100 TRADERS´: Wie sehen generell die Erfolgsquoten der von Ihnen getesteten Strategien aus? Lotter: Rund 60 Prozent aller Strategien können auf Grundlage der Backtests grundsätzlich funktionieren. Ich denke, dass das durchaus eine positive Aussage ist, wobei diese Zahl vielleicht sogar höher liegt, als es manche erwarten würden. Allerdings beinhaltet das die erfolgreichen Ansätze der institutionellen Anleger. Von den Strategien der Privatanleger funktioniert dagegen selten etwas besser als der Zufall. TRADERS´: Sie schätzen eine Erfolgsquote von 60 Prozent also positiv ein? Lotter: Auf jeden Fall. Denn durch die Tests können wir ziemlich sicher sagen, welche Ansätze in der Praxis nicht funktionieren. Zwar müssen die Kunden, die diese Strategien in Auftrag gegeben haben, unsere Arbeit trotzdem bezahlen, sodass man sagen könnte, das Ganze war umsonst. Aber ich sehe das anders: Wenn die Trader wissen, dass es nicht profitabel ist, sparen sie wahrscheinlich eine Menge Geld gegenüber der Alternative, das Ganze in der Praxis auszuprobieren, um das herauszufinden. TRADERS´: Sie berechnen die Kosten für den Test der Strategien also als Auftragsarbeit? Lotter: Ja, wir legen dafür vorher einen Preis auf Basis des geschätzten Aufwands fest. Dabei ist zu unterscheiden, ob einfach eine bereits feststehende Strategie nur eins zu eins programmiert wird oder ob eine Strategie wirklich zu entwickeln ist, inklusive Optimierungen und so weiter. TRADERS´: Wie gehen Sie bei Ihren Backtests grundsätzlich vor? Lotter: Etwa neun von zehn klassischen Backtests führen zu falschen oder irreführenden Ergebnissen. Dies ist der Hauptgrund, warum algorithmische Handelssysteme im Livetrading häufig versagen. Und das müssen wir bei der Strategieentwicklung natürlich berücksichtigen. Wir starten zu Beginn der verfügbaren Daten und testen das Regelwerk auf dem ersten Abschnitt. Dann werden die ermittelten Einstellungen auf einen anderen, ungesehenen Datenzeitraum angewandt. Dieser Prozess wird mehrfach wiederholt. Wir kombinieren also In-Sample- und Out-of-Sample-Datenzeiträume Schritt für Schritt, indemwir diese durch die gesamte verfügbare Datenhistorie schieben (Walk-forward-Analyse). Dadurch werden viele Probleme wie etwa Überoptimierungen entschärft. Allerdings steckt trotzdemoft noch ein verzerrender Bias in der Strategie, da diese meist schon im Vorfeld aufgrund einer potenziell guten Performance überhaupt zum Test ausgewählt wurde. Selbst mit Out-of-Sample-Daten und Walk-forward-Analyse liegen die Backtestergebnisse deshalb auf der optimistischen Seite. Man kann also sagen: Die Mehrheit der Handelssysteme mit einem positiven Backtest ist in Wahrheit unrentabel. PEOPLE „Die Mehrheit der Handelssysteme mit einem positiven Backtest ist in Wahrheit unrentabel.“ TRADERS´ 02.2023 Infobox: Zorro, die freie Algo-Trading-Software Zorro ist eine kostenlose Plattform zur Datenerfassung, für Backtests und zum Algotrading in institutioneller Qualität. Sie basiert auf C- oder C++-Skripten. R- und Python-Bibliotheken für maschinelles Lernen werden ebenfalls unterstützt. Zorro kann sich gleichzeitig mit mehreren Datenfeeds, Banken, Brokern oder Börsen verbinden und hat Module für Optionen, Futures, Aktien, ETFs, CFDs, Forex und Kryptos. Es lassen sich auch maschinelles Lernen, FuzzyLogik, Mean-Variance-Optimierung, Mustererkennung und Orderbuchanalyse anwenden. Auf Zeitskalen von Millisekunden bis Wochen unterstützt Zorro eine breite Palette von Algohandelsmethoden, vom Hochfrequenzhandel bis zur monatlichen Portfoliorotation. Es werden zudem mehrere Optimierungsmethoden mit benutzerdefinierten Algorithmen und Trainingszielen unterstützt. Livehandelssysteme können sich in regelmäßigen Abständen automatisch neu trainieren. Zorro beinhaltet bereits eine Auswahl vorgefertigter Handelssysteme für Forex, CFDs, ETFs, Aktien, Optionen und Kryptos. Quelle: https://zorro-project.com/
RkJQdWJsaXNoZXIy NTc0NjM=