen, statt einer einzelnen Kennzahl, die angeblich eine Strategie beurteilt.

1. Warum du ohne Journal eine Meinung hast, aber kein System

Trading ohne Aufzeichnung empirischer Marktparameter ist ein teures Hobby. Du besitzt kein System, sondern führst eine Folge beliebiger Klicks aus, die durch Survivorship Bias verzerrt ist. Nach dem in der polnischen Quelle erläuterten geltenden Rahmen für CFD-Risikowarnungen veröffentlichen Anbieter den Anteil ihrer eigenen Kleinanlegerkonten, die Geld verlieren, und aktualisieren ihn mindestens quartalsweise. Dies ist eine Offenlegungspflicht in einer bestimmten Rechtsordnung, keine Regel, deren weltweite Geltung für jeden Broker vorausgesetzt wird. Die Zahl eines einzelnen Brokers ist keine globale Marktkonstante; eine Mittelwertbildung ist sinnlos. Diese Zahlen beschreiben deine statistische Vergleichsgruppe. Ohne gründliche Diagnose wiederholt die große Mehrheit während ihrer gesamten Trading-Laufbahn dieselben Fehler; Erfahrung ohne Messung ist lediglich wiederholbares Scheitern.

Drei kognitive Illusionen, die Trader ohne Journal ruinieren

Illusion 1: Selektives Gedächtnis. Das menschliche Gehirn priorisiert emotional aufgeladene Ereignisse (einen großen Glücksgewinn, eine vernichtende Margin-Liquidation) und schwächt neutrale Vorkommnisse ab. Nach einem Monat behältst du vielleicht 3 von 50 Trades im Gedächtnis — meist zwei spektakuläre Gewinner und einen schmerzhaften Verlust. Das Gedächtnis stellt diese drei Trades als repräsentativ für deine gesamte Leistung dar — was sie nicht sind. Ein Journal beseitigt diese Täuschung: Schwarz auf weiß erkennst du, dass deine „Montagsstrategie“ im vergangenen Quartal tatsächlich 8 Gewinne und 11 Verluste erbracht hat.

Illusion 2: Nachträgliche Rationalisierung. Nach einem Verlusttrade erfindet das Gehirn die bequeme Geschichte: „Ich wusste, dass dieses Setup schwach aussah.“ Nach einem Gewinntrade: „Ich habe den Markt richtig gelesen.“ Beide Erzählungen entstehen nachdem das Ergebnis bekannt ist, und ähneln kaum dem, was du vor der Ausführung tatsächlich wusstest. Ein Journal erzwingt, die Absicht vor dem Klick festzuhalten (geplanter Einstieg, geplanter SL, Setup-Klassifikation). Der Vergleich von Plänen vor dem Trade mit der späteren Ausführung zeigt, wie viele deiner „scharfsinnigen Entscheidungen“ tatsächlich geplant und wie viele rückwirkend erfunden waren.

Illusion 3: Gesamtsaldo statt Verteilung. Ein Amateur betrachtet nur die Konto-Equity: „Im März habe ich 4% verdient“ — und beendet jede Analyse. Doch diese 4% könnten aus 60 Trades mit 55% Trefferquote und +0.3R Erwartungswert stammen (der gesündere Prozess in diesem Beispiel) oder aus 12 Trades mit 75% Trefferquote und einem einzigen glücklichen +6R-Trade, der verdeckt, dass die anderen 11 hemmungsloses Glücksspiel waren (ein fragiler Prozess, den ein Ausreißer kaschiert). Der Kontostand kann diese beiden Realitäten nicht unterscheiden. Ein Journal mit geeigneten Kennzahlen unterscheidet sie sofort.

Die Definition eines Handelssystems (die Privattrader übersehen)

Ein Handelssystem ist ein wiederholbarer Prozess, dessen Ergebnisse in standardisierten Einheiten messbar sind. Drei entscheidende Kriterien definieren es:

• Wiederholbar — identische Marktbedingungen führen zu einheitlichen Ausführungsentscheidungen. Nicht „Ich spürte starkes Aufwärtsmomentum“, sondern „Die Bedingungen A, B und C waren erfüllt und lösten eine regelbasierte Ausführung aus.“
• Gemessen — jeder Trade wird mit 29 Feldern im Journal dokumentiert; der Erwartungswert wird je Setup berechnet und der Profit-Faktor monatlich ausgewertet.
• Standardisierte Einheiten — das R-Multiple dient als universelle Vergleichswährung. „Ich habe PLN 200 verdient“ sagt überhaupt nichts aus (welches Kapital wurde riskiert?), während „Ich habe +1.8R erzielt“ alles vermittelt.

Ohne diese drei Säulen betreibst du kein System, sondern voneinander losgelöste Einzelwetten ohne gemeinsamen Nenner. Du könntest Glück haben (und dich für geschickt halten) oder ungünstige Varianz erleben (und daraus schließen, der Broker habe den Kurs manipuliert). Keine dieser Schlussfolgerungen ist begründet — dir fehlen schlicht die empirischen Daten für eine objektive Beurteilung.

Aufzeichnung vor dem Trade — Nachträgliche Selbsttäuschung verhindern

Eine zweite, häufig unterschätzte Funktion eines Journals ist die operative Reibung. Die Ausführungsparameter (geplanter Einstieg, geplanter SL, Positionsgröße, Setup-Einstufung) vor dem Klick zu erfassen, hat ein vorrangiges Ziel: Es erschwert die Selbsttäuschung nach Bekanntwerden des Ergebnisses. Verletzt ein Einstieg deine Playbook-Regeln, hält das Journal dies sofort fest und verhindert, dass du „Der Kursverlauf wirkte bullisch“ schreibst. Eine Tabelle rationalisiert nicht für dich: Wenn du deinen Stop-Loss manuell verschoben hast, dokumentiert Zeile 42 Fehlercode 3, wie gewandt du nach der Sitzung auch eine Ausrede erfindest. Das ist mehr als Psychologie: Es ist operative Reibung, die bewusstes Nachdenken erzwingt, bevor leichtfertig ausgeführt wird.

2. Was du aufzeichnen solltest — 29 Felder eines professionellen Trading-Journals

Ein Amateur-Journal besteht aus 5 bis 8 Grundfeldern: Datum, Währungspaar, Richtung, Einstieg, SL, TP, Ergebnis und kurzer Kommentar. Das ist das absolute Minimum eines Broker-Kontoauszugs und für eine systematische diagnostische Analyse völlig unzureichend. Ein professionelles Trading-Journal erfasst 29 Felder in 7 funktionalen Gruppen. Jedes einzelne Feld beantwortet eine eigene analytische Frage.

Gruppe A: Trade-Identifikation (4 Felder)

Grundlegende Metadaten — was geschah und genau wann.

1. Trade-ID — eindeutige Kennung (z. B. T-2026-04-001), die Querverweise in Nachbesprechungen, Skripten und Analysedatenbanken ermöglicht.
2. Eröffnungsdatum und -zeit — minutengenau in einer einheitlichen Zeitzone aufgezeichnet (empfohlen UTC, optional zusätzlich die lokale Marktzeit).
3. Währungspaar — EUR/USD, GBP/JPY usw.
4. Richtung — long / short.

Gruppe B: Strategischer Kontext (4 Felder)

Deine strategische Absicht, die Setup-Struktur und die Einordnung des Marktumfelds.

5. Playbook-Setup — ein konkret benanntes Setup (z. B. „LON-breakout-A“, „NY-mean-revert-B“). Ohne dieses Feld ist die Berechnung des setupspezifischen Erwartungswerts mathematisch unmöglich.
6. Setup-Einstufung / Bewertung — A+, A, B, C. Jede Stufe bestimmt eine konkrete Positionsgröße. Ohne Einstufung kannst du nicht feststellen, ob du mit A+-Setups profitabel bist und bei B-Setups Kapital verlierst oder umgekehrt.
7. Marktregime — Trend / Seitwärtsbewegung / hohe Volatilität / niedrige Volatilität — vor dem Einstieg auf D1 oder H4 beurteilt.
8. Handelssitzung — Asien / London / New York / Überschneidung London–NY. Damit grenzt du ein, welche Handelssitzung einen empirischen Vorteil erbringt und welche beständig Verluste verursacht.

Gruppe C: Orderparameter — Plan und Realität (6 Felder)

Hier treten die ungeschönten, harten Wahrheiten der Trade-Ausführung von Privatanlegern am deutlichsten hervor.

9. Geplanter Einstieg — das genaue technische Kursniveau, auf dem du laut Analyse vor dem Trade einsteigen wolltest.
10. Tatsächlicher Einstiegskurs — der vom Broker tatsächlich ausgeführte Kurs (die Quelle verwendet beispielhafte 1–5 Pips Slippage auf M15; dies ist ein Beispiel und kein allgemeiner Ausführungsmaßstab).
11. Geplanter SL — technischer Invalidierungskurs, an dem die Trade-These widerlegt wird (durch die Strategieregeln bestimmt).
12. Tatsächlicher SL-Ausführungskurs — der genaue Kurs, auf dem der Liquiditätsanbieter die Stop-Order ausführte (bei Liquiditätsvakuum kann die Slippage der Stop-Ausführung 2–10× höher als beim Einstieg sein).
13. Geplanter TP — geplanter Zielkurs oder vorher festgelegter Ausstieg in R-Multiples.
14. Tatsächlicher TP-Ausführungskurs / Manueller Ausstieg — tatsächlicher Ausführungskurs bei Zielerreichung oder manuellem diskretionärem Schließen.

Gruppe D: Reibungskosten (4 Felder)

Reibungskosten mindern den theoretischen Brutto-Erwartungswert — um wie viel genau, zeigt nur dein Journal, abhängig vom Instrument, Ausführungsmodell deines Brokers und Stop-Abstand. Ohne Erfassung dieser Reibung kannst du nicht wissen, ob dein Vorteil netto besteht.

15. Spread (Pips) — tatsächlicher Spread beim Einstieg, nicht der auf Broker-Websites beworbene „ab“-Spread.
16. Einstiegs-Slippage (Pips) — direction × (actual_entry − planned_entry) / pip_size; ein positiver Wert bedeutet ungünstige Slippage (eine schlechtere Ausführung als geplant).
17. Ausstiegs-Slippage (Pips) — direction × (planned_exit − actual_exit) / pip_size. Beachte die Umkehr des mathematischen Vorzeichens: Bei einer Long-Position ist ein ungünstiger Einstieg ein höherer Kurs als geplant, ein ungünstiger Ausstieg hingegen ein niedrigerer Kurs als geplant. Die beabsichtigte Konvention ist auf beiden Seiten gleich: Ungünstige Slippage ist positiv, günstige Slippage negativ. Wer beim Ausstieg dieselbe Subtraktionsreihenfolge wie beim Einstieg verwendet, kehrt diese Bedeutung für Ausstiege um.
18. Swap und Kommission — in Kontowährung, einschließlich Übernachtfinanzierung und ECN-Transaktionskosten.

Gruppe E: PnL und Leistungskennzahlen (3 Felder)

19. Brutto-PnL — in Pips und Kontowährung, berechnet aus den ausgeführten Kursen ohne Finanzierung und Kommissionen.
20. Netto-PnL des Brokers — PnL des Kontoauszugs nach Abzug von Kommissionen und Swap; Spread und Slippage sind bereits in den Ausführungskursen enthalten, daher nicht ein zweites Mal abziehen.
21. Netto-R-Multiple — broker_net_pnl / planned_risk (in Abschnitt 3 formalisiert).

Gruppe F: Bewertung der Entscheidungsqualität (4 Felder)

Diese Gruppe wird am häufigsten ignoriert und hat zugleich die größte diagnostische Aussagekraft. Zwei Trades können identische finanzielle Ergebnisse erzielen und dennoch eine völlig unterschiedliche Entscheidungsqualität darstellen.

22. Fehlerklassifikation — kategorische Systematik: 0 = kein Fehler (fehlerfreier Prozess), 1 = Stop-Loss zu weit, 2 = Stop-Loss zu eng, 3 = Stop entgegen dem Plan verschoben, 4 = verfrühter Ausstieg, 5 = verspäteter Ausstieg, 6 = Einstieg außerhalb des Playbooks (FOMO), 7 = zu große Position (mehr Lots als geplant), 8 = Rachetrade, 9 = sonstiger kognitiver/diskretionärer Fehler, 10 = Infrastrukturversagen (fehlender fester Server-Stop, Verbindungsabbruch der Broker-Plattform, Internetausfall — die einzige Fehlerkategorie, deren Behebung eine operative Umstellung statt einer Verhaltensänderung erfordert).
23. Psychischer Zustand (1–5) — 1 = beeinträchtigt (müde, gereizt, abgelenkt), 5 = optimal (konzentriert, ausgeruht, klar im Kopf). Muss vor der Orderübermittlung erfasst werden, niemals rückwirkend.
24. Schlafstunden — Ganzzahl/Dezimalzahl. Ermöglicht die Berechnung der Spearman-Rangkorrelation zwischen dem Schlaf der vorherigen Nacht und dem realisierten Netto-R-Multiple in deiner eigenen Stichprobe. Dies ist eine anhand eigener Daten zu prüfende Hypothese; die Quelle liefert keine öffentliche Statistik, die diese Korrelation für Privattrader belegt.
25. Entscheidungsqualität (1–5) — bewertet am Ende des Handelstags, strikt getrennt vom finanziellen Ergebnis. Frage: Wurde dieser Trade zu 100% nach den vorher festgelegten Regeln ausgeführt? 5 = fehlerfreie Einhaltung, 1 = unbegründete Improvisation.

Gruppe G: Volumen, Versionierung und Prüfpfad (4 Felder)

Vier Felder, ohne die sich dein Journal weder mathematisch noch anhand von Belegen abstimmen lässt. Ohne Trade-Volumen und Pip-Wert lässt sich das geplante Geldrisiko nicht allein aus dem Kursabstand rekonstruieren. Ohne Setup-Versionierung kannst du nicht erkennen, welche Regelfassung du prüfst. Ohne Beleglink kannst du Abweichungen vom Broker-Kontoauszug nicht klären.

26. Volumen (Lots) — Positionsgröße, auf die Lot-Schrittweite des Brokers gerundet. Zusammen mit Stop-Abstand und Pip-Wert bestimmt sie das geplante Geldrisiko in Kontowährung; ohne sie lässt sich Feld 21 nicht rekonstruieren.
27. Pip-Wert bei Eröffnung — in Kontowährung für 1 Standardlot (100000 Einheiten der Basiswährung), bei der Trade-Ausführung als einzelner Wert erfasst statt als statische globale Tabellenkonstante (Wechselkurse schwanken im Zeitablauf; siehe Hinweis in Abschnitt 3).
28. Setup- / Playbook-Version — Kartenkennung und Versionsbezeichnung, z. B. „LON-breakout-A+ v1.2“. Die Leistung vor und nach einer Regeländerung stellt zwei unterschiedliche statistische Verteilungen dar, keine durchgehende Stichprobe.
29. Beleglink (evidence_link) — URL eines Chart-Screenshots, Broker-Ticketnummer oder Pfad zum Kontoauszugsprotokoll. Dieses eine Feld hebt eine Aufzeichnung von einem ungeprüften persönlichen Tagebuch zu einer prüfbaren Finanzaufzeichnung.

Übersicht — Alle 29 Felder, Datentypen und Datenquellen

Die Erfassung dieser 29 Felder dauert nach Einrichtung deiner Tabellenvorlage ungefähr 60 bis 90 Sekunden je Trade. Ohne diese Datenpunkte ist jede spätere Leistungsbewertung bloßes Rätselraten. Wer keine 90 Sekunden für die Aufzeichnung investieren kann, sollte auch keine 30 Sekunden für den Einstieg aufwenden.

CSV- / Tabellen-Kurzspezifikation

Eine maschinenlesbare Spaltenstruktur zur Umsetzung in Excel, Google Sheets oder einer PostgreSQL-/SQLite-Datenbank. Linke Spalte: technischer Feldname; rechte Spalte: operative Quelle und mathematische Ableitung:

Es gibt 29 logische Felder, die technische Tabelle enthält jedoch mehr physische Spalten — mehrere Parameter liegen als Paare „geplant gegenüber tatsächlich“ vor (Einstieg, Stop, Ziel, Slippage) und verteilen sich auf eigene Spalten. Die Strukturspalten deiner Tabelle sollten diese Spezifikation direkt abbilden. Währungsspezifische Spaltennamen der polnischen Vorlage wurden hier auf Kontowährungsnamen verallgemeinert; die durchgerechneten PLN-Beispiele behalten ihre ursprüngliche Währung und Beträge.

Die error_code Systematik umfasst genau elf unterschiedliche Ganzzahlwerte, die in diesem Leitfaden einheitlich verwendet werden: 0 = kein Fehler, 1–9 = kognitive und diskretionäre Trading-Fehler aus Feld 22 sowie 10 = Infrastrukturversagen (fehlender fester serverseitiger Stop, eingefrorene Plattform, Internetausfall). Fehlercode 10 darf niemals mit diskretionären Fehlern zusammengefasst werden, weil seine Behebung eine Änderung der technischen Architektur statt der Psyche erfordert. Hat eine Position während eines Ausfalls keinen serverseitigen Stop, lässt sich die fehlende Ausführungshistorie aus lokalen Protokollen möglicherweise nicht rekonstruieren. Die Erfassung eines Fehlercodes ersetzt die Reparatur dieser Infrastruktur nicht.

Die Order- und Ausführungsebene — Eine Entscheidung, mehrere Ausführungen

Die Haupttabelle der Trades beantwortet die strategische Frage: „Was war die Entscheidung?“ Die detaillierte Historie von Orders und Ausführungen beantwortet die technische Frage: „Wie wurde sie ausgeführt?“ Es sind zwei unterschiedliche Datenbankebenen, verbunden durch den relationalen Schlüssel trade_id. Ihre Vermischung ist die häufigste Ursache dafür, dass Trading-Journale von tatsächlichen Kontoständen abweichen:

• orders — eine einzelne Orderanfrage: order_id, trade_id, Orderart (Market / Limit / Stop / SL ändern / TP ändern), übermittelter Kurs, Übermittlungszeitstempel, Ausführungsstatus (ausgeführt / abgelehnt / storniert). Ablehnungen und Stop-Anpassungen werden hier erfasst, nicht in der Hauptübersicht der Trades.
• fills — eine einzelne Trade-Ausführung: fill_id, order_id, trade_id, Ausführungskurs, ausgeführtes Volumen, Ausführungskommission und Zeitstempel. Ein teilweiser Positionsabbau besteht aus mehreren Ausführungszeilen mit derselben trade_id.

Vier verbindliche Aggregationsregeln sichern die Vergleichbarkeit der Kennzahlen:

• Berechne das Anfangsrisiko R0 genau einmal, auf Grundlage des Plans vor dem Trade und vor der ersten Einstiegsausführung, und halte es bei Teilschließungen oder Stop-Anpassungen strikt unverändert. Das Schließen von 50% einer Position bei +1R erzeugt rückwirkend keinen neuen Risikonenner für die Restposition.
• Addiere Netto-PnL und Reibungskosten über sämtliche Ausführungen und teile nur die Gesamtsumme durch R0. Bilde niemals den Durchschnitt der einzelnen R-Multiples getrennter Teiltranchen — denn diese haben häufig unterschiedliche Volumengewichte.
• Eine strategische Entscheidung zählt in der Leistungsstatistik als ein Trade. Die Berechnung der Trefferquote über einzelne Teiltranchen bläht sie künstlich auf (weil erste Teilverkäufe meist Gewinner sind) — ein alter Marketingtrick im Privatkundenhandel, um ein optisch schmeichelhaftes Journal zu erzeugen, ohne die tatsächliche Profitabilität zu ändern.
• Lege die Messkonvention für MAE/MFE fest — definiere, ob du den reinen Kursverlauf ab der ersten Ausführung erfasst oder die Equity-Auslenkung in Kontowährung einer Position, deren Größe durch Teilschließungen sinkt. Dies sind zwei völlig unterschiedliche Kennzahlen, die nicht in einer Spalte vermischt werden dürfen.

Import, Abstimmung mit dem Kontoauszug, Dublettenbereinigung und Audit-Korrekturen

Ein Trading-Journal, das nie mit einem offiziellen Broker-Kontoauszug abgestimmt wurde, ist lediglich ein ungeprüftes persönliches Tagebuch. Führe diese minimale Abstimmungsroutine einmal wöchentlich durch:

1. Import — exportiere die Handelshistorie deiner Plattform (MetaTrader, cTrader, FIX-Protokoll) für den abgeschlossenen Zeitraum als CSV und halte Datumsgrenzen und Serverzeitzone identisch (z. B. reguläre Kalenderwoche, Serverzeit ausdrücklich im Dateinamen).
2. Dublettenbereinigung — verwende als Primärschlüssel trade_id die eindeutige Positions-Ticket-ID des Brokers. Beim Import überlappender Zeiträume erhält der Datensatz mit dem späteren Schließzeitstempel Vorrang, nicht einfach die später heruntergeladene Datei. Da Teilausführungen und Orderänderungen ein Hauptticket teilen, verwalte detaillierte Ausführungen über order_id und fill_id auf der relationalen Ebene, statt jede Ausführung oder Änderung unter derselben Kennung zu überschreiben: trade_id.
3. Abstimmung — Trade-Anzahl, gesamter Netto-PnL und Summe der Kommissionen/Swaps müssen mit dem offiziellen Broker-Kontoauszug bis auf den exakten Cent übereinstimmen. Jede Abweichung ist ein zu untersuchender operativer Fehler, keine akzeptable Rundungsdifferenz.
4. Audit-Korrekturen — erfasse jede nachträgliche Korrektur als neue Version mit Änderungszeitstempel und Begründung; lösche niemals den historischen Eintrag. Ohne Versionserhalt kannst du einen fehlerhaften Journaleintrag nicht von einem echten Streit über die Broker-Ausführung unterscheiden.

Diagnostisches Audit: Warum zeigen Berichte zweier Plattformen für identische Trades unterschiedliche Zahlen? Sechs überprüfbare operative Ursachen:

• Unterschiedliche Serverzeitzonen — eine um 23:30 Serverzeit geschlossene Position fällt auf einer Plattform auf Montag, auf einer anderen auf Dienstag. Die Wochensummen unterscheiden sich, selbst wenn die Jahressummen übereinstimmen, solange die Verschiebung nicht auch die Jahresgrenze überschreitet.
• Verbuchung von Finanzierung und Kommissionen — eine Plattform rechnet Swap und Kommissionen in den PnL der geschlossenen Position ein, eine andere verbucht sie als separate Saldotransaktionen.
• Netting- und Hedging-Konten — gleichzeitige gegenläufige Positionen desselben Paars werden auf einem Netting-Konto zu einer Nettoexponierung zusammengeführt, auf einem Hedging-Konto aber als zwei getrennte Trades dargestellt.
• Ausführung von Teilschließungen — eine Plattform erfasst eine teilweise abgebaute Position als einen Trade mit mehreren Ausführungen, eine andere teilt sie auf unabhängige Tickets auf und verändert damit Trade-Anzahl, Trefferquote und durchschnittliches R.
• Nachträgliche Broker-Korrekturen — Stornierungen fehlerhafter marktferner Kursspitzen, Swap-Neuberechnungen oder Saldoanpassungen, die Tage nach der Schließung erfolgen.
• Rundung und Währungsumrechnung — Umrechnung des Gewinns in die Kontobasiswährung zum exakten Schließzeitpunkt statt Verwendung eines offiziellen Fixing-Kurses am Tagesende.

Bleiben nach Prüfung dieser sechs Faktoren ungeklärte Abweichungen bestehen, ist dein Journal noch nicht für die Berechnung von Leistungskennzahlen bereit. Kennzahlen aus unabgestimmten Kontoauszügen spiegeln Datenfehler statt eines Strategievorteils wider.

Regulatorische Abgrenzung: Ein Trading-Journal ist ein operatives Leistungswerkzeug, kein gesetzliches Steuerbuch. Die steuerliche Berechnung von Kapitalgewinnen behandelt Abschnitt 14 — dein Journal liefert Belege (Broker-Kontoauszüge, Ordertickets, Beleglinks), keine Berechnung der gesetzlichen Steuerschuld. Steuern fließen weder im Zähler noch im Nenner in die Berechnung ein von r_net: Steuerabgaben sind keine Transaktionskosten der Ausführung.

3. R-Multiple — Die grundlegende Kennzahl, die Privattrader oft nicht berechnen

Mit dem R-Multiple kannst du Trades unterschiedlicher Risikoprofile auf einer Skala vergleichen. Ohne es sehen PLN 200 Gewinn bei einem M5-Scalp und PLN 200 Gewinn bei einem D1-Swing-Trade identisch aus, obwohl beim ersten möglicherweise PLN 50 (+4R), beim zweiten PLN 600 (+0.33R, eine deutlich geringere Rendite auf das Anfangsrisiko) riskiert wurden. Dies sind die Beispiele in polnischer Währung aus der Quelle. Van K. Tharp führte das R-Multiple ein^[1], und es ist eine Grundlage der Analyse von Handelssystemen.

Die R-Multiple-Formel

Die sicherste operative Definition lautet:

R_net = actual_broker_net_pnl / planned_risk

Tatsächlicher Netto-PnL ist das Ergebnis nach tatsächlichen Ausführungen, Kommission, Swap und sämtlichen im Broker-Kontoauszug ausgewiesenen Kosten. Slippage und Spread sind bereits enthalten in den Ausführungen: Der Broker berechnet den Gewinn aus tatsächlichen Transaktionskursen, nicht aus geplanten Kursen. Erfasse Slippage und Spread getrennt zur Diagnose, aber ziehe sie nicht erneut ab, wenn sie bereits im tatsächlichen PnL enthalten sind.

Der Nenner ist das geplante Risiko, nicht das realisierte. Rutscht der Stop 10 Pips über den geplanten Abstand von 30 Pips hinaus, erhöht sich der Nenner nicht: Der Verlust beträgt dann −40 / 30 = −1.33R zuzüglich Kommission statt −1R. Ein Ergebnis schlechter als −1R ist möglich und genau das soll diese Konvention sichtbar machen: die tatsächlichen Kosten fehlgeschlagener Ausführung. Lege den Nenner vor der Orderübermittlung fest und ändere ihn weder nach Stop-Verschiebung oder Teilausstieg noch nach Kenntnis des Ergebnisses.

Ausführungsbelastung — Ausführung neben der Leistung diagnostizieren

Spread, Slippage und Kommissionen sind Betriebskosten, sind in der Verbuchung der Ergebnisse aber bereits im tatsächlichen PnL enthalten. Berechne zur Diagnose der Ausführungsqualität getrennt:

execution_drag_R = [direction × (planned_exit_price_of_same_type − planned_entry) / pip_size × lots × pip_value_per_standard_lot − actual_net_pnl] / planned_risk

Die entscheidende Formulierung lautet „geplanter Ausstiegskurs derselben Art“. Wurde der Trade ausgestoppt, vergleiche mit dem geplanten SL. Erreichte er sein Ziel, vergleiche mit dem geplanten TP. Für einen manuellen oder zeitbasierten Ausstieg ohne geplanten Ausstiegskurs definiere die Diagnose als Einstiegs-Slippage, Kommission und Swap in R. Der Vergleich jedes Trades mit seinem geplanten TP ist verlockend, weil der TP erfasst ist, führt aber zu einem absurden Ergebnis: Ein sauberer, genau planmäßig ausgeführter Stop würde trotz null Slippage ungefähr 3R „Ausführungskosten“ zeigen. Ausführungsbelastung misst Ausführungsqualität, nicht den Abstand zum idealen profitablen Ergebnis. Richtung (+1 long, −1 short) und Volumen müssen einfließen, damit Short- und Long-Trades einheitlich behandelt werden. Addiere den Spread nicht separat, wenn er bereits in den Ausführungskursen enthalten ist.

Operative Regel: Trenne Ergebnisverbuchung und Ausführungsdiagnose. Verwendet r_net den tatsächlichen Broker-PnL, sind Kosten bereits im Ergebnis enthalten und werden getrennt über die Ausführungsbelastung analysiert. Geht die Berechnung von geplanten Kursen aus, ziehe Kosten manuell ab. Verwende die eine oder andere Methode, niemals beide zugleich.

Ein vollständiges Rechenbeispiel

Betrachte einen EUR/USD-Long von 0.5 Lots (50000 EUR) auf einem PLN-Konto mit einem beispielhaften USD/PLN-Kurs von ungefähr 4.40. Ein Pip je Standardlot EUR/USD entspricht USD 10, ungefähr PLN 44; bei 0.5 Lots sind es ungefähr PLN 22 je Pip.

• Geplanter Einstieg: 1.0850
• Tatsächlicher Einstieg: 1.0852 (2 Pips Slippage)
• Geplanter SL: 1.0820 (30 Pips Risiko)
• Geplanter TP: 1.0910 (60 Pips = 2R)
• Tatsächlicher Ausstieg: 1.0908 (2 Pips Slippage am TP)
• Spread beim Einstieg: 0.8 Pips
• ECN-Kommission: PLN 4 je vollständigem Hin- und Rückgeschäft
• Swap: 0 (Position am selben Tag geschlossen)

Berechnung von R_net aus tatsächlichen Broker-Ausführungen:

• PnL aus tatsächlichen Ausführungen: (1.0908 − 1.0852) / 0.0001 = 56 Pips; in PLN: 56 × 22 = PLN 1232. Einstiegs- und Ausstiegs-Slippage sind bereits enthalten, weil die Berechnung tatsächliche Kurse verwendet.
• ECN-Kommission: PLN 4. Swap: 0.
• Tatsächlicher Netto-PnL: 1232 − 4 = PLN 1228.
• Geplantes Risiko: |1.0850 − 1.0820| / 0.0001 = 30 Pips; 30 × 22 = PLN 660.
• R_net = 1228 / 660 ≈ +1.86R.

Berechnung der Ausführungsbelastung als separate Diagnose:

• Geplanter Brutto-PnL bei idealen Ausführungen ohne Kosten: (1.0910 − 1.0850) / 0.0001 × 22 = 60 × 22 = PLN 1320.
• Tatsächlicher Netto-PnL: PLN 1228.
• Differenz: 1320 − 1228 = PLN 92.
• execution_drag_R = 92 / 660 ≈ 0.14R. Der Trade endete am Ziel, daher ist der geplante Ausstiegsmaßstab der TP; Ausführungskosten verbrauchten ungefähr 14% des geplanten Risikos.

Vergleiche bei einem Stop-Ausgang die Belastung mit dem geplanten SL. Wenn Einstieg und Stop genau zu ihren geplanten Kursen ausgeführt werden und die Kommission PLN 4 beträgt, ist die Belastung 4 / 660 ≈ 0.01R und nicht die ungefähr 3R eines Vergleichs mit TP. Bleibt die vorherige Einstiegs-Slippage von 2 Pips erhalten, betragen die Kosten stattdessen PLN 44 + PLN 4 beziehungsweise 48 / 660 ≈ 0.07R. Eine Hochrechnung verlangt eine eigene ausdrückliche Annahme: „Nach 100 Trades beträgt die Belastung ungefähr 14R beziehungsweise ungefähr 14% des Kapitals pro Jahr bei 1% Risiko je Trade“ gilt nur für ein Szenario mit 100 Zielausstiegen und derselben Slippage bei jedem Trade. Berechne die Belastung in einem echten Journal über geschlossene Trades und untersuche Stop- und Zielausstiege getrennt: Es sind verschiedene Verteilungen, deren Zusammenfassung die Diagnose verschleiert. Kosten sind kein Rundungsdetail; sie beeinflussen die Wahl von Broker, Paar und Zeitrahmen. Verwende r_net für die Ergebnisverbuchung und execution_drag_R zur Verbesserung der Ausführung; kombiniere nicht beide Abzüge in einer Formel.

Warum R-Multiple statt Prozentwerten oder PLN?

Das R-Multiple liefert eine gemeinsame risikobasierte Einheit zum Vergleich von Scalps und Swings, EUR/USD und GBP/JPY sowie kleinen und großen Positionen. Nach einem Jahr und 200 dokumentierten Trades kann ein Trader präzise sagen: „Mein A+-Setup erzielt durchschnittlich +0.84R, B +0.21R und C −0.13R.“ Hier endet der Beitrag des Journals. Ob C deaktiviert werden sollte, hängt von den Intervallen um diese Zahlen und den Kriterien ab in Artikel 15.10, nicht bloß vom Vorzeichen des Mittelwerts.

Die R-Multiple-Verteilung — 220 Trades lesen

Aus dieser Verteilung folgen drei Beobachtungen:

• Niedrige Trefferquote, aber ein positives Ergebnis in dieser Stichprobe: 44.5% der Trades sind positiv (98 von 220 über 0R), während der rechte Verteilungsschwanz — 17 Trades mit +2R oder mehr, darunter ein +5R-Trade — den gesamten positiven Erwartungswert trägt. Ohne diese siebzehn wird das Gesamt-R negativ.
• Median 0R, Mittelwert +0.13R: Der Unterschied zeigt, dass die Gewinne aus dem Verteilungsschwanz stammen. Die Hälfte der Trades endet bei null oder darunter. Das ist für Trendfolge charakteristisch und erklärt, warum Median und Mittelwert gemeinsam dargestellt statt austauschbar verwendet werden sollten.
• Mean-Reversion kann die umgekehrte Form zeigen: Das Beispiel der Quelle hat eine hohe Trefferquote von 60–70%, einen kleinen Durchschnittsgewinn von +0.5R und einen langen linken Verteilungsschwanz mit seltenen Verlusten von −2R oder −3R, wenn die Rückkehr zum Mittelwert ausbleibt. Das beschreibt ein Beispielmuster, keine garantierten Strategieeigenschaften.

Dieselbe Verteilung wird später für Sharpe und Sortino in Abschnitt 6 und SQN in Abschnitt 4 verwendet: Der Mittelwert beträgt +0.130R, die Standardabweichung 1,182R; daraus folgen ein Sharpe je Trade von 0.11, SQN von 1.10 bei auf 100 begrenztem N und korrekt berechneter Sortino von 0.21. Merke dir diese Zahlen: Eine scheinbar „gesunde“ Verteilung mit einem Profit-Faktor von 1.31 wirkt in verbreiteten Schwellenwerttabellen schwach. Das allein widerlegt die Verteilung nicht; die Schwellenwerte können andere Definitionen oder Trade-Anzahlen voraussetzen.

4. Netto-Erwartungswert — Was ein profitables System von Marketing unterscheidet

Der Erwartungswert beantwortet eine grundlegende Frage: Wie viel erwarte ich je Trade zu verdienen oder zu verlieren, ausgedrückt in R-Einheiten? Ohne diese Kennzahl weißt du nicht, ob deine Trading-Strategie mathematisch tragfähig ist. Mit ihr kannst du unter den Modellannahmen das mittlere Ergebnis über N Trades schätzen; die Schätzung garantiert weder die nächste Stichprobe noch Kapitalrenditen.

Die klassische Erwartungswertformel

Die übliche strukturelle Formulierung (für Backtesting und theoretische Modellierung vor dem Trade):

Erwartungswert = (WR × avg_win_R) − ((1 − WR) × avg_loss_R) − costs_per_trade_R

Ein wichtiger statistischer Vorbehalt: Der Term (1 − WR) ordnet Trades, die genau bei 0.00R schließen, der Verlustkategorie zu. Enthält deine Verteilung Breakeven-Trades, teile die Stichprobe in drei getrennte Gruppen — E = pw × avgWin − pl × |avgLoss|, wobei pw + pl + p0 = 1 — genau diese Umsetzung verwenden das folgende Python-Skript und das synthetische Handelsbuch in Abschnitt 5.

Dabei gilt:

• WR — Trefferquote, als Dezimalbruch ausgedrückt (z. B. 0.55 = 55%).
• avg_win_R — durchschnittliches R-Multiple der Gewinntrades (z. B. +1.80R).
• avg_loss_R — absoluter Wert des durchschnittlichen R-Multiples der Verlusttrades (z. B. 1.00R bei strikter Stop-Disziplin).
• costs_per_trade_R — gesamte Reibung (Spread + Slippage + Swap + Kommission), normiert als Anteil des geplanten Risikos R (z. B. 0.10R).

Drei Arbeitsmaßstäbe für den Erwartungswert

Die Schwellenwerte dieser Tabelle sind illustrative Arbeitsannahmen zur Szenarioplanung, keine allgemeinen Marktvorgaben. Sie dürfen nur zusammen mit den zugehörigen Konfidenzintervallen verwendet werden: Überschreitet das Konfidenzintervall eine Schwellenwertgrenze, muss eine strategische Entscheidung vertagt werden. Die Positionsgröße nach Setup-Einstufung legt Artikel 15.2 fest; formale Stilllegungskriterien enthält Artikel 15.10.

Mindeststichprobe zur Validierung des Erwartungswerts

Die gefährlichste Falle im Privatkundenhandel ist, den Erwartungswert aus 30 bis 50 Trades zu berechnen und die resultierende Dezimalzahl als unveränderliche Wahrheit zu behandeln. Die Wahrscheinlichkeitstheorie zeigt etwas anderes:

• 50 Trades — das 95%-Konfidenzintervall der Trefferquote reicht ungefähr über ±14 Prozentpunkte (Wald-Intervall bei p = 0.55 unter Annahme unabhängiger Versuche; Cluster und gemeinsame Ereignisexponierung können es verbreitern). Eine beobachtete Trefferquote von 55% könnte ohne Weiteres einem wahren Populationsparameter von 41% oder 69% entsprechen.
• 100 Trades — das Intervall umfasst ungefähr ±10 Prozentpunkte und ist weiterhin zu breit, um die Aufgabe eines etablierten Setups zu begründen.
• 200 Trades — das Intervall verengt sich auf ungefähr ±7 Prozentpunkte.
• 500 Trades — das Intervall verengt sich auf ungefähr ±4 Prozentpunkte. Eine präzisere Schätzung, die weiterhin probabilistischer Unsicherheit unterliegt.

Die operative Regel lautet nicht „unter 100 Trades nie entscheiden“, sondern: Entscheide anhand des Konfidenzintervalls, niemals anhand der Punktschätzung. Umfasst das 95%-Konfidenzintervall des Setup-Erwartungswerts deine operative Entscheidungsschwelle, wird die Entscheidung bis zum nächsten Audit-Zyklus vertagt — ob du 40 oder 400 Trades erfasst hast. Die Stichprobengröße wirkt über die Intervallbreite; eine Anzahl ist weder eine allgemeine Mindestvorgabe noch allein eine Validierung. Beachte: Ein Handelsstopp wegen operativer Risiken (überschrittene Drawdown-Grenzen, Ausführungsfehler des Brokers) ist immer zulässig und wartet niemals auf statistische Signifikanz.

Die Reibungskostenfalle: Backtests und reale Ausführungsbelastung

Privattrader bewerten regelmäßig den theoretischen Brutto-Erwartungswert und vernachlässigen Spread, Slippage, Kommissionen und Rollover-Finanzierung. Ein idealisierter Backtest mit +0.50R brutto verschlechtert sich unter realen Bedingungen häufig auf +0.20R netto. Über ein Jahr stagniert der Kontostand — weil der Trader über 200 Trades +0.20R statt +0.50R realisiert.

Methodische Pflicht: Wird r_net aus dem Netto-PnL des Kontoauszugs abgeleitet (Abschnitt 3), sind Kosten bereits enthalten — Spread, Slippage und Gebühren werden getrennt als Ausführungsbelastung erfasst, niemals doppelt abgezogen. Bei einer Berechnung des Erwartungswerts aus idealisierten Kerzencharts muss die Reibung ausdrücklich abgezogen werden. Vermische beide Methoden nicht. Die folgenden hypothetischen Beispiele berechnen die Ausführungsbelastung, keinen zweiten Abzug vom Netto-PnL:

Konkrete Beispiele für Kosten je Trade in R mit ursprünglichem PLN-Konto und beispielhaften Wechselkursen:

• Paar: EUR/USD; ECN-Broker; Spread 0.2 Pips; Kommission USD 7 je Standardlot für Eröffnung und Schließung; durchschnittliche Slippage 0.3 Pips auf jeder Seite.
• Typisches Setup: SL 30 Pips, Größe 0.3 Lots, beispielhaft USD/PLN ≈ 4.40; Pip-Wert für 0.3 Lots ≈ PLN 13.20.
• Geplantes Risiko: 30 × 13.20 = PLN 396.
• Kosten: Spread 0.2 × 13.20 = PLN 2.64; Slippage 0.6 Pips für Einstieg und Ausstieg × 13.20 = PLN 7.92; Kommission USD 7 × 0.3 Lots = USD 2.10 ≈ PLN 9.24. Insgesamt: ungefähr PLN 19.80.
• Kosten in R: 19.80 / 396 = 0.05R beziehungsweise 5% des geplanten Risikos.

Ein weiteres Beispiel — ein teureres Paar mit engerem Stop:

• Paar: GBP/JPY; Market-Maker-Broker; Spread 2.5 Pips; keine Kommission; Slippage 1 Pip auf jeder Seite.
• Pip-Wert für 0.1 Lots bei beispielhaft USD/JPY ≈ 150 und USD/PLN ≈ 4.40: Ein Standardlot ergibt JPY 1000 je Pip; 1000 / 150 ≈ USD 6.67 beziehungsweise PLN 29.33 bei 4.40. Für 0.1 Lots: ungefähr PLN 2.93 je Pip.
• Enges Setup: SL 25 Pips, Größe 0.1 Lots; Risiko 25 × 2.93 = PLN 73.25 beziehungsweise ungefähr PLN 73.
• Positionskosten: Spread 2.5 × 2.93 ≈ PLN 7.33; Einstiegs-Slippage 1 × 2.93 = PLN 2.93; Ausstiegs-Slippage 1 × 2.93 = PLN 2.93; insgesamt PLN 13.19 mit der dargestellten Rundung.
• Kosten in R: 13.19 / 73.25 ≈ 0.18R beziehungsweise ungefähr 18% des geplanten Risikos, die von Anfang an durch Kosten verbraucht werden.

Dies zeigt die proportionale Kostenfalle: Dieselbe Slippage in Pips verbraucht bei engerem Stop deutlich mehr R. Ein Stop von 25 Pips bei einem Paar mit 2.5 Pips Spread ist daher allein kostenseitig schwer zu rechtfertigen. Die Arbeitsannahme ist hier eine illustrative Szenarioschwelle, kein Marktstandard: Kosten über 5–8% des geplanten Risikos beeinflussen das Ergebnis zunehmend wesentlich und veranlassen eine Prüfung von Broker, Paar oder Zeitrahmen mit weiterem technischem Stop. Entscheidend ist dein eigenes Journal: Teile durchschnittliche Kosten in R durch den Brutto-Erwartungswert und prüfe, wie viel Erwartungswert übrig bleibt.

Van Tharps System Quality Number (SQN) — Formel, N-Obergrenze und Skala

Die Interpretationsskala des Methodenautors wird hier vollständig dargestellt. Andere Artikel dieses Abschnitts sollten darauf verweisen, statt unterschiedliche Varianten zu wiederholen: Drei widersprüchliche „Tharp-Skalen“ in drei Artikeln würden die Einheitlichkeit des Kurses untergraben.

Drei wichtige Vorbehalte verhindern Fehlinterpretationen: Erstens ist diese Skala eine Heuristik des Autors, kein Marktstandard. Zweitens steigt SQN bis 100 Trades mit der Quadratwurzel von N; Vergleiche sind nur bei identischem N zulässig — die Basis von 220 Trades aus Abschnitt 3 ergibt 1.10 bei N = 100, würde aber 1.63 erreichen, wenn naiv n = 220 ohne Begrenzung eingesetzt würde. Drittens ist SQN eine Signal-Rausch-Kennzahl, keine Anweisung zur Positionsgröße; sie ersetzt das Konfidenzintervall des Netto-Erwartungswerts nicht.

Segmentierung der Stichprobe — Selektionsverzerrung vermeiden

Ein strukturiertes Journal erlaubt die Segmentierung nach Setup, Sitzung, Marktregime und Playbook-Version. Bleibe statistisch wachsam: Je mehr Teilgruppen du vergleichst, desto wahrscheinlicher ist die beste Gruppe ein Zufallsprodukt des Rauschens. Den besten von zwölf verschiedenen Setups auszuwählen ist Datenselektion statt echter Parameterschätzung. Den formalen Aufbau von In-Sample-Kalibrierung und Out-of-Sample-Validierung erläutert Artikel 15.4; Entscheidungen über Beibehalten, Ändern oder Deaktivieren behandelt Artikel 15.10. Das Journal muss für jede Teilgruppe Beobachtungszahl und Intervall liefern, nicht nur eine Rangliste.

Bootstrap-Konfidenzintervalle — Warum +0.22R eine Hypothese und kein belegter Vorteil sind

Ein beobachteter Netto-Erwartungswert von +0.22R über 42 Trades ist kein nachgewiesener Vorteil, sondern eine ungeprüfte empirische Hypothese. Nichtparametrisches Bootstrapping zeigt dies direkt: Ziehe 10000 Stichproben mit Zurücklegen aus diesen 42 Trades, berechne jeweils den Mittelwert und stelle deren Verteilung dar, um empirische Konfidenzgrenzen zu bestimmen. Dokumentiere den Befund in einem Satz stets mit denselben drei Bestandteilen: n, Methode und Annahme:

„Für n = 42 Trades beträgt ein 95%-Intervall des Erwartungswerts (−0.17R; +0.61R) bei std(R) = 1.3R. Diese dargestellten Endpunkte sind eine Kontrolle mit Normalapproximation, ±1.96 × std / √n; sie sind kein berechnetes Bootstrap-Ergebnis. Das vorgesehene Bootstrap verwendet 10000 Stichproben mit Zurücklegen, kann bei schiefer R-Verteilung asymmetrisch ausfallen, und sein tatsächliches Ergebnis muss dokumentiert werden. Beide Ansätze setzen hier unabhängige Beobachtungen voraus; Cluster und gemeinsame Ereignisse können das Intervall verbreitern. Da das Intervall null einschließt, wird die Setup-Entscheidung bis zur nächsten Prüfung vertagt.“

Die Stichprobengröße allein entscheidet nichts; maßgeblich ist die Intervallbreite relativ zu deiner Entscheidungsgrenze. Bei seltenen Setups mit nur wenigen Signalen monatlich ist die Bootstrap-Prüfung unverzichtbar: Ohne sie wirken 50 über ein ganzes Jahr gesammelte Trades solide, stellen aber über zwölf Monate verteiltes statistisches Rauschen dar.

Python-Skript: Leistungskennzahlen aus CSV berechnen

Das folgende Skript berechnet Netto-Erwartungswert, Profit-Faktor, Sharpe je Trade, Sortino, SQN, MAE/MFE und Equity-Drawdown direkt aus einer standardisierten Journal-CSV mit 29 Feldern:

import pandas as pd
import numpy as np

# Trading-Journal aus CSV laden (29 Felder gemäß Abschnitt 2)
df = pd.read_csv('journal.csv')

# Auf geschlossene Positionen mit berechnetem Netto-R-Multiple beschränken
df = df.dropna(subset=['r_net'])

# Strikte chronologische Reihenfolge erzwingen. Sonst zeigen Equity-Kurve
# und Drawdown-Kennzahlen die Exportsortierung statt der Kontohistorie.
df['close_time_utc'] = pd.to_datetime(df['close_time_utc'], utc=True)
df = df.sort_values('close_time_utc').reset_index(drop=True)

total = len(df)
if total == 0:
    raise SystemExit('Keine geschlossenen Trades gefunden — Kennzahlen undefiniert, nicht null.')

r = df['r_net']

# Drei getrennte Gruppen: Gewinne, Verluste und exakte Breakeven-Trades.
wins   = r[r > 0]
losses = r[r < 0]
zeros  = r[r == 0]

wr       = len(wins) / total
p_loss   = len(losses) / total
avg_win  = wins.mean()        if len(wins)   else float('nan')
avg_loss = abs(losses.mean()) if len(losses) else float('nan')

# Netto-Erwartungswert ist das arithmetische Mittel von r_net (Kosten enthalten)
expectancy = r.mean()
# Strukturelle Gegenprüfung: muss exakt dem arithmetischen Mittel entsprechen
structural_check = ((wr * avg_win if len(wins) else 0.0)
                    - (p_loss * avg_loss if len(losses) else 0.0))

# Profit-Faktor. Keine Verluste = undefiniert, nicht "unendliche Perfektion"
sum_wins   = wins.sum()
sum_losses = abs(losses.sum())
profit_factor = sum_wins / sum_losses if sum_losses > 0 else float('nan')

# R-Statistik je Trade und SQN mit gewählter Konvention N = min(n, 100)
sd     = r.std(ddof=0)
sharpe = expectancy / sd if sd > 0 else float('nan')
sqn    = sharpe * np.sqrt(min(total, 100))

# Sortino: Abwärtsabweichung über die GESAMTE Grundgesamtheit, MAR = 0
mar     = 0.0
dside   = np.sqrt((np.minimum(r - mar, 0) ** 2).mean())
sortino = (expectancy - mar) / dside if dside > 0 else float('nan')

# Analytisches 95%-Konfidenzintervall des Erwartungswerts (unter i.i.d.-Annahme)
se = r.std(ddof=1) / np.sqrt(total)
ci = (expectancy - 1.96 * se, expectancy + 1.96 * se)

# Drawdown auf Equity-Kurve mit festem proportionalem Risiko f je Trade.
# Anfangskapital (1.0) MUSS dem Array laufender Höchststände vorangestellt werden;
# sonst meldet ein Journal mit anfänglichem Verlust irreführend 0% Drawdown.
f       = 0.01                      # Arbeitsszenarioparameter, nicht allgemeingültig
equity  = pd.concat([pd.Series([1.0]), (1 + r * f).cumprod()], ignore_index=True)
run_max = equity.cummax()
max_dd  = ((equity - run_max) / run_max).min()

# MAE-/MFE-Analyse über ausgefüllte Zeilen berechnet
mae_win = mae_loss = mfe_win = float('nan')
if {'mae_r', 'mfe_r'}.issubset(df.columns):
    m = df.dropna(subset=['mae_r', 'mfe_r'])
    if len(m):
        mae_win  = m.loc[m['r_net'] > 0, 'mae_r'].mean()
        mae_loss = m.loc[m['r_net'] < 0, 'mae_r'].mean()
        mfe_win  = m.loc[m['r_net'] > 0, 'mfe_r'].mean()

# Segmentierte Auswertung je Setup und Playbook-Version
print(df.groupby(['setup', 'strategy_version']).agg({
    'r_net': ['count', 'mean', 'sum', 'std']
}))

print(f"Stichprobengröße (n): {total} (Gewinne: {len(wins)}, Verluste: {len(losses)}, Breakeven: {len(zeros)})")
print(f"Trefferquote: {wr:.1%}")
print(f"Netto-Erwartungswert: {expectancy:+.2f}R (Strukturelle Prüfung: {structural_check:+.2f}R)")
print(f"95%-Konfidenzintervall des Erwartungswerts: ({ci[0]:+.2f}R; {ci[1]:+.2f}R)")
print(f"Profit-Faktor: {profit_factor:.2f}")
print(f"Sharpe je Trade: {sharpe:.2f} | SQN (N auf 100 begrenzt): {sqn:.2f}")
print(f"Sortino (vollständige Abwärtsabweichung, MAR=0): {sortino:.2f}")
print(f"Maximaler Equity-Drawdown (bei f={f:.0%}): {max_dd:.1%}")
print(f"Durchschn. MAE Gewinne: {mae_win:.2f}R | Durchschn. MAE Verluste: {mae_loss:.2f}R | Durchschn. MFE Gewinne: {mfe_win:.2f}R")

Das Skript setzt die CSV-Struktur aus Abschnitt 2 voraus und benötigt vier ausgefüllte Spalten: r_net, close_time_utc (Chronologie ist für Equity und Drawdown entscheidend) sowie setup und strategy_version zur Segmentierung. mae_r und mfe_r sind optional; fehlende oder leere Daten lassen ihre Kennzahlen undefiniert, nicht null. Prüfe das Skript vor Nutzung der Ergebnisse an einer verifizierten Referenz — etwa dem synthetischen Handelsbuch mit 6 Trades in Abschnitt 5 — und bestätige die exakte Übereinstimmung mit manuellen Berechnungen. Teste eine zweite synthetische Datei, die mit einem Verlusttrade beginnt: So prüfst du gezielt, ob das Skript das Anfangskapital korrekt in laufende Höchststände einbezieht (ein fehlerhaftes Skript zeigt bei anfänglichem Verlust 0% Drawdown). Ein Diagnoseskript ohne Prüfung an bekannten Grenzfällen ist lediglich eine weitere Quelle unbegründeten Vertrauens.

5. Profit-Faktor und Recovery-Faktor — Verschiedene Fragen, verschiedene Antworten

Der Netto-Erwartungswert beziffert, „wie viel ich durchschnittlich je Trade zu verdienen erwarte“. Profit-Faktor und Recovery-Faktor beantworten ganz andere strukturelle Fragen; wer sie ignoriert, übersieht wichtige Dimensionen der Systemgesundheit.

Profit-Faktor — Verhältnis aller Gewinne zu allen Verlusten

Die Richtwerte beider Tabellen dieses Abschnitts sind illustrative Arbeitsannahmen (keine Marktstandards) und nur zusammen mit der Stichprobengröße statistisch aussagekräftig. Der aus Netto-R-Multiples berechnete Profit-Faktor liefert eine ungeschönte Nettobewertung; eine Stichprobe ohne Verluste ergibt einen undefinierten PF, niemals ein „unendliches, perfektes System“.

Profit-Faktor (PF) = sum_of_all_wins / abs(sum_of_all_losses)

Die grundlegende Frage lautet: Erzeugt mein Handelssystem insgesamt mehr Gewinn als Verlust und in welchem genauen Verhältnis?

Der Profit-Faktor schafft auch ohne formale Statistikkenntnisse sofort intuitive Klarheit: „Für jeden verlorenen PLN 1 erzeugt die Strategie PLN 1.80 Gewinn.“ Seine wichtige Einschränkung: Er ignoriert die zugrunde liegende Verteilung. Ein System mit PF 1.80 über 200 Trades ist strukturell nicht mit einem System vergleichbar, das PF 1.80 über 20 Trades vorweist. Beurteile den Profit-Faktor immer gemeinsam mit Trade-Anzahl und Netto-Erwartungswert.

Recovery-Faktor — Kumulierter Nettogewinn im Verhältnis zum maximalen Drawdown

Recovery-Faktor (RF) = total_net_profit / max_drawdown

Die grundlegende Frage lautet: Um welchen Faktor übersteigt die gesamte Nettorendite den tiefsten historischen Drawdown? Anders gesagt: Wie oft hätte die Strategie ihren schlimmsten historischen Rückschlag durchlaufen können und insgesamt dennoch Kapitalgewinne bewahrt?

Beispiel: Eine Jahresrendite von +35% bei maximalem Drawdown im selben Jahr von −12% ergibt RF = 35 / 12 = 2.92. Beide Zahlen müssen aus der exakt gleichen Equity-Kurve über identische Zeiträume stammen — Periodengewinn geteilt durch Perioden-Drawdown. Mehrjährige CAGR im Zähler und einjähriger Drawdown im Nenner erzeugen eine unwissenschaftliche Kennzahl aus unvereinbaren Parametern.

Der Recovery-Faktor ist ein wertvoller psychologischer Maßstab: Waren für 30% Jahresrendite zermürbende 25% Drawdown vom Höchst- zum Tiefststand nötig (RF = 1.20), solltest du fragen, ob der Ertrag die psychische Belastung rechtfertigte. Die Quelle beschreibt die Präferenz für RF über 2 bei niedrigerer CAGR gegenüber höherer Rendite mit tiefem Drawdown; dies ist eine zu prüfende Präferenz, keine belegte Statistik über professionelle Trader.

Trefferquote und Profit-Faktor — Der klassische Irrtum von Privattradern

Privattrader setzen Trefferquote regelmäßig mit Systemqualität gleich: „Ich habe 75% Trefferquote, also muss die Strategie profitabel sein.“ Diese Schlussfolgerung ist mathematisch ungültig. 75% Trefferquote bei durchschnittlichem Gewinn +0.50R und Durchschnittsverlust −2.50R ergeben:

• Netto-Erwartungswert: 0.75 × 0.50 − 0.25 × 2.50 = 0.375 − 0.625 = −0.25R je Trade (ein eindeutig verlierendes System).
• Profit-Faktor: (0.75 × 0.50) / (0.25 × 2.50) = 0.375 / 0.625 = 0,60 — für jeden verlorenen PLN 1 verdient das System nur PLN 0.60 Gewinn.

Eine hohe Trefferquote ohne strenge Kontrolle des Gewinn-Verlust-Auszahlungsverhältnisses kennzeichnet leichtfertige Mean-Reversion-Strategien ohne Stop-Disziplin. Ein einziger übergroßer Verlust löscht die Ergebnisse vieler Gewinntrades aus. Der Profit-Faktor zeigt dies sofort — 75% Trefferquote bei Profit-Faktor 0.60 sind trotz hoher Trefferquote ein Verlustresultat.

Synthetisches Journal-Prüfregister — Sechs Trades und abgestimmte Kennzahlen

Illustratives Szenario mit synthetischen Daten, keine historische Kontoleistung. Die folgenden sechs Zeilen stammen aus keinem Konto und belegen keine Strategiewirksamkeit. Sie behalten die PLN-Währung der Quelle bei und illustrieren als synthetische Daten die vollständige mathematische Abstimmung vom Anfangsrisiko R0 bis zum maximalen Drawdown in einer von Hand überprüfbaren Stichprobe. Es gilt durchgehend die Standardkonvention: R0 bezeichnet das vor der Ausführung festgeschriebene geplante Anfangsrisiko; r_net bezeichnet den Netto-PnL des offiziellen Broker-Kontoauszugs (nach Gebühren und Finanzierung), geteilt durch R0.

Schrittweise Rechnung ausschließlich aus der Spalte r_net:

• Trefferquote = 3 / 6 = 50,0%. Trade T-004 mit +0.03R zählt als Gewinn, weil er strikt netto positiv ist; hätte er genau bei 0.00R geschlossen, gehörte er zur dritten Breakeven-Gruppe statt zu den Verlusten. Genau dies behandelt die Abkürzung (1 − WR) × avgLoss falsch.
• Kumuliertes R = 1,80 − 1,03 − 1,00 + 0,03 + 1,25 − 1,02 = +0.03R.
• Netto-Erwartungswert = +0,03 / 6 = +0.005R je Trade. Strukturelle Gegenprüfung: Durchschnittsgewinn = +1,027R, Durchschnittsverlust = −1,017R; somit (0.50 × 1,027) − (0.50 × 1,017) = +0.005R — bestätigt.
• Profit-Faktor = (1,80 + 0,03 + 1,25) / (1,03 + 1,00 + 1,02) = 3,08 / 3,05 = 1,01.
• Maximaler Drawdown auf kumuliertem R berechnet (nach jedem Trade gemessen; dies ist Drawdown in R, nicht in Prozent des Kontokapitals, und muss entsprechend bezeichnet werden): 0.00 → +1.80 → +0.77 → −0.23 → −0.20 → +1.05 → +0.03R. Laufender Höchststand +1.80R; anschließender Tiefstand −0.23R; damit max. DD = 1.80 − (−0.23) = 2.03R. Am Stichprobenende (+0.03R gegenüber Höchststand +1.80R) ist der Drawdown nicht aufgeholt; die Erholungsdauer wird ausdrücklich als undefiniert dokumentiert statt weggelassen.
• Konfidenzintervall: std(R) = 1,257, Standardfehler = 1,257 / √6 = 0.513; das 95%-Konfidenzintervall des Erwartungswerts unter Normalapproximation und unabhängigen Beobachtungen reicht über (−1.00R; +1.01R).

Die zentrale Lehre dieses Registers: Sechs Trades demonstrieren die rechnerische Abstimmung, belegen aber keinerlei statistischen Vorteil. Das Konfidenzintervall überschreitet null, umfasst die Tragfähigkeitsschwelle +0.15R und reicht in katastrophale Verluste — ein weiterer Trade verschiebt den Erwartungswert stärker als den vermeintlichen Vorteil selbst. Das Register beantwortet nur: „Stimmen meine Formeln sauber überein?“ Es entscheidet nicht über die Tragfähigkeit der Strategie. Eine Auswertung desselben Registers über 600 Trades bietet statistische Substanz; die mathematischen Formeln bleiben identisch, nur das Intervall wird enger.

6. Sharpe und Sortino — Wann sie für Privattrader sinnvoll sind

Sharpe und Sortino gelten bei der Leistungszuordnung von Hedgefonds als institutionelle Referenzen, führen bei unkritischer Übertragung auf Privatkundenhandel aber oft in die Irre. Auf einen Ansatz „je Trade“ angepasst (statt jährlicher Portfolio-Volatilität), liefern sie jedoch wichtige diagnostische Informationen, die weder Netto-Erwartungswert noch Profit-Faktor zeigen.

Sharpe je Trade — Rendite je Einheit Ergebnisvolatilität

Sharpe = (mean_R − risk_free_rate) / std_R

Für die hier verwendete Diagnose je Trade setzen wir den Vergleichswert auf null und messen Ergebnisse in R. Das ist eine Konvention, keine Behauptung, die Normierung mache den wirtschaftlichen risikofreien Zins null. Daraus folgt:

Sharpe ≈ mean(R) / std(R)

Was dies aussagt: Wie viel Rendite das System erzeugt je Einheit Streuung der Trade-Ergebnisse. Ein höherer Wert bedeutet einen größeren Mittelwert relativ zur Ergebnisstreuung; er garantiert keine glatte oder vorhersehbare Abfolge. Niedriger Sharpe bedeutet stark gestreute Ergebnisse, selbst bei nominell positivem Netto-Erwartungswert.

Die Interpretationsbereiche der folgenden Tabelle sind illustrative Arbeitsannahmen und dürfen nur gemeinsam mit der genauen Stichprobengröße beurteilt werden, aus der sie berechnet wurden.

Institutioneller annualisierter Sharpe lässt sich nicht 1:1 in eine Kennzahl je Trade übertragen. Die Annualisierung skaliert über Sharpe_je-Trade × √N, wobei N die jährliche Trade-Anzahl bezeichnet. Derselbe Sharpe je Trade von 0.30 ergibt daher annualisiert 1.50 bei 25 Trades/Jahr, 2.00 bei 44 Trades, 4.20 bei 200 Trades und 7.30 bei 600 Trades. Ein einziger Wert je Trade ergibt vier drastisch unterschiedliche „annualisierte Sharpe-Werte“. Diese mathematische Skalierung setzt zudem strikte Unabhängigkeit der Trades voraus — eine Annahme, die bei Trades desselben Paars oder Marktregimes scheitern kann. Positive Abhängigkeit kann das annualisierte Ergebnis aufblähen. Berichte Sharpe je Trade immer zusammen mit der Gesamtzahl der Trades; ein annualisierter Wert ohne Handelsfrequenz ist statistisch bedeutungslos.

Die grundlegende Schwäche von Sharpe — Aufwärtsvolatilität bestrafen

Der klassische Sharpe behandelt jede Streuung um den Mittelwert als unerwünschtes Risiko. Erfasst deine Strategie einen übergroßen Trendlauf mit gewaltigen Gewinnern im Verteilungsschwanz (+5.0R, +8.0R), steigt die Stichprobenstandardabweichung erheblich — und die Sharpe-Formel bestraft deinen Wert. Wirtschaftlich ist dies absurd: Ein Trader sollte für positive Ausreißergewinne zu seinen Gunsten niemals bestraft werden.

Um diese Verzerrung zu beheben, entwickelte Dr. Frank A. Sortino die alternative Formulierung^[2]: Sie misst ausschließlich die Abwärtsvarianz.

Sortino — Rendite je Einheit Abwärtsrisiko

Sortino = (mean(R) − MAR) / DD, wobei DD = √( Σ min(Ri − MAR, 0)² / n ), und MAR = 0

Das entscheidende mathematische Element ist die Stichprobengröße n im Nenner: Die Abwärtsabweichung muss über die gesamte Grundgesamtheit der Trades berechnet werden, mit null für jeden Trade, dessen Ergebnis mindestens die akzeptierte Mindestrendite (MAR) erreicht — statt nur die Standardabweichung der Verlusttrades zu berechnen. Der Unterschied ist erheblich. Die Variante „Standardabweichung nur der Verluste“ berücksichtigt die Häufigkeit der Verluste nicht: Eine Stichprobe mit 99 Gewinnern und 1 Verlust hätte keine Verluststreuung und einen undefinierten oder astronomisch aufgeblähten Sortino-Wert. Bei der Basis von 220 Trades aus Abschnitt 3 beträgt die korrekte Abwärtsabweichung 0.631, also Sortino = 0.21; die falsche Variante „nur Verluste“ ergibt 0.205 und einen künstlich erhöhten „Sortino“ von 0.63 — eine dreifache Verzerrung. Prüfe vor Vergleichen mit externen Richtwerten die verwendete mathematische Definition.

Sortino bestraft ausschließlich Abwärtsvolatilität. Große Gewinntrades erhöhen den Zähler, ohne die Abwärtsabweichung im Nenner zu erhöhen. Bei rechtsschiefen Trendsystemen liegt Sortino daher zuverlässig über Sharpe.

Diese illustrativen Bereiche sind auf diese Definition abgestimmt — Abwärtsabweichung über die gesamte Grundgesamtheit — und keine Marktstandards. Sie sind nicht mit Schwellenwerttabellen vergleichbar, die auf der Standardabweichung allein der Verluste beruhen und das Ergebnis in Abschnitt 3 ungefähr auf das Dreifache erhöhen. Der Faktor ist nicht konstant: Er hängt von Verlustverteilung und -häufigkeit ab und kann beliebig groß werden, wenn der reine Verlustnenner gegen null geht. Die Verteilung aus Abschnitt 3 hat Profit-Faktor 1.31 und Sortino 0.21, nach dieser Skala „solide“.

Eine Arbeitsregel: Bei vielen Privatanlegerstrategien mit asymmetrischen Ergebnissen kann Sortino mehr zeigen als Sharpe, doch beide werden bei nur wenigen Dutzend Trades unsicher. Die Standardabweichung selbst hat dann ein breites Schätzintervall; darauf beruhende Kennzahlen erben diese Unsicherheit. Sharpe beschreibt sämtliche Schwankungen, Sortino konzentriert sich auf Ergebnisse unter dem Ziel. Wähle nach Stil, Frequenz und Ergebnisverteilung deines konkreten Systems.

Wann Sharpe und Sortino bei Privattradern versagen

• Kleine Stichproben — bei nur wenigen Dutzend Trades ist die Ergebnisvarianz instabil; nenne immer die Stichprobengröße n zusammen mit der Kennzahl.
• Stark asymmetrische ereignisgetriebene Strategien (z. B. Ausbrüche nach US-Arbeitsmarktdaten) — Gewinne bilden einen langen Verteilungsschwanz, und die Standardabweichung muss nicht das widerspiegeln, was der Trader als typische Volatilität betrachtet.
• Extrem niedrige Handelsfrequenz (z. B. 5 Swing-Trades monatlich) — die Quelle warnt, dass annualisierter Sharpe aus nur 60 jährlichen Beobachtungen schwer zuverlässig zu schätzen ist; entscheidend sind Schätzunsicherheit und Abhängigkeit, keine allgemeine Mindestzahl.

Für typische Privattrader mit jährlich 200 bis 600 Trades in Trendfolge- und Mean-Reversion-Strategien dient Sortino als verlässlicher Orientierungskompass, während Sharpe je Trade zusätzliche Kontextbestätigung liefert.

7. MAE/MFE — Was sie über die Qualität von Ein- und Ausstiegen verraten

Maximum Adverse Excursion (MAE, maximale ungünstige Auslenkung) und Maximum Favorable Excursion (MFE, maximale günstige Auslenkung) sind zwei diagnostische Kennzahlen, die zeigen, wie weit sich der Kurs gegen deine Position bewegte und wie weit er sich zu deinen Gunsten bewegte während der aktiven Laufzeit eines Trades. Privattrader erfassen sie selten und verzichten damit auf ihr stärkstes empirisches Werkzeug zur Optimierung von Stop-Loss und Take-Profit.

Definitionen von MAE und MFE

• MAE (maximale ungünstige Auslenkung) — die tiefste Kursauslenkung gegen die aktive Position, ab Einstieg in R gemessen. Beispiel: EUR/USD bei 1.0850 gekauft, geplanter SL 1.0820 (30 Pips Anfangsrisiko). Vor Schließung fiel der Kurs auf 1.0825 → MAE = [(1.0850 − 1.0825) / 0.0001] / 30 = 25 / 30 = 0.83R.
• MFE (maximale günstige Auslenkung) — die höchste Kursauslenkung zugunsten der aktiven Position, ab Einstieg in R gemessen. Kauf bei 1.0850; der Kurs erreichte vor dem Rücklauf 1.0920 → MFE = [(1.0920 − 1.0850) / 0.0001] / 30 = 70 / 30 = 2.33R.
• Beides sind laufende Maxima, strikt auf dem geschlossenen Intervall Einstieg → Ausstieg berechnet, und sie können nicht sinken. MFE kann bei einem Kursrücklauf nicht „abnehmen“ — ein Rücklauf verringert den realisierten PnL, nicht die erreichte Spitzenauslenkung. Nach Schließung endet die MFE-Messung: Der weitere Kursverlauf gehört zu einem hypothetischen Alternativszenario („Was wäre bei längerem Halten gewesen?“) und muss in einer eigenen Forschungsspalte erfasst werden. Die Vermischung kann Bewegungen nach vollständigem TP-Ausstieg fälschlich dem geschlossenen Trade zuschreiben. Der TP-Vergleich der Quelle setzt voraus, dass die gesamte Position tatsächlich am Ziel schließt; ein geplantes Ziel allein ist bei abweichender Ausführung oder offener Restposition keine allgemeine Obergrenze.

Was MAE und MFE diagnostizieren

MAE beantwortet: Wie weit lief der Kurs vor dem Ende gegen den Trade zurück? Ein durchschnittlicher MAE von 0.40R bei Gewinntrades ist eine empirische Hypothese dafür, dass dein Stop-Loss einen überschüssigen, selten getesteten Puffer enthält — kein eindeutiger Beweis, dass du ihn sofort enger setzen solltest. Ein Mittelwert allein entscheidet aus drei Gründen nichts: Erstens betrachtet er nur überlebende Trades; ausgestoppte Trades sind definitionsgemäß ausgeschlossen, du prüfst also nur Überlebende. Zweitens verdeckt der Durchschnitt den Verteilungsschwanz — mehrere Gewinner mit MAE 0.90R wären bei engerem Stop ausgestoppt worden, und oft erzeugen gerade sie deine Gewinne im rechten Verteilungsschwanz. Drittens zeigt MAE, wo der Marktkurs gehandelt wurde, nicht ob eine Ausführung exakt dort möglich war (verwende Kerzengrenzen und die zur Richtung passende ausführbare Kursseite: Ein Long schließt zum Bid, nicht zu einem undifferenzierten Mittelkurs). Erst die vollständige Verteilungsanalyse plus Out-of-Sample-Simulation („Wie viele Gewinner wären bei 0.8× SL ausgestoppt worden?“) liefert eine handlungsfähige Bestätigung. Die umgekehrte Beobachtung ist deutlich eindeutiger: Durchschnittlicher MAE 0.90R bei Gewinnern zeigt vollständig genutzte Stop-Puffer; jede höhere Broker-Slippage verwandelt Gewinner in klare Verluste.

MFE beantwortet: Lasse ich übermäßig viel Gewinn liegen? Die grundlegende analytische Bedingung: Beide Kennzahlen müssen aus der exakt gleichen Grundgesamtheit stammen. Durchschnittliche MFE aller geschlossenen Trades mit dem Durchschnittsgewinn der Gewinner zu vergleichen, verzerrt durch Einmischung von Verlustpositionen stark. Wenn Gewinntrades durchschnittliche MFE von +2.50R bei realisiertem Durchschnittsgewinn +1.20R erzielen, deutet die Lücke von +1.30R auf zu konservative Take-Profit-Orders oder Trailing-Stops hin, die zu früh auslösen. Das ist ein Analysehinweis, keine Schlussfolgerung: MFE ist eine historische Spitzenauslenkung, kein zwingend ausführbarer Ausstiegskurs; eine Order hätte an dieser Spitze vorhanden sein und auf der richtigen Spread-Seite ausgeführt werden müssen.

Vier praktische MAE/MFE-Diagnoseszenarien

MAE/MFE bei Verlusttrades — Stop-Integrität prüfen

Ausschließlich über Verlustpositionen ausgewertet:

• Durchschnittlicher MAE bei Verlusten ≈ 1.00R (geplanter SL) — Stop-Disziplin wird fehlerfrei eingehalten; Verlustgrößen sind strikt normiert. Liegt das realisierte Nettoergebnis durchschnittlich bei −1.10R bis −1.20R, grenzt die Abweichung Broker-Slippage und Kommissionen als Ursache ein.
• Durchschnittlicher MAE bei Verlusten > 1.20R — Stops werden manuell planwidrig erweitert, katastrophale Slippage tritt auf oder Positionen werden durch Kurslücken gehalten. Jede Ursache verlangt sofortiges operatives Eingreifen.

MAE/MFE aus Handelsplattformen gewinnen

Die meisten Privatkundenbroker exportieren keine detaillierten MAE/MFE in regulären CSV-Berichten. Berichte können Einstieg, Ausstieg und manchmal die Kursspanne während des Trades enthalten, ohne fertiges MAE/MFE-Maß. Es folgen vier operative Ansätze: Wähle einen und halte ihn drei Monate bei, bevor du beurteilst, ob die Daten deine Entscheidungen verändert haben.

• MetaTrader (MT4/MT5) ohne Tick-Historie — öffne nach Schließung einen M5-/M15-Chart über die aktive Trade-Dauer. Schätze anhand der Kerzenspanne die größte ungünstige und günstige Bewegung und rechne in R um (MAE_pips / SL_pips, MFE_pips / SL_pips). Zeitaufwand: 30–60 Sekunden je Trade.
• Automatisierte Skripte für cTrader / TradingView — exportiere Kerzendaten für das von open_time bis close_time reichende Zeitfenster und berechne Extrema algorithmisch mit Python. Fertige MAE/MFE je Trade können auf den Strategietester beschränkt sein statt für manuell ausgeführte Trades vorzuliegen. Prüfe Plattform, Kontozustand und Ablauf an deinem eigenen Konto, bevor du dich darauf verlässt; Kerzen- und Tick-Extrema sind nicht austauschbar.
• Spezielle Journal-Software (Edgewonk) — berechnet MAE/MFE nach Import von Handelsabrechnungen automatisch; prüfe den tatsächlichen Mechanismus und die Abdeckung in der Anbieterdokumentation — Ticks, Kerzen oder Broker-API — bevor du deinen Ablauf darauf aufbaust.
• Analyse-Aggregatoren (FX Blue / Myfxbook) — Umfang der MAE/MFE-Analyse und Tarifverfügbarkeit können sich ändern. Prüfe die aktuelle Anbieterdokumentation, statt das Fehlen der Funktion anzunehmen.

Für die meisten Privattrader ist die manuelle Chart-Prüfung nach Schließung der verlässlichste Ansatz — die Quelle veranschlagt ungefähr 30 Sekunden für eine sorgfältige Aufzeichnung, ohne API-Integration oder Softwarekosten.

Sweeneys MAE/MFE-Streudiagramm — Vier Gruppen entschlüsseln

Das Sweeney-Diagramm^[4] trägt MAE horizontal und MFE vertikal auf, wobei jeder Punkt ein einzelner Trade ist. Gewinner erscheinen grün, Verlierer rot. Vier analytische Quadranten diagnostizieren die Ausführung:

• Unten links (niedriger MAE, niedriger MFE) — schnelle Gewinntrades mit minimaler ungünstiger Auslenkung; optimale Ausführungserfahrung, aber häufig ein Hinweis auf verfrüht zu nah gesetzte Ziele.
• Oben rechts (hoher MAE, hoher MFE) — Trades mit starkem Drawdown, die knapp einer Stop-Invalidierung entgingen, bevor sie große Gewinne erzielten. Eine wichtige Warnung: Kleine Slippage-Spitzen hätten sie in volle Verluste verwandelt.
• Oben links (niedriger MAE, hoher MFE) — perfekter Einstiegszeitpunkt, gefolgt von großer gerichteter Trendausdehnung. Das erstklassige Setup-Profil, das dein Trading-Prozess systematisch wiederholen soll.
• Unten rechts (hoher MAE, niedriger MFE) — sofortige ungünstige Kursbewegung mit wenig günstiger Fortsetzung. Vermeide diese Muster und diagnostiziere die Setups dieser Gruppe; das Diagramm allein ist keine Deaktivierungsentscheidung.

8. Drawdown — Historisch, aktuell und erwartet

Drawdown misst den prozentualen Kapitalrückgang vom vorherigen Höchststand. Eine systematische Drawdown-Analyse umfasst drei ergänzende analytische Dimensionen:

Historischer maximaler Drawdown

Die folgenden Interpretationsschwellen sind Arbeitsszenarien, keine allgemeinen Marktvorgaben — dieselbe Strategie erzeugt bei 2% Risiko je Trade ungefähr den doppelten Drawdown wie bei 1%. Die Aussage „max. DD ist 20%“ liefert ohne Positionsgrößenangabe keinerlei strukturelle Information zur Strategie.

Maximaler Drawdown misst den tiefsten beobachteten Rückgang vom Höchst- zum Tiefststand in der Kontohistorie — die zentrale Kennzahl zur Einschätzung psychischer Belastungstoleranz.

Ht = max(Eu : u ≤ t) — laufender Equity-Höchststand, mit ausdrücklich einbezogenem Anfangskapital; Dt = (Ht − Et) / Ht; max DD = max(Dt). Dies muss fortlaufend entlang der Equity-Kurve bewertet werden, nicht durch einfachen Vergleich des globalen Maximums mit dem globalen Minimum: Für 100 → 80 → 120 → 110 beträgt der wahre maximale Drawdown 20.0%, nicht 33.3%.

Vor jeder Drawdown-Angabe müssen zwei grundlegende Parameter ausdrücklich genannt werden: Zeigt der Verlauf die laufende Equity (einschließlich offener Trade-Schwankungen) oder den realisierten Kontosaldo und mit welcher genauen Abtastfrequenz (Tick, nach jeder Trade-Schließung oder täglich zum Tagesende)? Ein- und Auszahlungen müssen mathematisch neutralisiert werden — neues Kapital während eines Drawdowns kaschiert dessen Tiefe optisch, statt Risiko zu reduzieren. Drawdown auf kumuliertem R statt Equity in Währung muss ausdrücklich „Max. DD in R, je Trade gemessen“ heißen und darf nie als Kontoprozentsatz bezeichnet werden.

Durchschnittlicher Drawdown

Arithmetischer Mittelwert aller getrennten Drawdown-Zyklen vom Höchst- zum Tiefststand der Kontohistorie. Er beschreibt den gewöhnlichen operativen „Schmerz“ des Systems im Unterschied zu extremen Negativszenarien im Verteilungsschwanz.

Eine praktische Diagnoseheuristik (illustrative Szenarioannahme, kein Marktstandard): Übersteigt der maximale Drawdown das 3-Fache des durchschnittlichen Drawdowns, zeigt die Renditeverteilung stark ausgeprägte Verteilungsschwänze — typischerweise Exponierung gegenüber extremen externen Marktschocks oder eine Folge größerer Positionen als geplant. Der Faktor 3× ist eine illustrative Faustregel; untersucht werden muss die strukturelle Ursache deiner Daten.

Drawdown-Dauer — Der Erholungshorizont

Häufig psychisch belastender als die Drawdown-Tiefe: Wie lange dauert die Erholung zu einem neuen Höchststand?

• Ein Drawdown von 10%, der sich innerhalb von 2 Wochen erholt, ist psychisch leicht zu verkraften.
• Ein Drawdown von 10%, der sich 8 Monate hinzieht, zerstört die Überzeugung des Traders und veranlasst die Mehrheit, tragfähige Strategien während des Drawdowns aufzugeben.

Ein System mit moderater Drawdown-Tiefe, aber langen Erholungszeiten kann psychisch viel anstrengender sein als eine Strategie mit heftigen Drawdowns und schnellen V-förmigen Erholungen. Diese Dynamik lässt sich als Produkt aus durchschnittlicher Tiefe und durchschnittlicher Erholungsdauer zusammenfassen, hier genannt Schmerzprodukt (eine diesem Rahmen eigene analytische Diagnosekennzahl). Verwechsle es nicht mit dem Pain Index (durchschnittlicher Drawdown im Zeitverlauf) oder dem Ulcer Index (Quadratwurzel des mittleren quadrierten Drawdowns) — drei unterschiedliche Formulierungen mit ähnlichen Namen. Ein am Stichprobenende nicht aufgeholter Drawdown muss als nicht aufgeholt gekennzeichnet bleiben: Erfinde keine Erholungsdauer für den Durchschnitt; berichte ihn getrennt neben dem Durchschnitt abgeschlossener Erholungen. Das Schmerzprodukt ist diesem Artikel eigen, kein Branchenstandard.

Erwarteter Drawdown — Empirische Daten für Simulationen vorbereiten

Dein Journal liefert Monte-Carlo-Simulationen eine grundlegende Ressource: den empirischen Vektor der r_net Werte, normiert auf einen unveränderlichen R0-Nenner und mit dem offiziellen Broker-Kontoauszug abgestimmter Reibung. Die Simulationsmethodik selbst — was neu gezogen wird (Reihenfolge, Blöcke oder Pfade), Zufallsstartwert, Simulationshorizont und Kapitalmodell — legt Artikel 15.4 fest. Zwei operative Vorbehalte gelten: Erstens hängen simulierte Drawdown-Prozentsätze direkt von der Positionsgröße ab — „Weil das 95. Perzentil des max. DD 18% beträgt, ist 1% Risiko sicher“ ist ein Zirkelschluss. Die Simulation zeigt, welche Drawdowns eine bestimmte R-Verteilung bei einer bestimmten Positionsgröße erzeugt. Zweitens kann das Mischen historischer Trades keine Einzelverluste erzeugen, die größer als der schlimmste historische Ausreißer der Stichprobe sind. Neue Extremrisiken müssen durch strukturelle Stressszenarien statt zufällige Permutationen geprüft werden.

Kontrollkarte der Leistungskennzahlen — Definitionen, Nenner und Grenzen

Umfassende zentrale Referenz sämtlicher Kennzahlen dieses Leitfadens. Die letzte Spalte ist die wichtigste: Sie trennt saubere quantitative Messung von Werbeübertreibung und wird von Privattradern am häufigsten ignoriert.

9. Werkzeuge: Edgewonk, Myfxbook, FX Blue, eigenes Excel/Notion

Software erzeugt kein erfolgreiches Trading-Journal. Eine konsequent gepflegte Excel-Arbeitsmappe übertrifft eine teure Plattform, die nach zwei Wochen aufgegeben wird. Dennoch zählt die Werkzeugwahl — ungeeignete Software erzeugt entweder zu viel Reibung und mindert die Konsequenz oder zeigt die benötigten Diagnosekennzahlen nicht.

Vergleich der wichtigsten Journal-Werkzeuge

Was verbreitete Journal-Werkzeuge nicht erfassen

Die große Mehrheit kommerzieller Werkzeuge lässt entscheidende Parameter der Entscheidungsqualität aus — psychischer Zustand, Schlafstunden und Regeleinhaltung am Tagesende. Diese müssen über eigene Tags umgesetzt oder parallel in einer Tabelle geführt werden. Ohne qualitative Aufzeichnungen lässt sich nicht feststellen, ob körperliche Müdigkeit oder emotionale Unruhe mit schlechter Strategieleistung korrelieren — eine empirische Frage, die nur du anhand eigener Daten beantworten kannst; die Quelle liefert keine öffentliche Statistik, die diese Korrelation über Privatkundenjournale belegt. Broker-Ausführungsprotokolle allein erfassen dies nicht.

Wann eigenes Excel kommerzielle Software übertrifft

• Individuelle Kennzahlen aus externen Makrodaten — etwa Bedingungen wie „Setup gültig, wenn VIX < 18 und CBOE-Put/Call-Verhältnis > 1.1“. Der Anbieter nennt eigene Tag-Kategorien und vollständige Anpassbarkeit (geprüft: 2026-09-07, edgewonk.com/pricing), doch dynamische Formeln mit externen makroökonomischen Datenströmen lassen sich in einer Tabelle wesentlich wirksamer erstellen.
• Mehrere Anlageklassen umfassende Strategiearchitekturen — prüfe vor der Auswahl die marktübergreifende Unterstützung beim Anbieter: Die kommerzielle Preisseite nennt Kompatibilität mit mehreren Märkten (geprüft: 2026-09-07, edgewonk.com/pricing). Das Hauptargument für eine eigene Arbeitsmappe bleibt die uneingeschränkte Kontrolle über jede Formeldefinition und jeden Nenner.
• Komplexe R-Multiple-Anpassungen — etwa Portfoliokorrelation oder A+/B/C-Einstufung nach eigener Methodik — bei denen Tabellenformeln volle Modellierungsflexibilität bieten.

Die optimale Einführungsreihenfolge

Der Einführungsweg gilt unabhängig vom Kapital: Zuerst manuelle Aufzeichnungsgewohnheiten in einer Tabelle etablieren, dann die Ausführungsebene automatisieren (CSV-Importe der Broker-Abrechnungen), zuletzt spezialisierte Analysesoftware anschaffen. Ein Softwarewechsel vor Aufbau der Gewohnheit bringt nichts — Werkzeuge erzeugen keine Disziplin, sie verstärken bestehende Gewohnheiten. Die Abstimmung des Analyseablaufs auf deinen Tagesplan (Morgenvorbereitung, Nachbesprechung, Wochenendaudit) erläutert Artikel 15.5; für das Journal ist unverzichtbar, die 29 Felder am Ausführungstag zu erfassen und wöchentlich mit offiziellen Broker-Kontoauszügen abzustimmen.

10. Ablauf der Journal-Analyse — Täglich, wöchentlich, monatlich, quartalsweise

Ein Journal ohne systematischen Prüfrhythmus ist bloß eine ruhende Datenbank. Der Prüfaufbau umfasst vier operative Ebenen — täglich, wöchentlich, monatlich und quartalsweise — wobei die ersten drei zur Journalführung gehören. Die vierte, quartalsweise Prüfung ist ein formales Strategieaudit gemäß Artikel 15.10: Das Journal liefert empirische Daten, strategische Entscheidungen über Setup-Stilllegung fallen dort. Jede Ebene beantwortet konkrete operative Fragen in einem vorgegebenen Zeitbudget.

Täglich — 5 Minuten nach der Sitzung

Ziel: Unverfälschte Rohdaten erfassen, solange die operative Erinnerung frisch ist.

• Alle ausgeführten Trades mit sämtlichen 29 Feldern erfassen (Broker-Kontoauszüge plus qualitative Kennzahlen).
• Fehlerklassifikation zuweisen (Kategorie 0–10).
• Entscheidungsqualität bewerten (1–5) — streng und unabhängig vom finanziellen PnL.
• Schlafstunden nachtragen, falls morgens vergessen — ein objektiver Parameter vor der Sitzung, der abends leicht erinnerbar ist. Der psychische Zustand ist die entscheidende Ausnahme: Erfasse ihn vor der Orderausführung oder lasse das Feld leer. Trägst du abends nach Kenntnis des Ergebnisses eine Bewertung ein, kennzeichne sie ausdrücklich als rückblickend. Sonst misst die vermeintliche Zustand-Ergebnis-Korrelation die Erinnerung an das Ergebnis statt den Zustand vor dem Einstieg.
• Einen knappen Kontextsatz erfassen: „London etwas ruhiger als üblich; NFP war gestern.“

Erfassung am selben Tag ist eine operative Voraussetzung für Datenintegrität. Nach 72 Stunden kannst du deine emotionale Disziplin beim Einstieg nicht mehr genau rekonstruieren; nach einer Woche rationalisiert das Gedächtnis improvisierte Wetten zu „soliden technischen Setups“, um das bekannte Ergebnis zu rechtfertigen. Genau diese Illusion soll der Leitfaden beseitigen — verspätete Erfassung verwandelt sie in beschädigte Daten.

Wöchentlich — 30 Minuten am Sonntagabend

Ziel: Kurzfristige Verhaltensdiagnose — Strategieeinhaltung der vergangenen Woche prüfen.

• Trades je Setup und Einstufung zählen (A+, A, B, C).
• Wöchentliche Summe der Netto-R-Multiples berechnen (kumuliertes Wochen-R).
• Ausführungsfehler je Kategorie zählen — dominierte ein bestimmter Fehler?
• Durchschnittliche Entscheidungsqualität berechnen — unter 3.5 gefallen? (Unmittelbares Warnsignal.)
• Verhaltenskorrelationen prüfen: Welche realisierten Renditen hatten Tage mit psychischer Bewertung < 3?
• Einen strukturierten Reflexionsabsatz schreiben: Was zeigte diese Woche über Ausführungsdisziplin und Passung zum Marktregime?

Die Wochenprüfung erkennt Verhaltensabweichungen früh: „Am Mittwoch nahm ich vier Trades, alle außerhalb meines A-Playbooks — reines FOMO nach einem schlechten Montag.“ Wöchentlich erkannte Muster lassen sich korrigieren, bevor schlechte Gewohnheiten dauerhaften Kapitalverlust verursachen.

Monatlich — 60 Minuten am ersten Wochenende

Ziel: Vollständige quantitative Kennzahlen berechnen und prüfen, ob der Monat zu langfristigen Systemreferenzen passt.

• Alle Kennzahlen berechnen: Trefferquote, Netto-Erwartungswert, Profit-Faktor, Sortino, maximaler Drawdown und Recovery-Faktor.
• Leistungstabelle je Setup erstellen: Trade-Anzahl, Durchschnitts-R und Netto-Erwartungswert.
• Monatliche Equity-Kurve zeichnen und mit erwarteten Monte-Carlo-Verläufen vergleichen.
• MAE/MFE-Streudiagramm prüfen — präzise Einstiegszeitpunkte oder übermäßig abgegebener Gewinn durch zu frühes Nachziehen?
• Fehlersystematik prüfen — die wichtigsten 3 Fehlerkategorien des Monats isolieren und gezielte Verhaltenssicherungen entwickeln.
• Korrelationen analysieren: Schlafmangel gegenüber Netto-R; psychischer Zustand unter 3 gegenüber Ergebnissen.
• Einen knappen einseitigen monatlichen Prüfbericht für dich erstellen.

Diese quantitative Prüfung monatlich durchzuführen — unabhängig von Gewinn oder Verlust — ist die einzige objektive Überprüfung, ob du als Trader besser wirst oder nur günstige Varianz genießt. Sie beseitigt Ausreden: Du erkennst, ob Verluste aus Setup-Invalidierung, Sitzungszeitpunkt, Währungspaar, falscher Positionsgröße oder bewussten Ausführungsverstößen stammen.

Quartalsweise — Empirische Daten für Strategieaudits liefern

Das Quartal ist eine operative Entscheidungsebene, nicht bloß ein Messintervall. Den formalen Audit-Aufbau — mehrstufige Entscheidungstore, Beibehaltungskriterien, Herabstufung und Playbook-Revision — definiert Artikel 15.10. Dein Journal liefert dafür vier Ressourcen: eine abgestimmte Aufstellung aller Trades, segmentierte Tabellen nach Setup und Version (Stichprobengröße n, Mittelwert R, Konfidenzintervalle), den Anteil der Trades mit Fehlercodes ungleich null und die gesamte Reibungsbelastung in R. Fehlt eines dieser vier Elemente, kann das Audit nicht stattfinden — aus einem unvollständigen Journal lässt sich nur legitim schließen, dass die Leistungsdaten ungeprüft sind.

Übersicht — Journal-Prüfablauf in vier Rhythmen

Den Ablauf an deinen Trading-Alltag anpassen

Die Zeitbudgets oben sind als gewidmete Minuten statt fester Tagesstunden ausgelegt. Die Verbindung dieser Routine mit Vollzeitbeschäftigung, hauptberuflichem Trading oder Swing-Trading mit wenigen Trades monatlich sowie Wochenkalender und täglicher Werkzeugwahl erläutert Artikel 15.5. Für das Journal bleibt eine Regel unverzichtbar: Qualitative Felder werden am Ausführungstag erfasst, psychischer Zustand wie oben vor dem Einstieg, Entscheidungsqualität und Fehlerklassifikation zu den vorgesehenen Prüfzeitpunkten. Tage später rekonstruierte Angaben sind unwissenschaftliche nachträgliche Rationalisierung statt objektiver Diagnosedaten.

Journal-Signale und Entscheidungen zur Systemstilllegung

Der schädlichste Fehler nach einem Verlustquartal ist der Austausch der Strategie statt der Beseitigung von Ausführungsfehlern — oder umgekehrt das sture Festhalten an einem defekten Setup nach strukturellem Marktregimewechsel. Ob System oder Ausführung repariert werden müssen, behandelt Artikel 15.10. Die grundlegende Journal-Aufgabe ist die Aufteilung der Leistung in getrennte Ebenen: Finanzergebnis; Regeleinhaltung (Fehlercodes, Entscheidungsqualität); Ausführungsreibung (Slippage, Belastung); und Playbook-Versionen. Ein Verlustquartal, in dem 50% der Trades Fehlercodes ungleich null hatten, sagt nichts über den Strategievorteil aus, sondern belegt Ausführungsversagen. Prüfe zuerst diese Hierarchie: Das ist der vollständige unverzichtbare Journal-Beitrag zu Entscheidungen, die es nicht allein trifft.

Die R-Definition eines einzelnen Trades macht ihn nicht zur periodischen Portfoliorendite. Mean(R)/std(R), multipliziert mit der Quadratwurzel der Trade-Anzahl, ist die mechanische Skalierung einer R-Statistik, nicht automatisch ein annualisierter Konto-Sharpe. Fondsvergleiche erfordern einheitliche Kapitalrenditeperioden, Vergleichsmaßstäbe sowie Risiko- und Abhängigkeitsannahmen. Der Leitfaden zum FX Blue Publisher EA beschreibt CalculateMAEandMFE und die Grenzen der Kurshistorie; prüfe Ergebnisse mit einem Kontrolldatensatz.