Vom Backtest zur Live-Validierung: Warum der echte Test erst nach dem Modell beginnt

Executive Summary

Ein Backtest ist ein Modelltest. Er beantwortet die Frage, wie eine systematische Idee unter historischen Daten und Annahmen ausgesehen hätte. Er beantwortet nicht automatisch, ob dieselbe Idee live tragfähig ist.

Der Übergang vom Backtest zur Live-Validierung ist deshalb ein eigener Research-Schritt. Hier treffen Modellannahmen auf reale Kosten, Slippage, Ausführung, Datenlatenz, Brokerprozesse und veränderte Marktbedingungen. Viele Strategien scheitern nicht daran, dass die Hypothese völlig falsch war. Sie scheitern daran, dass der historische Edge zu klein war, um die Realität zu überstehen.

Für quantitative Research-Plattformen ist dieser Unterschied zentral. Ein Backtest kann Orientierung geben. Vertrauen entsteht erst, wenn ein Modell auch außerhalb der Entwicklungsumgebung stabil beobachtet wird.

Warum Backtests nur Modelltests sind

Backtests beruhen auf Annahmen. Dazu gehören Datenqualität, Preisdefinitionen, Handelszeitpunkte, Kostenmodelle, Slippage, Rebalancing-Regeln, Universumsdefinitionen und Risikobegrenzungen. Schon kleine Unterschiede können die Ergebnisse verändern.

Besonders gefährlich sind implizite Annahmen, die im Backtest nicht sichtbar sind: perfekte Ausführung zum theoretischen Preis, keine Verzögerungen, keine Teilausführungen, keine Liquiditätsbeschränkungen, kein technischer Fehler und keine Marktreaktion auf das eigene Handeln.

Ein guter Backtest reduziert diese Risiken, aber er entfernt sie nicht. Er ist ein Labor. Live-Validierung ist der nächste Realitätscheck.

Slippage, Kosten und Ausführung

Kosten sind bei jeder Strategie relevant, aber bei kurzfristigen und häufig handelnden Modellen besonders kritisch. Ein kleiner erwarteter Vorteil pro Trade kann durch Spread, Slippage, Gebühren oder ungünstige Ausführung vollständig verschwinden.

Slippage ist nicht konstant. Sie steigt häufig genau dann, wenn Strategien aktiv werden: bei Volatilität, nach Nachrichten, in illiquiden Zeitfenstern oder in Stressphasen. Ein Kostenmodell, das nur ruhige Durchschnittsbedingungen abbildet, kann ein zu optimistisches Ergebnis erzeugen.

Live-Validierung sollte daher nicht nur fragen, ob Signale entstehen. Sie sollte fragen:

• Wird der angenommene Preis realistisch erreicht?
• Wie stark weicht die Ausführung vom Modell ab?
• Ändern sich Kosten in Stressphasen?
• Bleibt die Strategie nach realen Reibungen plausibel?

Diese Fragen sind oft wichtiger als ein weiterer optimierter Backtest.

Datenqualität und Timing

Backtests können unbemerkt von Datenproblemen profitieren. Dazu gehören Lookahead Bias, survivorship bias, fehlerhafte Corporate Actions, unterschiedliche Handelskalender, verspätete Makrodaten oder nachträglich korrigierte Zeitreihen.

Timing ist besonders heikel. Ein Signal darf nur Informationen nutzen, die zum Entscheidungszeitpunkt tatsächlich verfügbar waren. Bei Macro-Daten ist das nicht trivial, weil Veröffentlichungszeitpunkte, Revisionen und Datenverzögerungen berücksichtigt werden müssen.

Auch bei Marktdaten gibt es Unterschiede: Schlusskurse, indikative Preise, Auktionen, Bid/Ask und tatsächliche Ausführungspreise sind nicht dasselbe. Je kürzer der Zeithorizont, desto wichtiger wird diese Präzision.

Forward-Test, Paper Trading und Small Live

Forward-Testing bedeutet, ein Modell nach der Entwicklung auf neuen Daten zu beobachten. Paper Trading geht einen Schritt weiter: Signale werden in einem realistischeren Ablauf simuliert, ohne Kapital zu riskieren. Small Live bedeutet, ein Modell mit bewusst kleiner Kapitalgröße und begrenztem Risiko real umzusetzen.

Jede Stufe hat einen anderen Zweck. Forward-Testing prüft, ob die Logik außerhalb des Entwicklungszeitraums weiter plausibel ist. Paper Trading prüft operative Prozesse. Small Live zeigt reale Ausführung, Kosten, Fehlerquellen und psychologische Wirkung.

Keine dieser Stufen garantiert Erfolg. Aber sie reduzieren die Lücke zwischen Backtest und Realität.

Warum Live-Abweichungen normal sind

Live-Ergebnisse werden fast nie exakt wie der Backtest aussehen. Das ist kein automatischer Fehler. Märkte ändern sich, Kosten variieren, Signalreihenfolgen unterscheiden sich und einzelne Trades können anders ausgeführt werden.

Wichtig ist die Einordnung: Sind Abweichungen innerhalb erwartbarer Bandbreiten, oder zeigen sie einen strukturellen Bruch? Dazu braucht es vorab definierte Beobachtungsgrößen. Nur dann lässt sich unterscheiden, ob ein Modell normal schwankt oder seine Hypothese verliert.

Ein professioneller Prozess akzeptiert Unsicherheit, statt sie im Backtest zu verstecken.

Welche Abweichungen beobachtet werden sollten

Live-Validierung sollte nicht nur auf die Gesamtrendite schauen. Aussagekräftiger sind Prozesskennzahlen: Wie oft entstehen Signale? Wie stark weichen reale Ausführungspreise vom Modell ab? Sind Kosten höher als erwartet? Treten Signale in denselben Marktphasen auf wie im Backtest? Verschieben sich Drawdowns, Trefferquote oder Haltedauer?

Besonders wichtig ist die Trennung zwischen zufälliger Abweichung und strukturellem Problem. Eine einzelne schwache Woche kann normal sein. Wiederholt schlechtere Ausführung, dauerhaft veränderte Signalqualität oder ein systematischer Kostenanstieg sind andere Signale.

Auch das Verhalten in Nicht-Handelsphasen ist relevant. Ein Modell, das bewusst Signale auslässt oder Exposure reduziert, sollte dafür eine nachvollziehbare Logik haben. Sonst kann ein ruhiger Live-Verlauf fälschlich als Stabilität interpretiert werden.

Professionelles Monitoring bedeutet daher nicht, täglich hektisch zu reagieren. Es bedeutet, die richtigen Fragen konsequent zu stellen und Abweichungen dokumentiert einzuordnen.

Was Logimetriq daraus ableitet

Logimetriq betrachtet Backtests als Beginn eines Research-Prozesses. Ein Modell wird nicht allein über historische Kennzahlen bewertet, sondern über Plausibilität, Robustheit, Kostenresistenz und Beobachtbarkeit.

Die zentrale Frage lautet: Kann die Strategie unter realistischen Bedingungen weiter sinnvoll interpretiert werden? Wenn die Antwort nur unter idealen Backtest-Annahmen positiv ist, ist das Modell nicht reif.

Öffentliches Research sollte diese Grenze klar benennen. Ein guter Backtest ist wertvoll, aber der echte Test beginnt danach.

Disclaimer

Dieser Beitrag dient ausschließlich Informations- und Bildungszwecken. Er stellt keine Anlageberatung und keine Aufforderung zum Kauf oder Verkauf von Finanzinstrumenten dar. Backtests und historische Analysen sind hypothetisch und keine Garantie für zukünftige Ergebnisse.