Backtest Engine^GSPC

Generischer Event-Backtester · Grid-Search · Walk-Forward · KI-Relevanz

Was zeigt diese Seite? — Die Backtest Engine testet saisonale Handelsstrategien auf historischen Daten. Wähle ein Event (FOMC, OPEX, Feiertag, Kalendertag …), definiere Entry/Exit-Offsets und sieh dir Equity-Kurve, Trefferquote und Signifikanz an. 4 Tabs: Einzelner Backtest, Grid-Optimierung (alle Parameterkombinationen), Walk-Forward-Analyse (Out-of-Sample) und Event-Relevanz-Ranking. Sidebar: Ticker, Zeitraum, Event-Typ, Offsets, Stop-Loss und Indikator-Filter — alles kombinierbar.
Backtest-Parameter
Grid-Search Parameter
Walk-Forward Konfiguration

Optimiert auf In-Sample, testet auf Out-of-Sample → realistische Performance ohne Overfitting.

Relevanz-Berechnung

Welche Events sind statistisch signifikant? t-Test + Effect Size (Cohen's d) + Win-Rate → Relevanz-Score.

📖 So lesen Sie den Relevanz-Score

Der Relevanz-Score kombiniert drei Dimensionen zu einem Gesamtwert zwischen 0 und 1:

  • Signifikanz (50%): 1 - p-Wert
  • Win-Rate (30%): Anteil der Trades > 0
  • Effect Size (20%): Cohen's d, gecappt bei 1.0

t-Statistik: Signalstärke vs. Null. |t| > 2 = robuster Effekt. p-Wert: Wahrscheinlichkeit für Zufall. p < 0.05 = signifikant. Cohen's d: Effektstärke. d > 0.5 = mittel, d > 0.8 = groß.

📚 Methodik

Backtest-Logik

Pro Event-Datum wird ein Trade definiert: entry = event_date - days_before Trading Days, exit = event_date + days_after Trading Days. Mindestabstand zwischen Trades = 5 Tage (verhindert Überlappung).

Kennzahlen

  • Total Return: kumulierte Equity ab 100 (compound).
  • Sharpe Ratio: Ø Return / Std × √(Trades pro Jahr). Risk-free = 0.
  • Calmar Ratio: Annualisierte Rendite / Max Drawdown.
  • Max Drawdown: Maximaler Equity-Rücksetzer in %.
  • Profit Factor: Σ Wins / |Σ Losses|.

Stop-Loss

Stop wird close-basiert geprüft (kein intraday Low/High in der DB). Fixed: Stop bei entry × (1 - stop%). Trailing: Stop bei high_watermark × (1 - stop%), watermark trackt höchsten Close.

Walk-Forward

Expanding Window: optimize on past, test on future. Pro Fold wird Grid-Search auf In-Sample-Jahren laufen, dann mit den besten Parametern auf den Out-of-Sample-Jahren getestet. Aggregierte OOS-Performance ist die ehrlichere Schätzung der Live-Performance.

Event-Relevanz Score

Pro Event ein t-Test (H0: mean = 0). Score = 50% Signifikanz (1-p) + 30% Win-Rate + 20% Effect Size (Cohen's d, gecappt 1.0).