Was ist Overfitting?
Overfitting (Überanpassung) tritt auf, wenn eine Strategie so stark an historische Daten angepasst wird, dass sie in der Vergangenheit perfekt funktioniert – aber in der Zukunft versagt.
Analogie: Man kann immer eine Linie durch alle Punkte einer Datenmenge legen, wenn man genug Parameter erlaubt. Aber diese Linie beschreibt dann Rauschen, nicht das zugrunde liegende Muster.
Wie Overfitting entsteht
- Zu viele Parameter: Strategie mit 10+ Parametern – für jeden Parameter gibt es eine "optimale" Einstellung
- Curve Fitting: Regeln werden so lange angepasst, bis die historische Performance perfekt ist
- Datamining Bias: Aus 1.000 getesteten Strategien nimmt man die beste – aber die war zufällig gut
Erkennungszeichen
- Perfekte oder nahezu perfekte historische Performance (zu gut um wahr zu sein)
- Strategie funktioniert nur in einem engen Parameterbereich
- Performance bricht bei kleinen Parameteränderungen zusammen
- Strategie mit wenigen Trades (zu wenig statistische Signifikanz)
Schutzmaßnahmen
Walk-Forward-Analyse
- Trainingsperiode: Optimierung der Parameter (z.B. 2000–2015)
- Testperiode: Unberührte Daten (z.B. 2015–2024)
- Nur wenn beide Perioden gut performen, ist die Strategie robust
Out-of-Sample-Test
Halte immer 20–30% der historischen Daten als "verbotene Zone" zurück. Teste erst zum Schluss darauf.
Monte Carlo Simulation
Simuliere zufällige Veränderungen in der Reihenfolge der Trades und Kursen. Eine robuste Strategie performat in 80%+ aller Szenarien gut.
Occam's Razor
Einfachere Strategien sind robuster. Bevorzuge Strategien mit 2–3 Parametern gegenüber komplexen Systemen.
Was der Backtest NICHT zeigt
- Psychologische Schwierigkeiten das System in Verlustphasen durchzuhalten
- Liquiditätsprobleme bei großen Positionen
- Marktregimewechsel (Strategie kann in bestimmten Marktphasen versagen)