Was ist Backtesting?
Backtesting ist die allgemeine Methode, um zu sehen, wie gut eine Strategie oder ein Modell nachträglich abgeschnitten hätte. Beim Backtesting wird die Realisierbarkeit einer Handelsstrategie bewertet, indem ermittelt wird, wie sich diese mithilfe historischer Daten entwickeln würde. Wenn das Backtesting funktioniert, können Händler und Analysten darauf vertrauen, es künftig einzusetzen.
Backtesting kann ein wichtiger Schritt bei der Optimierung Ihrer Handelsstrategie sein. Weitere Informationen zur Verwendung von Chartanalyse-Tools zum Erkennen profitabler Handelsmöglichkeiten finden Sie im Kurs Technische Analyse der Investopedia Academy.
Die Grundlagen des Backtestings
Mit Backtesting kann ein Trader eine Handelsstrategie unter Verwendung historischer Daten simulieren, um Ergebnisse zu generieren und Risiko und Rentabilität zu analysieren, bevor er das tatsächliche Kapital riskiert.
Ein gut durchgeführter Backtest, der positive Ergebnisse liefert, stellt sicher, dass die Strategie von Grund auf solide ist und in der Realität wahrscheinlich Gewinne abwerfen wird. Ein gut durchgeführter Backtest, der zu suboptimalen Ergebnissen führt, veranlasst die Händler, die Strategie zu ändern oder abzulehnen. Besonders komplizierte Handelsstrategien, wie z. B. Strategien, die von automatisierten Handelssystemen implementiert werden, stützen sich stark auf Backtesting, um ihren Wert zu beweisen, da sie zu geheim sind, um sie anderweitig zu bewerten.
Solange eine Handelsidee quantifiziert werden kann, kann sie erneut getestet werden. Einige Händler und Investoren suchen möglicherweise das Fachwissen eines qualifizierten Programmierers, um die Idee in eine testbare Form zu bringen. In der Regel codiert ein Programmierer die Idee in die proprietäre Sprache, die auf der Handelsplattform gehostet wird. Der Programmierer kann benutzerdefinierte Eingabevariablen einbinden, mit denen der Händler das System "optimieren" kann. Ein Beispiel hierfür wäre das oben erwähnte einfache Übergangssystem mit gleitendem Durchschnitt. Der Händler wäre in der Lage, die Längen der beiden im System verwendeten gleitenden Durchschnitte einzugeben (oder zu ändern). Der Händler könnte einen Backtest durchführen, um zu bestimmen, welche Längen von gleitenden Durchschnitten bei den historischen Daten am besten abgeschnitten hätten.
Die zentralen Thesen
- Backtesting bewertet die Realisierbarkeit einer Handelsstrategie oder eines Preismodells, indem ermittelt wird, wie es sich mit historischen Daten auswirkt. Wenn Backtesting funktioniert, können Händler und Analysten sicher sein, dass es in Zukunft eingesetzt wird dass die Strategie grundsätzlich solide ist und in der Realität wahrscheinlich Gewinne abwerfen wird. Ein gut durchgeführter Backtest, der zu suboptimalen Ergebnissen führt, veranlasst die Händler, die Strategie zu ändern oder abzulehnen.
Das ideale Backtesting-Szenario
Der ideale Backtest wählt Beispieldaten aus einem relevanten Zeitraum mit einer Dauer aus, die eine Vielzahl von Marktbedingungen widerspiegeln. Auf diese Weise kann man besser beurteilen, ob die Ergebnisse des Backtests einen Zufall oder ein gesundes Handeln darstellen.
Der historische Datensatz muss eine wirklich repräsentative Stichprobe von Aktien enthalten, einschließlich derjenigen von Unternehmen, die letztendlich in Konkurs gegangen sind oder verkauft oder liquidiert wurden. Die Alternative, die nur Daten aus historischen Beständen enthält, die es heute noch gibt, wird beim Backtesting zu künstlich hohen Erträgen führen.
Bei einem Backtest sollten alle Handelskosten berücksichtigt werden, die jedoch unerheblich sind, da sich diese im Laufe des Backtesting-Zeitraums summieren können und sich drastisch auf die Rentabilität einer Strategie auswirken. Händler sollten sicherstellen, dass ihre Backtesting-Software diese Kosten berücksichtigt. Out-of-Sample-Tests und Forward-Performance-Tests bestätigen die Effektivität eines Systems und können die Echtheit eines Systems zeigen, bevor echtes Geld auf dem Spiel steht. Eine gute Korrelation zwischen Backtesting-, Out-of-Sample- und Forward-Performance-Testergebnissen ist für die Bestimmung der Lebensfähigkeit eines Handelssystems von entscheidender Bedeutung.
Backtesting vs. Forward Performance Testing
Forward-Performance-Tests, auch als Papierhandel bekannt, bieten Händlern einen weiteren Satz von Out-of-Sample-Daten, anhand derer sie ein System bewerten können. Forward Performance Testing ist eine Simulation des tatsächlichen Handels und beinhaltet die Befolgung der Systemlogik in einem Live-Markt. Es wird auch als Papierhandel bezeichnet, da alle Geschäfte nur auf Papier ausgeführt werden. Das heißt, Trade-Ein- und -Ausgänge werden zusammen mit jeglichem Gewinn oder Verlust für das System dokumentiert, es werden jedoch keine echten Trades ausgeführt.
Ein wichtiger Aspekt beim Testen der Vorwärtsleistung besteht darin, die Systemlogik genau zu befolgen. Andernfalls wird es schwierig, wenn nicht unmöglich, diesen Schritt des Prozesses genau zu bewerten. Händler sollten ehrlich zu allen Handelsübernahmen und -ausgängen sein und Verhaltensweisen wie Kirschpflücken vermeiden oder keinen Handel auf Papier einschließen, in dem begründet wird, dass "ich diesen Handel niemals eingegangen wäre". Wenn der Handel gemäß der Systemlogik stattgefunden hätte, sollte er dokumentiert und ausgewertet werden.
Der Unterschied zwischen Backtesting und Szenarioanalyse
Während beim Backtesting die tatsächlichen Verlaufsdaten zum Testen der Übereinstimmung oder des Erfolgs verwendet werden, werden bei der Szenarioanalyse hypothetische Daten verwendet, die verschiedene mögliche Ergebnisse simulieren. Zum Beispiel simuliert die Szenarioanalyse bestimmte Wertänderungen der Wertpapiere des Portfolios oder Schlüsselfaktoren wie eine Änderung des Zinssatzes. Die Szenarioanalyse wird üblicherweise verwendet, um Änderungen des Werts eines Portfolios als Reaktion auf ein ungünstiges Ereignis abzuschätzen. Sie kann verwendet werden, um ein theoretisches Worst-Case-Szenario zu untersuchen.
Einige Fallstricke beim Backtesting
Damit Backtesting aussagekräftige Ergebnisse liefert, müssen die Händler ihre Strategien entwickeln und nach bestem Wissen und Gewissen testen, um Verzerrungen so weit wie möglich zu vermeiden. Das bedeutet, dass die Strategie entwickelt werden sollte, ohne sich auf die beim Backtesting verwendeten Daten zu stützen. Das ist schwieriger als es scheint. Trader entwickeln Strategien im Allgemeinen basierend auf historischen Daten. Sie müssen streng darauf achten, mit anderen Datensätzen zu testen als denen, auf denen sie ihre Modelle trainieren. Andernfalls erzeugt der Backtest leuchtende Ergebnisse, die nichts bedeuten.
In ähnlicher Weise müssen Händler auch Datenbaggerungen vermeiden, bei denen sie eine breite Palette von hypothetischen Strategien gegen denselben Datensatz testen. Dies führt auch zu Erfolgen, die in Echtzeitmärkten scheitern, da es viele ungültige Strategien gibt, die den Markt schlagen würden zufällig eine bestimmte Zeitspanne.
Eine Möglichkeit, die Tendenz zu Datenbaggern oder Kirschernte zu kompensieren, besteht darin, eine Strategie zu verwenden, die im relevanten Zeitraum oder im Stichprobenzeitraum erfolgreich ist, und sie mit Daten aus einem anderen Zeitraum oder außerhalb des Stichprobenzeitraums zu testen. Wenn In-Sample- und Out-of-Sample-Backtests ähnliche Ergebnisse liefern, sind sie wahrscheinlich allgemein gültig.
