Overfitting ist die gefährlichste Falle im Backtesting, weil es die schönsten Equity-Kurven produziert. Eine Strategie, die perfekt an die Historie angepasst wurde, sieht unschlagbar aus — bis sie auf live, nie zuvor gesehene Preisaktion trifft.
Wie Overfitting aussieht
Stell dir vor, du testest einen Moving-Average-Crossover und probierst jede Kombination von Fast-/Slow-Längen von 2 bis 200. Du wirst irgendwann eine Kombination finden — sagen wir 17 und 83 —, die eine großartige Equity-Kurve auf deinem spezifischen historischen Datensatz erzeugte. Diese Kombination hat keine echte Marktwahrheit entdeckt; sie passte zufälliges Rauschen in genau diesen Daten an.
Jeder zusätzliche Parameter, den du optimierst, erhöht das Risiko, Rauschen anzupassen. Eine Strategie mit 8 einstellbaren Inputs, jeder über 20 Werte durchsucht, hat 20^8 mögliche Kombinationen — eine davon WIRD durch reinen Zufall großartig aussehen.
Warnsignale einer überangepassten Strategie
- ▸Eine Equity-Kurve, die fast perfekt glatt ist ohne realistische Drawdowns.
- ▸Sehr spezifische, seltsam präzise Parameterwerte (z. B. ein 37-Perioden-EMA mit 2,3x-ATR-Stop).
- ▸Performance, die bei Test auf einem leicht anderen Zeitraum oder Instrument einbricht.
- ▸Regeln mit vielen Bedingungen (5+), die alle für einen Einstieg zusammenpassen müssen — jede Bedingung wurde wahrscheinlich hinzugefügt, um einen bestimmten vergangenen Verlust wegzuerklären.
Wie man sich gegen Overfitting schützt
- 1.Bevorzuge einfache Regeln mit wenigen Parametern — weniger Stellschrauben, weniger Raum für Rauschanpassung.
- 2.Daten in In-Sample (Aufbau/Tuning) und Out-of-Sample (Verifizierung) aufteilen und die Out-of-Sample-Daten während des Tunings nie anfassen.
- 3.Parameter-Sensitivität testen — wenn eine Änderung des Moving Average von 20 auf 22 die Performance zerstört, war der Edge wahrscheinlich Rauschen, kein echtes Muster.
- 4.Über mehrere, nicht verwandte Instrumente testen — ein echter Edge zeigt sich tendenziell zumindest teilweise auf mehr als einem Markt.
- 5.Einen Walk-Forward-Test durchführen (siehe eigener Artikel), bevor man einem optimierten Parametersatz vertraut.
Beispiel für Parameter-Sensitivitätsprüfung
| Fast MA / Slow MA | Erwartungswert (R) |
|---|---|
| 15 / 80 | +0,18R |
| 17 / 83 (der „optimale" Fit) | +0,61R |
| 19 / 86 | +0,15R |
Beachte, wie die „optimale" Kombination 17/83 ein Ausreißer ist, umgeben von mittelmäßigen Nachbarn. Das ist ein Lehrbuch-Fingerabdruck von Overfitting — ein robuster Edge zeigt sich als breites Plateau ordentlicher Ergebnisse, nicht als isolierter Ausreißer.
Wähle bei der Parameterwahl Werte aus der Mitte eines breiten Plateaus guter Ergebnisse, nicht die einzelne bestperformende Spitze. Das Plateau hält sich mit viel höherer Wahrscheinlichkeit im Live-Handel.
Die tiefere Lektion
Eine etwas schlechter aussehende, aber einfache, robuste Strategie wird eine schöne, stark optimierte fast immer im Live-Handel übertreffen. Behandle beeindruckende Backtest-Ergebnisse mit Skepsis proportional dazu, wie viel Tuning nötig war, um sie zu erreichen.