10.12.2025
Warum Backtesting unverzichtbar ist
Ein Blick hinter die Kulissen meines systematischen Investierens
Backtesting wird von vielen Privatanlegern unterschätzt, falsch verstanden oder überhaupt nicht durchgeführt. Dabei ist es einer der wichtigsten Bausteine im systematischen Investieren. Ohne Backtests gleicht jede Strategie einer Vermutung. Mit Backtests wird sie messbar, überprüfbar und vergleichbar.
Warum Backtesting überhaupt notwendig ist
Ein systematisches System entscheidet nicht nach Bauchgefühl, sondern nach Regeln.
Doch Regeln müssen zwei Fragen beantworten:
- Haben sie historisch funktioniert?
- Funktionieren sie robust – also über verschiedene Marktphasen hinweg?
Backtesting ist das Werkzeug, das genau diese Antworten liefert.
Ohne Backtesting wäre alles Spekulation:
- „Ich glaube, Momentum funktioniert.“
- „Ich denke, 52-Wochen-Hochs sind ein gutes Signal.“
- „Es macht Sinn, Trends zu folgen.“
Doch die Märkte belohnen keine Vermutungen.
Backtesting liefert Beweise:
- Wie oft das System gewinnt
- Wie tief die Drawdowns waren
- Wie viel Volatilität entsteht
- Welche Parameter gut sind – und welche nicht
- Wie die Strategie in Crashphasen reagiert
- Ob sie langfristig stabile Ergebnisse erzielt
Erst wenn eine Regel langfristig robust ist, lasse ich sie in mein System.
Ohne gute Methodik ist jeder Backtest wertlos
Viele Privatanleger haben falsche Vorstellungen davon, was ein Backtest leisten muss.
Sie denken: „Ich teste das mal auf 10 Aktien, funktioniert bestimmt.“
Das führt zu massiven Fehleinschätzungen.
Ein Backtest ist nur so gut wie:
- die Qualität der Daten
- die Breite des Testuniversums
- die methodische Strenge
- die realistischen Annahmen
- die robuste Umsetzung
Ein schlechter Backtest ist gefährlich, weil er falsche Sicherheit erzeugt.
Ein guter Backtest dagegen schützt Kapital – lange bevor echtes Geld eingesetzt wird.
Die größten Fehler, die Backtests ruinieren
Fehler Nr. 1: Survivorship Bias – der gefährlichste Fallstrick überhaupt
Viele Privatanleger backtesten nur mit Aktien, die heute noch existieren.
Das ist ein gewaltiger Denkfehler.
Denn in der Realität verschwinden ständig Unternehmen:
- sie werden insolvent
- übernommen
- fusioniert
- delisted
- restrukturiert
Wenn diese „verlorenen“ Aktien aus dem Datensatz verschwinden, erscheint jede Strategie viel besser, als sie wirklich ist.
Und genau hier kommt das berühmte Beispiel: Wirecard.
Wirecard war:
- jahrelang ein Highflyer
- im DAX enthalten
- ein beliebter Momentum- und Trendwert
- scheinbar unaufhaltsam
In einem Survivorship-Bias-Backtest taucht Wirecard häufig gar nicht mehr auf, weil die Aktie heute nicht mehr existiert.
Doch die Realität war:
- Wirecard brach 2020 innerhalb weniger Tage um über 90 Prozent ein
- wurde insolvent
- verschwand aus dem Index
- und existiert im heutigen Datenuniversum oft überhaupt nicht mehr
Wenn man solche Fälle ignoriert, entsteht der falsche Eindruck:
„Mein System hätte nie Verluste gemacht.“
In meinen Backtests verwende ich survivorship-freie Daten, das heißt:
- Jedes Unternehmen wird berücksichtigt – auch wenn es pleite ging.
- Jedes Delisting bleibt im Datensatz.
- Jedes Unternehmen, das jemals gelistet war, fließt in die historische Auswahl ein.
Nur so entsteht ein realistisches Bild.
Fehler Nr. 2: Look-Ahead Bias
Ein Backtest darf niemals Informationen nutzen, die damals nicht verfügbar waren.
Beispiel:
Man darf nicht mit heutigen Indexzusammensetzungen die Vergangenheit testen.
Ich verwende:
- historische Indexzusammensetzungen
- historische Fundamentaldaten
- historische Kurszeitpunkte
- historische Marktbreitenindikatoren
Jede Information wird exakt zu dem Zeitpunkt verwendet, zu dem sie damals verfügbar war.
Fehler Nr. 3: Curve Fitting
Viele Strategien funktionieren nur im Backtest, weil sie perfekt auf die Vergangenheit optimiert wurden.
Beispiele:
- 37-Tage-Durchschnitt statt 38
- Stop-Loss bei exakt 7,4 Prozent
- Rebalancing jeden dritten Mittwoch
- 27 Aktien statt 26
Das Problem:
Ein überoptimierter Backtest funktioniert fast nie in der Zukunft.
Ich setze deshalb auf robuste Parameter, die:
- über viele Zeiträume funktionieren
- auf verschiedenen Märkten stabil bleiben
- keine Präzisionswerte brauchen
- logisch begründbar sind
Robuste Systeme schlagen optimierte Systeme langfristig immer.
Fehler Nr. 4: Zu wenig Daten
Backtests über:
- 3 Jahre
- 5 Jahre
- 7 Jahre
sind völlig unzureichend.
Warum?
Weil echte Risikophase selten sind:
- Dotcom-Crash
- Finanzkrise
- Eurokrise
- Corona-Crash
- Zinsschock 2022
Ein System ist nur robust, wenn es alle Marktphasen überstanden hätte.
Ich teste deshalb:
- mindestens 20 Jahre
- ideal 30 Jahre oder mehr
- mit echten Crashs, echten Bärenmärkten, echten Seitwärtsphasen
Fehler Nr. 5: Kein realistisches Rebalancing
Viele simulieren perfekte Trades ohne Kosten oder Slippage.
Meine Backtests enthalten:
- realistische Transaktionskosten
- Slippage
- Rebalancing-Logik
- zeitliche Verzögerung zwischen Signal und Umsetzung
Erst dadurch entsteht ein Ergebnis, das später auch wirklich live erreichbar ist.
Wie ich Backtests konkret durchführe – Schritt für Schritt
Schritt 1: Definition des Universums
Je nach System teste ich mit:
- deutschen Nebenwerten
- europäischen Aktien
- weltweiten Momentum-Titeln
- Small Caps
- Mid Caps
Wichtig ist:
Das Universum bleibt konstant über die gesamte Testperiode – inklusive aller später insolventen Aktien.
Schritt 2: Berechnung aller Signale
Ich berechne historisch:
- Trendrichtung
- Momentum 3/6/12 Monate
- 52-Wochen-Hoch
- Relative Stärke
- Volatilität
- ATR
- Marktregime
- technische Stabilität
- Trendsteigung
- Markttechnik-Filter
Alle Signale werden für jeden Tag oder jede Woche so berechnet, wie sie damals tatsächlich vorlagen.
Schritt 3: Signalgenerierung auf Portfolioebene
Ich bestimme:
- Wie stark bin ich investiert? (dynamische Aktienquote)
- Welche Aktien gehören ins Portfolio? (Scoring-Modell)
- Wie groß werden die Positionen gewichtet? (ATR-Positionsgrößen)
Diese drei Ebenen zusammengenommen ergeben ein vollständiges System.
Schritt 4: Umsetzungssimulation
Ich simuliere:
- Kaufkurse
- Verkaufskurse
- Rebalancing
- Umschichtungen
- Kosten
- Slippage
So entsteht ein realistisches Handelsprotokoll, als hätte ich jeden einzelnen Trade wirklich ausgeführt.
Schritt 5: Auswertung
Ergebnisgrößen:
- CAGR (jährliche Rendite)
- Volatilität
- maximaler Drawdown
- Recovery-Zeit
- Sharpe Ratio
- Sortino Ratio
- Outperformance zur Benchmark
- Trefferquote
- durchschnittliche Gewinner und Verlierer
- Kapitaleffizienz
Erst wenn das System über viele Jahre robuste Ergebnisse liefert, setze ich es live um.
Warum Backtesting auch psychologisch wichtig ist
Ein gutes Backtest-Ergebnis wirkt stabilisierend.
Wenn man schwarz auf weiß sieht:
- dass ein System auch im Dotcom-Crash funktionierte
- dass es die Finanzkrise überlebte
- dass es in Seitwärtsmärkten nicht ausrastet
- dass es Drawdowns begrenzen kann
dann vertraut man seinen Regeln.
Dieses Vertrauen ist entscheidend:
- für Disziplin
- für langfristiges Durchhalten
- gegen Panik
- gegen impulsive Entscheidungen
Ein Backtest schafft Klarheit:
„Das System hat Crashs überstanden, also brauche ich nicht nervös zu werden.“
Wie Backtesting meine tatsächliche Live-Performance verbessert
Ein gutes System ist messbar:
- Es lässt sich lernen
- Es lässt sich wiederholen
- Es lässt sich verbessern
- Es lässt sich überwachen
- Es lässt sich skalieren
Backtesting sorgt dafür, dass ich:
- keine emotionalen Entscheidungen treffe
- Trends objektiv erkenne
- Positionsgrößen intelligent anpasse
- schlechte Werte konsequent aussortiere
- Risiken frühzeitig identifiziere
Die Ergebnisse aus meinen Backtests fließen direkt in die Umsetzung meiner wikifolios.
Backtest des wikifolios "German Alpha Leaders"
Fazit: Backtesting ist nicht optional – es ist Pflicht
Ohne Backtesting gibt es keine belastbare Strategie.
Ohne Daten gibt es keine Struktur.
Ohne historische Prüfung gibt es keine Zukunftssicherheit.
Ein systematischer Ansatz braucht:
- klare Regeln
- robuste Parameter
- survivorship-freie Daten
- realistische Annahmen
- saubere Methodik
- transparente Auswertung
Backtesting ist das Fundament.
Es zeigt, ob eine Idee nur gut klingt oder ob sie wirklich funktioniert.
Mehr Infos zu meiner Handelsstrategie findest du hier:
Du hast Fragen zu meinem Handelssystem?
Schreib mir gerne eine Nachricht
Demnächst mehr hier in meinem Blog
Abonniere meinen Newsletter und verpasse keinen neuen Blog-Beitrag!
Wikifolio mit System!
Entdecke wikifolios, die Trend & Momentum folgen
100% regelbasiert - 100% backgetestet - 100% transparent
German Alpha Leaders
Das German Alpha Leaders wikifolio investiert regelbasiert, emotionsfrei und selektiv in deutsche Aktien mit starker Kursdynamik.
Nur Unternehmen mit konstantem Momentum und hoher relativer Stärke schaffen es ins Portfolio.
Das Ziel: Marktführer mit überdurchschnittlicher Performance und hohem Alpha-Potenzial identifizieren und gezielt nutzen.
Dt. Nebenwerte Safari
Das Deutsche Nebenwerte Safari wikifolio setzt auf einen systematischen, emotionsfreien Investmentansatz in wachstumsstarke deutsche Nebenwerte. In das Portfolio werden ausschließlich Aktien von Unternehmen mit stabiler Kursdynamik und ausgeprägter relativer Stärke aufgenommen.
Ziel ist es, Marktführer im Nebenwerte-Segment zu identifizieren, die mittel- bis langfristig überdurchschnittliche Renditen und ein attraktives Alpha-Potenzial bieten.
Dividenden-Adler
Das Dividenden-Adler wikifolio verfolgt einen disziplinierten, langfristig orientierten Investmentansatz mit Fokus auf dividendenstarke europäische Aktien.
Im Mittelpunkt stehen dabei solide Unternehmen mit verlässlicher Ausschüttungspolitik sowie nachhaltigem Geschäftsmodell und stabiler Kursentwicklung.
Ziel ist es, ein robustes Portfolio aus Qualitätswerten aufzubauen, das Potenzial für langfristiges Kapitalwachstum bietet.
Global Alpha Leaders
Das Global Alpha Leaders wikifolio investiert weltweit in Aktien mit starker Kursdynamik und überzeugender relativer Stärke.
Der Investmentansatz ist regelbasiert, diszipliniert und frei von Emotionen – nur Titel mit konstantem Momentum und klarer Marktführerschaft kommen ins Portfolio.
Ziel ist es, Unternehmen mit einem überdurchschnittlichem Wachstumspotenzial und einem nachhaltigem Alpha zu identifizieren und gezielt zu nutzen.