Overfitting bei Trading-Strategien: Warum ein perfekter Backtest ein Warnsignal sein kann

Eine Strategie, die im Backtest eine nahezu perfekte Kapitalkurve zeigt, löst meist Begeisterung aus. Sie sollte eher Skepsis auslösen. Der Grund heißt Overfitting - und er ist der häufigste Grund, warum eine Strategie, die auf historischen Daten glänzt, im Livebetrieb enttäuscht.

Was Overfitting bedeutet

Historische Kursdaten bestehen aus zwei Anteilen: echten, wiederkehrenden Strukturen und zufälligem Rauschen. Eine überangepasste Strategie hat sich so eng an die Vergangenheit geschmiegt, dass sie das Rauschen mitgelernt hat - sie erklärt die Vergangenheit perfekt, weil sie Zufall für Muster hält. Auf neuen Daten fehlt genau dieses Rauschen, und die Strategie verliert ihren scheinbaren Vorteil.

Wie es in der Praxis entsteht

Der typische Weg ist unauffällig: Ein Parameter wird ergänzt, ein Schwellenwert nachjustiert, ein zusätzlicher Filter eingebaut - und jedes Mal wird die Backtest-Kurve ein Stück schöner. Jeder Parameter ist aber ein weiterer Freiheitsgrad, mit dem sich die Vergangenheit anpassen lässt. Je mehr Stellschrauben eine Strategie im Verhältnis zur Anzahl ihrer Trades hat, desto leichter passt sie sich an Zufall an, statt eine echte Regelmäßigkeit abzubilden.

Woran man Overfitting erkennt

• Viele fein abgestimmte Parameter, deren genaue Werte sich nicht mehr inhaltlich begründen lassen
• Extreme Empfindlichkeit: Ein Wert wird von 14 auf 15 geändert, und das Ergebnis bricht ein
• Das Gesamtergebnis hängt an einer Handvoll außergewöhnlicher Trades statt an vielen durchschnittlichen
• Die Strategie funktioniert nur auf einem Instrument oder in einem Zeitraum und nirgendwo sonst

Out-of-Sample: Daten, die während der Entwicklung tabu sind

Die einfachste Gegenmaßnahme: Ein Teil der historischen Daten wird von Anfang an beiseitegelegt und während der gesamten Entwicklung nicht angefasst. Erst wenn die Strategie fertig ist, wird sie einmalig auf diesen unberührten Daten geprüft. Bricht das Ergebnis dort ein, war die Anpassung an die Entwicklungsdaten zu eng. Wichtig ist das Wort einmalig - wer nach einem schlechten Out-of-Sample-Ergebnis nachjustiert und erneut testet, hat die Reservedaten zu Entwicklungsdaten gemacht.

Walk-Forward: Bewährung in wiederholten Durchläufen

Die Walk-Forward-Analyse geht einen Schritt weiter: Die Daten werden in aufeinanderfolgende Fenster geteilt. Die Parameter werden auf einem Fenster optimiert und dann auf dem nächsten, noch nicht gesehenen Fenster getestet - danach rückt das Verfahren ein Fenster weiter und wiederholt sich. Eine Strategie muss sich so nicht einmal, sondern viele Male unter wechselnden Marktbedingungen bewähren. Bleiben die optimierten Parameter über die Fenster hinweg stabil, spricht das für eine echte Regelmäßigkeit; springen sie bei jedem Durchlauf, ist das ein deutliches Warnzeichen.

Was das für die Beauftragung einer Strategie bedeutet

Weniger Parameter sind kein Mangel, sondern ein Qualitätsmerkmal. Ein Regelwerk, das sich in wenigen Sätzen in normaler Handelssprache erklären lässt, ist deutlich seltener überangepasst als eines mit einem Dutzend fein justierter Konstanten. Wer eine Strategie entwickeln lässt, sollte deshalb misstrauisch werden, wenn jeder zusätzliche Filter die Backtest-Kurve verschönert - und sich fragen, ob sich der Filter inhaltlich begründen lässt oder nur die Vergangenheit glättet.

Die grundsätzlichen Grenzen automatisierter Strategien stehen ausführlicher in unserem Risiko- und Haftungshinweis.

Keine dieser Methoden garantiert, dass eine Strategie live funktioniert. Sie schließen lediglich eine bestimmte, sehr häufige Fehlerquelle aus - dass ein gutes Ergebnis nur deshalb gut aussieht, weil es auf genau die Daten zugeschnitten wurde, mit denen es gemessen wird.

Die entscheidende Frage ist am Ende nicht, wie gut eine Strategie die Vergangenheit erklärt, sondern ob sie dieselbe Erklärung auch auf Daten liefert, die sie beim Entwurf noch nicht kannte.