Backtesting

Was ist Backtesting?

Backtesting ist für Händler und Analysten von entscheidender Bedeutung, da es das Potenzial einer Handelsstrategie bewertet, indem es auf historische Daten angewendet wird. Dieser Prozess hilft, Trades zu simulieren, Risiken zu analysieren und die Rentabilität zu bewerten, ohne echtes Kapital zu riskieren. Positive Backtesting-Ergebnisse bestätigen die Solidität einer Strategie, während negative Ergebnisse die Möglichkeit für eine Neubewertung bieten, bevor echtes Geld eingesetzt wird.

Wichtige Erkenntnisse

• Backtesting ist für Händler entscheidend, um die potenzielle Wirksamkeit einer Strategie anhand historischer Daten zu bewerten, bevor sie echtes Kapital riskieren.
• Positive Backtesting-Ergebnisse können Vertrauen in die Lebensfähigkeit einer Strategie schaffen, während negative Ergebnisse Änderungen oder die Aufgabe der Strategie veranlassen können.
• Ein umfassender Backtest sollte verschiedene Marktbedingungen abdecken und alle Handelskosten berücksichtigen, um Genauigkeit zu gewährleisten.
• Forward Performance Testing, auch Papierhandel genannt, bestätigt eine Handelsstrategie weiter, indem es sie in einer Live-Marktumgebung mit hypothetischen Mitteln simuliert.
• Die Vermeidung von Verzerrungen und Data Dredging ist für zuverlässiges Backtesting unerlässlich, wobei In-Sample- und Out-of-Sample-Tests gültigere Ergebnisse liefern.

Wie Backtesting in Handelsstrategien funktioniert

Backtesting ermöglicht es einem Händler, eine Handelsstrategie mit historischen Daten zu simulieren, um Ergebnisse zu generieren und Risiko und Rentabilität zu analysieren, bevor er echtes Kapital riskiert.

Ein gut durchgeführter Backtest mit positiven Ergebnissen versichert Händlern, dass die Strategie grundsätzlich solide ist und wahrscheinlich Gewinne erzielen wird, wenn sie in der Realität umgesetzt wird. Im Gegensatz dazu wird ein gut durchgeführter Backtest mit suboptimalen Ergebnissen Händler dazu veranlassen, die Strategie zu ändern oder abzulehnen.

Wichtig

Komplexe Handelsstrategien, wie sie von automatisierten Systemen verwendet werden, sind stark auf Backtesting angewiesen, um ihren Wert zu demonstrieren, da sie sonst nicht einfach bewertet werden können.

Solange eine Handelsidee quantifiziert werden kann, kann sie backgetestet werden. Einige Händler und Investoren suchen möglicherweise die Fachkenntnis eines qualifizierten Programmierers, um die Idee in eine testbare Form zu bringen. Ein Programmierer codiert die Idee normalerweise in die proprietäre Sprache der Handelsplattform.

Der Programmierer kann benutzerdefinierte Eingabevariablen einbauen, die es dem Händler ermöglichen, das System anzupassen. Ein Beispiel dafür wäre das Simple Moving Average (SMA) Crossover-System. Der Händler könnte die Längen der beiden im System verwendeten gleitenden Durchschnitte eingeben (oder ändern). Der Händler könnte dann backtesten, um zu bestimmen, welche Längen der gleitenden Durchschnitte auf den historischen Daten am besten abgeschnitten hätten.

Schaffung einer effektiven Backtesting-Umgebung

Die besten Backtests verwenden Beispieldaten, die verschiedene Marktbedingungen abdecken. Auf diese Weise kann man besser beurteilen, ob die Ergebnisse des Backtests einen Zufall oder solides Trading darstellen.

Der Datensatz sollte eine Vielzahl von Aktien repräsentieren, einschließlich solcher von Unternehmen, die pleite gegangen oder verkauft wurden. Die Alternative, nur Daten von historischen Aktien zu verwenden, die heute noch existieren, wird künstlich hohe Renditen im Backtesting erzeugen.

Ein Backtest sollte alle Handelskosten berücksichtigen, so unbedeutend sie auch sein mögen, da diese sich im Laufe des Backtesting-Zeitraums summieren und die Darstellung der Rentabilität einer Strategie drastisch beeinflussen können. Händler sollten sicherstellen, dass ihre Backtesting-Software diese Kosten berücksichtigt.

Out-of-Sample- und Forward Performance Testing helfen, die Effektivität eines Systems zu bestätigen, bevor echtes Geld eingesetzt wird. Eine starke Korrelation zwischen den Ergebnissen von Backtesting, Out-of-Sample- und Forward Performance Testing ist entscheidend für die Bestimmung der Lebensfähigkeit eines Handelssystems.

Backtesting vs. Forward Performance Testing: Wichtige Unterschiede

Forward Performance Testing, auch Papierhandel genannt, bietet eine weitere Reihe von Out-of-Sample-Daten zur Bewertung eines Systems. Forward Performance Testing simuliert den tatsächlichen Handel, indem es der Logik des Systems in einem Live-Markt folgt. Es wird auch Papierhandel genannt, da alle Trades nur auf Papier ausgeführt werden; das heißt, Trade-Ein- und -Ausstiege werden zusammen mit etwaigen Gewinnen oder Verlusten für das System dokumentiert, es werden jedoch keine echten Trades ausgeführt.

Es ist entscheidend, während des Forward Testing genau der Logik des Systems zu folgen, um eine genaue Bewertung zu gewährleisten. Händler sollten ehrlich über alle Trade-Ein- und -Ausstiege sein und Verhaltensweisen wie das Herauspicken von Trades oder das Nichtberücksichtigen eines Trades auf dem Papier mit der Begründung "Ich hätte diesen Trade nie gemacht" vermeiden. Wenn der Trade der Logik des Systems folgend aufgetreten wäre, sollte er dokumentiert und bewertet werden.

Backtesting versus Szenarioanalyse: Die Unterschiede verstehen

Während Backtesting tatsächliche historische Daten verwendet, um auf Anpassung oder Erfolg zu testen, verwendet die Szenarioanalyse hypothetische Daten, die verschiedene mögliche Ergebnisse simulieren. Beispielsweise simuliert die Szenarioanalyse Änderungen der Portfoliowerte oder Schlüsselfaktoren wie Zinsverschiebungen.

Die Szenarioanalyse wird häufig verwendet, um Änderungen des Portfoliowerts als Reaktion auf ein ungünstiges Ereignis zu schätzen, und kann verwendet werden, um ein theoretisches Worst-Case-Szenario zu untersuchen.

Vermeidung häufiger Backtesting-Fehler und Fallstricke

Damit Backtesting aussagekräftige Ergebnisse liefert, müssen Händler ihre Strategien entwickeln und sie in gutem Glauben testen, wobei sie Verzerrungen so weit wie möglich vermeiden. Das bedeutet, dass die Strategie entwickelt werden sollte, ohne sich auf die im Backtesting verwendeten Daten zu stützen.

Das ist schwieriger als es scheint. Händler entwickeln Strategien in der Regel auf der Grundlage historischer Daten. Händler sollten strikt mit Datensätzen testen, die sich von denen unterscheiden, die zum Trainieren ihrer Modelle verwendet wurden. Andernfalls kann der Backtest positive Ergebnisse zeigen, die bedeutungslos sind.

Ebenso müssen Händler Data Dredging vermeiden, bei dem sie eine breite Palette hypothetischer Strategien gegen denselben Datensatz testen, was ebenfalls Erfolge hervorbringt, die in Echtzeitmärkten scheitern, da es viele ungültige Strategien gibt, die den Markt über einen bestimmten Zeitraum zufällig schlagen würden.

Um Data Dredging zu vermeiden, verwenden Sie eine erfolgreiche In-Sample-Strategie und backtesten Sie sie mit Out-of-Sample-Daten. Wenn In-Sample- und Out-of-Sample-Backtests ähnliche Ergebnisse liefern, ist es wahrscheinlicher, dass sie sich als gültig erweisen.