Backtesting

Backtesting von Drawdown-beschränkten Portfolios: Warum Standardmethoden systematisch zu optimistische Ergebnisse liefern

Autor Analytik-Team Uesiesmidruaho Oktober 2026

Historische Verlaufsdaten auf Analysemonitor

Das Problem beginnt vor dem ersten Datenpunkt

Backtesting wird oft als technische Routine behandelt – Daten laden, Modell anwenden, Ergebnisse ablesen. Bei Drawdown-beschränkten Portfolios ist das eine gefährliche Vereinfachung. Die methodischen Entscheidungen, die vor dem eigentlichen Test getroffen werden – Datenauswahl, Periodenlänge, Rebalancing-Annahmen – prägen die Ergebnisse stärker als jede Optimierungseinstellung. Wer das nicht versteht, bekommt Zahlen, die plausibel aussehen und trotzdem keine valide Information liefern. Wir beschreiben die häufigsten strukturellen Fehler und was sie im Ergebnis bewirken.

Look-Ahead Bias: Der häufigste und folgenreichste Fehler

Look-Ahead Bias entsteht, wenn das Modell während des Backtests auf Informationen zugreift, die zum jeweiligen Zeitpunkt noch nicht verfügbar waren. Bei Drawdown-Beschränkungen tritt dieser Fehler besonders häufig auf, weil Risikoparameter wie Volatilitätsschätzungen oder Korrelationsmatrizen oft aus dem gesamten verfügbaren Datensatz berechnet werden – einschließlich der Zukunft des Testzeitraums. Das Ergebnis ist ein Modell, das im Backtest besser abschneidet als in der Realität je möglich wäre. Dieser Fehler ist nicht immer offensichtlich. Er versteckt sich in der Art, wie Inputparameter berechnet und aktualisiert werden.

Survivorship Bias in historischen Datensätzen

Historische Datensätze enthalten typischerweise nur Anlagen, die den gesamten Beobachtungszeitraum überlebt haben. Anlagen, die aufgegeben, fusioniert oder aus anderen Gründen aus dem Markt ausgeschieden sind, fehlen oft. Das verzerrt das Verlustprofil des Backtests systematisch nach oben. Für Drawdown-beschränkte Modelle ist dieser Effekt besonders kritisch: Die historisch beobachteten Drawdowns im bereinigten Datensatz sind strukturell niedriger als die tatsächlich erfahrenen Verluste im relevanten Anlageuniversum. Wer das nicht korrigiert, überschätzt die Wirksamkeit seiner Beschränkung.

Periodenwahl als versteckter Modellparameter

Die Länge und Lage des Backtest-Zeitraums ist eine methodische Entscheidung mit erheblichen Konsequenzen. Ein Zeitraum, der keine schwere Stressphase enthält, produziert systematisch zu günstige Drawdown-Statistiken. Umgekehrt kann ein Zeitraum, der zufällig mehrere Krisenperioden enthält, die Beschränkung als zu restriktiv erscheinen lassen. Weder das eine noch das andere ist informativ. Ein methodisch belastbares Backtesting-Verfahren definiert die Periodenwahl anhand inhaltlicher Kriterien – nicht anhand der Ergebnisse, die man sich erhofft.

Mehrperiodige Beschränkungen stellen besondere Anforderungen an das Testverfahren

Ein Einperioden-Backtest prüft, ob ein Portfolio zu einem bestimmten Zeitpunkt innerhalb seiner Verlustgrenze geblieben ist. Ein mehrperiodiger Backtest muss prüfen, ob die Beschränkung über einen zusammenhängenden Zeitpfad konsistent eingehalten wurde – unter realistischen Rebalancing-Annahmen, mit pfadabhängigen Drawdown-Messungen und ohne Rückgriff auf zukunftsbezogene Information. Das sind fundamental verschiedene Anforderungen. Die meisten Standardansätze sind für das erste Problem gebaut, nicht für das zweite. Wer sie auf mehrperiodige Drawdown-Constraints anwendet, misst etwas anderes als das, was er zu messen glaubt.

Rollierende Fenster versus feste Perioden

Rollierende Backtesting-Fenster prüfen das Modellverhalten über viele überlappende Zeitabschnitte und liefern damit ein breiteres Bild der Verlässlichkeit. Feste Perioden hingegen prüfen das Modell nur an einem einzigen historischen Pfad. Für mehrperiodige Drawdown-Beschränkungen empfehlen wir rollierende Fenster als Mindeststandard – nicht als Allheilmittel, sondern weil sie zumindest teilweise die Abhängigkeit des Ergebnisses von der spezifischen Periodenwahl sichtbar machen. Überlappende Fenster produzieren korrelierte Ergebnisse, was bei der Interpretation der Statistiken berücksichtigt werden muss.

Rebalancing-Annahmen müssen explizit modelliert werden

Wie ein Portfolio während des Backtests angepasst wird, beeinflusst direkt, welche Drawdown-Pfade im Test auftreten. Wenn das Backtesting-Verfahren täglich rebalanciert, das reale Modell aber monatlich, misst der Test das falsche Verhalten. Transaktionskosten, Mindesthandelsgrößen und Liquiditätsannahmen verstärken diesen Effekt. Ein valides Backtesting-Verfahren modelliert die Rebalancing-Regeln mit derselben Präzision wie die Beschränkung selbst – nicht als Vereinfachung, sondern als integralen Bestandteil des Modells.

Kumulativer versus periodischer Drawdown im Testdesign

Die Art, wie Drawdown im Backtest gemessen wird, muss exakt der Formulierung im Optimierungsmodell entsprechen. Wenn das Modell einen kumulativen Drawdown über den gesamten Anlagehorizont beschränkt, muss der Backtest denselben kumulativen Drawdown messen – nicht den maximalen Drawdown innerhalb einzelner Unterperioden. Abweichungen zwischen Modellformulierung und Testdesign erzeugen ein Validierungsproblem: Man prüft, ob eine andere Frage beantwortet wird als die, die man gestellt hat.

Wie man Backtesting-Ergebnisse richtig liest

Ein Backtest, der zeigt, dass eine Drawdown-Beschränkung in der Vergangenheit eingehalten wurde, ist kein Beweis dafür, dass sie in Zukunft eingehalten wird. Vergangene Ergebnisse erlauben keine Aussagen über künftige Entwicklungen. Was ein sauber durchgeführter Backtest leisten kann: Er zeigt, ob das Modell unter historischen Bedingungen methodisch konsistent war. Das ist wertvoll – aber es ist ein anderes Ergebnis als eine Prognose. Diese Unterscheidung ist nicht akademisch. Sie bestimmt, wie Backtesting-Ergebnisse kommuniziert und in Entscheidungsprozesse eingebettet werden sollten.

Overfitting erkennen, bevor es zu spät ist

Overfitting entsteht, wenn ein Modell so stark an historische Daten angepasst wird, dass es deren zufällige Eigenschaften lernt anstatt der strukturellen Muster. Bei Drawdown-beschränkten Modellen äußert sich Overfitting oft in sehr präzisen Parameterschätzungen, die im Backtest hervorragend funktionieren und auf neuen Daten sofort versagen. Ein Warnsignal ist, wenn das Modell historische Drawdown-Grenzen mit auffälliger Genauigkeit einhält – nicht weil die Methode robust ist, sondern weil sie auf eben diese Daten zugeschnitten wurde. Out-of-sample Tests sind kein Luxus, sondern methodische Mindestanforderung.

Was Backtesting-Ergebnisse valide kommunizierbar macht

Valide Backtesting-Ergebnisse werden mit vollständiger Dokumentation des Testdesigns kommuniziert: Periodenwahl mit Begründung, Rebalancing-Annahmen, Datenquellen, Behandlung fehlender Werte, verwendetes Drawdown-Maß und Konfidenzniveaus. Ergebnisse ohne diese Dokumentation sind nicht interpretierbar – nicht weil die Zahlen falsch sind, sondern weil man ohne Testdesign nicht beurteilen kann, was sie bedeuten. Unser internes Mehrhorizont-Prüfverfahren verlangt diese Dokumentation als Pflichtbestandteil jeder Backtesting-Auswertung.

Zum Blog Blog ansehen

Wir verwenden Cookies auf dieser Website

Diese Website verwendet Cookies und ähnliche Technologien. Technisch notwendige Cookies sind für den Betrieb der Website erforderlich. Für analytische Cookies, die uns helfen, unsere Inhalte zu verbessern, benötigen wir Ihre Einwilligung. Sie können Ihre Auswahl jederzeit widerrufen.

Notwendige Cookies

Diese Cookies sind für den technischen Betrieb der Website erforderlich und können nicht deaktiviert werden. Sie ermöglichen grundlegende Funktionen wie Navigation und Zugang zu Seitenbereichen und speichern keine personenbezogenen Daten über Sie.

Analytische Cookies

Diese Cookies helfen uns, das Nutzerverhalten auf der Website in anonymisierter Form zu verstehen. Die erhobenen Daten werden ausschließlich aggregiert ausgewertet und nicht an Dritte zu kommerziellen Zwecken weitergegeben. Ihre Aktivierung ist freiwillig.

Einstellungen speichern

Ihre Cookie-Präferenzen werden gespeichert und bei zukünftigen Besuchen berücksichtigt. Sie können Ihre Einwilligung jederzeit mit Wirkung für die Zukunft widerrufen, ohne dass die Rechtmäßigkeit der bisherigen Verarbeitung berührt wird.

Zur Cookie-Richtlinie