Wer einen Backtest liest, sieht eine Kapitalkurve und ein paar Kennzahlen: Endergebnis, maximaler Drawdown, Sharpe Ratio. Was diese Darstellung verschweigt: Sie ist das Ergebnis einer einzigen Ziehung aus vielen möglichen. Ob die drei grössten Verlusttrades verteilt über zwei Jahre kamen oder zufällig direkt hintereinander, ändert am Endergebnis wenig — am maximalen Drawdown aber dramatisch viel. Genau diese Abhängigkeit vom Zufall der Reihenfolge blendet ein einzelner Backtest komplett aus.
Das Prinzip: eine Vergangenheit, tausend Varianten
Die Monte-Carlo-Methode ist konzeptionell simpel. Man nimmt die Einzeltrades aus dem Backtest — sagen wir 400 Trades mit ihren jeweiligen Gewinnen und Verlusten — und mischt ihre Reihenfolge neu. Dann berechnet man die Kapitalkurve für diese Variante. Das wiederholt man tausend- oder zehntausendfach. Das Ergebnis ist keine einzelne Kurve mehr, sondern eine Verteilung: In wie vielen Varianten lag der maximale Drawdown unter 15 Prozent? In wie vielen über 30? Wie oft wäre das Konto unter die persönliche Schmerzgrenze gefallen? Aus „mein Backtest hatte 18 Prozent Drawdown" wird „in 5 Prozent der Fälle wären es über 35 Prozent gewesen" — eine fundamental ehrlichere Aussage.
Was die Verteilung verrät
- Drawdown-Perzentile: Nicht der beste oder mittlere Fall zählt für das Überleben, sondern der schlechte. Das 95. Perzentil des Drawdowns ist die realistischere Planungsgrösse als der eine historische Wert.
- Risk of Ruin: Der Anteil der Simulationen, in denen das Kapital unter eine definierte Grenze fällt. Liegt er spürbar über null, ist die Positionsgrösse zu gross — egal wie schön die Originalkurve aussieht.
- Streuung des Endergebnisses: Liegen die Endwerte der Varianten eng beieinander, trägt die Strategie ein stabiles statistisches Profil. Klaffen sie weit auseinander, hing das Backtest-Ergebnis stark an wenigen Ausnahmetrades.
- Längste Verluststrecke: Wie viele Verlusttrades in Folge sind plausibel? Wer das vorher weiss, schaltet den Bot nicht panisch ab, wenn die statistisch normale Durststrecke eintritt.
Der maximale Drawdown eines Backtests ist kein Grenzwert, sondern ein Zufallsergebnis. Die Monte-Carlo-Verteilung zeigt, was dieselbe Strategie in einer nur leicht anderen Welt getan hätte — und auf diese Welt sollte die Positionsgrösse ausgelegt sein.
Grenzen der Methode
Monte-Carlo ist ein Stresstest, kein Orakel. Das einfache Mischen von Trades unterstellt, dass die Ergebnisse voneinander unabhängig sind — in echten Märkten clustern Verluste aber gern, weil Volatilitätsphasen zusammenhängen. Das Mischen kann das Risiko dadurch sogar unterschätzen; Varianten wie Block-Resampling, bei dem zusammenhängende Abschnitte statt einzelner Trades gemischt werden, mildern das Problem. Und die härteste Grenze bleibt: Die Simulation kann nur neu kombinieren, was im Backtest vorkam. Ein Marktregime, das die Strategie nie erlebt hat, steckt in keiner der zehntausend Varianten. Wer zusätzlich absichern will, verschärft die Eingaben bewusst — etwa indem die besten Trades gestrichen oder alle Gewinne pauschal um Gebühren und zusätzliche Slippage gekürzt werden. Überlebt die Verteilung auch das, ist das ein gutes Zeichen.
Praktischer Ablauf vor dem Live-Gang
In einem sauberen Test-Workflow steht die Simulation zwischen Backtest und Dry-Run: Erst zeigt der Backtest, ob die Logik überhaupt eine Kante hat. Dann prüft die Walk-Forward-Analyse, ob sie auf ungesehenen Daten hält. Die Monte-Carlo-Simulation beantwortet danach die Risikofrage: Welche Drawdowns und Verluststrecken sind mit dieser Trade-Verteilung realistisch, und trägt die geplante Positionsgrösse auch das 95. Perzentil? Erst wenn die Antwort ja lautet, folgt der Dry-Run mit Echtzeitdaten. Wer diese Reihenfolge einhält, erlebt Drawdowns im Live-Betrieb immer noch — aber als einkalkulierte Möglichkeit statt als Schock.
Am Ende ist die Simulation vor allem ein Werkzeug gegen Selbsttäuschung: Sie ersetzt die eine schöne Kurve durch eine ehrliche Bandbreite. Entscheidungen über Kapitaleinsatz sollten auf dieser Bandbreite beruhen — nicht auf dem besten Bild, das die Vergangenheit zufällig gemalt hat.