Zum Inhalt

Source: Quantitative Trading Systems (Bandy, 2007)

Praxis-Handbuch für quantitative Systementwicklung mit explizitem Anspruch auf mathematische Strenge und statistische Validierung. Plattform: AmiBroker (AFL-Sprache). Bandy positioniert das Buch als Antithese zur "weichen" Charttechnik.

Kern-Thesen

  1. System = Hypothese: Ein Handelssystem ist eine wissenschaftliche Hypothese, die mit unabhängigen Daten (Out-of-Sample) falsifiziert werden muss.
  2. Mechanisch & unzweideutig: Nur Regeln, die sich in Code ausdrücken lassen — keine subjektive Pattern-Erkennung.
  3. Statistik vor Bauchgefühl: Ein System ist erst dann real, wenn ein Hypothesentest gegen Zufall mit p < 0.05 bestanden wird.

Explizite Ausschlüsse

Bandy schließt im Vorwort ausdrücklich aus: Gann, Divergenzen, Chart-Patterns (Flags, Pennants, Wedges), Trendlinien, Fibonacci-Retracements, Elliott Waves — alles, was subjektives Urteil voraussetzt. Zusätzlich verbietet er Indikatoren, die sich rückwirkend ändern (No Repaint).

In-Sample / Out-of-Sample (Kapitel 18)

Kernunterscheidung: Marktdaten enthalten Signal (stabil) und Rauschen (zufällig). Optimierung lernt beides. Profit-Quelle bestimmt die Zukunftsfähigkeit.

  • IS-Periode: Optimierung darf hier alles
  • OOS-Periode: einmaliger, unangetasteter Test
  • Kontamination: Jeder Rückblick ins OOS, um zu tweaken, zerstört dessen Aussagekraft. OOS-Daten sind heilig.
  • Outlier-Handling: Nie System-Sonderregel für seltene Events bauen — stattdessen BuyPrice/SellPrice begrenzen, um Optimierungs-Verzerrung zu kappen.

Statistical Tests (Kapitel 19)

Hypothesentest auf Trading-System: - H₀: System ≠ besser als Zufall - H₁: System hat echten Edge - z-Score-Berechnung gegen Buy-and-Hold oder Random-Trader - 0.05 → z ≥ 1.65 | 0.01 → z ≥ 2.33

z = (X̄_system − X̄_benchmark) / sqrt(var_sys/N_sys + var_bench/N_bench)

Wenn z-Score unter Schwellwert → System statistisch nicht von Glück unterscheidbar → verwerfen.

System-Familien (Kapitel 9–15)

Familie Logik Beispiel
Trending MA-Cross, Donchian length1=1 vs. 200 — im Test: −35% bei 80% Max DD
Mean Reversion RSI, Stochastic of RSI Cross(pir, trigger) Buy/Sell
Seasonality Day-of-Month, Day-of-Week 1.–5., 10.–16., 21.–31. statistisch positiv
Pattern mechanisierte Bedingungen Inside Bars, NR4/NR7
Rotation Ranking-basiert, rolling Top-N Performers

Punkt der MA-Cross-Demo: "Aktie > 200-Tage-MA = kaufen" verliert im konkreten Test Geld. Klassische Guru-Regel überlebt Mechanisierung nicht.

Objective Function & Bots

Selbstdisziplin-Test: "Wenn du je ein Modell unter dem Top-Modell deiner Objective Function bevorzugst, ist deine Objective Function falsch." Walk-Forward muss vollautomatisch das Top-Modell akzeptieren.

Bots-Konzept (Kapitel 20): Mehrere mechanische Systeme parallel; Signale zu Composite-Signal aggregiert. Diversifikation auf System-Ebene, nicht nur Markt-Ebene.