Warum dein Backtest lügt: Generische Daten vs. Broker-Daten

Die meisten Backtesting-Tools liefern eine saubere Equity-Kurve und eine überzeugende Sharpe Ratio. Dann geht die Strategie live – und verhält sich anders, als der Backtest versprochen hat. Die üblichen Erklärungen – Overfitting, Pech, veränderte Marktbedingungen – stimmen manchmal. Aber es gibt einen einfacheren, selten diskutierten Grund: Du hast wahrscheinlich nicht auf den Daten getestet, auf denen du tatsächlich handelst.

Das Aggregations-Problem

Die meisten Backtesting-Plattformen laufen auf aggregierten Marktdaten – einem gemischten Feed aus mehreren Quellen, normalisiert zu einer einzigen Preisreihe. Das ist praktisch, günstig zu lizenzieren und für einen groben Plausibilitätscheck ausreichend. Aber es ist nicht das, was dein Broker dir tatsächlich gequotet hat.

Jeder Broker füllt Orders gegen seine eigene Liquidität, mit eigenem Spread, zu seinem eigenen Zeitpunkt. Zwei Broker können für dasselbe Instrument zur selben Sekunde deutlich unterschiedliche Preise zeigen – andere Spreads, andere Ausführungslatenz, manchmal ein komplett anderer zugrunde liegender Feed. Eine Strategie, die eng auf Entry-Timing oder spread-sensitive Logik abgestimmt ist, kann auf einem aggregierten Feed profitabel aussehen und sich völlig anders verhalten, sobald sie gegen das getestet wird, was dein Broker tatsächlich gefüllt hätte.

Das ist kein seltener Sonderfall. Es ist systematisch. Jede Strategie mit kurzer Haltedauer, spread-sensitiven Entries oder Instrumenten mit dünner Liquidität ist davon betroffen – und die meisten Retail-Algo-Strategien fallen in mindestens eine dieser Kategorien.

Ein konkretes Beispiel

Nimm eine DAX-Index-Strategie mit einer im Backtest angenommenen durchschnittlichen Spread-Annahme von 3 Pips. Wenn der tatsächliche durchschnittliche Spread deines Brokers bei diesem Instrument während deiner Handelszeiten eher bei 4-5 Pips liegt – was außerhalb der Hauptliquiditätszeiten üblich ist – wurde jeder einzelne Trade in deinem Backtest zu optimistisch bepreist. Multipliziert über hunderte Trades kann aus einem Profit Factor von 1,4 im Backtest im Live-Handel still und leise eine Nullrunde oder Schlechteres werden. An der Strategie-Logik hat sich nichts geändert. Nur die Annahme darüber, welchen Preis du tatsächlich bekommen hast.

Warum das übersehen wird

Die meisten Trader prüfen auf Overfitting. Weniger prüfen, ob die Preisreihe selbst die Realität abbildet. Das ist leicht zu übersehen, weil der Backtest-Report so oder so vollständig aussieht – gleiche Form der Equity-Kurve, gleiche Kennzahlen, gleiches Selbstvertrauen. Die Datenquelle ist im Output unsichtbar.

Wie partiqon das anders löst

partiqon basiert auf Bring Your Own Data (BYOD): Du konvertierst deine eigenen historischen Preisdaten – inklusive Tick-Level-Bid/Ask-Daten, sofern dein Broker sie bereitstellt – mit DataConvert in BAR6, partiqons offenes, dokumentiertes Format. Die Konvertierung läuft lokal; deine Rohdaten verlassen nie deinen Rechner. Der Backtest läuft dann gegen genau das, was dein Broker tatsächlich gequotet hätte – nicht gegen eine Annäherung.

Das macht eine schlechte Strategie nicht gut. Aber es sorgt dafür, dass das Backtest-Ergebnis das bedeutet, was du denkst, dass es bedeutet: eine vernünftige Schätzung dessen, was passiert wäre – statt eine Zahl, berechnet gegen Marktbedingungen, in denen du nie tatsächlich gehandelt hast.

Bevor du eine Strategie optimierst, hinterfrage zuerst den Datenfeed. Es ist die Annahme, die die wenigsten Backtests laut aussprechen.

Teste deine Strategie auf deinen eigenen Broker-Daten. Jetzt auf die Waitlist →