Strategie Optimierung ist die Suche nach den Parameterwerten einer Trading Strategie, etwa Indikatorlängen, Stopabstände und Filter, mit denen sie auf historischen Daten am besten abschneidet. Die Grid Suche testet jede Kombination, ein genetischer Algorithmus züchtet gute Kombinationen aus einer Population. In beiden Fällen zählt der Sieger nur, wenn er auf ungesehenen Daten hält.
Was ist Parameter Optimierung im Backtest?
Parameter Optimierung im Backtest lässt dieselbe Strategie viele Male mit verschiedenen Eingabewerten laufen und sortiert die Ergebnisse nach einem gewählten Maß. Ein Kreuzen zweier gleitender Durchschnitte hat zum Beispiel zwei Eingaben: die schnelle und die langsame Länge. Die Optimierung beantwortet, welches Paar am besten funktioniert hätte und wie stark das Ergebnis von dieser Wahl abhängt.
Die zweite Antwort ist wichtiger als die erste. Eine Strategie, die über einen breiten Bereich von Werten profitabel ist, funktioniert viel eher weiter als eine, die nur bei einem einzigen Wert Gewinn macht. Siehe Overfitting und Lookahead Bias.
Wie funktioniert die Grid Suche für Trading Parameter?
Die Grid Suche für Trading Parameter testet jede Kombination der Werte, die du vorgibst. Drei Parameter mit je 20 Werten ergeben 20 mal 20 mal 20, also 8.000 Backtests. Die Grid Suche ist vollständig und einfach und kartiert den ganzen Raum, genau das braucht eine Heatmap der Ergebnisse.
Ihre Grenze ist das Wachstum. Jeder weitere Parameter vervielfacht die Arbeit. Fünf Parameter mit je 20 Werten ergeben 3.200.000 Kombinationen, bei einer Sekunde pro Backtest sind das rund 37 Tage Rechenzeit. Ab drei oder vier Parametern ist ein volles Grid selten praktikabel.
Wie optimiert ein genetischer Algorithmus eine Trading Strategie?
Ein genetischer Algorithmus optimiert eine Trading Strategie, indem er eine Population von Parametersätzen zu besseren Ergebnissen hin entwickelt, statt jede Kombination zu testen. Jeder Satz wird gebacktestet, die besseren bleiben als Eltern, und ihre Werte werden gemischt und leicht verändert, um die nächste Generation zu bilden.
- Start mit einer zufälligen Population, zum Beispiel 100 Parametersätzen.
- Bewerten: jeden Satz backtesten und mit einem Fitness Maß bewerten, etwa Nettogewinn geteilt durch Drawdown.
- Auswählen: die besseren Sätze werden Eltern.
- Kreuzen: Werte zweier Eltern zu einem Kind kombinieren.
- Mutieren: einige Werte zufällig ändern, damit die Suche nicht festhängt.
- Wiederholen über eine Zahl von Generationen oder bis sich der beste Wert nicht mehr verbessert.
Mit 100 Sätzen über 50 Generationen rechnet die Suche höchstens 5.000 Backtests, bei einer Sekunde pro Lauf rund 1,4 Stunden, statt 37 Tagen für das volle Grid aus fünf Parametern. Der Preis: Ein genetischer Algorithmus kann den wirklich besten Punkt verfehlen und kartiert nicht den ganzen Raum.
Grid Suche oder genetischer Algorithmus: was solltest du nutzen?
Die Grid Suche nimmst du, wenn der Parameterraum klein genug für einen vollständigen Test ist, den genetischen Algorithmus, wenn nicht. Ein üblicher Ablauf: erst eine genetische Suche, um die vielversprechende Region zu finden, dann ein feines Grid um sie herum, um zu sehen, ob dort ein Plateau oder eine einzelne Spitze liegt.
| Merkmal | Grid Suche | Genetischer Algorithmus |
|---|---|---|
| Wie sie sucht | Jede Kombination | Eine Population, die sich zu besseren Ergebnissen entwickelt |
| Aufwand | Vervielfacht sich mit jedem Parameter | Bestimmt durch Populationsgröße und Generationen |
| Findet den besten Punkt | Immer, innerhalb des Grids | Meist in der Nähe, nicht garantiert |
| Zeigt die Landschaft | Ja, eine vollständige Heatmap | Nur dort, wo die Suche war |
| Am besten für | Bis etwa drei oder vier Parameter | Große Räume mit vielen Parametern |
Auf anderen Plattformen: cTrader hat Grid Optimierung und einen genetischen Algorithmus eingebaut, MetaTrader 5 bietet eine vollständige Suche und einen schnellen genetischen Algorithmus, und TradingView hat keinen eingebauten Parameter Optimierer (geprüft 2026-10-01).
Wie optimierst du eine Trading Strategie ohne Overfitting?
Eine Trading Strategie optimierst du ohne Overfitting, indem du ein vernünftiges Fitness Maß wählst, die Suche klein hältst und das Ergebnis auf Daten bestätigst, die der Optimierer nie gesehen hat. Das Ziel ist eine stabile Region guter Parameter, nicht die eine höchste Zahl.
- Auf risikobereinigte Rendite optimieren, etwa Rendite geteilt durch maximalen Drawdown oder die Sharpe Ratio, nicht auf den Nettogewinn allein. Nettogewinn belohnt Größe und Glück.
- Eine Mindestzahl an Trades verlangen, damit kein Satz mit fünf glücklichen Trades gewinnt.
- Grobe Schritte nutzen. Ein Stop von 20, 25 oder 30 Pips sagt dir so viel wie jeder Wert von 20 bis 30.
- Einen Out of Sample Zeitraum zurückhalten und bei jedem Durchlauf das Ergebnis In Sample und Out of Sample vergleichen.
- Walk Forward: Optimieren und Testen auf rollierenden Fenstern wiederholen. Siehe Walk Forward Analyse.
- Aus einem Plateau wählen: Werte nehmen, deren Nachbarn fast genauso gut abschneiden.
Wie funktioniert die Optimierung in der Orion Quant Technologies Engine?
Die Orion Quant Technologies Engine hat beide Verfahren. Die Grid Suche rechnet jede Kombination der gewählten Parameter, parallel auf deinen Kernen. Die genetische Suche züchtet eine Population von Parametersätzen zu dem hin, was funktioniert, für Räume, die zu groß zum Ablaufen sind. Die Backtest Schleife und die Durchläufe des Optimierers laufen auf einem Kern in Rust, und ein Lauf lässt sich auch auf unseren Servern einreihen.
Für Ehrlichkeit hältst du einen Teil des Zeitraums zurück: Die Suche passt auf dem Rest an, und jeder Durchlauf zeigt sein Out of Sample Ergebnis und die Lücke zwischen beiden. Walk Forward läuft auf rollierenden oder verankerten Fenstern, und eine Heatmap zeigt das Ergebnis über zwei Parameter, wo eine einzelne Spitze Glück ist und ein breites Plateau eine Strategie. Die Engine ist im Frühzugang über die Warteliste.
Häufige Fragen
Wie viele Parameter sollte eine Trading Strategie haben?
So wenige, wie die Idee braucht. Jeder Parameter ist eine weitere Möglichkeit, Rauschen zu treffen, und vervielfacht die Suche. Viele robuste Strategien kommen mit zwei bis vier Eingaben aus. Eine nützliche Prüfung sind die Trades pro Parameter: Hat eine Strategie mit sechs Parametern nur sechzig Trades gemacht, sagt das Ergebnis mehr über die Justierung als über den Markt.
Worauf sollte ich optimieren: Gewinn, Drawdown oder Sharpe Ratio?
Ein Maß, das Rendite und Risiko verbindet, ist meist das bessere Ziel, etwa Nettogewinn geteilt durch maximalen Drawdown oder die Sharpe Ratio. Der Nettogewinn allein bevorzugt Parametersätze, die größere Risiken eingehen oder von wenigen großen Trades leben. Was du auch wählst: Setz eine Mindestzahl an Trades, damit keine kurze Glückssträhne die Suche gewinnt.
Ist ein genetischer Algorithmus besser als die Grid Suche?
Keiner ist allgemein besser. Die Grid Suche ist vollständig und zeigt die ganze Landschaft, ihr Aufwand vervielfacht sich aber mit jedem Parameter. Ein genetischer Algorithmus bewältigt große Räume mit weit weniger Backtests, kann aber den besten Punkt verfehlen und erkundet nur, wo er gesucht hat. Für zwei oder drei Parameter nimm ein Grid, für mehr starte genetisch und verfeinere mit einem Grid.
Woran erkenne ich, ob meine optimierten Parameter in Zukunft funktionieren?
Sicher wissen kannst du es nicht, aber du kannst die Chancen verbessern. Bestätige die Parameter in einem Out of Sample Zeitraum, mach einen Walk Forward Test, prüfe, ob benachbarte Werte fast genauso gut abschneiden, und sieh dir das Ergebnis mit doppelten Kosten und einer Monte Carlo Neumischung der Trades an. Was das alles besteht, ist reif für Paper Trading.
Nur für Forschung und Tests. Ein Backtest zeigt, wie Regeln sich in der Vergangenheit verhalten haben, nicht was sie verdienen werden. Nichts hier ist eine Anlageberatung.