Zum Inhalt

Walk-Forward Analyse (WFA)

Pardo: "The only 99% foolproof method of optimizing a trading strategy." Rollierender Test-Prozess, bei dem IS-Optimierung und OOS-Test systematisch über den gesamten historischen Datensatz verschoben werden — die WFA-Equity-Line ist die einzige realistische Leistungsprognose.

Das Prinzip

Statt eine Strategie einmal auf allen historischen Daten zu optimieren (= in-sample), wird der Prozess rollierend durchgeführt:

Zeitachse: ──────────────────────────────────────────▶

Fenster 1:  [══════════ IS (Optimierung) ══════════][OOS Test]
Fenster 2:       [══════════ IS ══════════][OOS Test]
Fenster 3:            [══════════ IS ══════════][OOS Test]
...

WFA-Equity-Line = verkettete Ergebnisse aller OOS-Fenster

Die WFA-Equity-Line entsteht durch Verkettung der OOS-Fenster. Sie ist die realistischste Prognose für echte Handelsperformance — weil sie keine IS-Daten enthält.

Zwei Varianten

Rolling WFA (Pardo, Tomasini): Das IS-Fenster bewegt sich mit — ältere Daten fallen raus. Bevorzugt für Intraday-Systeme und wenn Marktbedingungen sich verändern (jüngere Daten wichtiger).

Anchored WFA (Pardo, Tomasini): Startpunkt bleibt fixiert, IS-Fenster wächst. Geeignet bei kleinen Datensätzen oder wenn ältere Daten immer noch relevant sind.

Typischer IS/OOS-Split: 80/20 (Tomasini) — 80% IS-Optimierung, 20% OOS-Test.

Walk-Forward Efficiency (WFE)

Pardos einzigartiger Beitrag: eine Metrik für die Qualität des Optimierungsprozesses.

WFE = annualisierter OOS-Profit / annualisierter IS-Profit
WFE Interpretation
< 25% Wahrscheinlich überfit oder grundlegend fehlerhaft
25–50% Grauzone — Optimierungsprozess prüfen
50–60% Robust — akzeptabler Mindeststandard
> 100% Möglich wenn OOS-Bedingungen günstiger als IS

Verwendung: WFE < 50% → Strategie neu entwickeln oder Optimierungsrahmen korrigieren. Nicht: Parameter nachträglich anpassen (das würde OOS zu IS machen).

Warum WFA unverzichtbar ist

Das Grundproblem: Jede Optimierung findet Parameter, die historisch gut sind. Ohne OOS-Test ist unklar, ob das Können (robuste Strategie) oder Curve-Fitting (Rauschen gelernt) ist.

Pardo: "The model that requires no optimization is still not a guarantee of future performance because there can be curve-fitting in a nonoptimized trading strategy."

WFA löst das Problem: Durch wiederholtes OOS-Testing über viele Fenster entsteht ein statistisch valider Nachweis, dass die Strategie auch auf ungesehenen Daten funktioniert.

Konvergenz mit anderen Quellen

Alle Wiki-Quellen, die Backtesting/Validierung behandeln, konvergieren auf WFA als Pflichtstandard:

Quelle Beitrag
robert_pardo Erfinder, formale Methodologie, WFE-Metrik
emilio_tomasini Rolling vs. Anchored, 80/20-Split, LUXOR-Demo
rishi_narang WFA als institutioneller Validierungsstandard
jaffray_woodriff "Je mehr OOS-Daten, desto mehr Vertrauen"

→ robustness_obsession für die vollständige Quellen-Konvergenz.

Praktische Implementierung

Pardo empfiehlt mindestens 30 OOS-Perioden für statistische Signifikanz. Bei 36-Monats-IS und 12-Monats-OOS-Fenstern benötigt man ~40 Jahre Daten — für Futures gut machbar, für einzelne Aktien oft nicht.

Build-Alpha implementiert Rolling WFA nativ als Standard-Testmodus.