Die Asset-Klassen-Verteilung — und was sie über die Realität sagt
| Asset-Klasse | Anteil | Anzahl |
|---|---|---|
| Crypto | 70.7% | 7.180 |
| Stocks | 16.1% | 1.637 |
| ETFs | 5.9% | 599 |
| Commodities | 4.9% | 493 |
| Forex | 2.4% | 245 |
Crypto dominiert — wenig überraschend. Aber: knapp jeder dritte Backtest läuft auf etwas anderem. Stocks (1.600+ Runs), ETFs, Commodities und Forex zusammen. Wir hatten die Arena ursprünglich als Crypto-First-Tool gebaut. Die User haben anders entschieden.
Spannend: bei den ETFs liegen GLD, SLV, TLT an der Spitze — Trader testen Strategien auf Gold und Bonds, nicht auf SPY. Das passt nicht zum gängigen Tutorial-Universum. Es passt zu Leuten, die wirklich nachdenken.
Was getestet wird — und was nicht
Top-Strategien nach Anzahl Backtests:
rsi_sma 631 ← absolutes Volumen-Monster
rsi_ob_os 69
golden_cross 68
fg_cadence 57
bnh_fixed 46
dca_reference 44
stoch_rsi_sma 22
ema_trend_bias 21
RSI/SMA Cross ist mit Abstand die meistgetestete Strategie. Fast 10x mehr Runs als Platz 2. Das überrascht uns ehrlich gesagt: RSI/SMA ist der simpelste Klassiker, den wir anbieten. Pine-Script-Schulen reden ihn klein, "Profis" rümpfen die Nase.
Aber: er ist der erste, den Anfänger testen. Und der, mit dem auch erfahrene Trader anfangen, wenn sie ein neues Asset prüfen. Es gibt einen Grund, warum simple Indikatoren so viel Aufmerksamkeit bekommen — sie sind die Basislinie, gegen die alles andere antritt.
Was wir nicht erwartet haben: 317 Pair/Strategie-Kombinationen wurden nur ein einziges Mal getestet. Eine lange Liste von Neugier. TAOUSDT + RSI OB/OS. AWEUSDT + Golden Cross. SUSHIUSDT + RSI/SMA. Niemand zweimal. Das ist das Tail des Long Tails — und genau das, was eine Backtesting-Plattform leisten soll: jede neugierige Frage beantworten können, ohne dass jemand Pine-Skript schreibt.
Win-Rate-Verteilung — die unbequeme Wahrheit
Hier wird's interessant. Wenn Trading-Twitter dir 70% Win-Rate verspricht, schau dir mal an, wie viele unserer Backtests da landen:
| Win-Rate | Anzahl Backtests |
|---|---|
| <30% | 2.123 |
| 30–50% | 4.029 |
| 50–60% | 702 |
| 60–70% | 302 |
| 70–80% | 155 |
| >80% | 188 |
Über 60% aller Backtests landen unter 50% Win-Rate. Nur 3.4% schaffen >70%.
Das heißt nicht, dass diese Strategien schlecht sind. Eine RSI/SMA-Strategie kann mit 30% Win-Rate trotzdem CAGR-positiv sein, wenn die Gewinner deutlich größer sind als die Verluste. Win-Rate allein sagt nichts — das ist der Grund, warum wir auf "Beat B&H by CAGR + Drawdown" optimieren, nicht auf eine einzelne Quote.
Wer dir verspricht, dass eine Strategie zuverlässig 70%+ Win-Rate hat: stell die Frage nach Sample-Size, Out-of-Sample-Validierung und Survivorship-Bias. Wir haben drüber im Detail geschrieben, warum diese Zahl in Isolation gefährlich ist.
Beat-vs-Buy-and-Hold: 64.3%
Von allen Backtests mit aussagekräftigem B&H-Vergleich (mind. 5 Trades, vergleichbarer Zeitraum) schlagen 643 von 1.000 (64.3%) die Buy-and-Hold-Performance.
Das klingt erstmal nach einer guten Quote für aktive Strategien. Aber: dieser Zahl liegt ein Selection-Bias zugrunde. User testen Strategien gerade deshalb, weil sie B&H schlagen wollen — und behalten meist die Runs, die das auch tun. Backtests, die katastrophal versagen, werden gelöscht oder ignoriert.
Echte Insight: wenn deine Strategie B&H schlägt, muss sie es konsistent und über verschiedene Marktphasen tun. Ein einzelner Run, der den Bullenmarkt 2017–2018 reitet, beweist gar nichts. Wir zeigen den Avg B&H (Durchschnitt aller möglichen Einstiegspunkte mit 20% Mindest-Restlaufzeit) als Benchmark — der ist deutlich schwerer zu schlagen.
Die Anekdoten, die wir nicht erfunden hätten
16.3 Jahre auf TSLA. Der längste Single-Run reicht bis 2010 zurück: Tesla mit EMA Trend Bias auf Monatsbasis, 32.7% CAGR. Wenig Trades, lange Haltezeiten — der lange Geduldsspiel-Trader.
Ein chinesisches Memecoin mit 197.923% CAGR. Wir lassen den Namen weg. Was wir nicht weglassen: B&H wäre auf dieser Coin 2.239% gewesen — die Strategie hat Buy-and-Hold um den Faktor 88 geschlagen. Wie? Sie hat die richtigen Pumps mitgenommen und die Dumps ausgelassen. Survivorship-Glück oder Edge? Das ist die Frage, die wir mit unseren Strategy-Insights gerade systematisch beantworten.
A2Z auf Binance (USDC und USDT). Beide Variations mit RSI/SMA, beide Zeiträume 8 Jahre, beide CAGR um −95%. Win-Rate 11–18%. Der Asset hat sich kaputtgehandelt, die Strategie konnte daran nichts mehr retten. Manchmal liegt's wirklich am Asset, nicht am System.
Was noch fehlt — und wo wir hinwollen
Filter-Adoption (Pro+) ist niedrig: 5.6% nutzen den 200-WMA-Filter, 9.2% die Altcoin-Season-Filter, 8.6% den ATR-Volatility-Filter. Die Bullenmarkt-Ampel ist gerade frisch ausgerollt, die Adoption-Kurve wird sich in den nächsten Wochen zeigen.
Unser Verdacht: viele User wissen noch nicht, was die Filter tun. Wir bauen gerade einen kompakten Erklär-Flow ("Filter Explainer") direkt in das Backtest-Setup ein, damit der Cognitive Load kleiner wird.
Strategy Insights — unser nächstes größeres Feature — wird die Pair-/Strategie-/Filter-Kombos systematisch durchscannen und zeigen, welche Setups wirklich robust outperformen statt nur einmalig zu glänzen. Stay tuned.
Was die nächsten 10.000 angeht: wir bauen eine API (api.tradingstrategies.work), damit ihr Backtests auch programmatisch laufen lassen könnt. Plus Conversion-Funnel-Insights, damit wir die häufigsten Drop-Off-Punkte verstehen.
Falls du noch keinen Backtest gemacht hast: die ersten drei sind kostenlos. Und falls du schon einen hast — schreib uns, was du gelernt hast. Die besten Erkenntnisse aus dieser Sammlung kommen nicht von uns. Sie kommen von euch.
— Backtesting Arena
Anmerkung zum Methodik-Standard: alle Backtests laufen mit historischen Daten, ohne Look-Ahead-Bias, mit dem im Backtest-Setup gewählten Trading-Cost-Modell. Die hier gezeigten Aggregate sind Plattform-weit (User-Runs + Admin-Bulk-Runs), weil Datenbasis = Datenbasis. Survivorship-Bias bei den Top-CAGR-Anekdoten ist explizit erwähnt. Mehr zur Methodik in unserer Backtest-Doku.