Lässt sich mit einfachen Futures-Breakout-Systemen Geld verdienen?
Research-Serie: Futures-Breakouts im Test – Teil 1 von 4
Die vier Teile der Untersuchung
Die Serie folgt dem tatsächlichen Research-Prozess:
| Teil | Inhalt |
|---|---|
| Teil 1 | Die Breakout-Idee, die B0-Baseline und der Testaufbau |
| Teil 2 | Das zunächst positive Ergebnis von 2020 bis 2026 und seine Warnsignale |
| Teil 3 | Der Test über eine längere Historie und die endgültige Bewertung |
| Teil 4 | Der Vergleich mit einem Trendfolge-Benchmark und die wichtigsten Learnings |
Im ersten Teil geht es zunächst um die Hypothese: Können einfache Ausbrüche über vergangene Hochs und Tiefs über mehrere Futures-Märkte hinweg einen messbaren Vorteil erzeugen?
Die einfache Idee hinter Breakout-Systemen
Breakout-Systeme gehören zu den ältesten Ansätzen des systematischen Tradings.
Die Grundlogik ist leicht verständlich:
- Steigt ein Markt über ein relevantes Hoch, könnte ein neuer Aufwärtstrend beginnen.
- Fällt er unter ein relevantes Tief, könnte sich eine Abwärtsbewegung entwickeln.
- Das System folgt der Bewegung, solange kein definiertes Gegensignal oder Stop-Level erreicht wird.
Ein Breakout-System versucht nicht, einen exakten Hoch- oder Tiefpunkt vorherzusagen. Es wartet, bis der Markt seine bisherige Handelsspanne verlässt.
Vereinfacht lautet die Regel:
Kaufe Stärke und verkaufe Schwäche.
Das wirkt zunächst kontraintuitiv. Viele Anleger versuchen schließlich, möglichst günstig zu kaufen und möglichst teuer zu verkaufen. Ein Breakout-System kauft dagegen häufig nahe eines neuen Hochs und eröffnet Short-Positionen nahe eines neuen Tiefs.
Die Hoffnung dahinter: Ein Teil dieser Ausbrüche entwickelt sich zu größeren Trends, deren Gewinne die zahlreichen kleineren Fehlsignale überkompensieren.
Was ist ein Donchian Channel?
Die untersuchte Baseline verwendet Donchian Channels.
Ein Donchian Channel betrachtet das höchste Hoch und das tiefste Tief innerhalb eines festgelegten Zeitraums. Bei einem 20-Tage-Kanal werden beispielsweise folgende Grenzen berechnet:
- höchstes Hoch der vergangenen 20 Handelstage
- tiefstes Tief der vergangenen 20 Handelstage
Eine einfache Systemlogik kann dann so aussehen:
| Bedingung | Systemreaktion |
|---|---|
| Schlusskurs über dem Hoch der vergangenen N Tage | Long-Einstieg |
| Schlusskurs unter dem Tief der vergangenen N Tage | Short-Einstieg |
| Ausbruch über eine kürzere Gegenspanne | Position schließen |
Ein mögliches Beispiel wäre ein Einstieg beim Ausbruch über das 20-Tage-Hoch und ein Ausstieg beim späteren Unterschreiten des 10-Tage-Tiefs.
Für Short-Positionen gilt die Logik spiegelbildlich.
Die Regeln sind transparent, reproduzierbar und lassen wenig Raum für nachträgliche Interpretation. Genau das macht sie für einen datenbasierten Test interessant.
Warum Futures-Märkte?
Futures bieten Zugang zu sehr unterschiedlichen Marktgruppen:
- Aktienindizes
- Anleihen und Zinsmärkte
- Währungen
- Energie
- Metalle
- Agrarrohstoffe
Diese Märkte reagieren auf unterschiedliche wirtschaftliche Einflussfaktoren. Ein Aktienindex folgt nicht denselben Mechanismen wie Erdgas, Gold oder Mais.
Das ist für die Untersuchung einer systematischen Handelslogik hilfreich. Eine robuste Breakout-Idee sollte nicht allein davon abhängen, dass ein einzelner Aktienmarkt in einem bestimmten Zeitraum stark gestiegen ist.
Sie muss nicht in jedem Markt funktionieren. Das wäre eine unrealistische Anforderung. Der Effekt sollte aber über mehrere Märkte und Marktgruppen hinweg erkennbar sein.
Ein Ergebnis wird dagegen fragwürdig, wenn es nur von einem einzelnen Instrument, einem bestimmten Zeitraum oder wenigen außergewöhnlichen Trades getragen wird.
Warum Breakouts trotzdem schwierig sind
Der offensichtliche Ausbruch in einem historischen Chart ist nicht die typische Erfahrung eines realen Breakout-Systems.
Märkte verlassen regelmäßig ihre bisherige Handelsspanne und drehen anschließend wieder um. Ein vermeintlicher Trendbeginn wird so zum Fehlsignal.
Das System eröffnet beispielsweise eine Long-Position nach einem neuen Hoch. Kurz darauf fällt der Markt zurück und die Position wird mit Verlust geschlossen. Bei Short-Signalen kann das Gleiche in umgekehrter Richtung passieren.
Solche Fehlausbrüche sind kein Implementierungsfehler. Sie gehören zur Strategie.
Viele Trendfolge- und Breakout-Ansätze sind deshalb durch folgende Eigenschaften geprägt:
- relativ viele kleine Verluste
- längere Phasen ohne deutlichen Fortschritt
- eine begrenzte Trefferquote
- wenige größere Gewinner, die zahlreiche Verlusttrades ausgleichen sollen
Damit wird der durchschnittliche Ertrag pro Trade besonders wichtig.
Ist dieser Vorteil nur sehr klein, können bereits leicht schlechtere Ausführungen, höhere Slippage oder unvollständige Kostenannahmen aus einem positiven Backtest ein negatives reales Ergebnis machen.
Die getestete Baseline B0
Die getestete Donchian-Baseline erhielt die Bezeichnung B0.
Sie wurde bewusst einfach gehalten:
| Baustein | Getestete Werte |
|---|---|
| Entry-Lookback | 20, 40 und 55 Tage |
| Exit-Lookback | 10, 20 und 30 Tage |
| ATR-Stop | 2,0, 3,0 und 4,0 |
| Kostenstufen | zero, low, medium und high |
| Profit Target | keines |
| Chandelier Exit | keiner |
| Time Stop | keiner |
| Trendfilter | keiner |
| Pyramiding | nein |
| Marktspezifische Sonderregeln | keine |
Die zentrale Baseline-Kombination verwendete:
- 20 Tage für den Einstieg
- 10 Tage für den Ausstieg
- einen ATR-Stop von 3,0
- mittlere Proxy-Kosten
B0 sollte ausdrücklich keine möglichst ausgefeilte Strategie darstellen.
Der Test sollte zunächst nur zeigen, ob die grundlegende Breakout-Hypothese genügend Substanz besitzt, um eine weitere Untersuchung zu rechtfertigen.
Warum die Baseline nicht sofort verbessert wurde
Nach einem durchwachsenen Backtest entstehen schnell neue Ideen:
- nur Long-Positionen handeln
- einen gleitenden Durchschnitt als Filter ergänzen
- bestimmte Märkte ausschließen
- andere Ausstiegsregeln verwenden
- ein Gewinnziel hinzufügen
- für jeden Markt eigene Parameter auswählen
Jede dieser Varianten kann eine legitime neue Hypothese sein.
Problematisch wird es, wenn solche Änderungen erst nach Betrachtung des Ergebnisses gewählt werden, um die Vergangenheit nachträglich besser aussehen zu lassen.
Mit genügend Parametern und Filtern lässt sich fast jeder historische Datensatz optimieren. Das Ergebnis kann anschließend beeindruckend wirken, obwohl das System lediglich Zufallsmuster des untersuchten Zeitraums abbildet.
B0 wurde deshalb nicht sofort „gerettet“.
Statt der Suche nach dem besten Einzelwert wurde ein vorab festgelegtes Parametergrid untersucht. Entscheidend war nicht der profitabelste Punkt, sondern das Umfeld:
- Funktionieren benachbarte Parameter ebenfalls?
- Bleibt das Ergebnis nach höheren Kosten positiv?
- Verteilt sich der Effekt über mehrere Märkte?
- Sind Long- und Short-Seite beide tragfähig?
- Bleibt das Ergebnis in unterschiedlichen Perioden bestehen?
Robustheit zeigt sich nicht im besten Backtest. Sie zeigt sich darin, wie schnell ein Ergebnis zerfällt, sobald sich die Annahmen verändern.
Was dieser Test zeigen kann – und was nicht
Die Untersuchung verwendet öffentliche Continuous- beziehungsweise Front-Month-Proxy-Daten auf Tagesbasis.
Damit lässt sich eine Idee relativ schnell über mehrere futuresnahe Märkte testen. Die Daten entsprechen jedoch nicht einem vollständigen Backtest tatsächlich handelbarer Einzelkontrakte.
| Der Proxy-Test kann untersuchen | Der Proxy-Test kann nicht belegen |
|---|---|
| Ob eine Regel über mehrere Märkte grundsätzlich trägt | Ob das System live profitabel handelbar ist |
| Ob benachbarte Parameter ähnlich reagieren | Wie hoch die tatsächliche Rollrendite wäre |
| Ob das Ergebnis auf Kostenannahmen empfindlich reagiert | Welche realen Broker- und Ausführungskosten entstehen |
| Ob Long- und Short-Trades unterschiedlich funktionieren | Ob Margin und Liquidität für eine konkrete Umsetzung ausreichen |
| Ob eine aufwendigere Untersuchung gerechtfertigt ist | Welche reale Kontorendite erreichbar wäre |
Insbesondere fehlen eine vollständige Einzelkontrakt-Simulation, reale Rollzeitpunkte, First Notice Dates, Last Trading Days, tatsächliche Marginanforderungen und eine marktindividuelle Modellierung der Ausführung.
Die Ergebnisse sind daher Proxy-Research.
Sie können eine schwache Idee früh aussortieren oder eine interessante Hypothese für einen aufwendigeren Test identifizieren. Sie beweisen keine reale Handelbarkeit und erlauben keine verlässliche Aussage über zukünftige Ergebnisse.
Falsifikation statt Strategiesuche
Die Forschungsfrage lautete nicht:
Welche Breakout-Parameter erzeugen den höchsten historischen Gewinn?
Sie lautete:
Überlebt eine einfache Donchian-Baseline den Test über mehrere Märkte, Parameter, Kostenstufen und Zeiträume?
Dieser Unterschied verändert den gesamten Research-Prozess.
Wer unbedingt eine profitable Strategie finden möchte, kann so lange Parameter verändern, bis ein attraktiver Backtest entsteht.
Wer versucht, eine Hypothese zu widerlegen, fragt dagegen:
- Welche Ergebnisse würden gegen die Idee sprechen?
- Wie verhält sie sich außerhalb des ersten Testfensters?
- Bleibt der Effekt nach konservativeren Kostenannahmen bestehen?
- Wird das Ergebnis von einer einzelnen Handelsrichtung getragen?
- Schlägt das System einfache Vergleichsmaßstäbe?
Eine plausible Trading-Idee verdient nicht automatisch eine Optimierung. Sie muss zunächst zeigen, dass sie einen härteren Test überhaupt rechtfertigt.
Das Logimetriq Decision Gate
Zur Einordnung wurde eine einfache Ampellogik verwendet:
| Bewertung | Bedeutung |
|---|---|
| Grün | Die Mindestanforderungen des Proxy-Tests wurden erfüllt; weitere Forschung ist gerechtfertigt |
| Gelb | Das Ergebnis ist interessant, aber fragil oder noch nicht ausreichend bestätigt |
| Rot | Die Baseline erfüllt die Anforderungen nicht und wird nicht weiter priorisiert |
Ein grünes Signal wäre dabei weder eine Anlageempfehlung noch die Freigabe einer fertigen Handelsstrategie.
Es würde lediglich bedeuten, dass die Hypothese innerhalb des untersuchten Research-Setups stabil genug erscheint, um mit besseren Daten weitergeprüft zu werden.
Gelb bedeutet nicht „fast erfolgreich“. Es bedeutet: Die Daten reichen noch nicht aus.
Und Rot ist kein gescheiterter Research-Prozess. Eine schwache Idee früh zu verwerfen, kann Zeit, Geld und spätere Selbsttäuschung vermeiden.
Der erste Test wirkte zunächst überzeugender als erwartet
Der erste Untersuchungszeitraum reichte von 2020 bis 2026.
Für die zentrale B0-Konfiguration ergaben sich:
| Kennzahl | Ergebnis |
|---|---|
| Abgeschlossene Proxy-Trades | 526 |
| Gesamtergebnis | rund +14,62R |
| Durchschnitt pro Trade nach Proxy-Kosten | ungefähr +0,03 bis +0,04R |
| Positive Parameterkombinationen bei mittleren Kosten | 27 von 27 |
| Decision Gate | Gelb |
Vor allem das Parametergrid wirkte zunächst interessant. Unter mittleren Kostenannahmen waren alle 27 untersuchten Kombinationen positiv. Selbst unter hohen Proxy-Kosten blieben 21 von 27 Kombinationen im positiven Bereich.
Das sah nicht nach einem einzelnen zufällig guten Parameterpunkt aus.
Trotzdem blieb die Bewertung gelb.
Denn gleichzeitig war der durchschnittliche Vorteil pro Trade sehr klein. Die jüngste untersuchte Subperiode war negativ. Zudem zeigten sich erste Unterschiede zwischen Long- und Short-Trades.
Der erste Test lieferte damit genau jene Art von Ergebnis, die leicht zu früh als Bestätigung interpretiert wird:
positiv genug, um interessant zu wirken – aber fragil genug, um misstrauisch zu bleiben.
Zwischenfazit
Einfache Futures-Breakout-Systeme besitzen eine nachvollziehbare Logik. Ihre Regeln sind transparent, über viele Märkte anwendbar und vergleichsweise sauber testbar.
Das bedeutet jedoch nicht, dass sich damit automatisch Geld verdienen lässt.
Die B0-Baseline lieferte im ersten Testfenster ein positives Gesamtergebnis und ein zunächst überzeugendes Parametergrid. Gleichzeitig war der durchschnittliche Vorteil je Trade dünn und damit empfindlich gegenüber Kosten, Datenqualität und leicht veränderten Marktbedingungen.
Die richtige Reaktion war deshalb nicht, sofort zusätzliche Filter einzubauen.
Der nächste Schritt war ein härterer Test.
Im zweiten Teil geht es um die konkreten Ergebnisse von 2020 bis 2026: Warum 27 von 27 positiven Parameterkombinationen zunächst nach Robustheit aussahen – und weshalb wenige Hundertstel R pro Trade trotzdem ein ernstes Warnsignal waren.
Hinweis: Dieser Artikel dient ausschließlich der allgemeinen Information und der Dokumentation eines quantitativen Research-Prozesses. Er stellt weder eine Anlageberatung noch eine Empfehlung zum Kauf, Verkauf oder Halten von Finanzinstrumenten dar. Futures sind komplexe, gehebelte Instrumente und können zu erheblichen Verlusten führen. Historische und simulierte Ergebnisse erlauben keine verlässlichen Rückschlüsse auf zukünftige Entwicklungen. Die verwendeten Continuous-/Front-Month-Daten sind nicht mit einem vollständigen Backtest real handelbarer Einzelkontrakte gleichzusetzen.