Warum funktioniert mein Live-Handel schlechter als meine Backtest-Strategie?
Kurzantwort: Meist liegt es an zu optimistischen oder unvollständigen Annahmen im Test (Gebühren, Slippage, Ausführung, Margin), an einer Überanpassung an die Vergangenheit ohne strikt reservierten Zeitraum zum Prüfen – und daran, dass sich Marktphasen ändern. Unten folgt die Einordnung Schritt für Schritt.
Viele kennen die Diskrepanz: Im Backtest wirkt eine Strategie klar und stark, im Live-Handel sind Ergebnis und Gefühl davon entfernt. Der Markt kann sich ändern, aber oft ist der Hauptgrund ein anderer: Die Strategie wurde auf historischen Daten so angepasst, dass sie diese Periode gut abbildet – ohne dass klar getrennt wurde, was zum Entwickeln und was zum späteren Prüfen dient.
Der folgende Text fasst zusammen, warum solche Abweichungen typisch sind und wie du mit einem reservierten Zeitfenster und Out-of-Sample-Logik strenger arbeitest.
Warum Backtest und Live auseinanderlaufen
Ein Backtest spiegelt deine Annahmen wider: Datenqualität, Kosten, Slippage, Margin, Reihenfolge der Bedingungen, Ausführung. Sind diese Annahmen zu optimistisch oder unvollständig, liegt die simulierte Performance über dem, was real erreichbar ist.
Zusätzlich entsteht Überanpassung (Overfitting), wenn du viele Parameter, Filter oder Zeiträume so lange veränderst, bis die Historie gut aussieht. Das Modell kann dann Muster aus Zufallsbewegungen lernen, die sich nicht wiederholen.
Schließlich wechseln Märkte ihre Eigenschaften (Volatilität, Liquidität, Trends). Eine Logik, die in einer Phase stark war, kann in einer anderen schwächer sein, ohne dass der Code einen Fehler hat.
Die fehlende Prüfung: Daten, die beim Bauen tabu sind
Zentrale Methode: Du trennst die Zeitachse. Ein Teil der Historie wird für die Entwicklung und Optimierung der Strategie verwendet. Ein anderer Teil bleibt zunächst unberührt und dient nur der späteren Bewertung. So simulierst du, dass du die Zukunft beim Entwerfen noch nicht kennst.
Ein konkretes Vorgehen (Beispiel): Du schließt die letzten fünf Monate aus dem Zeitraum aus, auf dem du optimierst. Auf dem davor liegenden Fenster entwickelst du Regeln und Parameter. Danach prüfst du die Strategie auf den folgenden fünf Monaten: Trägt dieselbe festgelegte Logik dort noch, ohne dass du diese Monate in die Optimierung einbezogen hast? Wenn nicht, war die Anpassung vermutlich zu stark an die erste Periode gebunden.
Die genaue Monatszahl ist veränderbar; entscheidend ist die Regel: Was als reserviert gilt, darf nicht heimlich wieder in die Suche nach Parametern einfließen. Das entspricht der Idee von Out-of-Sample-Testing bzw. einer einfachen Walk-forward-Struktur.
Was dir diese Trennung bringt
Strengere Tests liefern selten die höchsten Kurven in der Simulation. Sie reduzieren aber das Risiko, eine Strategie zu überbewerten, die nur auf einen Ausschnitt der Vergangenheit passt. Du erhältst eine klarere Antwort auf die Frage, ob die Regeln außerhalb des Optimierungsfensters noch tragfähig sind.
Fazit
Wenn Live und Backtest stark divergieren, lohnt sich zuerst die Prüfung der Methodik: Annahmen, Überanpassung und fehlende unabhängige Testphase. Wer einen Teil der Daten konsequent für die nachträgliche Bewertung reserviert, testet die Idee schärfer als mit einer einzigen optimierten Gesamtkurve.