Curve Fitting oder Überoptimierung

Curve Fitting ist einer der größten Kritikpunkte an backgetesteten Handelsansätzen. Dies besitzt durchaus seine Berechtigung, aber Theorie und Praxis sind dabei zwei paar Schuhe. Dies merkt man bei der Entwicklung von computergestützten Handelsmodellen vor allem dann, wenn die Entwicklung einer Strategie nach dem Echtgeldeinsatz deutlich unter den Erwartungen verläuft. Wobei hier die Betonung auf „deutlich“ liegt, denn natürlich muss man die Erwartungshaltung ein wenig drosseln, denn die Zukunft ist und bleibt im Gegensatz zur Vergangenheit ungewiss.

Wie entsteht Curve Fitting?

Wie geht ein Entwickler nun bei der Erstellung eines Handelsmodells typischerweise vor? Er prüft eine Regel auf deren Tauglichkeit und die historischen Daten verraten ihm dabei auf Knopfdruck, ob diese Regel funktioniert oder nicht. Und wenn sie nicht funktioniert, ändert man die Parameter der Regel oder verwendet überhaupt eine ganz andere Regel und testet erneut. Und Schwupps hat man eine übliche Entwicklungsschleife durchlaufen – verbunden mit einer (kleinen) Überoptimierung.

Treibt man das dann auf die Spitze und stellt das System perfekt auf vergangene Kursdaten ein, in dem man ständig probiert und ändert, läuft man große Gefahr, den Algorithmus überzuoptimieren. Mit der Folge, dass er dann in der Zukunft gar nicht oder sehr schlecht funktioniert. Kurz: er produziert Verluste.

Curve Fitting vermeiden

Um das zu umgehen, entwickelt man zum einen sehr behutsam und schraubt nicht ständig herum, zum anderen wendet man eine „In Sample“ bzw. „Out of sample“ Methode an. Anstatt die Regeln also zum Beispiel auf den historischen Daten von 2000 – heute zu testen, nimmt man den Zeitraum 2000 – 2012. Hat man dann auf behutsamen Weg passende Regeln gefunden, die in dieser Zeit funktionieren, prüft man damit den Zeitraum 2012 – heute. Funktionieren die Regeln dann auch noch (ähnlich gut), ist es ein sehr positives Zeichen.

Ein weiterer Vorteil von Aktien gegenüber anderen Asset Klassen ist, dass man dieses In/out of sample Prinzip auch auf das Portfolio anwenden kann. Man testet zuerst beispielsweise mit den 30 Dow Jones Aktien und wenn man dann etwas gefunden hat, was funktioniert, switcht man auf den S&P 100 oder S&P 500. Auch aus diesem Grund bevorzugen wir die US amerikanischen Märkte. Weil man dort die Überoptimierung dank tausender handelbarer Aktien viel besser im Griff hat als in Ländern wie Deutschland oder Österreich, wo es nur in Frage kommende Aktien gibt.

Fazit Curve Fitting

Eigentlich wissen alle Entwickler um das Problem des Curve Fitting. Doch die meisten nehmen es auf die leichte Schulter. Es ist einfach zu verlockend, bei den Analysen noch ein paar Prozent Punkte Rendite rauszuquentschen. Und noch ein Problem: Curve Fitting bemerkt man nicht, während man es tut. Und auch nicht dann, wenn man eine neue Strategie in den Echteinsatz bringt. Erst Monate später, wenn die gewünschten Renditen meilenweit entfernt sind dämmert es einem, im Entwicklungsprozess Fehler gemacht zu haben. Doch dann ist es zu spät. Nehmen sie das Thema daher ernst. Weniger ist mehr. Auch oder gerade an der Börse.

Share on facebook
Share on twitter
Share on xing
Share on email