Die Walk Forward Analyse ist ein Robustheitstest, der eine Trading Strategie auf einem Abschnitt der Historie optimiert, die gewählten Parameter auf dem folgenden, ungesehenen Abschnitt handelt und dann weiterrückt. Die aneinandergereihten Out of Sample Ergebnisse zeigen, wie Strategie und Optimierung zusammen in Echtzeit abgeschnitten hätten.
Was ist eine Walk Forward Analyse?
Die Walk Forward Analyse teilt die Kurshistorie in eine Kette von Fenstern. Jedes Fenster hat einen In Sample Teil, in dem der Optimierer die besten Parameter sucht, und direkt danach einen Out of Sample Teil, in dem diese Parameter unverändert handeln. Die Out of Sample Teile werden zu einer einzigen Equity Kurve zusammengesetzt.
Diese Kurve ist das ehrliche Ergebnis, denn jeder Trade darauf entstand mit Parametern, die nur aus früheren Daten gewählt wurden. Genau so sieht der Live Handel aus: Du optimierst auf der Vergangenheit und handelst die Zukunft.
Walk Forward Analyse, Walk Forward Optimierung und Walk Forward Test meinen meist dasselbe Verfahren. Manche nennen das wiederholte Optimieren Walk Forward Optimierung und die Bewertung des Ergebnisses Walk Forward Analyse.
Was ist ein Out of Sample Test und warum reicht eine Aufteilung nicht?
Ein Out of Sample Test bewertet eine Strategie auf Daten, die beim Bauen und Einstellen keine Rolle gespielt haben. Die einfachste Form hält die letzten 20 bis 30 Prozent der Historie zurück, optimiert auf dem Rest und lässt den Sieger einmal auf dem zurückgehaltenen Teil laufen.
Eine einzige Aufteilung hat zwei Schwächen. Das Ergebnis hängt an einem Zeitraum, also entscheidet eine glückliche oder unglückliche Phase. Und sobald du das Out of Sample Ergebnis ansiehst und die Regeln danach änderst, sind diese Daten nicht mehr Out of Sample: Du hast von Hand darauf optimiert.
Die Walk Forward Analyse löst die erste Schwäche, indem sie die Aufteilung viele Male über die Historie wiederholt. Gegen die zweite hilft nur Disziplin: Fenster und Auswahlregel vorher festlegen und nicht so lange neu rechnen, bis das Ergebnis passt. Mehr dazu unter Overfitting und Lookahead Bias.
Anchored oder rollierendes Walk Forward: was ist besser?
Anchored und rollierendes Walk Forward unterscheiden sich nur darin, wo das In Sample Fenster beginnt. Ein verankertes Fenster startet immer beim ersten Bar und wächst mit jedem Schritt. Ein rollierendes Fenster behält seine Länge und gleitet weiter, die ältesten Daten fallen heraus, neue kommen dazu.
| Anchored Walk Forward | Rollierendes Walk Forward | |
|---|---|---|
| Beginn In Sample | Fest am Anfang der Daten | Rückt mit jedem Schritt vor |
| Länge In Sample | Wächst mit jedem Schritt | Bleibt gleich |
| Stärke | Nutzt die ganze Historie, mehr Trades pro Optimierung | Passt sich an, wenn sich der Markt verändert |
| Schwäche | Alte Marktphasen prägen die neuen Parameter mit | Weniger Trades pro Fenster, unruhigere Auswahl |
| Passt zu | Langsamen Strategien, lang stabilem Marktverhalten | Intraday und kurzfristigen Strategien |
Eine gute Gewohnheit: Rechne beide. Funktioniert eine Strategie nur mit einer Fensterart, frag nach dem Grund, bevor du ihr traust.
Wie führt man eine Walk Forward Optimierung durch?
Eine Walk Forward Optimierung braucht fünf Entscheidungen vorab. Hier mit einem Rechenbeispiel über sechs Jahre Daten, Januar 2019 bis Dezember 2024:
- Länge In Sample wählen. Lang genug für ein paar hundert Trades. Beispiel: 24 Monate.
- Länge Out of Sample wählen. Übliche Verhältnisse von In Sample zu Out of Sample liegen zwischen 3:1 und 5:1. Beispiel: 6 Monate, also 4:1.
- Schrittweite wählen. Meist gleich der Out of Sample Länge, damit die Testfenster lückenlos und ohne Überlappung aneinander liegen. Beispiel: 6 Monate.
- Auswahlregel festlegen. Welcher Parametersatz gewinnt ein Fenster: höchster Nettogewinn, bester Profit Factor oder die Mitte eines stabilen Bereichs. Schreib sie vor dem ersten Lauf auf.
- Rechnen und zusammensetzen. Das erste Fenster optimiert auf 2019 und 2020 und handelt das erste Halbjahr 2021, das letzte handelt das zweite Halbjahr 2024. Das ergibt 8 Out of Sample Fenster und 48 Monate Ergebnis aus 72 Monaten Daten.
In der verankerten Variante desselben Beispiels ist das erste In Sample Fenster 24 Monate lang, das letzte reicht von Januar 2019 bis Juni 2024, also 66 Monate.
Wie liest man ein Walk Forward Ergebnis?
Ein Walk Forward Ergebnis liest du an der zusammengesetzten Out of Sample Kurve ab, nicht an den In Sample Werten. Die Fragen sind: Verdient die Kurve nach Kosten noch Geld, wie viele Fenster waren profitabel, und wie viel der In Sample Leistung ist übrig geblieben?
Die Walk Forward Effizienz fasst die letzte Frage in eine Zahl: annualisierte Out of Sample Rendite geteilt durch annualisierte In Sample Rendite. Annualisiere beide vorher, weil die Fenster unterschiedlich lang sind. Beispiel: 18 Prozent pro Jahr In Sample und 9 Prozent pro Jahr Out of Sample ergeben 50 Prozent Effizienz. Eine verbreitete Faustregel verlangt 50 Prozent oder mehr.
| Was du siehst | Was es meist bedeutet |
|---|---|
| Die meisten Fenster profitabel, Effizienz um oder über 50 % | Edge und Optimierung halten beide |
| Stark In Sample, flach oder negativ Out of Sample | Der Optimierer passt sich ans Rauschen an, die Strategie ist überoptimiert |
| Die besten Parameter springen von Fenster zu Fenster | Kein stabiles Optimum, das Ergebnis hängt vom Fenster ab |
| Ein oder zwei Fenster bringen den ganzen Gewinn | Die Edge steckt in wenigen Ereignissen, prüf diese Trades |
| Zu wenige Trades pro Out of Sample Fenster | Fenster zu kurz für ein Urteil, verlängere sie |
Wie funktioniert Walk Forward in der Orion Quant Technologies Engine?
In der Orion Quant Technologies Engine ist Walk Forward Teil des Optimierers in der Desktop App: auf einem Fenster optimieren, auf dem nächsten testen, weiterrücken, wiederholen, mit rollierenden oder verankerten Fenstern. Die Suche in jedem Fenster ist eine Grid Suche über jede Kombination, parallel auf deinen Kernen, oder eine genetische Suche für einen Parameterraum, der zu groß zum Abgehen ist.
Für eine einzelne Aufteilung hält In und Out of Sample einen Teil des Zeitraums zurück. Die Suche passt sich am Rest an, und jeder Durchlauf zeigt sein Out of Sample Ergebnis und die Lücke zwischen beiden. Eine Heatmap der Parameterlandschaft über zwei Parameter zeigt, ob der beste Wert auf einem breiten Plateau oder einem einzelnen Gipfel liegt, und das Audit benotet einen fertigen Lauf von A bis F über Edge, Robustheit, Risiko und Stichprobe. Die Engine ist im Frühzugang über die Warteliste.
Häufige Fragen
Wie viele Walk Forward Fenster brauche ich?
Ziel sind mindestens fünf bis zehn Out of Sample Fenster, jedes mit genug Trades für eine Aussage, am besten Dutzende. Mit weniger Fenstern entscheidet eine einzelne gute oder schlechte Phase das Ergebnis. Geben deine Daten so viele Fenster sinnvoller Länge nicht her, handelt die Strategie zu selten für einen Walk Forward Test. Dann helfen eine längere Historie oder weniger Parameter.
Was ist eine gute Walk Forward Effizienz?
Eine Walk Forward Effizienz von 50 Prozent oder mehr gilt als verbreitete Faustregel. Die Out of Sample Phasen haben dann mindestens die Hälfte der annualisierten In Sample Rendite behalten. Werte weit über 100 Prozent sind eher verdächtig als gut, oft ein Zeichen für zu wenige Trades. Lies die Zahl immer zusammen mit dem Anteil profitabler Fenster und der Zahl der Trades.
Was ist der Unterschied zwischen Walk Forward und einem einfachen Out of Sample Test?
Ein einfacher Out of Sample Test teilt einmal: auf dem ersten Teil optimieren, einmal auf dem letzten Teil testen. Walk Forward wiederholt diese Aufteilung viele Male und optimiert vor jedem neuen Testfenster erneut. Das Ergebnis deckt fast die ganze Historie ab statt eines Abschnitts, und es prüft das regelmäßige Nachoptimieren, das du auch live machen wirst.
Ist Walk Forward dasselbe wie Kreuzvalidierung?
Nein. Die übliche k fache Kreuzvalidierung mischt die Daten in Teile und kann auf späteren Daten trainieren, um frühere zu testen. Bei Kursreihen sickert so die Zukunft in die Vergangenheit. Walk Forward hält die zeitliche Reihenfolge strikt ein: Das Training liegt immer vor dem Test. Es ist die Form der Kreuzvalidierung, die zu Zeitreihen und Trading Strategien passt.
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.