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, also 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 führt Orders gegen seine eigene Liquidität aus, 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 die Preise getestet wird, zu denen dein Broker tatsächlich ausgeführt 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 einem im Backtest angenommenen durchschnittlichen Spread von 3 Punkten. Wenn der tatsächliche durchschnittliche Spread deines Brokers bei diesem Instrument während deiner Handelszeiten eher bei 4 bis 5 Punkten liegt (was außerhalb der Hauptliquiditätszeiten üblich ist), wurde jeder einzelne Trade in deinem Backtest mit einem zu günstigen Preis gerechnet. 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 der Export deines Brokers sie enthält) mit DataConvert in BAR6, partiqons offenes, dokumentiertes Format. Die Konvertierung läuft lokal; deine Rohdaten verlassen nie deinen Rechner. Enthalten diese Daten Bid und Ask deines Brokers, führt der Backtest Orders zu diesen Kursen aus. Das verkleinert den Abstand zum Live-Trading, schließt ihn aber nicht: Slippage, der Zeitpunkt der Ausführung, Teilausführungen, Kommissionen und der Live-Kursstrom weichen weiter ab.

Das ändert nichts daran, was eine Strategie tut. Aber es sorgt dafür, dass das Backtest-Ergebnis das bedeutet, was du denkst, dass es bedeutet: eine vernünftige Schätzung dessen, was passiert wäre, statt einer 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 →