Was ist Curve Fitting? So erkennst du eine überoptimierte Strategie

Curve Fitting, auch Überoptimierung (Overfitting) genannt, bedeutet, die Parameter einer Strategie so lange anzupassen, bis sie zu den historischen Testdaten passt, samt deren Rauschen. Das Ergebnis beschreibt die Vergangenheit präzise und sagt nichts voraus. Es ist der häufigste Grund, warum ein System, das im Test hervorragend aussah, gleich im ersten Monat im Echtgeldhandel Geld verliert.

So funktioniert es

Jede einstellbare Eingangsgröße ist ein Freiheitsgrad. Wer ein Raster von Werten durchsucht, testet nicht eine Strategie, sondern führt für jede Kombination ein eigenes Experiment durch:

Experimente = v1 × v2 × ... × vk

4 Parameter × je 15 Werte = 50.625 Backtests
Der beste von 50.625 wird teils wegen seines Edge
und teils wegen des Rauschens ausgewählt, das er zufällig getroffen hat

Je mehr Experimente du auf einer festen Historie laufen lässt, desto sicherer verdankt der Gewinner seinen Platz dem Zufall. Der Tester meldet das nicht. Er präsentiert den Gewinner, als wäre er der einzige Kandidat gewesen.

Vier Anzeichen, grob nach Verlässlichkeit geordnet:

• Parameterklippen. Verschiebe eine Einstellung um eine Stufe in eine Richtung, und die Performance bricht ein. Ein echter Edge lässt allmählich nach, ein angepasster fällt wie von der Tischkante. Ein gleitender Durchschnitt, der nur mit Periode 47 funktioniert, ist das Lehrbuchbeispiel.
• Zu viele Parameter für die Stichprobe. Ein Regelwerk mit sechs Eingangsgrößen, validiert an 150 Trades, ist unterbestimmt. Ein festes Verhältnis gibt es nicht, aber die Richtung ist unstrittig.
• Eine verdächtig glatte Equity-Kurve. Echte Renditen sind zackig. Eine fast gerade Diagonale im Backtest bedeutet meist entweder einen angepassten Parametersatz oder ein System, das nur überlebt, weil es Verlustpositionen nicht schließt.
• Einbruch außerhalb der Stichprobe (Out-of-Sample). Die Performance hält im Optimierungszeitraum und verpufft außerhalb davon. Das ist der entscheidende Test, und er ist nur beim ersten Blick auf die Out-of-Sample-Daten entscheidend.

Warum das wichtig ist

Ein überoptimiertes System scheitert auf eine bestimmte und teure Art: Es verliert nicht von Anfang an langsam. Es verhält sich ordentlich, solange der Markt dem Optimierungszeitraum ähnelt, und bricht ein, wenn sich die Marktphase ändert, meist dann, wenn große Positionen offen sind. Der Trader hält das für Pech, dabei tut das Modell genau das, wofür es gebaut wurde.

Das Gegenmittel ist kein raffinierterer Test, sondern ein Track Record aus dem Echtgeldhandel, mit echtem Spread, echter Kommission und echter Slippage, und lang genug, um Bedingungen erlebt zu haben, die der Entwickler nie gesehen hat.

Was die Daten zeigen

Die öffentlichen Konten auf ShowMyTrades mit Trade-Historie (Stand August 2026) kommen auf einen Median des Profitfaktors von 1,28, einen Median des tiefsten Drawdowns von 9,7 % und im Median 171 geschlossene Trades pro Konto.

Diese drei Zahlen sind die ehrliche Vergleichsverteilung. 38,2 % der Konten hatten schon einen Drawdown über 20 %, 17,6 % einen über 50 %. Wird eine Strategie mit einem Profitfaktor über 3,0 und einem maximalen Drawdown von 4 % beworben, behauptet sie kein Talent, sondern einen Platz außerhalb einer Verteilung, die aus 15,4 Millionen synchronisierten Trades entstanden ist. Das kann stimmen. Es braucht aber Belege, und die liefert nur der Echtgeldhandel.

Den Median von 171 geschlossenen Trades solltest du dir gesondert merken: Das ist eine kleine Stichprobe, um irgendetwas zu validieren, und genau an dieser Stichprobe werden die meisten Echtgeldkonten tatsächlich gemessen.

Wo du das auf ShowMyTrades findest

Der Chart Wachstum nach Trades in der Chart-Ansicht trägt die Kurve nach Trade-Nummer statt nach Datum auf. Das blendet den schmeichelnden Effekt langer Pausen aus und zeigt, ob das Konto noch arbeitet oder bloß noch offen ist. Die Tabelle Monatsrenditen zeigt jeden roten Monat und jede Lücke mit „Keine Aktivität“: Eine Strategie, die nach einem schlechten Monat stillschweigend neu optimiert wurde, hinterlässt dort meist eine sichtbare Pause.

Lies im Block Erweiterte Statistiken den Profitfaktor zusammen mit der Standardabweichung und dem Z-Score (Wahrscheinlichkeit): Ein starker Profitfaktor auf auffällig gleichförmigen Trade-Ergebnissen beschreibt ein Konto, das zu glatt ist, um wechselnde Bedingungen erlebt zu haben, und genau das liefert meist ein Parametersatz, der auf einen einzigen Zeitraum zugeschnitten ist. Mit Magic Numbers und Kommentarfilter im Bereich Individuelle Analyse isolierst du auf einem Konto mit mehreren Strategien einen einzelnen Expert Advisor und liest seine Statistiken für sich. Das Badge Track Record verifiziert, heute auf 65 Konten, bestätigt, dass die Daten vom Broker stammen und nicht aus einer Berichtsdatei.

Häufige Irrtümer

• „Die Strategie hat den Out-of-Sample-Test bestanden.“ Sobald du dir die Out-of-Sample-Ergebnisse angesehen und daraufhin irgendetwas angepasst hast, sind diese Daten In-Sample. Du hast genau einen Blick.
• „Mehr Historie verhindert Überoptimierung.“ Entscheidend ist das Verhältnis von Beobachtungen zu freien Parametern, nicht die Zeitspanne im Kalender. Wer Jahre hinzufügt und dabei Filter ergänzt, kann es sogar verschlimmern.
• „Walk-Forward-Optimierung löst das Problem.“ Sie verringert es und kann es zugleich wiederholen: Wer jedes Fenster auf demselben Instrument neu optimiert, durchsucht immer noch eine einzige Historie.
• „Es läuft live, also kann es nicht überoptimiert sein.“ Ein System, das bei jedem Stolpern neu justiert wird, wird im laufenden Betrieb angepasst. Das Konto ist echt, der Edge wird trotzdem rückwärts erfunden.

Was einen Track Record, der diese Frage klärt, von einem unterscheidet, der das nicht kann, liest du im Artikel Verifizierte und unverifizierte Trading-Ergebnisse: Woran du glaubwürdige Performance erkennst.

Verwandte Begriffe