Zum Inhalt

Synthese: Eigenes Handelssystem bauen — Vom Konzept zur funktionierenden Strategie

Ein Handelssystem ist kein Algorithmus. Es ist eine Entscheidungs-Philosophie, die so formalisiert ist, dass sie ohne Emotionen ausgeführt werden kann.

Die Grundthese

Systematic Trading ist kein technisches Problem — es ist ein wissenschaftliches Problem. Die Herausforderung ist nicht, eine Strategie zu coden. Die Herausforderung ist: 1. Eine Edge zu identifizieren, die robust und nicht-zufällig ist 2. Diese Edge in einer Weise zu testen, die kein False Positive produziert 3. Das System psychologisch diszipliniert auszuführen — besonders wenn es Drawdowns hat

Narang (Inside the Black Box), Pruitt (Ultimate Algorithmic Toolbox), Stridsman (Trading Systems That Work), Pardo (Design, Testing, Optimization) und Lopez de Prado (Advances in ML for Asset Managers) beschreiben zusammen den vollständigen Entwicklungsprozess.

Phase 1: Edge-Findung — Wo fängt man an?

EDGE-QUELLEN (nach O'Shaughnessy und Narang):

STRUKTURELLE EDGES (robust, dauerhafte Basis):
├── Risikoprämien: Value, Momentum, Carry, Low-Vol — empirisch über 100+ Jahre
├── Liquiditätsprämie: Weniger liquide Assets bieten Prämie
├── Komplexitätsprämie: Strategien, die zu komplex für Retail sind
└── Information: Nicht Insider-Wissen, aber bessere Daten-Verarbeitung

BEHAVIORAL EDGES (weniger stabil, aber groß wenn vorhanden):
├── Overreaction: Markt überreaiert → Mean-Reversion folgend
├── Underreaction: Markt verarbeitet Info zu langsam → Momentum
├── Narrative-Bias: Preis von Narrative getrieben, nicht Fundamentals
└── Saisonalität: Steuerliche/institutionelle Muster (z.B. Jahresend-Window Dressing)

NARANGS KATEGORISIERUNG (Black Box):
├── Trend Following: Preisbewegungen persistieren → long winners, short losers
├── Mean Reversion: Extreme Bewegungen kehren zurück
├── Statistical Arbitrage: Korrelationsbrüche zwischen verwandten Assets
└── Event-Driven: Earnings, M&A, Index-Rebalancing als Katalysatoren

O'Shaughnessy's Kernbefund (What Works on Wall Street): Die stärksten Edges sind die emotional unbequemsten. Value aus Aktien kaufen, die alle hassen. Momentum in Aktien halten, die "zu weit gelaufen" wirken. Der Schmerz ist kein Bug — er ist der Mechanismus, der die Edge erhält.

Phase 2: System-Design — Vom Konzept zur Regel

SYSTEM-ARCHITEKTUR (Pruitt & Kaufman):

KOMPONENTE 1 — Signal-Generierung:
├── Entry-Regel: Wann kaufe/shorte ich? (klar, messbar, nicht interpretierbar)
├── Exit-Regel: Wann schließe ich? (Zeit, Preis, Signal-Umkehr, Stop)
└── Filter: Welche Instrumente / Regimes kommen überhaupt in Frage?

KOMPONENTE 2 — Position Sizing:
├── Fixed Fraction: % des Kapitals pro Trade (Kelly, Fixed %)
├── Volatilitäts-Anpassung: Position = Zielrisiko / ATR
└── Portfolio-Ansatz: Korrelation zwischen Positionen begrenzt Gesamtrisiko

KOMPONENTE 3 — Risikomanagement:
├── Position-Stop: Max-Verlust pro Trade
├── Portfolio-Stop: Max-Drawdown gesamt → System pausieren oder reduzieren
└── Korrelations-Monitor: Gleichgerichtete Positionen = höheres Risiko als gedacht

KOMPONENTE 4 — Execution:
├── Slippage-Annahme: Realistisch kalkulieren (Backtests überschätzen Performance)
├── Market Impact: Bei größeren Systemen relevant
└── Timing: Orderzeit, Preistyp (Market/Limit), Handels-Frequenz

Phase 3: Backtesting — Die Fallen kennen

Lopez de Prado (Advances in ML) und Pardo (Design, Testing, Optimization) sind die Referenzwerke für robustes Testen:

HÄUFIGE BACKTESTING-FEHLER:

LOOK-AHEAD BIAS (häufigster Fehler):
├── Verwendung von Daten, die zum Handelszeitpunkt nicht vorhanden waren
├── Beispiel: Earnings-Revision vor dem Revisions-Datum verwenden
└── Fix: Strenge Point-in-Time Datenhaltung

SURVIVORSHIP BIAS:
├── Nur Aktien testen, die noch existieren → eliminiert Bankrotte
├── Größenordnung: ~2% pro Jahr bei Long-Only Aktienstrategien
└── Fix: Verwende Datenbanken mit delisted stocks (FactSet, Compustat)

DATA MINING / OVERFITTING:
├── Zu viele Parameter → System "lernt" zufällige Vergangenheit
├── Lopez de Prados Lösung: Deflated Sharpe Ratio (korrigiert für multiple Testing)
└── Faustregel: Nicht mehr als 3-4 unabhängige Parameter pro Strategie

IN-SAMPLE / OUT-OF-SAMPLE SPLIT:
├── Entwickle auf IS-Daten; validiere auf OOS-Daten (nie berühren bis Finalisierung)
├── Walk-Forward Analysis: Rollierendes IS/OOS-Window über die Zeit
└── Lopez de Prado: "Combinatorial Purged Cross-Validation" für zeitliche Abhängigkeiten

TRANSACTION COST BLINDHEIT:
├── Backtests ohne realistische Kosten → 30-50% Sharpe-Überschätzung
└── Fix: Slippage = 0.5-1 ATR pro Trade als Mindest-Annahme

Lopez de Prado's wichtigste Warnung: Wenn ein System zu gut aussieht, ist es fast immer overfitted. Eine Sharpe Ratio > 2 im Backtest ohne erklärbare strukturelle Edge ist ein Warnsignal, keine Erfolgsmeldung.

Phase 4: Robustness-Tests

ROBUSTNESS-CHECKLISTE (Stridsman & Pardo):

PARAMETER-ROBUSTHEIT:
├── Ändere jeden Parameter ±10%: Performance bleibt stabil? → robust
├── Ändere jeden Parameter ±30%: Bricht komplett ein? → überfittet
└── Best-Case vs. Worst-Case: Wie groß ist der Performance-Spread?

MARKT-ROBUSTHEIT:
├── Funktioniert die Strategie auf mehreren Märkten?
├── Verschiedene Zeitperioden: 1990er, 2000er, 2010er, 2020er?
└── Verschiedene Marktregimes: Bull, Bear, Seitwärts, Krise?

STRESS-TESTS:
├── Was passiert in 2008-ähnlichem Crash?
├── Was passiert in 2020-Flash-Crash (und Recovery)?
├── Was passiert in Zinswende (2022)?
└── Max-Drawdown im Stress-Szenario > psychologische Toleranz?

Phase 5: Psychologische Robustheit

Radge (Unholy Grails) und Weissman (Mechanical Trading Systems) betonen: Das beste System nützt nichts, wenn es nicht ausgeführt wird.

SYSTEM-EXECUTION-PSYCHOLOGIE:

DAS KERNPROBLEM:
├── Im Drawdown: System "fühlt sich kaputt an"
├── Ergebnis: Discretionary Override — eigene Meinung übersteuert das System
└── Fast immer der falsche Zeitpunkt zum Eingreifen

RADGE'S LÖSUNG — POSITION-SIZING FÜR PSYCHOLOGIE:
├── Systemgröße so wählen, dass Max-Drawdown emotional erträglich ist
├── Faustregel: Wenn Max-Drawdown > 20% → man wird es im echten Drawdown stoppen
└── Besser: Kleinere Position × konsistente Ausführung > Größere Position × Abbruch

WEISSMAN'S DISZIPLIN-REGELN:
├── System-Journal: Jede Abweichung von den Regeln wird dokumentiert
├── Pre-Trade-Checklist: Vor jedem Trade die Regeln prüfen
└── Post-Trade-Review: Nicht P&L-basiert, sondern Prozess-basiert

NARANG'S INSTITUTIONELLE WEISHEIT:
├── Quant-Fonds haben formale Governance: System-Review erst nach X Trades
├── Für Einzelpersonen: "Wenn ich das System heute kennen würde und noch nicht drin wäre,
    würde ich einsteigen?" → Wenn ja: Ausführen trotz Drawdown

Das vollständige Entwicklungsframework

SYSTEM-ENTWICKLUNG — SCHRITT FÜR SCHRITT:

SCHRITT 1 — Edge-Hypothese (Woche 1-2):
├── Warum sollte diese Edge existieren? (Strukturell oder Behavioral?)
├── Welche Literatur belegt sie? (O'Shaughnessy, akademische Papers)
└── Wie lange und auf wie vielen Märkten?

SCHRITT 2 — Regelformalisierung (Woche 2-3):
├── Entry, Exit, Position Size als explizite Regeln
├── Keine interpretierenden Elemente ("wenn Markt schwach wirkt" = verboten)
└── Max 4 Parameter

SCHRITT 3 — Daten-Vorbereitung (Woche 3-4):
├── Survivorship-freie Daten beschaffen
├── Point-in-Time Korrektheit sicherstellen
└── Transaction Costs definieren

SCHRITT 4 — IS-Backtest (Woche 4-5):
├── Nur auf 70% der Zeitperiode
├── Parameter-Optimierung wenn nötig (max 4 Parameter)
└── Ergebnis dokumentieren; OOS nicht anschauen

SCHRITT 5 — OOS-Validation (Woche 5):
├── Einmalig auf verbliebenem 30% testen
├── Deflated Sharpe Ratio berechnen (Lopez de Prado)
└── Wenn gut: Walk-Forward über gesamten Zeitraum

SCHRITT 6 — Robustness-Tests (Woche 6):
├── Parameter-Variation ±10/30%
├── Verschiedene Märkte und Zeitperioden
└── Stress-Test für Krisen-Szenarien

SCHRITT 7 — Paper Trading (Monat 2-3):
├── Live-Ausführung ohne echtes Geld
├── Slippage und Execution-Probleme dokumentieren
└── Psychologische Reaktion beobachten

SCHRITT 8 — Kleine Live-Position (ab Monat 4):
├── 10-20% der geplanten Systemgröße
├── Position erst erhöhen nach 50+ Trades im Plan
└── System nie im laufenden Drawdown verlassen

Praktische Tool-Empfehlungen

TOOLS FÜR SYSTEMENTWICKLUNG:

DATEN:
├── Futures: Norgate Data, PortaraCQG (Continuous Contracts)
├── Aktien (survivorship-free): Compustat via WRDS, FactSet
└── Forex/Crypto: OANDA API, Binance API

SOFTWARE:
├── TradeStation / MultiCharts: Einstiegs-Backtesting (EasyLanguage)
├── Amibroker: Schnell, günstig, Portfolio-Backtesting stark (AFL)
├── Python (Pandas/Backtrader/Zipline): Flexibel, kostenlos, akademisch
└── Pruitt's Toolbox-Ansatz: Modulare Indikatoren-Bibliothek

VALIDIERUNG:
├── White's Reality Check (Lopez de Prado p-Value)
├── Deflated Sharpe Ratio (Lopez de Prado Kapitel 8)
└── CSCV (Combinatorial Symmetric Cross-Validation)

Grenzen dieser Synthese

  • Data-Verfügbarkeit für Retail: Professionelle Backtesting-Daten kosten tausende Euro/Jahr; Kostengünstige Alternativen haben Mängel
  • Overfitting bleibt schwer zu detektieren: Selbst mit allen Werkzeugen ist die Grenze zwischen Edge und Datamining nicht immer klar
  • Live vs. Backtest: Markt-Impact, Slippage, Execution-Probleme sind oft schlechter als im Backtest