Realistische Backtests: So erkennen Sie gute Daten und vermeiden falsche Ergebnisse

Datenqualität im Backtest: Tickdaten, Spreads & Survivorship Bias richtig beurteilen

Ein guter Backtest ist die Grundlage jedes professionellen Robotrading-Systems.
Doch was viele Trader übersehen: Die Qualität der Ergebnisse hängt nicht von der Strategie ab, sondern von den verwendeten Daten.

Ein EA, der im Backtest 300 % Gewinn erzielt, kann im Live-Handel schon nach wenigen Wochen scheitern – nicht, weil der Algorithmus schlecht ist, sondern weil die Testdaten unrealistisch waren.

In diesem Artikel erfahren Sie,

• worin sich OHLC-, 1-Minuten- und Tickdaten unterscheiden,
• warum variable Spreads und Slippage unverzichtbar sind,
• wie Sie Datenquellen richtig bewerten,
• und woran Sie „gute Backtest-Daten“ erkennen.

Am Ende erhalten Sie eine Checkliste, mit der Sie in wenigen Minuten die Datenqualität Ihres EAs einschätzen können.

Warum Datenqualität im Backtest entscheidend ist

Ein Backtest simuliert das Verhalten eines Expert Advisors unter historischen Marktbedingungen.
Damit die Ergebnisse Aussagekraft haben, müssen die Daten realistische Handelsbedingungen abbilden – nicht nur Preisverläufe.

Schlechte Daten erzeugen falsche Strategien.
Ein kleiner Unterschied im Spread, im Tickverhalten oder in der Latenz kann den Unterschied zwischen einem profitablen System und einem Totalausfall ausmachen.

Typische Fehler durch schlechte Daten:

Darum gilt:
Ein Backtest ist nur so gut wie seine Datenbasis.

OHLC vs. Tickdaten – der entscheidende Unterschied

a) OHLC-Daten (Open, High, Low, Close)

Diese Daten enthalten nur vier Werte pro Zeitraum – meist pro Minute oder Stunde.
Sie sind kompakt, aber unpräzise.

Beispiel:
Ein EA, der auf Tickbewegungen reagiert (z. B. Breakouts oder Scalping), trifft Entscheidungen zwischen den OHLC-Punkten – diese Informationen fehlen im Test.

Vorteil:

• Schnell, ressourcenschonend

Nachteil:

• Falsche Preisreihenfolge innerhalb der Kerze
• Kein realistisches Slippage
• Überoptimierte Ergebnisse

Fazit:
Nur geeignet für grobe Strategien (z. B. D1-Swing-Trading).

b) Tickdaten

Tickdaten enthalten jede einzelne Preisveränderung, also alle Bid/Ask-Bewegungen.
Sie bilden das Marktverhalten präzise ab und erlauben Backtests mit Spread, Slippage und realer Orderlogik.

Vorteil:

• Höchste Genauigkeit
• Simuliert echte Broker-Umgebung
• Perfekt für Scalper, Grid- und High-Frequency-EAs

Nachteil:

• Sehr große Dateien (mehrere GB)
• Langsame Testgeschwindigkeit

Fazit:
Für jede ernsthafte Strategieentwicklung sind Tickdaten Pflicht.

Konstante vs. variable Spreads

Der zweite große Fehler vieler Backtests ist der feste Spread.

In der Realität schwankt der Spread – besonders in Nachrichtenphasen, am Tageswechsel oder bei geringer Liquidität.

Warum das wichtig ist:

Ein EA mit Take-Profit = 5 Pips wirkt im Backtest profitabel (Spread = 0.2),
aber im Live-Handel mit Spread = 1.5 Pips verliert er permanent.

Lösung:

Nutzen Sie variable Spreads, die sich dynamisch an Tickvolumen und Volatilität anpassen.

MetaTrader-Tipp:
Im MT5 Strategy Tester → „Use real ticks“ aktivieren → echte Spreads werden simuliert.

Realismusfaktoren: Slippage, Kommissionen, Order-Rejects

Viele Trader optimieren Strategien mit „perfekten“ Daten – ohne Friktionen.
Doch der reale Markt hat immer Reibung.

1. a) Slippage
   Slippage tritt auf, wenn Orderausführungspreis ≠ gewünschter Preis ist.
   Je nach Marktlage und Broker-Struktur (Market / ECN) schwankt sie stark.

Backtest-Tipp:
Simulieren Sie 0.2–0.5 Pips Slippage pro Trade (bzw. 1–2 Pips bei Volatilität).

OrderSend(Symbol(),OP_BUY,Lots,Ask + 0.00005,Slippage,SL,TP);

1. b) Kommissionen
   Viele Trader vergessen, dass ECN-Konten Kommissionen pro Lot berechnen – meist $6–7 Roundturn.
   Bei Scalping-Systemen können Kommissionen 30–40 % des Profits verschlingen.

Tipp:
Immer Kommissionen im Backtest hinterlegen → Strategy Tester → „Commission per lot“.

1. c) Order-Rejects
   In der Realität lehnen Broker manchmal Orders ab (z. B. bei News, Requotes, Handelsaussetzungen).
   Gute Tickdaten simulieren solche „Lücken“ oder verpasste Ausführungen.

Datenquellen im Vergleich

Nicht alle historischen Daten sind gleichwertig.
Einige sind für Backtesting optimiert, andere stammen aus Retail-Plattformen mit Lücken.

Empfehlung:

Für präzise Backtests:

• Dukascopy für Forex & Gold
• TickData LLC für institutionelle Qualität
• MT5 Real Tick Feed für schnell verfügbare Simulation

Survivorship Bias – der unsichtbare Fehler in historischen Tests

„Survivorship Bias“ entsteht, wenn nur aktive oder erfolgreiche Symbole/Daten im Backtest enthalten sind.

Beispiel:
Ein EA wird auf 30 Forex-Paaren getestet – aber nur jene Paare, die heute noch existieren.
Verluste durch Delisting oder unpopuläre Paare fehlen → Ergebnis wirkt stabiler, als es war.

Lösung:

• Nutzen Sie Daten aus vollständigen historischen Symbolsets (inkl. delisteter Produkte).
• Bei Aktien: Verwenden Sie Total Return Indexes oder Survivorship-freie Datenfeeds (z. B. Quandl Premium).
• Im Forex-Bereich: Achten Sie auf wechselnde Symbolnamen (z. B. EURUSD → EURUSD.r → EURUSD.pro).

Checkliste: So erkennen Sie „gute“ Backtest-Daten

Profi-Tipp:
Gute Backtests lassen sich replizieren – wenn Sie denselben Datensatz und dieselben Parameter nutzen, sollten Ergebnisse reproduzierbar sein.

Praxis: So verbessern Sie Ihre Backtest-Qualität Schritt für Schritt

1. Verwenden Sie echte Tickdaten
   → mind. 99 % Datenqualität im MT5 Strategy Tester.

2. Nutzen Sie variable Spreads und Kommissionen
   → In „Modelling Parameters“ hinterlegen.

3. Simulieren Sie Slippage und Orderverzögerung
   → In EA-Logik einbauen oder in der Testplattform aktivieren.

4. Überprüfen Sie die Datenquelle regelmäßig
   → Fehlerhafte Ticks, doppelte Datensätze oder Zeitlücken bereinigen.

5. Vergleichen Sie Ergebnisse über mehrere Brokerfeeds
   → Wenn Strategie nur bei einem Datensatz funktioniert → Overfitting-Verdacht.

6. Out-of-Sample-Test mit neuem Feed durchführen
   → So prüfen Sie Robustheit über verschiedene Marktregime.

Beispiel: Unterschied zwischen OHLC- und Tick-Backtest

Der Unterschied: Nicht die Strategie – sondern die Daten!
Das zweite Ergebnis ist realistischer und wesentlich belastbarer für den Live-Einsatz.

Fazit

• Backtests sind kein Selbstzweck. Sie sollen nicht schön aussehen, sondern die Realität simulieren.
• Ein Robotrader, der seine Strategie auf schwachen Daten testet, baut auf Sand.
  Ein Trader, der seine Daten prüft, baut auf Fundament.
• Die wichtigste Erkenntnis lautet: „Gute Daten sind teurer – aber schlechte Daten kosten das Konto.“
• Wenn Sie Tickdaten, variable Spreads, Slippage und Survivorship-Kontrolle kombinieren, erhalten Sie Backtests mit echter Aussagekraft, die im Live-Markt bestehen können.

Zusammenfassung der Kernaussagen

• OHLC-Daten sind schnell, aber unpräzise – Tickdaten sind Standard für Profis
• Variable Spreads, Slippage und Kommissionen müssen im Test enthalten sein
• Datenquellen wie Dukascopy oder TrueFX liefern höchste Qualität
• Survivorship Bias vermeiden – vollständige Historie nutzen
• Checkliste zur Bewertung der Datenqualität anwenden