Wie viele Trades braucht ein Backtest? Signifikanz prüfen.

Eine feste Zahl gibt es nicht: Wie viele Trades ein Backtest braucht, hängt davon ab, wie groß der mittlere Ertrag pro Trade im Verhältnis zu seiner Streuung ist, und wie schief und fat-tailed die Ergebnisse verteilt sind. Ein schwacher Vorteil braucht Hunderte bis über tausend Trades, ein deutlicher Vorteil kommt mit deutlich weniger aus. Die Faustregel „30 Trades reichen“ stammt aus einer Daumenregel für den zentralen Grenzwertsatz und sagt nichts darüber, ob ein Ergebnis von null verschieden ist. Dieser Beitrag zeigt, wie Sie das mit dem Standardfehler des mittleren Trade-Ertrags, der t-Statistik, der Probabilistic Sharpe Ratio und der Minimum Track Record Length nach Bailey und López de Prado prüfen, warum die abgedeckten Marktphasen oft wichtiger sind als die reine Trade-Anzahl und wie die Prüfung als automatische Hürde in einer Test-Pipeline aussieht.

Warum die Anzahl der Trades allein nichts entscheidet.

Ein Backtest liefert eine Stichprobe von Trade-Ergebnissen. Aus ihr schätzen Sie den mittleren Ertrag pro Trade, den Erwartungswert. Diese Schätzung ist unsicher, und wie unsicher, beschreibt der Standardfehler: die Standardabweichung der Trade-Ergebnisse geteilt durch die Wurzel der Trade-Anzahl. Mehr Trades verkleinern ihn, aber nur mit der Wurzel. Für einen halb so großen Standardfehler brauchen Sie die vierfache Anzahl.

Entscheidend ist deshalb das Verhältnis aus mittlerem Ertrag und Streuung, also die Sharpe Ratio pro Trade (ohne Annualisierung). Eine Strategie mit 0,5 R mittlerem Ertrag bei 1 R Streuung ist nach wenigen Dutzend Trades statistisch erkennbar. Eine Strategie mit 0,05 R bei gleicher Streuung braucht dafür über tausend Trades. R steht hier für das anfängliche Risiko eines Trades, also den Betrag bis zum Stop.

Daraus folgt eine unbequeme Konsequenz: Gerade die realistischen Strategien mit kleinem Vorteil pro Trade sind am schwersten nachzuweisen. Ein Backtest mit 80 Trades und schöner Kapitalkurve kann bei kleinem Vorteil noch reiner Zufall sein, ohne dass man es der Kurve ansieht.

t-Statistik und Konfidenzintervall für den mittleren Trade.

Der einfachste Test fragt, ob der mittlere Trade-Ertrag von null verschieden ist. Die t-Statistik ist der Mittelwert geteilt durch seinen Standardfehler: t = Mittelwert / (Standardabweichung / Wurzel(n)). Werte um 2 entsprechen bei großen Stichproben grob einer Irrtumswahrscheinlichkeit von 5 Prozent (zweiseitig). Das zugehörige 95-Prozent-Konfidenzintervall ist der Mittelwert plus oder minus etwa zwei Standardfehler; genauer nimmt man das Quantil der t-Verteilung mit n minus 1 Freiheitsgraden.

Rechenbeispiel: Eine Strategie erzielt im Backtest im Mittel 0,3 R pro Trade bei einer Standardabweichung von 1,5 R.

Nach 30 Trades schließt das Intervall einen negativen Erwartungswert also klar ein, obwohl der Backtest im Mittel Gewinn zeigt. Die Zahl 30 geht auf eine Faustregel zurück, ab der der zentrale Grenzwertsatz die Normalverteilung des Mittelwerts oft brauchbar annähert. Sie beantwortet, ob die Rechenmethode taugt, nicht, ob der Vorteil existiert. Selbst nach 120 Trades reicht das Intervall fast bis null: Der Vorteil könnte ein Zehntel des gemessenen Werts sein.

Wie genau ist die Sharpe Ratio eines Backtests?

Die Sharpe Ratio ist selbst eine Schätzung mit Fehler. Andrew Lo hat 2002 im Financial Analysts Journal gezeigt, dass ihr Standardfehler bei unabhängig und identisch verteilten Erträgen näherungsweise Wurzel((1 + SR²/2) / n) beträgt, mit SR in der Frequenz der Daten und n als Anzahl der Beobachtungen. Bei einer Sharpe Ratio pro Trade von 0,2 und 120 Trades liegt der Standardfehler damit bei etwa 0,09, fast halb so groß wie der Messwert selbst.

Lo weist außerdem darauf hin, dass die übliche Annualisierung mit der Wurzel der Perioden pro Jahr nur bei unabhängigen Erträgen stimmt. Sind die Erträge seriell korreliert, kann die annualisierte Sharpe Ratio deutlich überzeichnet sein; im Beispiel des Aufsatzes bei einem Hedgefonds um bis zu 65 Prozent. Für Backtests heißt das: Rechnen Sie die Signifikanz in der Frequenz, in der die Daten tatsächlich anfallen, und annualisieren Sie erst für die Darstellung.

Bei Strategien mit unregelmäßiger Handelsfrequenz ist die Annualisierung ohnehin fragwürdig. Ein System, das in manchen Monaten gar nicht handelt, hat keine natürliche Jahresfrequenz. Die Auswertung pro Trade umgeht dieses Problem.

Probabilistic Sharpe Ratio und Minimum Track Record Length.

David H. Bailey und Marcos López de Prado haben im Aufsatz „The Sharpe Ratio Efficient Frontier“ (Journal of Risk) zwei Werkzeuge vorgestellt, die direkt auf die Frage nach der Stichprobengröße antworten. Die Probabilistic Sharpe Ratio (PSR) schätzt die Wahrscheinlichkeit, dass die wahre Sharpe Ratio über einer gewählten Schwelle SR* liegt, meist null:

PSR = Φ( (SR − SR*) · Wurzel(n − 1) / Wurzel(1 − γ3·SR + (γ4 − 1)/4 · SR²) )

Dabei ist Φ die Verteilungsfunktion der Standardnormalverteilung, γ3 die Schiefe und γ4 die Kurtosis der Erträge, und zwar die gewöhnliche Kurtosis, die bei Normalverteilung 3 beträgt, nicht die Überschusskurtosis. Alles wird in der Originalfrequenz gerechnet, ohne Annualisierung. Ein PSR über 0,95 heißt: Mit 95 Prozent Konfidenz liegt die Sharpe Ratio über der Schwelle.

Stellt man die Formel nach n um, ergibt sich die Minimum Track Record Length (MinTRL), die Mindestanzahl an Beobachtungen: MinTRL = 1 + (1 − γ3·SR + (γ4 − 1)/4 · SR²) · (z / (SR − SR*))², mit z als Quantil der Normalverteilung für die gewünschte Konfidenz (1,645 bei 95 Prozent, einseitig). Rechenbeispiel für die Schwelle null und 95 Prozent Konfidenz:

Die Autoren rechnen im Aufsatz selbst ein Beispiel: Bei täglichen, normalverteilten Erträgen braucht eine annualisierte Sharpe Ratio von 2 etwa 2,73 Jahre Historie, um mit 95 Prozent Konfidenz über 1 zu liegen. Mit wöchentlichen Daten steigt der Wert auf 2,83 Jahre, mit monatlichen auf 3,24 Jahre, und mit Schiefe und Kurtosis eines Hedgefonds-Index auf 4,99 Jahre.

Schiefe, Fat Tails und Marktphasen.

Viele Trading-Strategien haben keine symmetrische Ergebnisverteilung. Mean-Reversion-Systeme mit engem Gewinnziel und weitem Stop gewinnen oft und verlieren selten, dann aber viel: negative Schiefe. Trendfolger zeigen typischerweise das Gegenteil. Fette Ränder (hohe Kurtosis) bedeuten, dass extreme Ergebnisse häufiger vorkommen als bei einer Normalverteilung. Beides geht in den Nenner der PSR ein. Negative Schiefe und hohe Kurtosis vergrößern die Unsicherheit und damit die benötigte Trade-Anzahl.

Ein praktischer Stolperstein liegt in der Software: Die Funktion scipy.stats.kurtosis liefert standardmäßig die Überschusskurtosis (Normalverteilung ergibt 0). Wer diesen Wert ungeprüft als γ4 in die PSR-Formel einsetzt, unterschätzt die Unsicherheit. Entweder fisher=False setzen oder 3 addieren.

Hinzu kommt eine Grenze, die keine Formel auflöst: Schiefe und Kurtosis selbst lassen sich nur ungenau schätzen, und seltene Verluste tauchen in kurzen Stichproben oft gar nicht auf. Bailey und López de Prado weisen darauf hin, dass ihre Formeln auf einer asymptotischen Verteilung beruhen und die Momente auf ausreichend langen Reihen geschätzt werden sollten. Deshalb zählt neben der Trade-Anzahl die Zeitspanne. 500 Trades aus einem einzigen ruhigen Jahr sagen weniger über das Verhalten in einem Crash oder einer Seitwärtsphase als 300 Trades, die über mehrere Jahre mit unterschiedlichen Volatilitätsregimen verteilt sind. Ein Intraday-System mit Tausenden Trades kann trotzdem nur eine einzige Marktphase gesehen haben.

Stichproben-Prüfung als Gate in der Test-Pipeline.

In einem automatisierten Entwicklungsprozess gehört die Prüfung der Stichprobe vor jede Optimierung und jede Freigabe. Liegt eine Strategie unter ihrer Minimum Track Record Length, wird sie weder weiter optimiert noch in den Papierhandel oder den Live-Betrieb übernommen. Das verhindert, dass Rechenzeit und Aufmerksamkeit in Varianten fließen, deren Ergebnis sich nicht vom Zufall unterscheiden lässt.

Der folgende Code kommt mit der Python-Standardbibliothek aus. Er erwartet eine Liste von Trade-Ergebnissen, etwa in R oder in Prozent, berechnet t-Statistik, PSR und MinTRL pro Trade und gibt eine Freigabe-Entscheidung zurück. Schiefe und Kurtosis werden direkt als gewöhnliche Momente berechnet, sodass die Verwechslung mit der Überschusskurtosis nicht auftreten kann.

from math import sqrt
from statistics import NormalDist, fmean, stdev

Z = NormalDist()

def momente(r):
    """Mittelwert, Standardabweichung, Schiefe, Kurtosis (nicht Exzess)."""
    n = len(r)
    m = fmean(r)
    s = stdev(r)
    sp = sqrt(sum((x - m) ** 2 for x in r) / n)   # Populations-Std. für die Momente
    g3 = sum((x - m) ** 3 for x in r) / n / sp ** 3
    g4 = sum((x - m) ** 4 for x in r) / n / sp ** 4
    return m, s, g3, g4

def psr(r, sr_ziel=0.0):
    """Probabilistic Sharpe Ratio je Trade (keine Annualisierung)."""
    n = len(r)
    m, s, g3, g4 = momente(r)
    sr = m / s
    nenner = sqrt(1 - g3 * sr + (g4 - 1) / 4 * sr ** 2)
    return Z.cdf((sr - sr_ziel) * sqrt(n - 1) / nenner)

def min_trl(r, sr_ziel=0.0, konfidenz=0.95):
    """Mindestanzahl Trades, ab der PSR die Konfidenz erreicht."""
    m, s, g3, g4 = momente(r)
    sr = m / s
    if sr <= sr_ziel:
        return float("inf")
    faktor = 1 - g3 * sr + (g4 - 1) / 4 * sr ** 2
    return 1 + faktor * (Z.inv_cdf(konfidenz) / (sr - sr_ziel)) ** 2

def stichproben_gate(r, mindest_trades=100, konfidenz=0.95):
    n = len(r)
    m, s, _, _ = momente(r)
    t = m / (s / sqrt(n))
    bedarf = min_trl(r, konfidenz=konfidenz)
    ok = n >= mindest_trades and n >= bedarf and psr(r) >= konfidenz
    return {"trades": n, "t": round(t, 2), "psr": round(psr(r), 3),
            "min_trl": bedarf if bedarf == float("inf") else round(bedarf),
            "freigabe": ok}

Sinnvolle Ergänzungen in der Pipeline:

• eine Mindestzahl an Kalendermonaten oder Marktphasen zusätzlich zur Trade-Anzahl,
• die Prüfung getrennt auf In-Sample- und Out-of-Sample-Daten, damit die Hürde nicht nur auf optimierten Daten erfüllt wird,
• Kosten und Slippage bereits in den Trade-Ergebnissen, denn sie senken die Sharpe Ratio pro Trade und erhöhen damit die MinTRL,
• ein Protokoll der Entscheidung mit allen Kennzahlen, damit später nachvollziehbar ist, warum eine Variante freigegeben wurde.

Grenzen und Risiken der Signifikanzprüfung.

Alle hier gezeigten Formeln setzen voraus, dass die Trade-Ergebnisse unabhängig und gleich verteilt sind. Überlappende Positionen, Serien von Gewinnen und Verlusten oder Strategien, die in Clustern handeln, verletzen diese Annahme. Dann ist die effektive Stichprobe kleiner als die Trade-Anzahl, und die Prüfung wirkt zu optimistisch. Resampling-Verfahren wie Monte-Carlo-Permutationstests liefern eine robustere Einschätzung, weil sie weniger Verteilungsannahmen brauchen.

Ein zweites Problem ist das Testen vieler Varianten. Wer hundert Parameterkombinationen prüft, findet mit hoher Wahrscheinlichkeit einige mit PSR über 0,95, auch wenn keine einen echten Vorteil hat. PSR und MinTRL bewerten eine einzelne Strategie; für die Auswahl aus vielen Kandidaten braucht es eine Korrektur wie die Deflated Sharpe Ratio.

Schließlich beschreibt Signifikanz nur die Vergangenheit. Ein statistisch belastbarer Backtest sagt nicht voraus, dass der Vorteil fortbesteht. Märkte ändern sich, Kosten steigen, Muster verschwinden. Trading mit Hebelprodukten kann zu Verlusten bis zum Totalverlust führen, und Überanpassung bleibt auch bei großer Stichprobe möglich, wenn Regeln an die Daten angepasst wurden. Die Prüfung ist eine Mindesthürde, um offensichtlichen Zufall auszusortieren, kein Nachweis für künftige Gewinne.

Was Sie jetzt konkret tun können.

1. Exportieren Sie die einzelnen Trade-Ergebnisse Ihres Backtests nach Kosten, nicht nur die Kapitalkurve, und rechnen Sie Mittelwert, Standardabweichung, Schiefe und Kurtosis pro Trade.
2. Berechnen Sie t-Statistik und 95-Prozent-Konfidenzintervall des mittleren Trades. Reicht das Intervall unter null, ist der Vorteil nicht nachgewiesen.
3. Bestimmen Sie PSR und Minimum Track Record Length mit der gewöhnlichen Kurtosis. Liegt die Trade-Anzahl darunter, verlängern Sie den Testzeitraum oder erweitern Sie das Universum, statt weiter zu optimieren.
4. Prüfen Sie, wie viele unterschiedliche Marktphasen die Stichprobe abdeckt, und werten Sie die Kennzahlen getrennt pro Phase aus.
5. Hinterlegen Sie die Prüfung als feste Hürde in Ihrer Test-Pipeline und dokumentieren Sie, wie viele Varianten insgesamt getestet wurden.

Wer diese Schritte automatisiert, bewertet jede neue Strategie nach denselben Regeln und spart sich Diskussionen über einzelne schöne Kapitalkurven.

Häufige Fragen.

Wie viele Trades braucht ein Backtest mindestens?

Eine feste Mindestzahl gibt es nicht. Die nötige Anzahl hängt vom Verhältnis aus mittlerem Ertrag und Streuung pro Trade ab sowie von Schiefe und Kurtosis. Bei einer Sharpe Ratio pro Trade von 0,1 sind unter Normalverteilung rund 270 Trades nötig, um mit 95 Prozent Konfidenz über null zu liegen, bei 0,3 nur gut 30.

Reichen 30 Trades für einen aussagekräftigen Backtest?

In der Regel nicht. Die Zahl 30 ist eine Faustregel dafür, wann der zentrale Grenzwertsatz die Verteilung des Mittelwerts brauchbar annähert. Ob ein Ergebnis von null verschieden ist, beantwortet sie nicht. Im Rechenbeispiel mit 0,3 R Mittelwert und 1,5 R Streuung liegt die t-Statistik nach 30 Trades nur bei etwa 1,1.

Was ist die Probabilistic Sharpe Ratio?

Die Probabilistic Sharpe Ratio nach Bailey und López de Prado gibt die Wahrscheinlichkeit an, dass die wahre Sharpe Ratio einer Strategie über einer gewählten Schwelle liegt. Sie berücksichtigt die Länge der Stichprobe sowie Schiefe und Kurtosis der Erträge und wird ohne Annualisierung in der Frequenz der Daten berechnet.

Was bedeutet Minimum Track Record Length?

Die Minimum Track Record Length ist die Anzahl an Beobachtungen, die eine Historie mindestens haben muss, damit ihre gemessene Sharpe Ratio mit einer gewählten Konfidenz über einer Schwelle liegt. Sie steigt, wenn die Sharpe Ratio kleiner ist, die Erträge negativ schief sind oder fette Ränder haben.

Sind viele Trades wichtiger als viele Jahre Daten?

Beides zählt. Viele Trades verkleinern den statistischen Fehler, aber nur viele Jahre mit unterschiedlichen Marktphasen zeigen, ob eine Strategie Crashs, Seitwärtsphasen und Volatilitätswechsel übersteht. Tausende Trades aus einem einzigen ruhigen Jahr können ein verzerrtes Bild liefern.

Quellen und Stand.

• The Sharpe Ratio Efficient Frontier — David H. Bailey, Marcos López de Prado (Journal of Risk)
• The Statistics of Sharpe Ratios — Andrew W. Lo, Financial Analysts Journal (CFA Institute)
• Confidence Limits for the Mean — NIST/SEMATECH e-Handbook of Statistical Methods
• scipy.stats.kurtosis — SciPy-Dokumentation

Stand: 26. Oktober 2026. Produkte, Funktionen und Preise ändern sich schnell; maßgeblich sind die Angaben der Anbieter und Behörden.

Sie wollen Ihre Backtests mit festen Signifikanz-Hürden automatisiert prüfen lassen? Unverbindlich anfragen — wir klären Datenbasis, Testablauf und die Freigaberegeln für Ihre Pipeline. Mehr zu meinem Angebot: Trading-Systeme entwickeln lassen.