Was ist ein Backtest? Und warum die meisten Backtest-Ergebnisse zu schön sind, um wahr zu sein

Ein Backtest beantwortet eine einfache Frage: Was wäre passiert, wenn man eine Strategie in der Vergangenheit angewendet hätte? Das Problem: Diese Frage lässt sich auf viele Arten falsch beantworten, und die falschen Antworten sehen fast immer besser aus als die richtigen. Deshalb ist die wichtigste Fähigkeit im Umgang mit Backtests nicht das Rechnen, sondern das Misstrauen.

Was ein Backtest ist

Technisch ist ein Backtest eine Simulation: Man definiert Regeln (wann wird investiert, wann reduziert), lässt sie Tag für Tag über historische Kursdaten laufen und misst das Ergebnis, etwa Rendite, maximalen Verlust (Drawdown) und risikoadjustierte Kennzahlen wie die Sharpe Ratio. So weit, so einfach. Die Schwierigkeit liegt darin, dass die Vergangenheit beim Testen vollständig bekannt ist. Jede Unachtsamkeit, die dieses Wissen in die Simulation einsickern lässt, produziert Ergebnisse, die in der echten Anwendung unerreichbar sind.

Fehlerquelle 1: Overfitting

Wer lange genug an Parametern dreht, findet immer eine Kombination, die in der Vergangenheit glänzt. Mit genügend Stellschrauben lässt sich jede historische Kurve nachzeichnen. Das Ergebnis beschreibt dann aber nicht den Markt, sondern den Zufall des gewählten Zeitraums. Am nächsten ungesehenen Jahr scheitert es.

Der Schutz: Testen auf Daten, die die Optimierung nie gesehen hat

Der Standard dafür ist der Walk-Forward-Test: Parameter auf einem Zeitabschnitt bestimmen, auf dem folgenden, ungesehenen Abschnitt prüfen, dann das Fenster weiterschieben. Wir verwenden dafür 12 Zeitfenster über die Jahre 2014 bis 2025, ergänzt um Leave-One-Year-Out-Prüfungen: Jedes Jahr wird einmal komplett aus der Kalibrierung herausgenommen, und die Konfiguration muss auch ohne dieses Jahr bestehen. Eine Einstellung kommt bei uns nur in die Produktion, wenn sie in allen 12 Prüfungen hält. Das klingt streng und ist es auch: Die große Mehrheit der Ideen, die wir in 71 Forschungsrunden getestet haben, ist an genau dieser Hürde gescheitert.

Fehlerquelle 2: Lookahead-Bias

Lookahead-Bias entsteht, wenn die Simulation Informationen verwendet, die zum Entscheidungszeitpunkt noch gar nicht verfügbar waren. Das passiert subtiler, als man denkt: ein Signal, das den Schlusskurs des Tages verwendet und am selben Tag handelt. Ein Indikator, der über den Gesamtzeitraum normalisiert wurde. Ein Datenfeld, das nachträglich korrigiert wurde. Jede dieser Kleinigkeiten schenkt der Strategie einen Blick in die Zukunft.

Der Schutz: strikt kausale Berechnung

Die Regel ist einfach zu formulieren und mühsam durchzuhalten: Jede Entscheidung darf nur Daten verwenden, die am Vortag verfügbar waren. In unserer Engine ist das als Grundgesetz verankert: Die Position am Tag t folgt aus dem Signal des Tages t minus 1, ohne Ausnahme. Es werden an keiner Stelle zukünftige Daten verwendet, auch nicht indirekt über Normalisierungen oder Glättungen, die den Gesamtzeitraum kennen.

Fehlerquelle 3: Survivorship-Bias

Wer eine Strategie auf den heutigen Mitgliedern eines Index testet, testet nur die Gewinner der Geschichte. Die Pleiten, Delistings und Dauerverlierer sind aus dem Universum verschwunden, und mit ihnen genau die Fälle, in denen die Strategie am meisten hätte verlieren können.

Der Schutz: die Gescheiterten mittesten

Wir haben diesen Effekt 2026 explizit gemessen und unser Universum dafür um gescheiterte und schwer abgestürzte Titel ergänzt, soweit deren Kursdaten verfügbar sind. Das Ergebnis war für uns beruhigend und ist trotzdem berichtenswert: Die Kennzahlen änderten sich nur minimal (in der Größenordnung von 0,01 Sharpe-Punkten). Der Befund gilt aber nur, weil das Universum breit über Aktien und ETFs gestreut ist. Bei konzentrierten Einzelaktien-Strategien kann Survivorship-Bias Ergebnisse vollständig entwerten.

Die vierte, leise Fehlerquelle: Selektion

Was auch ein sauberer Backtest nicht kann

• Die Zukunft vorhersagen. Märkte wechseln ihre Regime. Eine Strategie, die zwölf Jahre funktioniert hat, kann im dreizehnten versagen.
• Alle Kosten abbilden. Steuern, Slippage und Liquiditätseffekte hängen vom Einzelfall ab. Unsere Simulationen verzinsen Cash-Positionen mit kurzlaufenden US-Staatsanleihen, bilden aber keine individuellen Steuersituationen ab.
• Psychologie simulieren. Der Backtest hält jede Durststrecke durch. Ein Mensch, der zwei Jahre hinter dem Markt liegt, oft nicht.

Checkliste: 6 Fragen an jeden Backtest

Egal ob Studie, Tool oder Social-Media-Post, diese Fragen trennen belastbare Tests von Marketing:

• Wurde auf Daten getestet, die bei der Optimierung nicht verwendet wurden (Out-of-Sample, Walk-Forward)?
• Verwendet jede Entscheidung nur Informationen, die zum Zeitpunkt der Entscheidung verfügbar waren?
• Enthält das Test-Universum auch gescheiterte und delistete Titel?
• Wie viele Varianten wurden getestet und wie viele davon werden gezeigt?
• Werden Kosten, Steuern und die Verzinsung von Cash-Phasen genannt?
• Werden auch die Zeiträume gezeigt, in denen die Strategie verloren hat?

Die letzte Frage ist die schärfste. Jede echte Strategie hat schwache Phasen. Unsere eigene hat sie auch, und zwar systematisch in starken Bullenmärkten, wo Absicherung Rendite kostet. Was unsere Tests über Stärken und Schwächen im Detail zeigen, steht im Artikel über die Ergebnisse unserer 71 Forschungsrunden.