Backtest-Ergebnisse interpretieren: Ein quantitativer Leitfaden zu jeder Kennzahl
Ein Backtest-Bericht ist ein dichtes Zahlenblatt. Gesamtrendite, Sharpe Ratio, Maximum Drawdown, Profit Factor, Gewinnrate — jede Kennzahl beantwortet eine andere Frage zu Ihrer Strategie. Lesen Sie sie falsch, und Sie werden eine Strategie einsetzen, die auf dem Papier brillant aussieht, aber im Live-Handel Kapital verbrennt. Lesen Sie sie richtig, und Sie filtern fragile Konfigurationen heraus, bevor sie Sie einen Cent kosten.
Dieser Leitfaden gibt Ihnen die Formeln, die Benchmarks und — am wichtigsten — den Bewertungsrahmen, um einen wirklich starken Backtest von einem clever überangepassten zu unterscheiden.
Key Takeaways
- Sharpe Ratio misst die Rendite pro Einheit Gesamtrisiko; Werte über 1,0 sind gut, über 2,0 exzellent, über 4,0 verdächtig.
- Maximum Drawdown zeigt den schlimmsten Peak-to-Trough-Verlust — er definiert die psychologische und finanzielle Schmerzgrenze.
- Gewinnrate allein ist ohne Risiko-Ertrags-Kontext bedeutungslos: 40% Gewinnrate mit 1:3 RR ist profitabler als 70% mit 1:0,5.
- Overfitting erzeugt Backtest-Ergebnisse, die nur auf einem spezifischen Datensatz funktionieren — erkennen Sie es durch Tests auf ungesehenen Daten.
- Die Form der Equity-Kurve verrät mehr über die Robustheit einer Strategie als jede einzelne Kennzahl.
- Warnsignale sind Sharpe >4, Gewinnrate >98% und null Verlusttrades — diese weisen fast immer auf einen fehlerhaften Backtest hin.
Falls Sie noch keinen Backtest durchgeführt haben, beginnen Sie mit unserem Schritt-für-Schritt-Backtesting-Leitfaden, bevor Sie diesen Artikel lesen.
Die Dollarbeträge und Prozentsätze in diesem Leitfaden sind Rechenbeispiele, keine Empfehlungen. Krypto-Trading kann zu Verlusten führen — dimensionieren Sie jeden Bot nur mit Mitteln, deren Verlust Sie sich leisten können, und lesen Sie vor dem Live-Betrieb die vollständige Risikoaufklärung.
Kern-Performance-Kennzahlen mit Formeln
Gesamtrendite vs. CAGR
Gesamtrendite ist die einfachste Kennzahl: Wie viel hat Ihr Portfolio über den gesamten Backtest-Zeitraum gewonnen oder verloren.
Gesamtrendite = (Endwert - Startwert) / Startwert × 100
Wenn Sie mit 10.000$ gestartet und mit 11.850$ geendet haben, beträgt Ihre Gesamtrendite 18,5%.
Das Problem der Gesamtrendite ist, dass sie die Zeit ignoriert. 18,5% Rendite über 3 Monate ist phänomenal. Die gleichen 18,5% über 3 Jahre sind enttäuschend. CAGR (Compound Annual Growth Rate) behebt dies, indem Renditen auf eine annualisierte Basis normalisiert werden:
CAGR = (Endwert / Startwert)^(365 / Tage) - 1
Beispiel: 10.000$ → 11.850$ über 180 Tage:
CAGR = (11850 / 10000)^(365/180) - 1 = 1,185^2,028 - 1 = 0,4036 = 40,36%
Dieselben 10.000$ → 11.850$ über 730 Tage (2 Jahre):
CAGR = (11850 / 10000)^(365/730) - 1 = 1,185^0,5 - 1 = 0,0887 = 8,87%
Vergleichen Sie Strategien immer mit CAGR, nicht mit der Gesamtrendite. Eine Strategie, die in 6 Monaten 25% bringt (CAGR ≈ 56%), ist einer mit 30% in 14 Monaten (CAGR ≈ 25%) weit überlegen — auch wenn die Gesamtrendite niedriger ist.
Sharpe Ratio
Die Sharpe Ratio ist der Goldstandard für risikoadjustierte Performance. Sie beantwortet: „Wie viel Rendite habe ich für jede Einheit Volatilität erzielt, die ich ertragen habe?"
Sharpe Ratio = (Rp - Rf) / σp
Wobei:
- Rp = annualisierte Portfolio-Rendite
- Rf = risikofreier Zinssatz (typisch 4–5% für USD, oder 0% bei reinem Krypto-Vergleich)
- σp = annualisierte Standardabweichung der Portfolio-Renditen
Berechnungsbeispiel: Ihr Bot erzielt 42% annualisierte Rendite bei einer Standardabweichung von 18%. Der risikofreie Zinssatz beträgt 5%.
Sharpe = (0,42 - 0,05) / 0,18 = 0,37 / 0,18 = 2,06
| Sharpe Ratio | Interpretation | Maßnahme |
|---|---|---|
| < 0,5 | Schwache risikoadjustierte Rendite | Strategie neu gestalten |
| 0,5 – 1,0 | Akzeptabel | Nutzbar, aber nach Verbesserungen suchen |
| 1,0 – 2,0 | Gut | Starker Kandidat für Live-Einsatz |
| 2,0 – 3,0 | Exzellent | Mit Zuversicht einsetzen, Regime-Wechsel beobachten |
| > 4,0 | Verdächtig | Fast sicher überangepasst — untersuchen |
Eine Sharpe Ratio über 4,0 in einem Krypto-Backtest ist ein Warnsignal, kein Ehrenzeichen. Krypto-Märkte sind von Natur aus volatil — risikoadjustierte Renditen auf Hedgefonds-Niveau konsistent zu erzielen, ist ohne Overfitting oder Look-Ahead-Bias nicht plausibel. Wenn Ihr Backtest Sharpe > 4 zeigt, sollte Ihre erste Reaktion Skepsis sein, nicht Feier.
Sortino Ratio
Die Sharpe Ratio bestraft jede Volatilität gleich — aber Aufwärtsvolatilität ist gut. Wenn Ihre Strategie an einem Tag um 5% nach oben schießt, behandelt Sharpe das genauso wie einen 5%-Rückgang. Die Sortino Ratio korrigiert dies, indem nur die Abwärtsabweichung bestraft wird:
Sortino Ratio = (Rp - Rf) / σd
Wobei σd die Standardabweichung nur der negativen Renditen ist.
Warum das wichtig ist: Eine Strategie, die große Aufwärtsbewegungen einfängt, aber Verluste begrenzt, hat eine deutlich höhere Sortino Ratio als ihre Sharpe Ratio. Das sagt Ihnen, dass die Volatilität „die gute Art" ist.
Beispiel: Gleicher Bot mit 42% annualisierter Rendite und 5% risikofreiem Satz, aber Abwärtsabweichung von nur 11%:
Sortino = (0,42 - 0,05) / 0,11 = 3,36
Vergleichen Sie dies mit der Sharpe von 2,06. Die große Lücke zeigt Ihnen, dass die meiste Volatilität der Strategie von Aufwärtsbewegungen stammt — eine wünschenswerte Eigenschaft.
Maximum Drawdown
Der Maximum Drawdown (MDD) misst den größten Peak-to-Trough-Rückgang des Portfoliowerts. Er beantwortet die persönlichste Frage im Trading: „Was wäre der schlimmste Schmerz gewesen, den ich ertragen hätte?"
MDD = (Tiefpunkt - Höchststand) / Höchststand × 100
Beispiel: Ihr Portfolio steigt von 10.000$ auf 13.200$ (der Peak), fällt dann auf 10.890$, bevor es sich erholt:
MDD = (10890 - 13200) / 13200 × 100 = -17,5%
Zwei kritische Unter-Kennzahlen:
- Drawdown-Dauer: Wie viele Tage vom Peak zum Tief. Ein -15%-Drawdown, der 4 Tage dauert, ist psychologisch leichter als -15%, der 2 Monate dauert.
- Erholungszeit: Wie viele Tage vom Tief zurück zum vorherigen Peak. Schnelle Erholung = widerstandsfähige Strategie.
| Maximum Drawdown | Risikostufe | Geeignet für |
|---|---|---|
| < 5% | Konservativ | Risikoaverse Händler, großes Kapital |
| 5% – 15% | Moderat | Die meisten Bot-Händler |
| 15% – 25% | Aggressiv | Erfahrene Händler mit Überzeugung |
| > 25% | Hohes Risiko | Nur mit kleiner Allokation und hoher erwarteter Rendite |
Eine nützliche Faustregel: Setzen Sie nie eine Strategie ein, deren Maximum Drawdown das 1,5-fache dessen überschreitet, was Sie emotional verkraften können. Zeigt Ihr Backtest -15% MDD, bereiten Sie sich auf -22,5% im Live-Handel vor. Live-Drawdowns übersteigen fast immer die backtesteten — aufgrund von Slippage, Latenz und Marktbedingungen, die in historischen Daten nicht vorhanden sind.
Profit Factor
Der Profit Factor ist brutal einfach und sofort umsetzbar:
Profit Factor = Bruttogewinn / Bruttoverlust
Beispiel: Ihr Bot machte 4.200$ in Gewinn-Trades und verlor 2.100$ in Verlust-Trades:
Profit Factor = 4200 / 2100 = 2,0
| Profit Factor | Interpretation |
|---|---|
| < 1,0 | Verluststrategie — Bruttoverluste übersteigen Bruttogewinne |
| 1,0 – 1,5 | Marginal — kaum profitabel nach Gebühren und Slippage |
| 1,5 – 2,0 | Gut — solider Vorteil |
| 2,0 – 3,0 | Exzellent — starker konsistenter Vorteil |
| > 3,0 | Sorgfältig prüfen — möglicherweise überangepasst oder zu wenige Trades |
Gewinnrate und Erwartungswert
Gewinnrate ist der Prozentsatz der profitabel geschlossenen Deals:
Gewinnrate = Gewinn-Deals / Gesamt-Deals × 100
Gewinnrate allein ist gefährlich irreführend. Eine Gewinnrate von 90% klingt unglaublich — aber wenn Ihr durchschnittlicher Gewinn 10$ und Ihr durchschnittlicher Verlust 200$ beträgt, verlieren Sie Geld. Hier kommt der Erwartungswert ins Spiel:
Erwartungswert = (Gewinnrate × Ø Gewinn) - (Verlustrate × Ø Verlust)
Beispiel: Gewinnrate 62%, durchschnittlicher Gewinn 85$, durchschnittlicher Verlust 120$:
Erwartungswert = (0,62 × 85$) - (0,38 × 120$) = 52,70$ - 45,60$ = 7,10$ pro Trade
Jeder Trade hat einen positiven Erwartungswert von 7,10$. Über 100 Trades würden Sie erwarten, ~710$ zu verdienen.
Gewinnrate vs. Risiko-Ertrags-Verhältnis: Die Break-Even-Tabelle
Dies ist eines der wichtigsten Konzepte im Trading. Gewinnrate und Risiko-Ertrags-Verhältnis (RR) sind invers verbunden: Sie können mit einer niedrigen Gewinnrate profitabel sein, wenn Ihre Gewinner im Verhältnis zu Ihren Verlierern groß genug sind.
Die Break-Even-Gewinnrate für jedes Risiko-Ertrags-Verhältnis lautet:
Break-Even-Gewinnrate = 1 / (1 + Risiko-Ertrags-Verhältnis)
| Risiko-Ertrags-Verhältnis | Break-Even-Gewinnrate | Beispiel: 100$ Risiko |
|---|---|---|
| 1:0,5 | 66,7% | 50$ gewinnen, 100$ verlieren — 2 von 3 gewinnen |
| 1:1,0 | 50,0% | 100$ gewinnen, 100$ verlieren — die Hälfte gewinnen |
| 1:1,5 | 40,0% | 150$ gewinnen, 100$ verlieren — 2 von 5 gewinnen |
| 1:2,0 | 33,3% | 200$ gewinnen, 100$ verlieren — 1 von 3 gewinnen |
| 1:3,0 | 25,0% | 300$ gewinnen, 100$ verlieren — 1 von 4 gewinnen |
| 1:5,0 | 16,7% | 500$ gewinnen, 100$ verlieren — 1 von 6 gewinnen |
Praktisches Beispiel: Ein DCA-Bot mit 40% Gewinnrate und 1:3 Risiko-Ertrag:
- Von 100 Trades: 40 Gewinne × 300$ = 12.000$ Gewinn
- 60 Verluste × 100$ = 6.000$ Verlust
- Nettogewinn = 6.000$ (Profit Factor = 2,0)
Verglichen mit einem Bot mit 70% Gewinnrate und 1:0,5 Risiko-Ertrag:
- 70 Gewinne × 50$ = 3.500$ Gewinn
- 30 Verluste × 100$ = 3.000$ Verlust
- Nettogewinn = 500$ (Profit Factor = 1,17)
Die 40%-Gewinnrate-Strategie produziert 12× mehr Nettogewinn. Gewinnrate ist Eitelkeit; Erwartungswert ist Vernunft.
Berechnen Sie bei der Bewertung eines Backtests immer den Erwartungswert, bevor Sie eine Einsatzentscheidung treffen. Eine hohe Gewinnrate mit negativem Erwartungswert wird Ihr Konto langsam aufzehren — und der psychologische Komfort häufiger Gewinne wird Sie davon abhalten, sie abzuschalten, bis echter Schaden entstanden ist.
Equity-Kurven-Analyse
Die Equity-Kurve zeichnet Ihren Portfoliowert über die Zeit. Sie ist die informationsdichteste Visualisierung in jedem Backtest-Bericht.
Glatte Treppe (Ideal)
Eine gesunde Equity-Kurve steigt in konsistenten, treppenförmigen Schritten. Jede Stufe repräsentiert einen abgeschlossenen Deal. Die Stufen gehen häufiger nach oben als nach unten, und Drawdowns zwischen den Stufen sind flach und kurz.
Was es Ihnen sagt: Die Strategie generiert einen konsistenten, wiederholbaren Vorteil über verschiedene Marktbedingungen hinweg. Das ist die Kurve einer Strategie, der Sie echtes Kapital anvertrauen können.
Sägezahn (Besorgniserregend)
Scharfe Aufwärtsbewegungen gefolgt von ebenso scharfen Abwärtsbewegungen, die ein Zickzack-Muster erzeugen. Die Gesamtbahn mag aufwärts gerichtet sein, aber die Fahrt ist heftig.
Was es Ihnen sagt: Hohe Varianz bei den Renditen. Der Maximum Drawdown ist wahrscheinlich groß, die Sharpe Ratio liegt wahrscheinlich unter 1,0, und der Live-Handel wird Ihre emotionalen Grenzen testen. Selbst wenn die Gesamtrendite positiv ist, ist die Strategie fragil.
Hockeyschläger (Gefährlich)
Flach oder leicht negativ für den Großteil des Zeitraums, dann ein plötzlicher Anstieg, der den Großteil des Gewinns in wenigen Trades erzeugt.
Was es Ihnen sagt: Die Strategie ist von einem spezifischen Marktereignis abhängig (einem Crash, einem Pump oder einer einzelnen großen Kerze). Entfernen Sie diese wenigen Trades, und die Strategie ist unprofitabel. Das ist kein systematischer Vorteil — es ist Glück, das zufällig mit Ihrem Backtest-Fenster zusammenfiel.
Klippen-Absturz (Fatal)
Stetiges Klettern gefolgt von einem plötzlichen, katastrophalen Absturz, der die meisten oder alle Gewinne auslöscht.
Was es Ihnen sagt: Die Strategie hat keinen Abwärtsschutz. Typischerweise verursacht durch fehlende Stop-Losses, übermäßigen Hebel oder eine Strategie, die implizit Short-Volatilität ist (kleine Prämien einsammelt, bis ein Tail-Event alles auslöscht).
| Kurvenform | Sharpe-Schätzung | Typische Ursache | Live-Handelsrisiko |
|---|---|---|---|
| Glatte Treppe | 1,5 – 2,5 | Konsistenter Vorteil, angemessenes Risikomanagement | Niedrig — Strategie ist robust |
| Sägezahn | 0,3 – 0,8 | Hohe Volatilität, inkonsistente Einstiege | Mittel — Drawdowns verursachen Panikverkäufe |
| Hockeyschläger | Stark variabel | Konzentrierte Gewinne in wenigen Trades | Hoch — nicht wiederholbare Performance |
| Klippen-Absturz | Negativ oder nahe 0 | Kein Stop-Loss, übermäßiger Hebel | Kritisch — potenzieller Kontoausfall |
Overfitting erkennen
Overfitting ist der stille Killer backtesteter Strategien. Eine kurvenangepasste Strategie sieht in Backtests phänomenal aus, scheitert aber im Live-Handel, weil sie historisches Rauschen auswendig gelernt hat, statt ein echtes Marktmuster zu erfassen.
Anzeichen von Overfitting
-
Funktioniert bei einem Paar, scheitert bei ähnlichen Paaren. Wenn Ihre BTC/USDT-Strategie 35% bringt, aber die exakt gleichen Einstellungen bei ETH/USDT -5% bringen, ist die Strategie wahrscheinlich an BTCs spezifische Preishistorie angepasst.
-
Funktioniert nur in einem Zeitraum. Eine Strategie, die in den letzten 6 Monaten 28%, aber in den vorhergehenden 6 Monaten -3% bringt, hat ein spezifisches Regime auswendig gelernt.
-
Zu viele optimierte Parameter. Jeder zusätzliche Parameter gibt dem Optimierer mehr Freiheitsgrade, um Rauschen anzupassen. Wenn Ihre Strategie 8+ Parameter hat, die alle einzeln optimiert wurden, ist Overfitting fast garantiert.
-
Unrealistische Kennzahlen. Sharpe > 4, Gewinnrate > 98%, null Verlusttrades oder Profit Factor > 5 bei 50+ Trades — all dies deutet auf eine Strategie hin, die zurechtgebogen wurde, um zu den Daten zu passen.
-
Performance verschlechtert sich bei kleinen Einstellungsänderungen. Robuste Strategien zeigen graduelle Performance-Änderungen, wenn Sie Parameter leicht anpassen. Überangepasste Strategien brechen zusammen, wenn Sie RSI von 27 auf 28 oder Take Profit von 1,87% auf 1,90% verschieben.
In-Sample vs. Out-of-Sample Tests
Die Standardmethode zur Erkennung von Overfitting:
-
Daten aufteilen. Nehmen Sie Ihre gesamte verfügbare Historie (z. B. 12 Monate) und teilen Sie sie: erste 8 Monate = In-Sample (Training), letzte 4 Monate = Out-of-Sample (Validierung).
-
Nur auf In-Sample optimieren. Finden Sie Ihre besten Parameter ausschließlich mit den ersten 8 Monaten.
-
Ohne Änderungen auf Out-of-Sample testen. Wenden Sie diese exakten Parameter auf die letzten 4 Monate an. Passen Sie nichts an.
-
Ergebnisse vergleichen. Liegt die Out-of-Sample-Performance innerhalb von 30–40% der In-Sample-Performance, hat die Strategie wahrscheinlich einen echten Vorteil. Ist die Out-of-Sample-Performance negativ oder dramatisch schlechter, ist die Strategie überangepasst.
Beispiel:
- In-Sample (Jan–Aug): 24% Rendite, Sharpe 1,8, 67% Gewinnrate
- Out-of-Sample (Sep–Dez): 11% Rendite, Sharpe 1,2, 61% Gewinnrate
- Urteil: Performance ist gesunken, blieb aber solide positiv. Das ist eine legitime Strategie.
Vergleichen Sie das mit einem überangepassten Ergebnis:
- In-Sample (Jan–Aug): 42% Rendite, Sharpe 3,1, 88% Gewinnrate
- Out-of-Sample (Sep–Dez): -4% Rendite, Sharpe -0,3, 43% Gewinnrate
- Urteil: Vollständiger Zusammenbruch. Die Strategie hat die Trainingsdaten auswendig gelernt.
Optimieren Sie nie auf Ihren Out-of-Sample-Daten. Sobald Sie Out-of-Sample-Ergebnisse ansehen und Parameter entsprechend anpassen, haben Sie den Test kontaminiert. Diese Daten sind verbraucht — Sie benötigen einen frischen, ungesehenen Datensatz. Dies ist die am häufigsten verletzte Regel in der Strategieentwicklung.
Walk-Forward-Analyse
Ein rigoroserer Ansatz als ein einzelner In/Out-Split:
- Auf Monaten 1–6 optimieren, auf Monat 7 testen
- Auf Monaten 2–7 optimieren, auf Monat 8 testen
- Auf Monaten 3–8 optimieren, auf Monat 9 testen
- Rollend weiter vorwärts fortsetzen
Jede Out-of-Sample-Periode wird mit Parametern getestet, die auf einem anderen Fenster optimiert wurden. Wenn die Strategie über alle Out-of-Sample-Perioden konsistent gut abschneidet, hat sie den stärksten verfügbaren Overfitting-Test bestanden.
Warnsignale in Backtest-Ergebnissen
Bestimmte Muster in einem Backtest-Bericht sollten sofortige Skepsis auslösen:
| Warnsignal | Warum verdächtig | Was untersuchen |
|---|---|---|
| Sharpe Ratio > 4,0 | Übertrifft erstklassige Hedgefonds. Unrealistisch für Krypto. | Look-Ahead-Bias oder Overfitting prüfen |
| Gewinnrate > 98% | Nahezu null Verluste = schließt Verlust-Trades wahrscheinlich nicht | Prüfen, ob Stop-Loss fehlt oder unrealistisch weit gesetzt ist |
| Null Verlusttrades | Auf echten Märkten bei signifikanter Stichprobengröße unmöglich | Prüfen, ob der Bot Verlierer unbefristet hält (unrealisierte Verluste) |
| Profit Factor > 5,0 | Bei 50+ Trades statistisch unwahrscheinlich | Optimierung reduzieren und Out-of-Sample testen |
| Maximum Drawdown < 1% | Deutet darauf hin, dass die Strategie nie Widrigkeiten begegnete | Prüfen, ob der Backtest-Zeitraum signifikante Rückgänge enthielt |
| Durchschnittliche Deal-Dauer < 1 Minute | Nutzt wahrscheinlich Eigenheiten der Backtesting-Engine aus | Kerzenauflösung und Fill-Logik überprüfen |
| Gesamt-Deals < 10 | Unzureichende Stichprobengröße für jede statistische Schlussfolgerung | Backtest-Zeitraum verlängern oder Ergebnisse als unzuverlässig akzeptieren |
Reales Beispiel: Strategie A vs. Strategie B
Vergleichen wir zwei tatsächliche Backtest-Ergebnisse auf BTC/USDT über 6 Monate (Jan–Jun) mit 10.000$ Startkapital.
Strategie A: „Die hohe Gewinnrate"
| Kennzahl | Wert |
|---|---|
| Gesamtrendite | 8,2% (820$) |
| Gewinnrate | 95,3% (82/86 Deals) |
| Ø Gewinn | 18,40$ (0,184%) |
| Ø Verlust | 142,00$ (1,42%) |
| Maximum Drawdown | -6,8% |
| Sharpe Ratio | 0,72 |
| Profit Factor | 1,38 |
| Ø Deal-Dauer | 3,2 Stunden |
| Erwartungswert | 18,40$ × 0,953 - 142$ × 0,047 = 10,86$ |
Strategie B: „Der Trendfänger"
| Kennzahl | Wert |
|---|---|
| Gesamtrendite | 22,7% (2.270$) |
| Gewinnrate | 55,4% (36/65 Deals) |
| Ø Gewinn | 112,00$ (1,12%) |
| Ø Verlust | 48,50$ (0,485%) |
| Maximum Drawdown | -11,3% |
| Sharpe Ratio | 1,64 |
| Profit Factor | 2,48 |
| Ø Deal-Dauer | 18,6 Stunden |
| Erwartungswert | 112$ × 0,554 - 48,50$ × 0,446 = 40,42$ |
Analyse
Strategie A hat eine verführerische Gewinnrate von 95%, aber sie erreicht dies, indem sie winzige Gewinne mitnimmt und Verlierer hält. Jeder Gewinn beträgt durchschnittlich 18,40$, während jeder Verlust durchschnittlich 142$ beträgt — ein Risiko-Ertrags-Verhältnis von etwa 1:0,13. Vier schlechte Trades können 31 Gewinn-Trades auslöschen. Der Profit Factor von 1,38 lässt im Live-Handel fast keine Marge für Slippage und Gebühren. Die niedrige Sharpe (0,72) bestätigt eine schwache risikoadjustierte Performance.
Strategie B gewinnt nur 55% der Zeit, aber die Gewinner sind 2,3× größer als die Verlierer. Der Erwartungswert pro Trade (40,42$) ist fast 4× höher als bei Strategie A (10,86$). Die Sharpe von 1,64 und der Profit Factor von 2,48 zeigen starke risikoadjustierte Renditen. Der höhere Maximum Drawdown (-11,3% vs. -6,8%) ist der Preis einer Strategie, die tatsächlich bedeutsame Positionen eingeht.
Strategie B ist trotz der niedrigeren Gewinnrate objektiv überlegen. Im gleichen Zeitraum erzielte sie 2,77× mehr Gewinn mit einer Sharpe Ratio, die mehr als das Doppelte von Strategie A beträgt. Wenn Sie zwischen Strategien wählen, fokussieren Sie sich auf Erwartungswert, Profit Factor und Sharpe Ratio — nicht auf die Gewinnrate.
Was passiert in Stressszenarien?
Stellen Sie sich einen plötzlichen 12%-BTC-Crash während des Backtest-Zeitraums vor:
- Strategie A: Der Crash löst 4 Stop-Losses gleichzeitig aus (sie hat viele offene Mikro-Deals). Verlust: 4 × 142$ = 568$, was 31 Gewinn-Trades im Wert von 570$ auslöscht. Ein einziges Crash-Ereignis löscht einen Monat an Gewinnen aus.
- Strategie B: Der Crash löst 2 Stop-Losses aus. Verlust: 2 × 48,50$ = 97$. Zwei Gewinn-Trades (224$) decken die Verluste mit Spielraum. Die Strategie ist strukturell widerstandsfähig.
Alles zusammenfügen: Der Bewertungsrahmen
Wenn Sie einen Backtest-Bericht erhalten, bewerten Sie die Kennzahlen in dieser Reihenfolge:
- Erwartungswert — Ist er positiv? Um wie viel pro Trade?
- Profit Factor — Liegt er über 1,5? Über 2,0?
- Maximum Drawdown — Können Sie das 1,5-fache dieser Zahl psychologisch und finanziell verkraften?
- Sharpe Ratio — Liegt sie über 1,0? Bei über 3,0 auf Overfitting untersuchen.
- Equity-Kurve — Ist sie eine glatte Treppe oder ein unruhiges Durcheinander?
- Out-of-Sample-Performance — Besteht die Strategie bei ungesehenen Daten?
- Gewinnrate — Nur im Kontext von Ø Gewinn vs. Ø Verlust relevant.
Strategien, die alle sieben Prüfungen bestehen, sind selten — und wert, eingesetzt zu werden. Strategien, die an den Punkten 1–3 scheitern, sollten verworfen oder grundlegend neu gestaltet werden, unabhängig davon, wie die anderen Kennzahlen aussehen.
Für eine Anleitung zur Optimierung von Strategien, die diesen Rahmen bestehen, siehe unseren Bot-Optimierungsleitfaden.
Häufig gestellte Fragen
Was ist eine gute Sharpe Ratio für einen Krypto-Trading-Bot?
Eine Sharpe Ratio zwischen 1,0 und 2,0 gilt als gut für Krypto-Strategien. Krypto-Märkte sind volatiler als traditionelle Aktien, daher ist eine konsistente Sharpe über 2,0 wirklich schwierig zu erreichen. Werte über 3,0 sollten auf Overfitting untersucht werden. Zur Einordnung: Viele erfolgreiche quantitative Hedgefonds streben Sharpe Ratios zwischen 1,5 und 2,5 an. Wenn Ihr Krypto-Bot in einem Backtest, der mehrere Marktregime abdeckt, eine Sharpe von 1,5 erreicht, ist das ein starkes Ergebnis.
Wie berechne ich den Maximum Drawdown bei mehreren offenen Positionen?
Der Maximum Drawdown sollte auf dem gesamten Portfolio-Eigenkapital berechnet werden, nicht auf einzelnen Trades. Zu jedem gegebenen Zeitpunkt entspricht Ihr Portfoliowert dem Bargeld + unrealisierte G&V auf allen offenen Positionen. Verfolgen Sie diesen kombinierten Wert über die Zeit, identifizieren Sie den höchsten Peak und das niedrigste nachfolgende Tief und berechnen Sie den prozentualen Rückgang. Viele Trader machen den Fehler, nur die realisierte G&V zu betrachten, was das Drawdown-Risiko offener Positionen ignoriert.
Warum hat meine Strategie eine gute Sharpe, aber einen schlechten Profit Factor?
Dies kann passieren, wenn eine Strategie viele kleine profitable Trades macht (was konstante Renditen mit niedriger Volatilität → hohe Sharpe erzeugt), aber die wenigen Verlust-Trades im Verhältnis zu den einzelnen Gewinnen groß sind (was das Verhältnis Bruttogewinn / Bruttoverlust nach unten zieht → niedriger Profit Factor). Es deutet darauf hin, dass die Strategie ein Fat-Tail-Risiko hat: Sie schneidet die meiste Zeit gut ab, ist aber anfällig für gelegentliche große Verluste. Das Anziehen der Stop-Losses behebt den Profit Factor üblicherweise auf Kosten einer niedrigeren Gewinnrate.
Sollte ich die Sharpe oder die Sortino Ratio verwenden?
Verwenden Sie beide, aber gewichten Sie die Sortino stärker für Strategien mit asymmetrischen Renditeprofilen. Wenn Ihre Strategie große Aufwärtsbewegungen einfängt und gleichzeitig das Abwärtsrisiko begrenzt, wird die Sortino deutlich höher sein als die Sharpe, was die Tatsache widerspiegelt, dass Aufwärtsvolatilität vorteilhaft ist. Sind Sharpe und Sortino ähnlich, ist die Volatilität Ihrer Strategie ungefähr symmetrisch — Aufwärts- und Abwärtsbewegungen sind von ähnlicher Größenordnung.
Wie viele Trades brauche ich für statistisch zuverlässige Kennzahlen?
Mindestens 30 Trades bieten grundlegende statistische Zuverlässigkeit. Damit sich Sharpe Ratio und Profit Factor bedeutsam von zufälligem Rauschen unterscheiden, sind 50+ Trades vorzuziehen. Damit sich die Gewinnrate innerhalb von ±5% des wahren Werts stabilisiert, benötigen Sie typischerweise 100+ Trades. Wenn Ihr Backtest nur 15 Trades zeigt, behandeln Sie alle Kennzahlen als grobe Schätzungen, nicht als zuverlässige Prädiktoren. Verlängern Sie den Backtest-Zeitraum oder verwenden Sie eine hochfrequentere Strategie, um mehr Datenpunkte zu generieren.
Können zwei Strategien mit der gleichen Gesamtrendite sich stark in der Qualität unterscheiden?
Absolut. Strategie X könnte 20% mit einer Sharpe von 0,6, einem Maximum Drawdown von -25% und einer Klippen-Absturz-Equity-Kurve liefern. Strategie Y könnte 20% mit einer Sharpe von 1,8, einem Maximum Drawdown von -8% und einer glatten Treppen-Kurve liefern. Gleiches Ziel, radikal unterschiedliche Wege. Strategie Y ist in jeder risikoadjustierten Dimension überlegen. Die Gesamtrendite ist die am wenigsten nützliche Kennzahl zum Vergleich von Strategien mit unterschiedlichen Risikoprofilen.