Für wen dieses Kapitel gedacht ist — Für Einsteiger, die den Weg von einer Idee zu einer klaren Strategie verstehen möchten; für Leser, die einen Backtest kritisch bewerten müssen; und für Fachleute in quantitativer Forschung, Ausführung oder Risiko.
Systematischer Handel trifft Entscheidungen anhand ausdrücklicher, wiederholbarer Regeln. Er ist nicht zwingend automatisch: Eine Regel kann manuell ausgeführt werden. Er ist auch nicht dasselbe wie quantitativer Handel, der Daten, Messungen und Modelle betont, oder algorithmischer Handel, der ebenso reine Ausführungsalgorithmen umfasst. Die Bereiche überschneiden sich, beantworten aber verschiedene Fragen.
Der Kern der Disziplin ist weder eine steigende Kurve noch ein Bot. Er ist eine Kette prüfbarer Aussagen: Was wird angenommen? Welche Information war in jedem Augenblick bekannt? Welche Order hätte gesendet werden können? Was hätte sie gekostet? Wie wurde das Modell gewählt? Welche Evidenz würde die Entscheidung ändern? Ein Backtest ist eine an solche Annahmen gebundene historische Simulation, kein echter Track Record, keine Vorhersage und kein endgültiger Beweis künftiger Gewinne.
Die vier Phasen dieses Kapitels
| Phase | Entscheidende Frage | Zentrale Seiten |
|---|---|---|
| 1. Spezifizieren | Ist die Strategie beschrieben, bevor das Ergebnis bekannt ist? | |
| 2. Simulieren | Waren Daten, Uhr und Ausführung wirklich verfügbar? | |
| 3. Validieren | Übersteht das Ergebnis ungenutzte Daten, Abhängigkeit und Selektion? | |
| 4. Steuern | Funktioniert der Prozess vorwärts und weiß er, wann er stoppen muss? |
Diese Phasen bilden keine Treppe zu immer größerer Gewissheit. Jede macht eine andere Fehlerklasse sichtbar. Ein Forward-Test kann einen Prozessfehler entdecken; ein gutes kurzes Ergebnis beweist dennoch keine unveränderte Zukunftsverteilung. Live-Handel bringt Impact, operative Warteschlangen, menschliches Verhalten und Regimewechsel hinzu, die eine Simulation nur teilweise erfassen kann.
Vier ähnliche Begriffe sauber trennen
| Begriff | Definierende Eigenschaft | Beispiel | Bedeutet nicht automatisch |
|---|---|---|---|
| Systematisch | Entscheidungen folgen offengelegten Regeln | monatliches Rebalancing nach festen Kriterien | Code oder hohe Frequenz |
| Quantitativ | Hypothesen werden mit Daten und Modellen formuliert und geprüft | Cross-Section-Signal in einem Universum | automatische Ausführung |
| Algorithmisch | Software entscheidet oder führt Aktionen aus | Algorithmus verteilt eine Order über die Zeit | vorhandenes Alpha |
| Automatisch | System handelt ohne Bestätigung jedes Ereignisses | Orderversand und Verwaltung über API | Gültigkeit des Modells |
Die Trennung schützt vor zwei Irrtümern. Erstens macht Automatisierung eine Strategie nicht richtig. Zweitens kann ein Ausführungsalgorithmus eine bereits beschlossene Order besser handeln, ohne das Positionssignal zu erzeugen. Der SEC-Bericht zum algorithmischen Handel dokumentiert die Vielfalt von Anwendungen, Nutzen und Risiken moderner Marktalgorithmen.
Vom Mechanismus zur Strategie
Trendfolge, Cross-Section-Momentum, Mean Reversion, Carry, Relative Value, Market Making und Event-driven sind Mechanismuskategorien, keine Renditerezepte. Eine konkrete Strategie braucht Universum, beobachtbare Größen, Zeitstempel, Transformationen, Signale, Positionskonstruktion, Limits, Risiko, Orders, Kosten, Benchmark und Überwachung.
Zwei „Momentum“-Systeme können gegensätzliche Exposures und Risiken haben. Eines vergleicht Instrumente miteinander, ein anderes betrachtet jede Zeitreihe; eines ist Long-only, ein anderes Long-short; eines handelt täglich, das andere monatlich. Der Familienname ersetzt keine Spezifikation und beweist nicht, dass eine historische Prämie nach Kosten erreichbar ist.
Der Vertrag eines lesbaren Backtests
Ein ernsthafter Bericht lässt mindestens diese Bestandteile rekonstruieren:
- Forschungsprotokoll — Hypothese, Universum, Zeitraum, Frequenz, Benchmark, Kennzahlen, Kosten und Entscheidungskriterium vor der Endbewertung.
- Versuchregister — erfolgreiche und gescheiterte Varianten, Änderungen, Datum und Grund jeder Wahl; die Versuchszahl gehört zur Evidenz.
- Point-in-time-Daten — tatsächliche Verfügbarkeit, Veröffentlichungslags, Revisionen, historisches Universum, Delistings und Corporate Actions.
- Kausale Uhr — Informationszeit, Signalberechnung, Orderversand und erster möglicher Fill werden nicht verwechselt.
- Ausführungsökonomie — Provisionen, Spread, Slippage, Impact, Kapazität, Borrow, Funding, Roll, Margin und Teilfills, soweit relevant.
- Entscheidungstrennung — Entwicklung, Auswahl und Endbewertung nutzen nicht verborgen dieselbe Stichprobe.
- Abhängigkeit und Unsicherheit — überlappende Trades, Autokorrelation, Exposurecluster und effektive Beobachtungszahl werden sichtbar.
- Reproduzierbarkeit — Code, Konfiguration, Versionen, Seeds und Daten-Snapshots oder Hashes sind identifizierbar.
Kein fester Prozentsatz liefert allgemein den richtigen In-Sample-/Out-of-Sample-Split. Keine feste Tradezahl macht eine Kennzahl zuverlässig. Kein Sharpe oder Profit Factor beweist allein einen Edge. Die Auswahl hängt von Horizont, Abhängigkeitsstruktur, Regimevielfalt, Turnover, Zahl getesteter Modelle und wirtschaftlicher Materialität ab.
Was Validierung sagen kann — und was nicht
Validierung kann zeigen, dass eine Implementierung zur Spezifikation passt, dass ein Ergebnis nicht sichtbar von einer einzigen Wahl abhängt, dass bestimmte Leistungen auch in ungenutzten Perioden auftraten und dass offengelegte Kosten oder Szenarien den Effekt nicht sofort beseitigen. Sie kann verbleibende Unsicherheit quantifizieren.
Sie macht aus einer historischen Beziehung kein Naturgesetz. Data Snooping bevorzugt den besten unter vielen Versuchen; Regime können wechseln; eingesetzte Kapazität kann den Markt verändern; Datenquellen und Mikrostruktur können sich ändern. Reality Check, Deflated Sharpe Ratio, Bootstrap, Walk-forward und Probability of Backtest Overfitting behandeln jeweils bestimmte Probleme unter bestimmten Annahmen. Sie sind keine universellen Gütesiegel.
Sobald ein OOS-Ergebnis Features, Parameter, Universum oder Regeln beeinflusst, ist dieses Segment Teil der Forschung. Es weiterhin „nie gesehen“ zu nennen verändert die Bedeutung der Evidenz. Besser bleibt ein finaler Test wirklich intakt oder die iterative Natur der Analyse wird ausdrücklich genannt.
Von der Forschung zum Live-Betrieb
| Umfeld | Gut beobachtbar | Nicht vollständig repliziert |
|---|---|---|
| Backtest | Logik, verfügbare Geschichte und modellierte Szenarien | künftige Regime, echter Impact, nicht modellierte Fehler |
| Paper Trading | Pipeline, Timing, simulierte Orders und Alltag | echte Priorität, Kapazität, wirtschaftlicher Druck |
| Shadow Mode | Signale und theoretische Orders auf Live-Daten | reale Interaktion mit Markt und Broker |
| Micro-Live | Fills, Kosten und Kontrollen mit wenig Kapital | Verhalten in Zielgröße |
| Produktion | tatsächlicher wirtschaftlicher Prozess | sicheres Gegenfaktum eines anderen Handelspfads |
Der Übergang ist nicht automatisch. Vorher werden Verantwortlichkeiten, Limits, Eskalation, Aussetzungskriterien und Rollback bestimmt. Im Live-Betrieb sind mindestens vier Diagnosen zu trennen: statistische Schwankung im Modell, Verschlechterung des Signals, Ausführungs- oder Datenproblem und Regimewechsel. Eine Verlustserie allein identifiziert die Ursache nicht.
Die Federal-Reserve-Leitlinie SR 26-2 richtet sich an beaufsichtigte Bankorganisationen. Hier dient sie nur als Quelle für übertragbare Prinzipien — Zweck und vorgesehene Nutzung, Validierung, Überwachung, Dokumentation und effektive Herausforderung — und nicht als universelle Pflicht für jeden Trader oder Fonds.
Empfohlener Lernpfad
Erste Runde: Quantitativer und systematischer Handel → Spezifikation → Backtest → Out-of-Sample → Forward-Test.
Professionelle Vertiefung: Point-in-time-Daten → Leakage und Survivorship → Kosten und Kapazität → Zeitreihenvalidierung → multiple Tests → Stichprobenabhängigkeit → Robustheit und Bootstrap → Kennzahlen → Live-Governance.
Dieses Kapitel rekonstruiert das öffentliche und klassische Wissen über systematischen Handel. Der Metodo Emiciclo ist eine getrennte, spätere Ebene und wird nicht rückwirkend in Definitionen, Studien oder Verfahren dieses Kapitels hineingelesen.
Die Reihenfolge ist eine Lernhilfe, keine Freigabeautomatik: Jede reale Nutzung benötigt einen zum eigenen Markt, Instrument, Kapital und Verantwortungsrahmen passenden Prüf- und Kontrollprozess.
Wie dieses Kapitel praktisch genutzt wird
Ein Einsteiger kann jede Phase als einfache Frage lesen. Spezifikation: Kann eine andere Person aus dem Text dieselbe Entscheidung ableiten? Simulation: Hat der Test nur damals bekannte Informationen und erreichbare Preise benutzt? Validierung: Wurden Auswahl und Bewertung wirklich getrennt? Steuerung: Ist vorab klar, wer bei einer Störung was tun darf? Fehlt eine Antwort, ist der nächste Schritt nicht eine komplexere Kennzahl, sondern die Schließung dieser Lücke.
Für eine professionelle Prüfung eignet sich das Kapitel als Evidenzindex. Zu jeder Behauptung im Strategiebericht wird das zugehörige Artefakt verknüpft: Forschungshypothese und Versuchregister, Dataset-Snapshot und Zeitstempel, Codeversion und Konfiguration, Order- und Fill-Log, Kostenkalibrierung, OOS-Protokoll, Robustheitsbatterie, Freigabeentscheidung und Monitoringplan. Damit ist nicht nur das Resultat, sondern auch seine Entstehung nachvollziehbar.
Die Kette muss in beide Richtungen funktionieren. Vom Signal führt sie zu Order, Fill, Position und Ergebnis; von einer auffälligen Kennzahl führt sie zurück zu den verantwortlichen Trades, Datenständen und Regeln. Ein Bericht, der nur die Endkurve bewahrt, kann diese Diagnose nicht leisten. Ebenso wenig reicht reproduzierbarer Code, wenn der historische Datenstand oder die informellen Auswahlentscheidungen fehlen.
Drei mögliche Schlussfolgerungen
Eine Prüfung muss nicht zwangsläufig „bestanden“ oder „nicht bestanden“ enden. Mit weiterer Prüfung vereinbar bedeutet, dass die bisherige Evidenz die Hypothese unter den untersuchten Annahmen nicht widerlegt und der nächste kontrollierte Schritt begründet ist. Nicht schlüssig bedeutet, dass Stichprobe oder Unsicherheit keine tragfähige Entscheidung erlauben. Unvereinbar mit der Spezifikation bedeutet, dass Daten, Kausalität, Ausführung oder Ergebnis die vorab formulierte Behauptung nicht tragen.
Diese Sprache verhindert, dass ein positiver Backtest als Versprechen gelesen wird. Sie bewahrt zugleich negative und mehrdeutige Resultate als Wissen: Ein verworfener Mechanismus, eine Kapazitätsgrenze oder ein erkannter Datenfehler sind wertvolle Forschungsergebnisse, sofern sie dokumentiert und nicht aus dem Versuchregister gelöscht werden.
Quellen
- U.S. Securities and Exchange Commission, Staff Report on Algorithmic Trading in U.S. Capital Markets — Taxonomie, Anwendungen, Nutzen und Risiken; ein Staff Report, keine von der Commission verabschiedete Position.
- Joseph Simonian, CFA Institute Research Foundation, Investment Model Validation: A Guide for Practitioners — Praxisrahmen für Backtests, Validierung, Benchmarking, Simulation und Dokumentation.
- Halbert White, A Reality Check for Data Snooping — Inferenz, wenn eine Regel nach Vergleich vieler Alternativen ausgewählt wird.
- David H. Bailey et al., The Probability of Backtest Overfitting — Rahmen zur Schätzung des Risikos eines historisch siegreichen, aber fragilen Modells.
- Federal Reserve, SR 26-2 — Supervisory Guidance on Model Risk Management — aktuelle sektorale Quelle für Governance, Validierung, Überwachung und Modelldokumentation.