MIPT: Überprüfung von Handelsstrategien für Kryptowährungen unter realen Marktbedingungen

Am MIPT wurde ein System vorgestellt, bei dem die Überprüfung von Handelsstrategien für Kryptowährungen nicht auf einer idealisierten Preishistorie basiert, sondern auf der Modellierung von Bedingungen, die dem realen Handel nahekommen. Die Entwicklung berücksichtigt Gebühren, Slippage, Liquidität, die Finanzierungskosten von unbefristeten Verträgen und andere Faktoren, aufgrund derer eine auf dem Papier profitable Strategie nach dem Start schwach sein kann.

Entwicklungsübersicht

• Entwickler: Moskauer Institut für Physik und Technologie (MIPT).
• Premiere des Systems: 30. Juli 2026.
• Branche: Finanzdienstleistungen, Investitionen und Audits.
• Technologien: Data Mining.

Das System gehört zu den Werkzeugen der intelligenten Datenanalyse und dient einer strengeren Bewertung von Kryptowährungsstrategien. Seine Aufgabe ist es, zu zeigen, wie sich der Algorithmus nicht unter Laborbedingungen, sondern in einer Umgebung verhält, in der Transaktionen mit Kosten, Verzögerungen und Marktbeschränkungen ausgeführt werden.

Was ist Backtesting und warum ist es notwendig

Backtesting ist die Überprüfung einer Handelsstrategie anhand historischer Daten. Einfach gesagt, durchläuft der Algorithmus einen vergangenen Marktabschnitt erneut: Er erhält Preise, eröffnet und schließt Geschäfte gemäß festgelegten Regeln und zeigt dann, wie das Ergebnis hätte aussehen können.

Eine solche Überprüfung ist notwendig, um die Logik der Strategie im Voraus zu bewerten: Hat sie Gewinn gebracht, wie stark ist das Kapital gefallen, wie oft gab es verlustreiche Perioden und hält die Idee verschiedenen Marktphasen stand? Für einen Handelsroboter ist Backtesting besonders wichtig: Es hilft, Schwachstellen vor dem Start mit echtem Geld zu finden.

Wie man eine Strategie oder einen Roboter backtestet

Normalerweise erfolgt die Überprüfung nach einem klaren Algorithmus:

• Historische Daten vorbereiten: Preise, Volumen, Gebühren und andere Marktparameter.
• Regeln der Strategie festlegen: Eintritts- und Austrittsbedingungen, Positionsgröße und Risikobegrenzungen.
• Reale Handelsbedingungen festlegen: Gebühren, Slippage, Liquidität und Finanzierungskosten für unbefristete Verträge.
• Den Test so starten, dass der Algorithmus keine Daten aus der Zukunft verwendet.
• Die Ergebnisse durch Berichte, Grafiken und Transaktionstabellen analysieren.

Für das Backtesting werden häufig Plattformen wie MetaTrader, TradingView, Amibroker und ähnliche verwendet. Wenn ein eigenes Testsystem benötigt wird, wird es normalerweise in Python, C++ oder R geschrieben.

Die Optimierung eines Handelsroboters besteht darin, Parameter zu durchlaufen und zu vergleichen: zum Beispiel den Zeitraum des Indikators, die Austrittsregeln oder die Positionsgröße. Aber es ist riskant, nur die Variante mit der höchsten Rentabilität auszuwählen – es ist wichtig zu sehen, wie stabil das Ergebnis in verschiedenen Marktabschnitten ist.

Es gibt auch zusätzliche Überprüfungsmethoden. Das Forward-Testing startet die Strategie mit neuen Daten nach der Anpassung, um sie außerhalb des historischen Abschnitts zu testen, in dem die Parameter ausgewählt wurden. Visuelles Testing zeigt die Geschäfte Schritt für Schritt direkt im Diagramm: So ist es einfacher zu sehen, wo der Algorithmus einsteigt, aussteigt und Fehler macht.

Metriken, Faktoren und häufige Fehler beim Backtest

Das Ergebnis des Backtests wird nicht nur nach dem Gewinn bewertet. In der Regel werden mehrere Kennzahlen gleichzeitig betrachtet:

• Rentabilität: zeigt, wie viel die Strategie im gewählten Zeitraum verdient hat.
• Maximale Drawdown: zeigt, wie stark das Kapital von seinem Höchststand bis zum Tiefpunkt gefallen ist.
• Sharpe-Ratio: hilft, die Rentabilität unter Berücksichtigung des Risikos zu bewerten.
• Volatilität: zeigt, wie stark sich das Ergebnis der Strategie verändert hat.
• Verhältnis von Gewinn/Risiko: hilft zu verstehen, ob der potenzielle Gewinn die möglichen Verluste rechtfertigt.

Die Qualität der Daten, die Berücksichtigung von Gebühren, Liquidität, Slippage, die Realitätsnähe der Modellierung, die Länge des Testzeitraums und das Risiko von Überanpassung haben den größten Einfluss auf den Erfolg der Überprüfung.

Die häufigsten Fehler sind die Verwendung zukünftiger Daten, Überanpassung an einen günstigen historischen Abschnitt, Ignorieren von Handelskosten und ein zu kurzer Überprüfungszeitraum. Aufgrund solcher Fehler kann eine Strategie auf dem Diagramm stark erscheinen, aber nach dem Start schnell an Effektivität verlieren.

Was genau haben die Wissenschaftler der MFTI untersucht

Im Mittelpunkt der Forschung standen Momentum-Strategien – ein beliebter Ansatz im algorithmischen Handel. Ihre Idee ist einfach: Wenn der Preis eines Vermögenswerts bereits in eine bestimmte Richtung tendiert, kann er diese Bewegung noch eine Weile fortsetzen. In traditionellen Finanzmärkten werden solche Ansätze schon lange angewendet, aber im Kryptomarkt werden sie oft zu vereinfacht getestet.

Auf dem Kryptomarkt gibt es verschiedene Arten von Strategien:

• Momentum: Wette auf die Fortsetzung einer bereits begonnenen Preisbewegung.
• Arbitrage: Suche nach Preisunterschieden zwischen Plattformen oder Instrumenten.
• Scalping: Häufige kurzfristige Geschäfte mit kleinem Gewinnziel.
• Trendstrategien: Arbeiten in Richtung der Hauptbewegung des Marktes.
• Gegen-Trend-Strategien: Versuch, von Rücksetzern gegen die aktuelle Bewegung zu profitieren.
• Market Making: Platzierung von Kauf- und Verkaufsaufträgen, um von der Spanne zu profitieren.

Das Hauptproblem solcher Tests ist die Abkopplung von der Realität. Der Kurs auf einem historischen Chart zeigt den Preis, offenbart jedoch nicht alle Bedingungen des Handels: Wie war die Liquidität, wie viel hat die Ausführung gekostet, wie war das Slippage und wie haben sich die Marktzyklen verändert. Daher kann eine Strategie auf historischen Daten stark erscheinen, aber nach dem Start schnell die erwartete Rendite verlieren.

Das Team des Lehrstuhls für <> der MFTI hat beschlossen zu überprüfen, wie stabil Momentum-Strategien bei einem realistischeren Ansatz sind. Dazu wurde die Arbeit in mehrere praktische Schritte unterteilt:

• Erstellung eines Testsystems.
• Sammlung stündlicher Daten vom Spotmarkt.
• Sammlung stündlicher Daten zu unbefristeten Futures über 8 Jahre.

Wie das Testsystem funktioniert

Die Entwicklung simuliert schrittweise die Funktionsweise der Handelsstrategie, als ob sie in Echtzeit gestartet wurde. In jedem Schritt überprüft das System mehrere Bedingungen:

• Der Algorithmus erhält nur die Marktdaten, die zum Zeitpunkt der Entscheidungsfindung verfügbar gewesen sein könnten.
• Das Ergebnis des Handels wird unter Berücksichtigung von Gebühren berechnet.
• Slippage wird in die Berechnung einbezogen.
• Die verfügbare Liquidität wird berücksichtigt.
• Für unbefristete Verträge wird die Finanzierungskosten berücksichtigt.

Nach der Berechnung eines Zeitabschnitts wechselt der Algorithmus zum nächsten und wiederholt das Verfahren bereits mit aktualisierten Daten. Dieser Ansatz hilft, einen häufigen Fehler zu vermeiden – die Verwendung von Informationen aus der Zukunft. Infolgedessen zeigt der Test nicht eine abstrakte Rendite in der Geschichte, sondern ein glaubwürdigeres Bild des Verhaltens der Strategie im Handel.

Das System reproduziert die Funktionsweise der Strategie Schritt für Schritt: Es verwendet nur die zu diesem Zeitpunkt verfügbaren Daten, berücksichtigt die tatsächlichen Handelskosten und wechselt dann zum nächsten Zeitraum. Diese Methode ermöglicht es, zu bewerten, wie sich die Strategie unter realen Marktbedingungen verhalten könnte, – erklärte Maxim Egorov, Absolvent des Lehrstuhls für <> der MFTI.

Für einen Markt, in dem Händler häufig Ideen in MetaTrader testen, eigene Modelle in Python schreiben oder hochbelastete Algorithmen auf C++ übertragen, ist nicht nur die Logik des Ein- und Ausstiegs aus Positionen wichtig. Die Qualität der Überprüfung beruht auf drei Dingen:

• Berücksichtigung der Kosten, die bei der Ausführung von Geschäften entstehen.
• Berücksichtigung der Ausführungsbeschränkungen, einschließlich Liquidität und Slippage.
• Vergleich der endgültigen Bewertung mit dem, wie die Strategie im realen Handel hätte funktionieren können.

Ergebnisse: Die Rendite stellte sich als nicht das Hauptvorteil heraus

Die erhaltenen Ergebnisse wurden zusätzlich mit statistischen Methoden überprüft. Dies war notwendig, um den stabilen Effekt von zufälligen Übereinstimmungen der Parameter mit einem günstigen Marktsegment zu trennen. Diese Kontrolle zeigte: Viele Strategien, die bei standardisierten Tests gut abschneiden, verlieren deutlich an Effektivität, wenn man die realen Handelsbedingungen berücksichtigt.

Die Hauptschlussfolgerung war nicht, dass Momentum-Strategien den maximalen Gewinn bringen. Ein wichtigerer Vorteil war ihre Fähigkeit, Verluste in Zeiten starker Marktrückgänge zu begrenzen. Bei realistischer Überprüfung trat der Schutz des Kapitals während der Abstürze in den Vordergrund.

Durch das System wurden 132 Varianten der Strategie getestet. Die Untersuchung zeigte, dass man sich nicht nur auf eine Variante verlassen kann, die sich auf historischen Daten am besten bewährt hat. Nach Berücksichtigung der zufälligen Auswahl unterschied sich ihr Ergebnis statistisch nicht mehr von Glück. Dabei verschwand der Momentum-Effekt selbst nicht.

Wenn man die Strategie nicht nach dem einen erfolgreichsten Szenario bewertet, sondern im Durchschnitt und ein Portfolio aus mehreren Varianten bildet, bleibt sie profitabel. Ihr Schlüsselmerkmal ist die Verringerung der Drawdowns in Krisenzeiten. Laut Berechnungen des MIPT wurde der maximale Drawdown um mehr als das Zweifache reduziert: von 67 % auf 29 %.

Warum ist eine solche Überprüfung für den Kryptomarkt notwendig

Die Autoren der Entwicklung glauben, dass das System die Grundlage für die Bewertung und Schaffung neuer Anlageprodukte auf dem Kryptowährungsmarkt werden kann. Sein Wert liegt darin, dass das Produkt im Voraus unter Bedingungen getestet werden kann, die den realen Handelsbedingungen nahekommen, und man verstehen kann, wie gut es in der Lage ist, Kapital während starker Rückgänge zu schützen.

Ein solches System kann die Grundlage für die Bewertung neuer Anlageprodukte für den Kryptowährungsmarkt bilden. Es ermöglicht, im Voraus zu sehen, wie die Strategie Phasen starker Rückgänge übersteht und wie kontrollierbar das Risiko bleibt. Vor dem Hintergrund der Schaffung eines regulatorischen Rahmens für digitale Finanzanlagen in Russland könnten solche Instrumente besonders gefragt sein, bemerkte Maxim Egorov.

Der nächste Schritt der MIPT-Wissenschaftler besteht darin, andere Klassen von Handelsstrategien zu überprüfen. Außerdem möchten sie die Untersuchung auf neue Arten von Krypto-Assets ausweiten, um zu bewerten, wie realistische Tests die Wahrnehmung von Risiko und Rendite in verschiedenen Marktsegmenten verändern.