Wer eine Bot-Strategie baut, entscheidet meist zuerst über Indikatoren und Regeln — und übernimmt den Zeitrahmen einfach aus dem Tutorial. Dabei ist der Timeframe eine der folgenreichsten Entscheidungen im ganzen Setup: Er legt fest, wie oft der Bot handelt, wie viel jede Entscheidung kostet und wie stark Rauschen die Signale verfälscht.
Was der Timeframe wirklich bestimmt
Der Zeitrahmen ist das Raster, durch das der Bot den Markt sieht. Eine 1-Minuten-Kerze zeigt Mikro-Bewegungen, die auf dem Tageschart unsichtbar sind — und umgekehrt glättet der Tageschart Ausschläge weg, die einem Minuten-Bot den Stop reißen würden. Drei Dinge hängen direkt am Raster:
- Handelsfrequenz: Je kleiner der Timeframe, desto mehr Signale — und desto mehr Orders, die einzeln Gebühren, Spread und Slippage bezahlen.
- Signal-Rausch-Verhältnis: Auf kleinen Zeitrahmen dominiert Zufallsbewegung. Muster, die dort im Backtest glänzen, sind oft nur angepasstes Rauschen.
- Technische Anforderungen: Wer auf Minutenkerzen handelt, braucht stabile Datenfeeds, geringe Latenz und sauberes Fehlerhandling. Auf Tageskerzen verzeiht das System Ausfälle von Stunden.
Kleine Timeframes: mehr Signale, mehr Kosten
Der Reiz kurzer Zeitrahmen ist statistisch: Viele Trades bedeuten viele Datenpunkte, und eine Strategie mit echtem Vorteil zeigt ihn dort schneller. Der Preis dafür ist hart. Bei hunderten Trades pro Monat frisst die Kostenseite — Gebühren, Spread, Slippage — schnell den gesamten Bruttovorteil auf. Eine Strategie, die pro Trade im Schnitt 0,1 Prozent Vorteil hat, aber 0,08 Prozent Kosten bezahlt, lebt am Limit: Eine kleine Verschlechterung der Ausführung kippt sie ins Minus.
Dazu kommt die Infrastruktur-Frage: Auf dem 1-Minuten-Chart entscheidet die Ausführungsqualität mit. Rate-Limits, WebSocket-Abrisse und Partial Fills, die auf Tageskerzen Randnotizen sind, werden auf Minutenkerzen zu Ergebnisfaktoren.
Große Timeframes: weniger Rauschen, mehr Geduld
Auf 4-Stunden- oder Tageskerzen sind Trends und Niveaus stabiler, die Kosten pro Signal fallen kaum ins Gewicht, und der Bot muss nicht in Millisekunden reagieren. Der Nachteil ist die Stichprobe: Wer nur wenige Trades pro Monat macht, braucht Jahre an Daten, um zwischen Können und Glück zu unterscheiden. Außerdem sind die Einzelrisiken größer — eine Tageskerze kann sich weit bewegen, bevor die Logik reagiert, was Position Sizing und Stop-Logik wichtiger macht, nicht unwichtiger.
Strategie-Typ und Zeitrahmen müssen zusammenpassen
- Trendfolge braucht Bewegungen, die länger halten als das Rauschen — sie lebt eher auf 4-Stunden- und Tageskerzen.
- Mean Reversion nutzt Übertreibungen, die schnell korrigieren — sie funktioniert oft auf mittleren Zeitrahmen, stirbt aber an Kosten, wenn sie zu kleinteilig wird.
- Grid- und DCA-Logiken sind vom Kerzenraster weitgehend unabhängig, hängen aber an Preisspannen, die zur Volatilität des gewählten Rahmens passen müssen.
Der Timeframe ist kein Regler für mehr Rendite. Er ist ein Vertrag über Kosten, Datenbedarf und Infrastruktur — und der Bot muss alle drei Seiten erfüllen können.
Multi-Timeframe: Kontext oben, Ausführung unten
Ein bewährtes Muster kombiniert zwei Ebenen: Der höhere Zeitrahmen beantwortet die Frage „Darf ich überhaupt handeln?" (Trendrichtung, Marktphase, Volatilitätsregime), der niedrigere die Frage „Wann genau steige ich ein?". Das reduziert Fehlsignale, hat aber eine Falle im Backtest: Wer die höhere Kerze verwendet, bevor sie geschlossen ist, baut einen Look-Ahead-Fehler ein — und testet eine Strategie, die live nie existieren wird.
So testest du den Zeitrahmen sauber
Statt den Timeframe zu optimieren wie einen Indikator-Parameter, lohnt ein Robustheits-Blick: Läuft die Logik auf benachbarten Zeitrahmen ähnlich — etwa auf 2-, 4- und 6-Stunden-Kerzen — spricht das für einen echten Effekt. Funktioniert sie nur auf exakt einem Raster, ist das ein klassisches Overfitting-Signal. Und wie immer gilt die Reihenfolge: erst Backtest mit realistischen Kosten, dann Dry-Run ohne Geld, dann kleines Live-Kapital.
Wer den Zeitrahmen bewusst wählt, statt ihn zu erben, entfernt eine der häufigsten stillen Fehlerquellen im Bot-Betrieb — bevor sie Geld kostet.