← Alle Insights
7 Min. Lesezeit · Tools · Juni 2029

Excel für Quant-Trader: was geht, was nicht — und wann Sie wechseln sollten.

Excel ist im professionellen Trading totgesagt — und überlebt seit zwanzig Jahren jeden Nachruf. Der Grund ist banal: für bestimmte Aufgaben gibt es bis heute kein schnelleres Werkzeug. Aber es gibt einen Punkt, ab dem jede Stunde, die Sie weiter in Excel investieren, verlorene Zeit ist. Wo dieser Punkt liegt, darum geht es hier.

Wo Excel im Trading-Stack wirklich glänzt.

Ich nutze Excel jeden Tag — nicht als Backtest-Engine, sondern als Skizzenblock. Vier Anwendungsfälle, in denen ich nichts kenne, das schneller ist:

Ein Pandas-Backtest-Äquivalent in Excel.

Damit Sie sehen, wie kompakt das wird: hier die Spalten eines minimalen MA-Crossover- Backtests. Spalte A enthält Datum, B den Schlusskurs. 

C2:  =MITTELWERT(B-19:B2)        // MA20 (ab Zeile 21)
D2:  =MITTELWERT(B-49:B2)        // MA50
E2:  =WENN(C2>D2;1;0)            // Signal heute
F2:  =E1                         // Position = Signal von gestern
G2:  =(B2-B1)/B1                 // Tagesrendite
H2:  =F2*G2                      // Strategie-Rendite
I2:  =I1*(1+H2)                  // Equity (I1 = 1)

Acht Spalten, eine Minute Tippen, sofortiges Diagramm. Für die Discovery-Phase ist das ehrlich gesagt produktiver als ein Notebook. Niemand wird damit ein Multi-Strategy-Fonds betreiben — aber das ist auch nicht der Punkt.

Wo Excel zuverlässig scheitert.

Ich habe Excel-Modelle gesehen, die quartalsweise gerundet 600 MB groß waren und auf jedem zweiten F9 abstürzten. Die Schwächen sind strukturell, nicht zufällig:

Power Query als Brücke.

Power Query (in Excel und Power BI) ist das am meisten unterschätzte Tool im Stack. Es lädt CSV-, JSON- und Web-Daten reproduzierbar, dokumentiert jeden Transformations- Schritt und kann das Ergebnis als Tabelle oder Pivot zurückspielen. Es ist faktisch ein deklaratives Pandas, nur mit GUI.

Mein Standard-Workflow für Mandanten-Reports: Rohdaten kommen aus IBKR-Flex-Reports oder einer Postgres-View, Power Query macht das Cleansing, die finale Datei landet ohne externe Abhängigkeit beim Kunden. Wenn Sie heute noch CSVs händisch in Excel einfügen, ist Power Query der erste Schritt, der sich sofort bezahlt macht.

Excel-Add-Ins, die im Trading sinnvoll sind.

Der Excel-Python-Brückenschlag mit xlwings.

Die ehrlichste Lösung für die Übergangsphase: Excel als UI, Python als Engine. Das geht mit xlwings seit Jahren überraschend sauber. Ein Beispiel — Excel ruft eine Python-Funktion auf, die einen Backtest rechnet und das Ergebnis zurück in die Mappe schreibt: 

# backtest.py
import xlwings as xw
import pandas as pd
import numpy as np

@xw.func
def ma_backtest(prices, fast=20, slow=50):
    s = pd.Series(prices).dropna()
    fast_ma = s.rolling(fast).mean()
    slow_ma = s.rolling(slow).mean()
    signal = (fast_ma > slow_ma).astype(int).shift(1).fillna(0)
    ret = s.pct_change().fillna(0)
    equity = (1 + ret * signal).cumprod()
    sharpe = np.sqrt(252) * (ret * signal).mean() / (ret * signal).std()
    max_dd = (equity / equity.cummax() - 1).min()
    return [[float(equity.iloc[-1]), float(sharpe), float(max_dd)]]

In Excel ist das jetzt eine ganz normale Funktion: =ma_backtest(B2:B5000;20;50). Sie bekommen Endequity, Sharpe und maximalen Drawdown zurück, gerechnet in Python, angezeigt in Excel. Für Mandanten, die mit Excel arbeiten, aber die Berechnungslogik ordentlich versionieren wollen, ist das ein sehr pragmatischer Kompromiss.

Wann der Wechsel zu Python unvermeidlich wird.

Drei Schwellen markieren bei mir den Zeitpunkt, an dem Excel das falsche Werkzeug ist:

  1. Mehr als ~500 Symbole im Backtest. Sobald Sie über ein Universum statt über einzelne Strategien testen, ist Pandas zwingend. Eine For-Loop über 500 Symbole in VBA dauert eine Stunde — in Pandas zehn Sekunden.
  2. Machine-Learning-Modelle. XGBoost, neuronale Netze, Feature-Engineering über tausende Spalten — in Excel ist das nicht nur schmerzhaft, sondern fachlich falsch. Es gibt keine vernünftige Cross-Validation in Excel.
  3. Live-Trading-Anbindung. Sobald Orders an eine echte API gehen, brauchen Sie Logging, Fehlerbehandlung, Wiederanlauf — alles Dinge, die in Excel-VBA technisch gehen, aber niemals so robust werden wie in einem Python-Service mit systemd-Restart.

Meine Praxis.

Bei mir hat Excel einen klaren Platz: Daten-Sketchbook. Erste Idee, schneller Plot, ad-hoc-Analyse für einen Mandanten — Excel. Alles, was reproducible werden muss, länger als drei Wochen lebt oder gegen ein Live-Konto läuft — Python. Power Query sitzt dazwischen und übernimmt den Datenfluss aus Postgres und CSV-Lieferungen.

Was sich nicht geändert hat in zwanzig Jahren: Excel ist die schnellste Art, einer Hypothese in fünfzehn Minuten den Hals umzudrehen. Was sich geändert hat: alles, was nach diesen fünfzehn Minuten kommt, gehört nicht mehr in Excel.

Sie haben ein gewachsenes Excel-Modell, das langsam unhaltbar wird? Erstgespräch buchen — wir prüfen, was bleibt und was nach Python wandert.