58 dreifache ATR-Wert auf Basis der letzten zehn Tage zum Einsatz. Praxisbeispiel Schauen wir uns nun ein Beispiel aus der Praxis an. Als Handelsinstrument dient hierbei der ETF auf den Nasdaq 100 (Ticker QQQ) auf Daily-Basis. Dieser ist in Bild 1 im Hauptchart dargestellt, darunter ist der Slow Stochastics – bestehend aus der %K und %D Linie – dargestellt. Im Zeitraum Mai 2021 bis Januar 2022 wurden insgesamt drei Handelssignale generiert: Die ersten beiden Trades (grün) waren profitabel, der dritte Trade (rot) wurde mit einem Verlust ausgestoppt. Backtest-Ergebnisse Die Ergebnisse des Backtests zeigen, dass der Handelsansatz profitabel ist – das gilt nicht nur für den ETF auf den Nasdaq 100, sondern auch für den S&P 500-ETF. Mit einem durchschnittlichen Gewinn pro Trade von rund 1,9 beziehungsweise 1,3 Prozent sind die Ergebnisse gut genug, um auch nach Handelskosten Gewinne abzuliefern. Um eine Aussage über die generelle Robustheit treffen zu können, testen wir das Regelwerk noch auf einer völlig anderen AssetKlasse, nämlich Gold. Wie in Tabelle 1 zu sehen ist, zeigt der ETF mit dem Ticker GLD ebenfalls solide Ergebnisse, was positiv hinsichtlich der Robustheit zu werten ist: Während die beiden Aktienindex-ETFs einen Profit Faktor von 2,1 lieferten, kommt der Backtest beim Gold-ETF auf einen soliden Wert von 1,9. Die Kapitalkurven für den SPY, QQQ und GLD sind in Bild 2 dargestellt. Eine Wiederanlage der Handelsgewinne beziehungsweise -verluste wurde hierbei nicht berücksichtigt. Inspiration für eigene Strategien Die hier beschriebene Handelsstrategie beruht auf zwei Bausteinen: Der Slow-Stochastik inklusive der Trendfilter (EMAs), die als Entry-Trigger dienen. Die ATR übernimmt dabei die Stopp-Funktion. Mithilfe solch eines Baukastensystems lassen sich natürlich zahlreiche Alternativen entwickeln und anschließend testen – man muss das Rad also nicht neu erfinden. Auch ließen sich bei diesem Modell andere Kursziele oder mehrere Stopp-Arten einsetzen und vieles mehr – am Ende zählt aber vor allem eines: Die Strategie muss robust sein, ansonsten besteht die Gefahr, dass sie in Zukunft nicht mehr (so gut) funktioniert. Fazit: Eine profitable Handelsstrategie muss nicht komplex sein. Viel wichtiger ist die richtige Abstimmung der Komponenten und die Sicherstellung, dass die Parameter nicht überoptimiert sind. Am Ende geht es auch darum, dass die Strategie zum Trader passt, denn eines kann ein Backtest nicht simulieren: die eigenen Emotionen. Das gilt insbesondere, wenn das Handelssystem in einem Drawdown steckt. TRADERS´ 05.2023 T1 Backtest-Ergebnisse Die Tabelle zeigt die wichtigsten Kennzahlen des Backtests für drei unterschiedliche ETFs. Transaktionskosten sind hierbei nicht berücksichtigt, pro Trade werden 100.000 US-Dollar investiert. Eine Wiederanlage der Gewinne oder Verluste erfolgt nicht. Quelle: Tradestation Nettogewinn 134.753 93.001 85.761 Tradeanzahl 71 73 76 Gewinn pro Trade 1,89% 1,27% 1,13% Trefferquote 59,2% 56,2% 43,4% Win/Lose Ratio 1,45 1,63 2,5% Profit Faktor 2,1 2,1 1,9 maximaler Drawdown 16,5% 16,3% 15,63% Verlusttrades in Folge 6 7 3 Gewinntrades in Folge 5 4 5 Die Kapitalkurven zeigen, dass der Handelsansatz in der Vergangenheit auf verschiedenen Märkten robuste Ergebnisse ablieferte – jeweils mit der gleichen Parametereinstellung. Quelle: Tradestation B2 Kapitalkurven für SPY, QQQ und GLD STRATEGIE
RkJQdWJsaXNoZXIy NTc0NjM=