ARTIKEL 19
Vom Backtest zum Live-Trading: Was sich im echten Handel verändert
SEO-Titel: Vom Backtest zum Live-Trading – die wichtigsten Unterschiede
Meta-Description: Warum funktionieren Backtests und Live-Trading nicht identisch? Daten, Slippage, Broker, Execution, Latenz, Orders, Paper Trading und kontrollierter Live-Start.
URL-Slug: /blog/backtest-live-trading/
Haupt-Suchbegriff: Backtest Live Trading
Weitere Suchbegriffe: Tradingstrategie live schalten, Paper Trading, algorithmisches Trading Live, Backtest Realität
Der schwierigste Schritt beginnt nach dem Backtest
Ein erfolgreicher Backtest ist ein wichtiger Meilenstein.
Er ist jedoch nicht das Ende des Entwicklungsprozesses.
Der Übergang zum Live-Trading bringt zusätzliche Risiken mit sich, die in einer historischen Simulation nur begrenzt abgebildet werden können.
Im Backtest kontrolliert der Entwickler die Umgebung weitgehend.
Im Live-Handel kontrolliert der Markt die Umgebung.
Backtest und Realität
Ein Backtest arbeitet mit historischen Daten.
Eine reale Handelsumgebung besitzt dagegen:
- laufend eintreffende Daten,
- Netzwerkverbindungen,
- Broker-APIs,
- Orderstatus,
- Teilausführungen,
- Verzögerungen,
- technische Fehler.
Das vollständige System wird erstmals gleichzeitig unter realen Bedingungen beansprucht.
1. Historische Daten versus Live-Daten
Historische Daten sind häufig bereits:
- bereinigt,
- sortiert,
- vollständig,
- konsistent.
Live-Daten können dagegen:
- verspätet eintreffen,
- kurzzeitig fehlen,
- doppelt erscheinen,
- fehlerhaft sein.
Ein Live-System benötigt daher Plausibilitätsprüfungen.
2. Signalzeitpunkt
Im Backtest ist manchmal unklar, wann ein Signal tatsächlich verfügbar gewesen wäre.
Beispiel:
Ein Tagesend-Signal verwendet den Schlusskurs.
Dann kann nicht gleichzeitig garantiert zum selben endgültigen Schlusskurs gehandelt werden.
Live-Betrieb zwingt zu einer exakten Trennung zwischen:
Information verfügbar
und
Order ausführbar
3. Slippage
Ein Backtest kann annehmen:
Kaufpreis = 100,00
Im realen Markt erfolgt die Ausführung vielleicht bei:
100,07
Diese Differenz ist Slippage.
Bei einzelnen Trades wirkt sie klein.
Bei häufig handelnden Systemen kann sie einen erheblichen Teil des erwarteten Alpha aufzehren.
4. Spread
Zwischen Geld- und Briefkurs liegt der Bid-Ask-Spread.
Ein Backtest, der ausschließlich Mid- oder Schlusskurse verwendet, kann deshalb systematisch zu optimistisch sein.
Je illiquider der Markt und je häufiger die Strategie handelt, desto wichtiger wird der Spread.
5. Market Impact
Große Orders können den Marktpreis selbst beeinflussen.
Ein Backtest behandelt den Markt häufig so, als könne beliebig viel Kapital zum beobachteten Preis gehandelt werden.
Das ist bei größeren Positionsgrößen unrealistisch.
Eine Strategie besitzt daher eine begrenzte Kapazität.
6. Teilausführungen
Eine Limit-Order kann nur teilweise ausgeführt werden.
Dann entsteht beispielsweise:
Zielposition: 1.000 Aktien
tatsächlich gekauft: 600 Aktien
Das System muss wissen, wie es mit den verbleibenden 400 Aktien umgeht.
7. Orderablehnung
Broker können Orders ablehnen.
Mögliche Gründe:
- unzureichende Margin,
- ungültiger Ordertyp,
- Handelsunterbrechung,
- regulatorische Beschränkung,
- technische Probleme.
Im Backtest existiert dieses Problem häufig nicht.
Im Live-System muss es behandelt werden.
8. Latenz
Zwischen Signal und Ausführung vergeht Zeit.
Bei langfristigen Strategien kann diese Latenz kaum relevant sein.
Bei kurzfristigen Strategien kann sie entscheidend werden.
Je kürzer der Alpha-Horizont, desto wichtiger wird Executionqualität.
9. Brokerzustand
Das interne System glaubt möglicherweise:
Position = 100 Aktien
Der Broker meldet:
Position = 95 Aktien
Solche Abweichungen müssen erkannt und aufgelöst werden.
Der regelmäßige Positionsabgleich – Reconciliation – gehört deshalb zum professionellen Betrieb.
Paper Trading
Paper Trading verwendet Live-Daten und reale Systemlogik, jedoch ohne reales Kapital.
Es kann insbesondere helfen, folgende Probleme aufzudecken:
- falsche Zeitzonen,
- fehlerhafte Daten,
- unerwartete Signalzeiten,
- Orderfehler,
- Brokerprobleme,
- Logging-Lücken.
Paper Trading simuliert allerdings nicht perfekt:
- Slippage,
- Market Impact,
- Liquiditätsengpässe,
- emotionale Wirkung realer Verluste.
Shadow Trading
Eine weitere Stufe ist sogenanntes Shadow Trading.
Das System erzeugt reale Signale und theoretische Orders, ohne sie tatsächlich auszuführen.
Anschließend kann verglichen werden:
- erwartete Orders,
- tatsächlich mögliche Marktpreise,
- Simulationsergebnisse.
So lassen sich Unterschiede zwischen Research und Live-Umgebung untersuchen.
Kleiner Live-Start
Nach erfolgreichem Paper Trading ist ein kontrollierter Start sinnvoll.
Statt sofort das gesamte geplante Kapital einzusetzen, kann zunächst eine kleinere Positionsgröße verwendet werden.
Dadurch lassen sich reale Auswirkungen beobachten:
- Slippage,
- Fill-Qualität,
- Brokerkosten,
- technische Stabilität.
Erst danach wird gegebenenfalls skaliert.
Backtest-Live-Abweichung
Eine gewisse Abweichung ist normal.
Problematisch ist nicht jede einzelne Differenz.
Wichtig ist die systematische Analyse.
Fragen:
- Ist Slippage höher als erwartet?
- Sind Signale identisch?
- Gibt es Datenabweichungen?
- Werden Orders anders ausgeführt?
- Unterscheiden sich Kostenannahmen?
Implementation Shortfall
Die tatsächliche Handelsleistung kann relativ zum theoretischen Entscheidungszeitpunkt gemessen werden.
Ein wichtiges Konzept ist der Implementation Shortfall.
Dabei wird untersucht, wie stark das tatsächlich realisierte Ergebnis vom theoretischen beziehungsweise „Paper“-Ergebnis abweicht.
Ursachen können sein:
- Verzögerung,
- Execution,
- nicht ausgeführte Orders.
Damit wird der Übergang von theoretischem Alpha zu tatsächlich realisierter Performance messbarer.
Verhalten nach Verlusten
Ein weiterer Unterschied ist menschlich.
Ein Backtest kann einen historischen 25-Prozent-Drawdown problemlos anzeigen.
Ein realer 25-Prozent-Verlust fühlt sich anders an.
Es entsteht die Versuchung:
- Strategie abzuschalten,
- Regeln zu verändern,
- Risiko spontan zu reduzieren.
Genau deshalb sollten Abschalt- und Anpassungsregeln möglichst vorab definiert werden.
Wann darf das Modell verändert werden?
Live-Verluste allein beweisen nicht, dass ein Modell defekt ist.
Jede Strategie besitzt statistische Schwankungen.
Deshalb sollte zwischen folgenden Fällen unterschieden werden:
normale Performancevariation
und
struktureller Modellbruch
Für Änderungen sollte ein dokumentierter Research-Prozess existieren.
Versionierung
Eine Strategie sollte im Live-Betrieb versionskontrolliert sein.
Beispiel:
Version 1.0
ursprüngliches Live-Modell
Version 1.1
Fehlerkorrektur ohne Änderung der Strategie
Version 2.0
neue Signallogik
Dadurch bleibt nachvollziehbar, welche Version zu welchem Zeitpunkt gehandelt wurde.
Rollback
Neue Versionen können Fehler enthalten.
Deshalb sollte überlegt werden:
Kann ich bei Problemen auf die vorherige stabile Version zurückkehren?
Ein definierter Rollback-Prozess ist insbesondere bei automatisierten Systemen sinnvoll.
Kontrollierter Übergangsprozess
Eine mögliche Reihenfolge lautet:
Backtest
→ Out-of-Sample
→ Walk-Forward
→ Robustheit
→ Paper Trading
→ kleiner Live-Betrieb
→ Executionanalyse
→ schrittweise Skalierung
Jede Stufe besitzt eigene Kriterien.
Wann sollte der Live-Start gestoppt werden?
Mögliche technische Gründe:
- Datenfeed instabil,
- falsche Orders,
- Positionen stimmen nicht,
- Risikolimits funktionieren nicht,
- Brokerintegration unzuverlässig.
Mögliche strategische Gründe:
- Live-Verhalten liegt dauerhaft deutlich außerhalb plausibler Modellbandbreiten,
- erwartete Signalstruktur ist nicht mehr vorhanden.
Beides sollte getrennt analysiert werden.
Fazit
Der Übergang vom Backtest zum Live-Trading ist keine bloße Aktivierung eines Schalters.
Er ist eine eigene Entwicklungsphase.
Neu hinzu kommen:
Live-Daten → Execution → Broker → Slippage → technische Risiken → Monitoring
Ein robustes Research-Modell ist notwendig.
Aber erst ein zuverlässig betriebenes Gesamtsystem kann dieses Modell tatsächlich in reale Handelsentscheidungen übersetzen.
Weiterführende Literatur
- Chan, E. P.: Algorithmic Trading.
- Narang, R. K.: Inside the Black Box.
- Kissell, R.: The Science of Algorithmic Trading and Portfolio Management.
- Pardo, R.: The Evaluation and Optimization of Trading Strategies.
Passende Fachbücher
- Von der Idee zum Tradingsystem
- Handelssysteme
- Handelssysteme in QuantConnect
Weiterführende Beiträge
- Monitoring von Handelssystemen
- Quant Engineering
- Risikomanagement
- QuantConnect Live Trading