Blog

Warum das Finden der besten Strategieparameter nur die halbe Arbeit ist. Wie man visuell und quantitativ ein stabiles Plateau von einer fragilen Spitze unterscheidet, und warum Optuna-Konturdiagramme ein Pflichtschritt vor dem Produktivstart einer optimierten Strategie sind.

Warum eine erschöpfende Suche bei 12+ Parametern unmöglich ist, wie der Koordinatenabstieg Wechselwirkungen übersieht und wie Optuna mit einem TPE-Sampler in 500 Iterationen findet, was OAT in 96 nicht finden kann. Praktische Codebeispiele, Sampler-Vergleich und Multi-Objective-Optimierung.

Warum eine auf ETHUSDT optimierte Strategie bei Altcoins versagen kann. Wie man richtig über Paar-Gruppen (Blue Chips, Large Caps, Shitcoins) hinweg testet und welcher Cross-Symbol-Robustheitswert als ausreichend gilt.

Wie Funding Rates auf Binance/Bybit wunderschöne Backtest-Ergebnisse mit hohem Hebel in garantierte Verluste verwandeln. Formeln, Neuberechnung realer Strategien und der maximale Hebel, bei dem Funding die Gewinne nicht auffrisst.

Finale der Serie 'Backtests ohne Illusionen'. Wie man einen Orchestrator aus N Strategien x M Paaren baut, den Kaskadenmodus mit Priorität und Fallback-Ausführung implementiert, dual_size wählt und warum Strategie-Portfolios nicht durch einfaches Summieren des PnL zurückgetestet werden können.

Vollständige Taxonomie der Abweichungen zwischen Backtesting und Live-Trading: von Slippage und Teilausführungen bis zur Desynchronisierung der Codebasis. Architekturmuster zur Erreichung von Parität, Python-Beispiele für ein gemeinsames Core-Modul und eine Checkliste für Produktions-Monitoring.

Warum eine Einzelpunktschätzung aus einem Backtest eine gefährliche Illusion ist. Wie Monte-Carlo-Bootstrap in 2 Sekunden Rechenzeit ein 95%-Konfidenzintervall für PnL und MaxDD liefert, und warum dies ein Pflichtschritt vor dem Livegang einer Strategie ist.