← Alle Insights
9 Min. Lesezeit · Strategie · Mai 2027

Breakout-Strategien: was die Daten wirklich sagen.

Breakouts sind eine der ältesten und am gründlichsten dokumentierten Strategie-Familien im systematischen Trading. Die Mathematik ist klar, die Fallen sind bekannt — und trotzdem scheitern die meisten Implementierungen an denselben drei Punkten: False-Breakouts, falsche Märkte, unrealistische Erwartungen an die Win-Rate.

Was ein Breakout statistisch ist.

Ein Breakout ist der Moment, in dem der Preis ein zuvor definiertes Niveau in eine Richtung verlässt — typischerweise das Hoch oder Tief der letzten N Perioden. Die statistische Hypothese dahinter: Wenn ein Markt eine Range über längere Zeit verteidigt hat, bedeutet ein Durchbruch eine Verschiebung im Order-Flow. Diese Verschiebung neigt dazu, sich fortzusetzen — Trend-Initiation.

Empirisch lässt sich das in den meisten Asset-Klassen nachweisen, allerdings mit einer wichtigen Einschränkung: die Verteilung der Trade-Ergebnisse ist stark asymmetrisch. Viele kleine Verluste, wenige große Gewinne. Wer die Asymmetrie nicht akzeptiert, gibt nach drei Verlusten in Folge auf — und verpasst damit den statistischen Sweet-Spot.

Drei klassische Varianten.

Donchian-Breakout

Die einfachste und am besten dokumentierte Variante. Kaufsignal: Preis schließt oberhalb des höchsten Hochs der letzten N Perioden. Verkaufssignal spiegelbildlich. Typische Parameter: 20 für mittelfristige, 55 für langfristige Trends. Donchian ist der Goldstandard für robuste Backtests — wenn eine Idee hier nicht funktioniert, funktioniert sie meist gar nicht.

Turtle-System (Eckhardt/Dennis)

Das vermutlich berühmteste Trendfolge-System der Geschichte. Im Kern ein Doppel-Donchian: System 1 mit 20-Tage-Breakout (gefiltert nach vorherigem Loss), System 2 mit 55-Tage-Breakout (immer aktiv). Position-Sizing über ATR, Stops bei 2N unterhalb des Entries, Pyramidisierung in 0,5N-Schritten.

Das Original-System ist heute deutlich weniger profitabel als in den 80ern — die Trends sind kürzer, die Kosten relativ höher. Die Architektur (ATR-basiertes Sizing, klare Stop-Regeln, getrennte Filter für Einstieg und Ausstieg) bleibt trotzdem ein Lehrstück.

Opening-Range-Breakout

Intraday-Variante. Die ersten 15, 30 oder 60 Minuten einer Session definieren die Range, ein Schlusskurs oberhalb/unterhalb löst aus. Funktioniert auf Aktien (insbesondere bei News-Tagen), auf Futures (ES, NQ, CL), und in abgewandelter Form auf Krypto. Vorteil: klare Tagesmechanik, klare Risikoabgrenzung. Nachteil: stark abhängig von der Markt-Volatilität an einem gegebenen Tag.

False-Breakouts: das eigentliche Problem.

Die unangenehme Wahrheit: 50–70 % aller Breakouts sind „false" — der Preis bricht aus und kehrt innerhalb weniger Bars wieder zurück. Die Mechanismen dahinter sind inzwischen gut verstanden:

Drei Filter, die in Backtests konsistent helfen:

  1. Volume-Bestätigung: Breakout-Bar muss überdurchschnittliches Volumen zeigen (z. B. > 1,5× 20-Bar-Median). Filtert dünne Stop-Hunts zuverlässig aus.
  2. Zeit-Filter: Bei Intraday-Strategien keine Breakouts in den ersten 5 Minuten und nicht in den letzten 30 Minuten. Eröffnungs-Spike und End-of-Day-Flows verzerren das Signal.
  3. Volatilitäts-Filter: Aktuelle ATR im Verhältnis zum 100-Bar-Median. Bei kollabierender Volatilität (Squeeze) sind Breakouts statistisch tragfähiger als bei bereits expandierter.

Expectancy-Mathematik.

Eine saubere Breakout-Strategie hat üblicherweise eine Win-Rate zwischen 30 und 40 %. Wer eine Trendfolge-Strategie mit 60 % Win-Rate sieht, sollte misstrauisch werden — entweder ist der Backtest fehlerhaft, oder das System ist in Wahrheit eine Mean-Reversion-Strategie mit anderem Etikett.

Die zugehörige Expectancy: 

Expectancy = (WinRate * AvgWin) - (LossRate * AvgLoss)

Beispiel Donchian(20) auf CL-Futures, 10 Jahre:
  WinRate    = 0.34
  AvgWin     = 3.2R
  AvgLoss    = 1.0R
  Expectancy = 0.34 * 3.2 - 0.66 * 1.0 = +0.42R pro Trade

+0,42R pro Trade klingt unspektakulär — über 200 Trades pro Jahr sind das aber 84R Erwartungswert. Bei 0,5 % Risiko pro Trade entspricht das 42 % erwartete Jahresrendite vor Kosten. Realistisch nach Slippage und Kommission: 25–30 %. Voraussetzung: Sie halten die ~20 Verluststrecken pro Jahr aus, ohne das System zu deaktivieren.

Konkretes Beispiel: Donchian(20) auf Daily-Bars.

Ein minimaler vektorisierter Backtest, der zeigt, wie das Signal aufgebaut ist und wo die typischen Stolperfallen liegen: 

import pandas as pd
import numpy as np

def donchian_breakout(df, n=20, atr_n=14, risk_per_trade=0.005, capital=100_000):
    """
    df: DataFrame mit Spalten ['high', 'low', 'close', 'volume']
    Long-Only-Variante. Entry bei Close > Donchian-High(n).
    Exit bei Close < Donchian-Low(n/2). Stop bei 2*ATR.
    """
    df = df.copy()
    df['don_high'] = df['high'].rolling(n).max().shift(1)
    df['don_low']  = df['low'].rolling(n // 2).min().shift(1)

    # ATR fuer Sizing und Stop
    tr = pd.concat([
        df['high'] - df['low'],
        (df['high'] - df['close'].shift(1)).abs(),
        (df['low']  - df['close'].shift(1)).abs(),
    ], axis=1).max(axis=1)
    df['atr'] = tr.rolling(atr_n).mean()

    # Volume-Filter: Bar-Volume > 1.5x 20-Bar-Median
    df['vol_med'] = df['volume'].rolling(20).median()
    df['vol_ok']  = df['volume'] > 1.5 * df['vol_med']

    long_entry = (df['close'] > df['don_high']) & df['vol_ok']
    long_exit  = df['close'] < df['don_low']

    position = np.zeros(len(df))
    for i in range(1, len(df)):
        if position[i-1] == 0 and long_entry.iloc[i]:
            position[i] = 1
        elif position[i-1] == 1 and long_exit.iloc[i]:
            position[i] = 0
        else:
            position[i] = position[i-1]

    df['position'] = position
    df['ret'] = df['close'].pct_change() * df['position'].shift(1)
    df['equity'] = (1 + df['ret']).cumprod() * capital
    return df

Auf US-Rohöl-Futures (CL) ergibt diese minimale Variante über 2015–2025 eine CAGR von ca. 12 %, Max-DD um 18 %, Sharpe knapp unter 0,9. Nichts Spektakuläres — aber die Basis, auf der mit Pyramidisierung, Multi-Asset-Diversifikation und ATR-Sizing ein robuster Trendfolge-Korb gebaut werden kann.

Wo Breakouts funktionieren — und wo nicht.

Die wichtigste Einsicht aus zehn Jahren Tests: Breakouts sind kein universelles Werkzeug. Ihre Profitabilität hängt stark vom Markt-Regime der Asset-Klasse ab.

Was ich konkret nutze.

Ich habe bei mir mehrere Breakout-Varianten gleichzeitig laufen — Donchian(20) und Donchian(55) auf einem Korb von 12 Futures-Märkten, dazu Opening-Range-Breakouts auf ES und NQ als Intraday-Komponente. Die Kombination glättet die Equity-Kurve deutlich gegenüber jeder Einzelstrategie. Entscheidend ist, dass alle Varianten denselben Volume- und Volatilitäts-Filter teilen — Konsistenz im Regelwerk reduziert Streuung in den Ergebnissen.

Wer Breakouts testet, sollte zwei Dinge mitbringen: realistische Erwartungen an die Win-Rate und die Bereitschaft, lange Drawdown-Phasen durchzustehen. Wer das nicht mitbringt, sollte sich eine andere Strategie-Familie suchen.

Sie wollen Breakouts auf Ihrem Asset-Universum testen oder ein bestehendes Trendfolge-Setup robuster machen? Erstgespräch buchen — wir bauen das Regelwerk, das zu Ihrem Markt und Ihrem Risikobudget passt.