Aufbau eines Handelssystems (Teil 5): Verwaltung von Gewinnen durch strukturierte Handelsausstiege

Einführung

Im vorangegangenen Artikel haben wir untersucht, wie Unterschiede in der Gewinnrate aus ein und derselben Handelseinstiegsbestätigung resultieren können. Wir haben festgestellt, dass selbst dann, wenn ein Händler einen gültigen Einstieg identifiziert, die letztendlichen Ergebnisse erheblich abweichen können, je nachdem, wie der Handel gehandhabt wird. Ein Großteil dieser Schwankungen ergibt sich nicht aus dem Einstieg selbst, sondern aus der Ausstiegsstrategie– ob man den Handel abbricht, laufen lässt oder mechanische Stopps wie Trailing Stops anwendet.

Dies wirft einen wichtigen Punkt auf: Beim Handel liegt der Unterschied zwischen langfristiger Rentabilität und langfristiger Frustration oft nicht in der Qualität der Einstiege, sondern in der Disziplin der Ausstiege.

Für viele Anfänger und sogar erfahrene Händler ist das Handelsmanagement ein emotionales Schlachtfeld. Zu den gemeinsamen Erfahrungen gehören:

• Zu sehen, wie ein Handel bis auf wenige Punkte an das Take-Profit-Ziel herankommt, nur um dann stark umzuschlagen und den Stop-Loss zu treffen.
• Wenn ein Handel aufgrund eines eng gesetzten Trailing-Stopps an der Gewinnschwelle schließt, der Markt aber später in die ursprüngliche Richtung steigt und das ursprüngliche Ziel übertrifft. Vorzeitiger Ausstieg aus Angst vor Verlusten, nur um eine größere Bewegung zu verpassen, die sich danach entfaltet.

Jedes dieser Szenarien verdeutlicht die chaotische Natur der Finanzmärkte. Im Gegensatz zu kontrollierten Laborexperimenten werden die Handelsergebnisse stark von Volatilitätsspitzen, plötzlichen Liquiditätsänderungen, Nachrichtenereignissen und Zufallsrauschen beeinflusst. 

„Die Märkte sind ein Ort, an dem man alles richtig machen und trotzdem verlieren und alles falsch machen und trotzdem gewinnen kann.“

Dieses Paradoxon ist sowohl demütigend als auch erhellend. Es lehrt uns, dass die Aufgabe eines Händlers nicht darin besteht, perfekte Vorhersagen zu treffen, sondern strukturierte Systeme zu entwickeln, die das Chaos auf lange Sicht beherrschen.

Wie können wir also eine Strategie entwickeln, die diese häufigen Frustrationen abmildert? Dieser Artikel befasst sich mit dem Einsatz mehrerer Einstiege zu unterschiedlichen Reward-to-Risk-Ratios (RRR), um systematisch Gewinne zu sichern und das Gesamtrisiko zu reduzieren. Wir werden uns mit den mathematischen Grundlagen dieses Ansatzes befassen und einen Plan skizzieren, um ihn mithilfe einer Monte-Carlo-Simulation zu testen.

Wie Händler ihre Gewinne sichern

Wie können Händler also diese schmerzhaften Erfahrungen vermeiden, von denen wir vorhin sprachen? Wie können sie sicherstellen, dass ihre Gewinne nicht nur erscheinen, sondern auch tatsächlich bleiben?

Im Laufe der Jahre haben die Händler viele Techniken entwickelt, aber die meisten lassen sich in drei große Kategorien einteilen.

1. Trailing Stops – Gewinnen Raum geben, nicht entkommen lassen.

Ein Trailing-Stop ist wie ein Sicherheitsnetz, das sich mit Ihrem Handel mitbewegt. Wenn sich der Markt zu Ihren Gunsten entwickelt, folgt der Stopp-Level – und sichert so die Gewinne, während er noch Raum für weiteres Wachstum lässt.

Richtig eingesetzt, ist es eine der einfachsten und effektivsten Möglichkeiten, Gewinne zu schützen und das Risikomanagement zu automatisieren. Aber es ist nicht narrensicher. Wenn Sie die Trailing-Distanz zu eng setzen, werden Sie ausgestoppt, bevor der Handel Raum zur Entfaltung hat. Wenn sie zu breit ist, verliert sie ihren Schutzwert.

Einige Händler verfeinern dies, indem sie volatilitätsbasierte Trailing-Stops wie ATR-Multiples verwenden, damit sich das System an veränderte Marktbedingungen anpassen kann. Wie wir in Teil 4 gesehen haben, lässt sich der Zufall dadurch jedoch nicht völlig ausschalten – die Ergebnisse können ungleichmäßig bleiben.

2. Teilweise Reduzierung der Losgrößen – etwas vom Tisch nehmen

Ein weiterer beliebter Ansatz ist die Methode des Teilabschlusses – eine Möglichkeit, „den Kuchen zu essen und ihn auch zu bekommen“.

So funktioniert es: Ein Händler eröffnet eine Position in vollem Umfang und schließt einen Teil davon, sobald sich der Markt günstig entwickelt, um einen Teil der Gewinne zu sichern. Nachdem sie beispielsweise 3 ganze Lose eröffnet haben, können sie das Engagement auf 2 Lose reduzieren, sobald ein bestimmtes Ziel erreicht ist.

Dieser frühe Gewinn bringt psychologische Erleichterung – das Gefühl, dass der Handel bereits ein Gewinner ist – während die verbleibende Position sie im Spiel hält, um weitere Gewinne zu erzielen.

Die größte Herausforderung? Disziplin. Ohne einen klaren Plan, wann und wie viel reduziert werden soll, besteht die Gefahr, dass der Händler zu wenig oder zu viel investiert, wodurch das, was eine ausgewogene Strategie hätte sein können, zu einem Ratespiel wird.

3. Mehrfacheinträge mit unterschiedlichem Chance-Risiko-Verhältnis – Strukturierung des Chaos

Bei der dritten Methode wird die Logik der Teilabschlüsse in einen systematischen Rahmen überführt. Anstatt eine Position auszubauen, eröffnet der Händler mehrere Positionen auf einmal, jede mit:

• denselben Stop-Loss,
• aber unterschiedliche Gewinnziele, die auf bestimmten Reward-to-Risk-Ratios (RRR) basieren.

Stellen Sie sich fünf Abschlüsse vor, die RRR-Werte von 1,3, 1,4, 1,5, 1,6 und 1,7 anstreben. Im Laufe des Kursverlaufs sichert jedes Ziel schrittweise Gewinne und baut so eine mehrschichtige Struktur von realisierten Gewinnen auf.

Diese Technik verteilt das Risiko auf verschiedene Ergebnisse, schafft messbare Konsistenz und entspricht der wahrscheinlichkeitsbasierten Erwartung. Es ist nicht ohne Anforderungen – Sie brauchen eine präzise Positionsgröße und Disziplin bei der Risikoallokation – aber wenn es gut ausgeführt wird, kann es das Marktrauschen in etwas Strukturiertes, Prüfbares und sogar Optimierbares verwandeln.

Jede dieser Methoden zielt auf dasselbe Ziel ab – die Umwandlung potenzieller Gewinne in gesicherte Ergebnisse – aber sie tun dies auf sehr unterschiedliche Weise. Egal, ob Sie die Automatisierung von Trailing Stops, die Flexibilität von Teilschließungen oder die Struktur von Mehrfachzugängen bevorzugen, der Schlüssel liegt in der Beständigkeit und Disziplin.

Denn beim Handel geht es nicht nur darum, Gewinne zu erzielen, sondern auch darum, sie zu halten.

Mathematischer Rahmen

Lassen Sie uns dies anhand eines anschaulichen Beispiels verdeutlichen. Angenommen, wir führen 5 Handelsgeschäfte gleichzeitig mit demselben Eröffnungspreis aus. Das erste Handelsgeschäft hat eine RRR von 1,3, und die RRR jedes weiteren Handelsgeschäfts erhöht sich um 0,1. Wir gehen von einem festen Stop-Loss von 50 Pips für alle Handelsgeschäfte aus.

Die möglichen Ergebnisse für diesen Korb von Handelsgeschäften sind wie folgt:

Szenario	Gewinner	Verlierer	Gewinn -Verlust	Netto-Ergebnis (in RRR)	Netto-Ergebnis (in Pips)
Schlimmster Fall	0	5	(0-5)	-5 R	-250 Pips
Schlechter Fall	1	4	(1.3- 4)	-2.7 R	-135 Pips
Fast kostendeckend	2	3	(1.3 + 1.4 - 3)	-0.3 R	-15 Pips
Gewinnbringend	3	2	(1.3 + 1.4 + 1.5 - 2)	+2.2 R	+110 Pips
Sehr profitabel	4	1	(1.3 + 1.4 + 1.5 + 1.6 - 1)	+4.8 R	+240 Pips
Idealfall	5	0	(1.3 + 1.4 + 1.5 + 1.6 + 1.7)	+7.5 R	+375 Pips

Wichtige Erkenntnis: Mit dieser speziellen RRR-Progression benötigen Sie nur 3 von 6 Handelsgeschäfte, um profitabel zu sein. Doch selbst bei nur 2 Gewinnern ist der Gesamtverlust minimal (-15 Pips), verglichen mit dem Gesamtverlust von -250 Pips, wenn Sie mit einer einzigen Position gehandelt hätten. Dies zeigt eine deutliche Verringerung der Risikoexposition.

Monte-Carlo-Simulation: Brückenschlag zwischen Theorie und Realität

Die Mathematik schafft Klarheit, aber der Handel ist nie linear. Eine zufällige Abfolge von Gewinnen und Verlusten führt zu unerwarteten Kapitalkurven. Um zu beurteilen, wie sich diese Methode des mehrfachen Einstiegs in der Realität bewährt, wenden wir uns Monte-Carlo-Simulationen zu.

Monte-Carlo-Methoden simulieren Tausende von zufälligen Handelssequenzen, um das Chaos der realen Märkte zu imitieren. In unserer Simulation werden wir drei Szenarien für ein Handelssystem mit einem festen Gesamtrisiko von 3 % pro Handel vergleichen:

• Ein einziges Handelsgeschäft: Ein Handelsgeschäft mit einem festen RRR.
• Zwei Handelsgeschäfte: Zwei gleichzeitige Handelsgeschäfte mit unterschiedlichen RRRs, jedes mit einem Risiko von 1,5% (insgesamt 3%).
• Drei Handelsgeschäfte: Drei gleichzeitige Handelsgeschäfte mit unterschiedlichen RRRs, jedes mit einem Risiko von 1% (insgesamt 3%).

Wir werden diese unter verschiedenen Gewinnraten bewerten, z. B. 43 % (System mit geringer Genauigkeit) mit anfänglicher RRR=1,3 und 65 % (System mit hoher Genauigkeit) mit anfänglicher RRR=0,9. Auf diese Weise können wir die Erwartungshaltung, die Risikoverteilung und die Ausfälle zwischen den einzelnen Strategien vergleichen.

Fallstudie

Fall 1: Ein System mit Gewinnrate von 43% bei RRR=1,3

Wir haben eine Monte-Carlo-Simulation mit einem Anfangskapital von 1.000 $, einem 43%igen Gewinnsatzsystem und einer Basis-RRR von 1,3 durchgeführt.

Die Simulation wurde mit drei Handelsstrategien durchgeführt:

• Ein Handelsgeschäft pro Ausführung (RRR = 1,3)
• Zwei Handelsgeschäfte pro Ausführung (RRRs = 1,3 und 1,5)
• Drei Handelsgeschäfte pro Ausführung (RRRs = 1,3, 1,5 und 1,7)

Sowohl für die Zwei- als auch für die Drei-Handels-Setups wurde eine Schrittweite von rstep = 0,2 eingeführt, die eine progressive Skalierung der RRR-Niveaus über die Einträge hinweg ermöglicht. Für jedes Szenario wurden 100 Monte-Carlo-Iterationen durchgeführt. Die Ergebnisse verdeutlichen die wesentlichen Unterschiede in Bezug auf das Aktienwachstum, den Drawdown und die Rentabilitätsverteilung zwischen den drei Strategien.

• Szenario 1: Ein Handelsgeschäft

Abbildung 1: Gewinnrate von 43% bei einem Handelsgeschäft pro Ausführung

Tabelle 1: Gewinnrate von 43% ein Handelsgeschäft

Metriken	Werte
Risiko pro Handelsgeschäfte in %	3%
Mittelwert des Kapitals	$986.00
Median des Kapitals	$967.00
Median des Drawdown %	30.23%
Gewinner %	48.60%

Wichtige Erkenntnis:

Der Ansatz von einem Handelsgeschäft hat es bei einer Gewinnquote von 43 % schwer. Wenn das durchschnittliche Kapital unter das Startguthaben fällt, ist die Erwartung negativ. Fast die Hälfte der Monte-Carlo-Läufe (48,6 %) endete mit einem Gewinn, aber die Drawdowns lagen im Durchschnitt bei über 30 %, was ein erhebliches Risiko für die Kapitalstabilität darstellt.

Dies bestätigt, wie schwierig es ist, ein System mit begrenzter Genauigkeit bei einem festen RRR zu betreiben: Der Spielraum für Fehler ist zu gering, und eine Erosion des Kapitals wird wahrscheinlich.

• Szenario 2: Zwei Handelsgeschäfte

Abbildung 2: Gewinnrate von 43% bei zwei Handelsgeschäften pro Ausführung

Tabelle 2: Gewinnrate von 43% bei zwei Handelsgeschäften

Metriken	Werte
Risiko pro Handelsgeschäfte in %	1.5%
Mittelwert des Kapitals	$1,026.00
Median des Kapitals	$1,021.00
Median des Drawdown %	22.50%
Gewinner %	52.20%

Wichtige Erkenntnis:

Durch die Aufteilung des Handels in zwei Handelsgeschäfte mit unterschiedlichen RRRs (1,3 und 1,5) verbessert sich die Performance deutlich. Der Mittelwert und der Medianwert des Kapitals liegen jetzt über 1.000 $, was auf eine positive Erwartungshaltung hindeutet.

Auch die Drawdowns werden im Vergleich zu Szenario 1 um fast ein Drittel reduziert (22,5 % gegenüber 30,2 %), während der Anteil der rentablen Läufe auf über 50 % steigt. Dies zeigt, dass die Verteilung der Ausstiege auf zwei RRR-Stufen das System vor Verlustspitzen schützt und eine glattere Kapitalkurve ergibt.

• Szenario 3: Drei Handelsgeschäfte

Abbildung 3: Gewinnrate von 43% bei drei Handelsgeschäften pro Ausführung

Tabelle 3: Gewinnrate von 43% bei drei Handelsgeschäften

Metriken	Werte
Risiko pro Handelsgeschäfte in %	1%
Mittelwert des Kapitals	$1,071.00
Median des Kapitals	$1,072.00
Median des Drawdown %	17.14%
Gewinner %	61.80%

Wichtige Erkenntnis:

Die Strategie mit drei Handelsgeschäften liefert die besten Ergebnisse. Sowohl der Mittelwert als auch der Medianwert des Kapitals sind deutlich höher als das Startguthaben, mit einem durchschnittlichen Gewinn von über 7 % nach den Simulationen.

Vor allem aber verbessert sich die Risikostabilität: Der mittlere Drawdown sinkt auf nur 17,1 % (eine Reduzierung um fast 50 % gegenüber Szenario 1). Die Wahrscheinlichkeit, einen Gewinn zu erzielen, steigt ebenfalls stark an und liegt bei 61,8 %, was diesen Ansatz angesichts des Zufalls sehr viel widerstandsfähiger macht.

Dies zeigt, dass eine Streuung des Engagements über mehrere RRR-Ziele nicht nur die Erwartungshaltung erhöht, sondern auch die Volatilität der Renditen verringert – ein doppelter Vorteil, der die langfristige Nachhaltigkeit verbessert.

Vergleichende Analyse

Tabelle 4: Analyse der Gewinnrate von 43%

Strategie	Mittelwert des Kapitals	Median des Kapitals	Median des Drawdown	Gewinner %	Wichtigste Erkenntnisse
1 Handelsgeschäft (RRR=1,3)	$986.00	$967.00	30.23%	48.60%	Negative Erwartung; hohe Drawdowns
2 Handelsgeschäfte (1.3,1.5)	$1,026.00	$1,021.00	22.50%	52.20%	Positive Erwartung; geringerer Drawdown
3 Handelsgeschäfte (1.3,1.5,1.7)	$1,071.00	$1,072.00	17.14%	61.80%	Stärkste Ergebnisse; höhere Gewinne, geringeres Risiko

Fall 2: Ein System mit Gewinnrate von 65% bei RRR=0,9

In diesem Szenario haben wir ein Handelssystem mit einer relativ hohen Gewinnrate von 65 % und einer anfänglichen RRR von 0,9 untersucht. Im Gegensatz zum früheren Szenario mit geringerer Erfolgswahrscheinlichkeit verändert hier die hohe Gewinnrate die Dynamik der Rentabilität und der Drawdown-Kontrolle. Um die Leistungsfähigkeit des Systems umfassend zu untersuchen, haben wir es unter drei verschiedenen Strategien bewertet:

• Ein Handelsgeschäft pro Ausführung (RRR = 0,9 )
• Zwei Handelsgeschäfte pro Ausführung (RRR = 0,9 und 1,1, rstep = 0,2)
• Drei Handelsgeschäfte pro Ausführung (RRR = 0,9, 1,1 und 1,3, rstep = 0,2)

Jede Konfiguration wurde 100 unabhängigen Simulationen unterzogen, und die wichtigsten Ergebnisse, nämlich die Entwicklung des Kapitals, der Drawdown und die Wahrscheinlichkeit der Rentabilität, wurden verglichen.

• Szenario 4: Ein Handelsgeschäft

Abbildung 4: Gewinnrate von 65% bei einem Handelsgeschäft pro Ausführung

Tabelle 5: Gewinnrate von 65% ein Handelsgeschäft

Metriken	Werte
Risiko pro Handelsgeschäfte in %	3%
Mittelwert des Kapitals	$1,716.00
Median des Kapitals	$1,705.00
Median des Drawdown %	10.24%
Gewinner %	99.80%

Wichtige Erkenntnis:

Die Konfiguration von einem Handelsgeschäft zeigte über alle Simulationen hinweg eine zuverlässige Rentabilität, wobei fast jeder Lauf mit einem Gewinn endete (99,8 %). Der Median der Kapitalkurven von 1.705 $ zeigt ein stetiges Wachstum im Vergleich zum Startguthaben von 1.000 $. Der Nachteil ist jedoch der relativ höhere Drawdown von 10,24 %, eine natürliche Folge der Konzentration des gesamten Risikos auf eine Position. Diese Strategie ist zwar einfach, setzt das Konto aber stärkeren Aktienschwankungen aus.

• Szenario 5: Zwei Handelsgeschäfte

Abbildung 5: Gewinnrate von 65% bei zwei Handelsgeschäften pro Ausführung

Tabelle 6: Gewinnrate von 65% zwei Handelsgeschäfte

Metriken	Werte
Risiko pro Handelsgeschäfte in %	1.5%
Mittelwert des Kapitals	$1,834.00
Median des Kapitals	$1,831.00
Median des Drawdown %	5.69%
Gewinner %	100.00%

Wichtige Erkenntnis:

Die Umstellung auf zwei gleichzeitige Handelsgeschäfte veränderte das Risiko-Ertrags-Profil. Durch die Aufteilung des Gesamtrisikos von 3 % auf zwei kleinere Positionen erzielte das System ein besseres Gleichgewicht zwischen Renditeerzielung und Drawdown-Kontrolle. Der Median der Kapitalkurve stieg deutlich auf 1.831 $, und der Median des Drawdowns sank fast um die Hälfte auf 5,69 %. Jede einzelne Simulation wurde mit Gewinn abgeschlossen, was darauf hindeutet, dass die Diversifizierung über zwei Belohnungsstufen (RRR = 0,9 und 1,1) sowohl Stabilität als auch Widerstandsfähigkeit bietet.

Hier zeigt sich die Stärke der Risikostreuung: Das gleiche Gesamtrisiko führt zu einem höheren Aktienwachstum bei geringerer Volatilität, wenn es auf mehrere Handelsgeschäfte verteilt wird.

• Szenario 6: Drei Handelsgeschäfte

Abbildung 6: Gewinnrate von 65% bei drei Handelsgeschäften pro Ausführung

Tabelle 7: Gewinnrate von 65% und drei Handelsgeschäfte

Metriken	Werte
Risiko pro Handelsgeschäfte in %	1%
Mittelwert des Kapitals	$1,953.00
Median des Kapitals	$1,959.00
Median des Drawdown %	3.98%
Gewinner %	100.00%

Wichtige Erkenntnis:

Das System von Handelsgeschäften stellt die ausgewogenste und robusteste Konfiguration dar. Mit Positionen, die auf drei Belohnungsstufen verteilt waren (RRR = 0,9, 1,1 und 1,3), zeigten die Ergebnisse eine klare Überlegenheit sowohl bei Wachstum als auch bei Stabilität. Der Median der Kapitalkurve erreichte mit 1.959 $ den höchsten Wert aller Strategien, während der Median des Drawdowns weiter auf 3,98 % sank und damit das geringste Risiko aufwies.

Am wichtigsten ist jedoch, dass die Wahrscheinlichkeit der Rentabilität 100 % erreichte, was diese Konfiguration bei wiederholten Simulationen außergewöhnlich zuverlässig macht. Die Synergie aus Diversifizierung, hoher Gewinnrate und progressiver RRR-Skalierung sorgte für konstant positive Ergebnisse bei minimalem Abwärtsrisiko.

Vergleichende Analyse

Tabelle 8: Analyse der 65%igen Gewinnquote

Strategie	Mittelwert des Kapitals	Median des Kapitals	Median des Drawdown	Gewinner %	Wichtigste Erkenntnisse
1 Handelsgeschäft (RRR=0,9)	$1,716.00	$1,705.00	10.24%	99.80%	Hohe Erwartung; niedrige Drawdowns
2 Handelsgeschäfte (0,9, 1,1)	$1,834.00	$1,831.00	5.69%	100.00%	Verbesserte Renditen; glattere Kapitalkurve
3 Handelsgeschäfte (0,9, 1,1, 1,3)	$1,953.00	$1,959.00	3.98%	100.00%	Beste Leistung; höchste Gewinne, geringstes Risiko

RRR-Inkrement (rstep) Empfindlichkeit

Das RRR-Inkrement (rstep) ist eine entscheidende Determinante für die Rentabilität oder den Verlust bei Multi-Trade-Strategien.

• Wenn rstep zu hoch angesetzt wird, vergrößert sich der Abstand zwischen den Gewinnzielen. Dies kann zwar zu größeren Gewinnen bei Handelsgeschäften mit höherem RRR führen, verringert aber häufig die Wahrscheinlichkeit, dass alle Ziele erreicht werden.
• Wenn rstep zu niedrig angesetzt wird, liegen die Gewinne zu dicht beieinander, was die Gesamtgewinne begrenzt und die Effizienz der Diversifizierung verringert.

Die wichtigste Erkenntnis ist, dass rstep auf die Gewinnrate des Systems und die Mindest-RRR-Schwelle für die Rentabilität abgestimmt sein muss. Wenn die Gewinnrate des Systems über der Breakeven-RRR liegt, stellen die rstep-Anpassungen sicher, dass kein Gewinnniveau signifikant unter diese Schwelle fällt und die Erwartung erhalten bleibt.

Empfindlichkeitstest: Das System mit einer Gewinnrate von 43% (rstep = 0.3)

Wir haben die Simulationen für das System mit einer Gewinnrate von 43 % erneut durchgeführt und dabei rstep von 0,2 auf 0,3 erhöht. Es galten die gleichen Ausgangsbedingungen (anfängliche RRR = 1,3, Gesamtrisiko = 3 %).

Tabelle 9: Gewinnrate von 43% rtsep Empfindlichkeitstest

Strategie	Mittelwert des Kapitals	Median des Kapitals	Median des Drawdown	Gewinner %	Wichtigste Erkenntnisse
2 Handelsgeschäfte (1.3, 1.6)	$1,054,00	$1,048.00	21.59%	56.60%	Größere RRR-Spanne verbessert Erwartung nur geringfügig
3 Handelsgeschäfte (1.3, 1.6,1.9)	$1,126.00	$1,125.00	16.08%	71.20%	Starke Gewinne und geringeres Risiko; Outperformance rstep = 0,2

Wichtige Erkenntnis:

• Kapitalwachstum – Die Erhöhung von rstep auf 0,3 erhöhte Mittelwert und Median des Kapitals als bei 0,2 (z. B. stiegen 3 Abschlüsse von $1.070,57 → $1.125,83).
• Risikomanagement – Der mittlere Drawdown verbesserte sich leicht mit größeren rSchritten und sank auf 16,08% unter dem 3-Trade-System.
• Rentabilitätswahrscheinlichkeit – Ein größerer rstep erhöhte die rentablen Ergebnisse auf 71,20 % gegenüber 61,8 % bei rstep = 0,2.
• Optimaler Bereich – Eine mäßige Ausweitung der Schrittweite (0,3) erwies sich in diesem Fall als vorteilhaft, aber zu hohe Schrittweiten könnten die Zuverlässigkeit verringern, wenn die Gewinnrate niedrig ist.

Monte-Carlo-Simulation Code

Die folgenden Parameter definieren die Struktur der Monte-Carlo-Simulation, die es dem Händler ermöglicht, verschiedene Szenarien zu testen und die Bandbreite der möglichen Ergebnisse auf der Grundlage der Backtest-Statistiken seines Systems zu beobachten:

# Simulation parameters
win_rate = 0.43 # 43%
initial_rrr = 1.3  # reward-risk-ratio
rrr_step = 0.2   # rrr increment
risk_percent = 0.01  # 1% risk per trade
num_executions = 100   # Number of confirmation for entry
trades_per_execution = 3   # number of trade per execution
simulations = 500    # number of simulation runs
initial_balance = 1000   # starting balance

• win-rate: Die historische Wahrscheinlichkeit, dass ein Handel mit einem Gewinn endet. In diesem Fall gewinnt das System 43 % seiner Abschlüsse.
• initial_rrr: Die Basis-RRR für den ersten Handel. Ein Wert von 1,3 bedeutet, dass das Gewinnziel das 1,3-fache der Größe des Stop-Loss beträgt.
• rrr_step: Der inkrementelle Anstieg der RRR zwischen den Handelsgeschäften, wenn mehrere Eingänge verwendet werden. Wenn die erste Transaktion beispielsweise bei 1,3 RRR liegt, würde die nächste auf 1,5 und die dritte auf 1,7 abzielen.
• risk_percent:  Der Anteil des Kontokapitals, der pro Handel riskiert wird. In diesem Fall riskiert jeder Handel 1 % des Saldos.
• num_executions: Die Anzahl der Einstiegssignale (Handelsbestätigungen), die in einem einzigen Simulationslauf ausgeführt werden.
• trades_per_execution:  Die Anzahl der gleichzeitig getätigten Abschlüsse pro Ausführung. In diesem Beispiel werden bei jeder Ausführung 3 Handelsgeschäfte mit unterschiedlichen Gewinnzielen eröffnet.
• simulations: Die Gesamtzahl der durchgeführten Monte-Carlo-Durchläufe. Die Durchführung vieler Simulationen hilft dabei, die Bandbreite möglicher Ergebnisse zu erfassen und Zufälligkeiten auszugleichen.
• initial_balance: Das Anfangskapital des Kontos. Alle Ergebnisse (Gewinne, Verluste, Drawdowns) werden relativ zu dieser Basislinie gemessen.

Demonstration: Mehrere Handelsgeschäfte mit unterschiedlichen Take-Profit-Levels ausführen

Um die Multi-Trade-Strategie praktikabel zu machen, stellen wir eine Skriptdatei zur Verfügung, die Händlern hilft, automatisch mehrere Aufträge auf verschiedenen Take-Profit-Levels (TP) zu eröffnen. Dieses Skript macht den manuellen Aufwand für die Berechnung und Platzierung mehrerer Aufträge überflüssig und stellt sicher, dass die Handelsgeschäfte konsistent mit den von Ihnen gewählten Parametern ausgeführt werden.

Erläuterungen zu den Eingabeeinstellungen

Das Skript verfügt über konfigurierbare Eingabeeinstellungen, mit denen Händler ihren Ausführungsstil anpassen können, wie in Abbildung 7 dargestellt.

Abbildung 7: Eingabe-Einstellungen

1. Trade_Direction: Legt fest, ob das Skript Kauf- oder Verkaufstransaktionen eröffnet. Standardeinstellung: Kaufen
2. Lots: Legt die Losgröße für jeden Auftrag fest. Alle in einem Stapel eröffneten Handelsgeschäfte haben die gleiche Losgröße. Standardeinstellung: 0.01
3. Stoploss: Bestimmt den Stop-Loss-Abstand (in Punkten). Schützt das Kapital durch Begrenzung der Verluste bei jedem Handel. Standardeinstellung: 200 Punkte (20 Pips)
4. Chance-Risiko-Verhältnis (RRR): Legt das Gewinnziel als ein Vielfaches des Stop-Loss fest. Standardeinstellung: 2 (d.h., das Gewinnziel ist 2× Stop-Loss) 
5. Increment Step (rstep): Definiert den Abstand zwischen einem Take-Profit-Level und dem nächsten. Größere Inkremente streuen die Gewinnziele weiter auseinander, während kleinere Inkremente sie näher zusammenrücken lassen.
6. Number of Orders: Gibt an, wie viele Handelsgeschäfte pro Ausführung geöffnet werden sollen. Jedem Handel wird ein eindeutiger TP auf der Grundlage des Inkrementschritts zugewiesen. Standardeinstellung: 1 Handelsgeschäft

Arbeitsprinzip

Das Skript eröffnet mehrere Handelsgeschäfte auf einmal, die alle denselben Stop-Loss haben, aber zunehmend höhere Gewinne anstreben. Durch die Aufteilung des Handels in mehrere Segmente können Händler Gewinne auf früheren Niveaus sichern und gleichzeitig einen Teil der Position für größere Gewinne aktiv halten. Dieser Ansatz bietet sowohl Risikomanagement (frühzeitiges Sichern von Gewinnen) als auch Wachstumspotenzial (Mitnahme längerer Bewegungen).

Abbildung 8: Multi_Sell-Demonstration

Abbildung 9: Multi_Buy-Demonstration

Empfehlung

Einführung von Multi-Trade-Strukturen

• Bei Systemen mit niedrigeren Gewinnquoten (unter 50 %) sollten Sie den Einstieg in 2-3 Handelsgeschäfte mit allmählich steigenden RRR-Levels aufteilen.
• Dadurch werden Verluste abgefedert, die Erwartung verbessert und die Drawdowns im Vergleich zu Strategien mit nur einem Handelsgeschäft reduziert.

Fixieren Sie das Gesamtrisiko

• Legen Sie ein Gesamtrisikobudget fest (z. B. 3 % pro Abschluss) und verteilen Sie es auf mehrere Handelsgeschäfte, anstatt das Gesamtrisiko zu erhöhen.
• Dies gewährleistet Stabilität und verhindert die Erosion des Kapitals in Verlustphasen.

RRR-Inkremente optimieren (rstep)

• Vermeiden Sie es, rstep zu klein (Gewinnziele sind einander zu nahe und begrenzen die Gewinne) oder zu groß (Gewinnziele werden unrealistisch) einzustellen.
• Wie gezeigt, verbessern moderate Steigerungen (z. B. 0,3 für ein System mit einer Gewinnrate von 43 %) die Rentabilität und Stabilität.

Einsatz von Simulationswerkzeugen

• Verwenden Sie Monte-Carlo-Simulationen oder Backtest-Systeme, um Strategien unter verschiedenen Gewinnraten, RRR-Niveaus und r-Steps zu testen.
• Auf diese Weise kann die Robustheit überprüft werden, bevor echtes Kapital eingesetzt wird.

Schlussfolgerung

Diese Studie zeigt, dass die Struktur der Handelsausführung und die Gestaltung der Gewinnmitnahmen ebenso wichtig sind wie die Bestätigung des Einstiegs. Anhand von Monte-Carlo-Simulationen haben wir gezeigt, wie sich unterschiedliche Gewinnquoten, RRR und rstep auf die Rentabilität und das Risiko auswirken.

Beim System mit einer Gewinnrate von 43 % schnitt der Single-Trade-Ansatz durchweg schlechter ab, was zu einem negativen Erwartungswert und hohen Drawdowns führte. Die Aufteilung des Risikos auf mehrere Handelsgeschäfte mit schrittweise höheren RRR-Niveaus (2- oder 3-Trade-Strategien) verbesserte die Ergebnisse jedoch erheblich – sie reduzierte die Drawdowns, hob die Kapitalkurven an und erhöhte die Wahrscheinlichkeit der Rentabilität. Darüber hinaus zeigten Sensitivitätstests für rstep, dass eine Erhöhung der Gewinnschwellen (von 0,2 auf 0,3) die Leistung verbesserte, insbesondere bei der Konfiguration mit drei Handelsgeschäften.

Im Gegensatz dazu zeigte das System mit einer Gewinnrate von 65 % eine solide Rentabilität über alle Strategien hinweg. Hier war das Modell mit einem Handelsgeschäft bereits stark, aber die Diversifizierung in 2- und 3-Trade-Strukturen glättete die Kapitalkurven, reduzierte die Drawdowns auf unter 4 % und sicherte eine 100 %ige Rentabilitätswahrscheinlichkeit.

Die übergreifende Erkenntnis ist, dass:

• Systeme mit niedriger bis mittlerer Gewinnrate profitieren am meisten von mehreren Handelsgeschäften und sorgfältig abgestimmten rstep-Werten. Die Diversifizierung trägt dazu bei, dass eine geringfügig negative Erwartung in eine positive Performance umgewandelt wird.
• Systeme mit hohen Gewinnquoten sind von Natur aus profitabel, können aber stabiler gemacht werden, indem das Risiko auf mehrere Ebenen verteilt wird.
• Disziplin bei der Risikoallokation ist entscheidend. Die Beibehaltung eines festen Gesamtrisikos (z. B. 3 %) bei gleichzeitiger Verteilung auf mehrere Handelsgeschäfte schafft Widerstandsfähigkeit, ohne das Risiko zu mindern.

Letztlich unterstreichen die Ergebnisse, dass sich Händler nicht nur auf die Suche nach „perfekten Einstiegsmöglichkeiten“ konzentrieren sollten, sondern auch Ausführungssysteme entwickeln müssen, die die Erwartung maximieren und gleichzeitig die Volatilität nach unten minimieren. Ein robustes System wird nicht durch ein einzelnes Setup definiert, sondern dadurch, wie intelligent Risiko, Ertrag und Wahrscheinlichkeit auf lange Sicht ausbalanciert werden.

Schlussbemerkung

Mit dieser Serie über den Aufbau eines Handelssystems soll gezeigt werden, dass der Erfolg an den Märkten mehr erfordert als nur das Finden guter Einstiegsmöglichkeiten – er erfordert Struktur, Disziplin und Anpassungsfähigkeit. Durch die Untersuchung von Gewinnquoten, Reward-to-Risk-Verhältnissen, mehrfachen Handelsausführungen, Monte-Carlo-Simulationen und der Empfindlichkeit gegenüber RRR-Inkrementen haben wir praktische Möglichkeiten aufgezeigt, robustere und widerstandsfähigere Systeme zu entwickeln.

Ich hoffe, dass Forscher, Händler und Systementwickler gleichermaßen wertvolle Erkenntnisse gewonnen haben, die sie auf ihrem Weg zur Konsistenz unterstützen. Es gibt zwar immer noch mehr zu lernen und zu verfeinern, aber die hier vorgestellten Konzepte bieten eine Grundlage, die – in Kombination mit Praxis und Tests – sowohl Vertrauen als auch Geschick beim Navigieren durch das Chaos der Märkte schaffen kann.

Der Handel wird immer mit Ungewissheit verbunden sein, aber mit einem starken Rahmen verschieben sich die Chancen zu Ihren Gunsten. Testen, verfeinern und passen Sie Ihre Strategien weiter an, und denken Sie daran: Das Ziel ist nicht Perfektion, sondern langfristige Widerstandsfähigkeit und stetiges Wachstum.

Bis dahin: Handeln Sie klug, bleiben Sie diszipliniert und freuen Sie sich auf den Handel!