Was ist Look-Ahead Bias beim Backtesting?

Definition

Look-Ahead Bias entsteht, wenn ein Backtesting-System Daten nutzt, die zum Zeitpunkt der Handelsentscheidung nicht bekannt gewesen wären. Das ist so, als würdest du die Zeitung von morgen lesen, um heute zu traden. Jeder Backtest, der zukünftige Informationen enthält, liefert unrealistisch gute Ergebnisse — die sich im Live-Trading überhaupt nicht reproduzieren lassen.

Die Verzerrung kann auf mehreren Ebenen entstehen: in den Daten selbst (rückwirkend adjustierte Kurse), in der Signallogik (Schlusskurs derselben Bar zur Ausführung nutzen), in der Auswahl des Universums (Aktien anhand zukünftiger Ergebnisse auswählen) oder in den Fundamentaldaten (Gewinnzahlen nutzen, bevor sie öffentlich bekannt gegeben wurden).

Beispiel: Ausführung auf derselben Bar

Das ist die häufigste Form. Deine Strategie berechnet einen Indikator mit dem Schlusskurs der aktuellen Bar und führt dann einen Trade zum selben Schlusskurs aus. Das Problem: In Echtzeit kennst du den Schlusskurs erst, wenn die Bar geschlossen ist. Zu diesem Zeitpunkt kannst du nur noch zur Eröffnung der nächsten Bar ausführen, nicht zum Schlusskurs der aktuellen Bar.

Der Effekt wirkt klein — eine Bar Verzögerung — kann aber enorm sein. Wenn eine Aktie über Nacht mit einer Lücke von 2 % eröffnet und deine Strategie darauf gesetzt hat, zum gestrigen Schlusskurs einzusteigen, ist deine tatsächliche Rendite pro Trade 2 % schlechter, als der Backtest zeigt. Über Hunderte Trades summiert sich diese Lücke zu einem völlig anderen Strategieprofil. Viele Strategien, die mit Ausführung auf derselben Bar profitabel aussehen, werden mit Ausführung auf der nächsten Bar unprofitabel.

Beispiel: Zukünftige Gewinndaten

Angenommen, deine Strategie kauft Aktien, wenn ihr Kurs-Gewinn-Verhältnis unter 10 fällt. Das KGV braucht Gewinndaten — aber wann wurden diese Gewinne tatsächlich gemeldet? Wenn du Jahresgewinne, die am 15. März veröffentlicht wurden, für eine Handelsentscheidung am 10. Januar nutzt, hast du Daten aus der Zukunft verwendet.

Das ist bei Backtests fundamentaler Faktoren überraschend häufig. Die meisten Datenbanken verknüpfen die endgültig gemeldete Gewinnzahl mit dem Geschäftszeitraum, den sie abdeckt, nicht mit dem Datum ihrer Veröffentlichung. Ein Q4-Gewinnbericht deckt Oktober bis Dezember ab, wird aber möglicherweise erst im Februar veröffentlicht. Jeder Backtest, der Q4-Gewinndaten für eine Handelsentscheidung im Dezember nutzt, hat Look-Ahead Bias.

Die Lösung sind Point-in-Time-Daten — Datenbanken, die festhalten, was an jedem bestimmten Datum bekannt war, nicht was wir heute im Rückblick wissen. Der Point-in-Time-Datensatz von Compustat und ähnliche Produkte existieren genau, um dieses Problem zu lösen.

Beispiel: Rückwirkend adjustierte Kurse

Führt ein Unternehmen einen Aktiensplit 2:1 durch, halbieren Datenanbieter rückwirkend alle historischen Kurse, damit Charts durchgehend aussehen. Zahlt ein Unternehmen eine Dividende von 1 $, senken Adjusted-Close-Reihen alle früheren Kurse um 1 $. Das ist nützlich, um Renditen zu berechnen, schreibt aber die Historie um.

Nimm eine Strategie, die kauft, wenn der 50-Tage-SMA über ein bestimmtes Kursniveau steigt. Kommt es zu einem Split, werden alle historischen SMAs mit den neuen adjustierten Kursen neu berechnet, wodurch möglicherweise Kreuzungssignale entstehen, die es damals nicht gab. Ein Trader im Jahr 2019 sah die unadjustierten Kurse; der Backtest im Jahr 2024 sieht die split-adjustierten Kurse. Das sind unterschiedliche Reihen, die unterschiedliche Signale erzeugen können.

Best Practice: Nutze adjustierte Kurse nur für Renditeberechnungen und die Verfolgung des Portfoliowerts. Für Signalerzeugung und Indikatorberechnungen nutzt du unadjustierte Kurse (oder Kurse mit sorgfältig angewandten Point-in-Time-Anpassungen).

So erkennst du Look-Ahead Bias

Die Erkennung erfordert eine systematische Prüfung deiner Backtest-Pipeline:

• Prüfung des Ausführungs-Timings: Gib für jeden Trade den Zeitstempel der Signalerzeugung und den Zeitstempel der Ausführung aus. Liegen beide auf derselben Bar, hast du Look-Ahead Bias.
• Audit der Datenverfügbarkeit: Prüfe für jeden Datenpunkt, der in die Signalerzeugung einfließt, ob er zu diesem Zeitpunkt öffentlich verfügbar war. Das ist besonders wichtig bei Fundamentaldaten (Gewinne, Umsatz, Prognosen).
• Sensitivitätstest: Füge allen Signalausführungen eine Verzögerung von 1 Bar hinzu. Fällt die Sharpe Ratio deiner Strategie um mehr als 30 %, hat die Ausführung auf derselben Bar die Ergebnisse wahrscheinlich aufgebläht.
• Vergleich mit Paper Trading: Lass die Strategie einige Wochen vorwärts auf Live-Daten laufen. Eine systematische Underperformance gegenüber dem Backtest ist ein starkes Indiz für Look-Ahead Bias irgendwo in der Pipeline.

So verhinderst du Look-Ahead Bias

Vorbeugung erfordert Disziplin in jeder Phase des Backtesting-Prozesses:

1. Immer auf der nächsten Bar ausführen. Entsteht ein Signal zum Schluss von Bar N, führe zur Eröffnung von Bar N+1 aus. Diese eine Regel beseitigt die häufigste Quelle von Look-Ahead Bias.
2. Point-in-Time-Daten nutzen. Stelle bei fundamentalen Faktoren sicher, dass du die Daten so verwendest, wie sie an jedem historischen Datum verfügbar waren, nicht rückwirkend korrigierte Zahlen.
3. Anpassungen sorgfältig behandeln. Nutze split- und dividendenadjustierte Daten nur für Renditeberechnungen, nicht für die Signalerzeugung, bei der absolute Kursniveaus eine Rolle spielen.
4. Dein Universum einfrieren. Nutze kein Wissen aus der Zukunft, um auszuwählen, welche Werte in den Backtest kommen. Wenn du eine Strategie auf S&P-500-Aktien testest, verwende die Mitgliederliste des S&P 500, wie sie an jedem historischen Datum war, nicht die heutige Liste rückwirkend angewandt.
5. Ausführungsverzögerungen einbauen. Füge realistische Verzögerungen bei der Orderausführung hinzu — selbst wenn dein Broker in Millisekunden ausführt, baue als Sicherheitsmarge eine Verzögerung von 1 Bar ein, um versehentliche Logik auf derselben Bar abzufangen.

Point-in-Time-Daten

Point-in-Time-Datenbanken (PIT) speichern Daten so, wie sie an jedem historischen Datum bekannt waren. Anders als Standarddatenbanken, die alte Werte mit korrigierten Zahlen überschreiben, führen PIT-Datenbanken eine vollständige Revisionshistorie. Hat ein Unternehmen am 28. Oktober zunächst einen Q3-Gewinn von 1,20 $ gemeldet und ihn am 5. Dezember auf 1,15 $ korrigiert, speichert eine PIT-Datenbank beide Werte mit ihrem jeweiligen Zeitstempel.

Bei kursbasierten Strategien auf große Werte ist Look-Ahead Bias durch Datenrevisionen ein geringeres Problem — Kurse stehen zum Schluss endgültig fest. Für jede Strategie, die Fundamentaldaten nutzt (Value Investing, Qualitätsfaktoren, gewinnbasierte Signale), sind PIT-Daten jedoch unverzichtbar. Der Unterschied zwischen PIT- und Nicht-PIT-Daten kann den Unterschied ausmachen zwischen einer Strategie, die eine Sharpe Ratio von 1,5 zu haben scheint, und einer, die tatsächlich eine Sharpe Ratio von 0,7 hat.

Probier es selbst aus

QuantPrompt ist so gebaut, dass es die häufigsten Formen von Look-Ahead Bias standardmäßig verhindert. Signale aus Indikatorkreuzungen oder Kursbedingungen auf Bar N werden automatisch zum nächsten verfügbaren Kurs ausgeführt, nicht zum Schlusskurs derselben Bar. Das beseitigt den Bias der Ausführung auf derselben Bar, ohne dass du etwas konfigurieren musst.

Um den Effekt selbst zu sehen, beschreibe eine Strategie und vergleiche die Ergebnisse mit Ausführung auf derselben Bar und auf der nächsten Bar. Der Unterschied zeigt dir genau, wie stark Look-Ahead Bias typische Backtest-Renditen aufbläht — und warum seine Beseitigung für jede Strategie, die du mit echtem Kapital handeln willst, nicht verhandelbar ist.