Parameterstabilität beschreibt, wie gleichmäßig die Performance einer Strategie bleibt, wenn ihre Eingabewerte leicht verändert werden. Eine Strategie mit hoher Parameterstabilität liefert über eine Spanne von Parameterwerten ähnliche Kapitalkurven. Das zeigt, dass der Vorteil strukturell ist und nicht von einer bestimmten historischen Konstellation abhängt.

Nüchtern betrachtet: Parameterstabilität ist der verlässlichste Hinweis darauf, ob ein Backtest einen echten Marktvorteil oder ein Ergebnis von Data-Mining zeigt. Eine Strategie, die nur bei einer einzigen genauen Einstellung funktioniert, scheitert im echten Handel, denn ungenaue Ausführung, Slippage und Regimewechsel sorgen dafür, dass die „perfekte“ Einstellung nie exakt getroffen wird. Stabilität ist keine Nebenkennzahl. Sie ist die wichtigste.

Überanpassung ist der Fehler, ein Modell so komplex oder so genau auf historische Daten abzustimmen, dass es das zufällige Rauschen der Vergangenheit lernt statt der zugrunde liegenden Marktstruktur. Ein überangepasstes Modell liefert hervorragende Backtests und scheitert im echten Handel sofort, weil sich das gelernte Rauschen nicht wiederholt.

Nüchtern betrachtet: Jeder zusätzliche Parameter ist eine weitere Gelegenheit zur Überanpassung. Jeder Filter, jeder Schwellenwert und jeder Betrachtungszeitraum, der den Backtest ohne logische Begründung verbessert, ist ein Zeichen fortschreitender Kurvenanpassung. Die Belohnung im Backtest kommt sofort und ist verlockend. Die Strafe im echten Handel kommt ebenso schnell und ist schwerwiegend. Das Gegenmittel sind nicht bessere Daten oder eine bessere Optimierung, sondern eine klar formulierte Markthypothese, die festlegt, welche Parameter überhaupt einen Test wert sind.

Freiheitsgrade bezeichnen die Zahl unabhängiger Parameter eines Modells, die sich frei einstellen lassen. Bei der Entwicklung einer Strategie ist jeder zusätzliche Parameter ein weiterer Freiheitsgrad: eine weitere Möglichkeit, das Modell genauer an historische Daten anzupassen, und eine weitere Quelle für das Risiko der Überanpassung.

Nüchtern betrachtet: Je mehr Freiheitsgrade eine Strategie hat, desto leichter entsteht ein schöner Backtest, und desto weniger sagt er aus. Mit genügend Parametern lässt sich selbst ein Zufallspfad wie eine Kapitalkurve im 45-Grad-Winkel aussehen lassen. Entscheidend ist nicht, wie gut die Strategie zur Vergangenheit passt, sondern welcher Teil dieser Passung auf echte Marktstruktur zurückgeht und welcher auf die genutzten Freiheitsgrade. Einfache Strategien mit wenigen Parametern und starker logischer Grundlage sind aussagekräftiger als komplexe Strategien mit vielen Parametern und schwacher Grundlage.

Die Sensitivitätsanalyse ist ein Verfahren, mit dem sich ermitteln lässt, wie sich die Performance einer Strategie bei systematischer Veränderung ihrer Eingabeparameter verhält. Sie zeigt, ob eine Strategie auf einem stabilen Plateau steht, also über eine Spanne von Parameterwerten gleichmäßig abschneidet, oder auf einem anfälligen Gipfel, also nur bei einer genauen Einstellung gut und überall sonst schlecht.

Nüchtern betrachtet: Die Sensitivitätsanalyse ist der Stresstest, der robuste von angepassten Strategien trennt. Wer echtes Kapital einsetzen will, sollte nicht auf sie verzichten. Das Vorgehen ist einfach: Verändern Sie jeden Parameter Ihrer Strategie um 10 %, 20 % und 30 % in beide Richtungen. Verschlechtert sich die Performance allmählich und gleichmäßig, steht die Strategie auf einem Plateau. Bricht sie schon bei kleinen Abweichungen ein, steht sie auf einem Gipfel, und der echte Handel wird sie in der ersten Woche, die nicht genau dem Backtest entspricht, von diesem Gipfel stoßen.

Die Walk-Forward-Analyse ist ein Prüfverfahren, bei dem eine Strategie wiederholt auf einem Trainingsfenster historischer Daten optimiert und anschließend auf einem nachfolgenden Out-of-Sample-Fenster getestet wird. So wird der reale Ablauf nachgebildet: Handel mit Parametern, die an vergangenen Daten kalibriert wurden, in einer tatsächlich unbekannten Zukunft. Die Ergebnisse der Out-of-Sample-Zeiträume werden anschließend zu einer Gesamtschätzung zusammengeführt.

Nüchtern betrachtet: Die Walk-Forward-Analyse kommt dem echten Handel so nahe, wie es ein Backtest vermag, weil sie die Daten zur Kalibrierung strikt von den Daten zur Bewertung trennt. Schneidet eine Strategie in der Walk-Forward-Analyse schlecht, im gewöhnlichen Backtest aber gut ab, ist sie vermutlich überangepasst. Schneidet sie in beiden gleichmäßig ab, zeigt sie die Parameterstabilität, die Voraussetzung für den Einsatz mit echtem Kapital ist. Das ist keine Garantie für künftige Ergebnisse, aber ein aussagekräftiger Hinweis darauf, dass der Vorteil strukturell und nicht historisch zufällig ist.

Das deutlichste Zeichen für Überanpassung ist eine große Lücke zwischen Backtest und echtem Handel, die sich nicht durch Transaktionskosten oder Markteinfluss erklären lässt. Ein zweites Zeichen ist die Empfindlichkeit gegenüber Parametern: Führt eine kleine Änderung einer Eingabe zu einem drastischen Leistungseinbruch, ist die Strategie nicht robust. Sie hängt an einer historischen Konstellation, die sich im echten Handel nicht exakt wiederholt. Der entscheidende Test ist die Walk-Forward-Analyse: Schneidet eine Strategie über Out-of-Sample-Zeiträume mit Parametern aus vorangehenden Fenstern gleichmäßig ab, zeigt sie strukturelle Robustheit. Funktioniert sie nur, wenn sie auf der gesamten Historie optimiert wurde, ist sie überangepasst.

Optimierung bedeutet, Parameterwerte zu wählen, die auf Grundlage eines logischen Verständnisses des genutzten Marktmechanismus bessere Ergebnisse liefern. Überoptimierung bedeutet, Parameterwerte zu wählen, die auf historischen Daten bessere Ergebnisse liefern, ohne dass es dafür eine logische Begründung gibt. Der Unterschied liegt in der Begründung, nicht in der Methode: Können Sie aus der Theorie der Marktstruktur erklären, warum ein bestimmter Wert besser abschneiden sollte, handelt es sich um Optimierung. Ist die einzige Begründung, dass er den Backtest verbessert, handelt es sich um Überanpassung. In der Praxis zieht die Parameterstabilität die Grenze: Ein echt optimierter Parameter sollte ein Plateau ergeben, keinen Gipfel.

Eine allgemeingültige Grenze gibt es nicht. Als praktische Richtschnur gilt: Die Zahl der Parameter sollte im Verhältnis zur Zahl unabhängiger Datenpunkte der historischen Stichprobe klein sein, und jeder Parameter sollte eine klare logische Begründung haben, die sich aus der Markthypothese ableiten lässt. Eine Strategie mit drei gut begründeten Parametern ist fast immer robuster als eine mit zehn, selbst wenn die Variante mit zehn Parametern einen besseren Backtest liefert. Das Risiko der Überanpassung wächst ungefähr mit der Zahl der Parameter und sinkt mit dem Umfang der Stichprobe. Im Zweifel entfernen Sie einen Parameter und prüfen, ob sich die Performance spürbar verschlechtert. Tut sie das nicht, hat der Parameter nicht zum Vorteil beigetragen, sondern nur zur Passung.

Weil die maximale Rendite im Backtest kein verlässlicher Hinweis auf die Ergebnisse im echten Handel ist, die Stabilität dagegen schon. Eine auf maximale historische Rendite kalibrierte Strategie ist fast immer an die konkrete Abfolge von Ereignissen in diesem Zeitraum angepasst. Bringt die Zukunft eine andere Abfolge, also andere Volatilität, andere Korrelationen und ein anderes Verhalten institutioneller Anleger, schneidet die maximal optimierte Strategie schwächer ab oder versagt ganz. Eine auf Stabilität über viele Bedingungen kalibrierte Strategie schneidet unter allen diesen Bedingungen annehmbar ab. Über jeden Zeitraum, der lang genug ist, um zu zählen, ist annehmbar und beständig besser als optimal und anfällig. Eine strukturell verlässliche Rendite von 15 % ist uns lieber als eine historisch zufällige von 40 %. Beide Zahlen dienen der Veranschaulichung; vergangene Ergebnisse sind keine Zusage für die Zukunft.

Der Sensitivitäts-Stresstest ist ein Prüfverfahren, bei dem jeder Parameter einer Strategie systematisch verändert wird, üblicherweise um 10 %, 20 % und 30 % in beide Richtungen, um zu sehen, wie die Performance reagiert. Eine Strategie, die über diese Spanne annehmbare Ergebnisse liefert, zeigt Parameterstabilität und kommt für den Einsatz mit echtem Kapital in Frage. Eine Strategie, die schon bei kleinen Abweichungen einbricht, zeigt Anfälligkeit und wird verworfen, unabhängig von ihrem historischen Ergebnis bei der optimalen Einstellung. Bei Ordertune erreicht kein Signal das Ordertune Terminal, ohne diesen Test bestanden zu haben. Die Schwelle lautet nicht „Sieht es noch gut aus?“, sondern „Funktioniert es noch, wenn wir die Einstellungen bewusst verändern?“ Lautet die Antwort Nein, ist die Strategie nicht bereit für echtes Kapital.