Walk-Forward-Optimierung

Was es ist

Eine Walk-Forward-Optimierung (WFO) teilt historische Daten in N aufeinanderfolgende Folds. In jedem Fold sucht ein In-Sample-Fenster (IS) die besten Parameter, und das direkt darauffolgende Out-of-Sample-Fenster (OOS) misst, wie sich diese Parameter auf Daten verhalten, die der Optimizer nie gesehen hat. Wiederhole das für jeden Fold; die zusammengefügten OOS-Ergebnisse sind das, worauf du dich verlässt.

Warum es wichtig ist

Einzel-Backtests belohnen Curve-Fitting. Eine Strategie, die 4× auf einem einzigen 2-Jahres-Fenster zurückgibt, hat meist nur zufällig die richtige Form für dieses Fenster. WFO zerstört das meiste dieser Illusion — wenn eine Strategie das Re-Optimieren auf rollenden Fenstern nicht übersteht, sollte sie nicht live laufen.

Wie Noon Barbari es macht

• Rolling-Window-Splitter mit konfigurierbaren IS-/OOS-Größen — Default 60 Tage IS, 30 Tage OOS.
• Optuna-basierte Parametersuche pro Fold mit N Trials (Default 50). Alle Suchräume werden im Strategy-YAML deklariert.
• Pro-Fold-OOS-Metriken werden zu einem Robustheits-Score aggregiert, der Konsistenz höher gewichtet als Peak-Rendite.
• Stresstests wenden Slippage-Schocks, Fill-Ablehnungen und regime-geshuffelte Preisreihen auf das OOS-Replay an.

Robustheits-Score

Eine einzelne Zahl in [0, 1], die zusammenfasst, wie gut sich eine Strategie walk-forward verhalten hat. >0,6 = Paper-Trading wert; <0,4 = curve-fit; dazwischen = mehr Folds laufen lassen. Die Aufschlüsselung — Renditekonsistenz, Drawdown-Stabilität, Hitrate-Varianz — steckt im WFO-Report.

Wann vertrauen

Nach mindestens 6 Folds mit OOS-Robustheit > 0,5 und keinem Fold schlechter als -10 % Rendite. Wenn ein einzelner Fold blow-up macht, ist die Strategie nicht so robust, wie der Aggregat-Score suggeriert.