Paradox M5

Zusammenfassung

Überblick über die Strategie

Dies ist ein Mean-Reversion-Handelssystem für XAUUSD, das auf dem 5-Minuten-Zeitrahmen arbeitet. Die ursprüngliche Untersuchung wurde auf dem 1-Minuten-Zeitrahmen durchgeführt, um Ineffizienzen auf Mikrostrukturebene zu erfassen. Erhebliche Unterschiede in der Konstruktion der Kurse, der Tick-Aggregation und der Qualität der Daten zwischen den Brokern führten jedoch zu inkonsistenten und nicht übereinstimmenden Backtest-Ergebnissen. Um diese Probleme zu entschärfen, wurde das Modell auf 5-Minuten-Balken umgestellt, was die Einheitlichkeit der Daten zwischen den Brokern erheblich verbessert und gleichzeitig die Empfindlichkeit gegenüber kurzfristigen Preisverschiebungen bewahrt. Die Umstellung führte zu folgenden Ergebnissen:

• Stärkere Parameterstabilität
• Verbesserte börsenübergreifende Konsistenz
• Eine zuverlässigere Backtesting-Umgebung

Modell-Architektur

Die Strategie ist als ein Ensemble von Entscheidungseinheiten aufgebaut, die aus quantitativen Marktstrukturkonzepten abgeleitet sind. Die Handelssignale werden durch einen koordinierten Entscheidungsprozess generiert. Je nach den vorherrschenden Marktbedingungen kann das System einen vollständigen Konsens zwischen den Entscheidungseinheiten verlangen oder dynamisch zu einer hierarchischen Entscheidungsstruktur übergehen. Dieser adaptive Mechanismus ermöglicht es dem Modell, auf die sich ändernde Dynamik der Mikrostruktur zu reagieren und gleichzeitig der langfristigen Stabilität und der kontrollierten Risikoexposition Vorrang einzuräumen.

Sitzungsorientiertes Design

Das Modell ist sitzungsabhängig. Jede größere Handelssitzung wird auf der Grundlage ihrer historischen Merkmale als eigenständiges Verhaltensregime behandelt. Die Sitzungen werden chronologisch abgearbeitet. Wenn eine neue Sitzung beginnt, werden die für die vorherige Sitzung geltenden Regeln außer Kraft gesetzt. Zu jedem Zeitpunkt kann nur eine Position offen sein. Bleibt ein Geschäft während eines Sitzungswechsels aktiv, schaltet das Risikomanagement automatisch auf den mit der neuen Sitzung verbundenen Parametersatz um. Ein Engagement über Nacht ist nicht zulässig. Alle Positionen werden vor der Schließung des Marktes geschlossen.

Forschungs- und Validierungsmethodik

Um eine Überanpassung an maklerspezifische Mikrostrukturartefakte zu minimieren, wurde die Strategie anhand von drei Maklermodellen validiert, die unterschiedliche Ausführungsumgebungen repräsentieren:

• Broker A - ECN-Struktur (enge Spreads)
• Broker B - Market-Maker-Struktur (moderate Spreads)
• Broker C - Wide-Spread-Broker-Modell (große Spreads und höhere Spread-Variabilität)

Jede Entscheidungseinheit wurde unabhängig von den anderen Brokern optimiert und bewertet. Anstatt die leistungsstärksten Parameterkombinationen auszuwählen, konzentrierte sich die Forschung auf die Identifizierung von stabilen Clustern von Parametern mit Hilfe von Performance-Cluster-Verfahren. Nur Cluster, die ein konsistentes Verhalten über alle Broker hinweg zeigten, wurden berücksichtigt. Jedes Cluster, das sich auch nur bei einem einzigen Broker deutlich verschlechterte, wurde verworfen.

Dieser Prozess wurde für jede Entscheidungseinheit, jede Sitzung und jeden Brokerwiederholt , bis die gesamte Systemarchitektur zusammengestellt war. Eine strukturelle Out-of-Sample-Grenze, die am 01.01.2024 begann, wurde verwendet, um die Leistungsverschlechterung über Broker und Sitzungen hinweg zu überwachen. Parameter-Cluster, die während des OOS-Zeitraums eine signifikante Verschlechterung aufwiesen, wurden verworfen.

Robustheits-Stresstests

Es wurden 10.000 Block-Bootstrap-Simulationen durchgeführt, um potenzielle Aktienpfade bei einer zufälligen Handelsreihenfolge zu bewerten. Alle simulierten Aktienpfade erzeugten eine Verlustwahrscheinlichkeit von 0,0 %, was darauf hindeutet, dass die Systemleistung nicht von einem bestimmten historischen Handelsauftrag abhängig ist. Um verpasste Ausführungen und Latenzeffekte zu simulieren, wurden Abschlüsse nach dem Zufallsprinzip aus der Sequenz entfernt. Der Gewinn nimmt linear ab, wenn Geschäfte entfernt werden, was darauf hindeutet, dass die Leistung gleichmäßig über viele Geschäfte verteilt ist und nicht durch isolierte Ausreißer bestimmt wird. Zusätzliche Transaktionskosten wurden angewandt, um die Empfindlichkeit gegenüber den Ausführungsbedingungen bei einem Basis-Gesamtgewinn von 29.934 $ zu bewerten. Die Rentabilität bleibt sehr stabil, was auf eine ausgezeichnete Widerstandsfähigkeit gegenüber mäßigen und starken Spreadschwankungen oder Slippage hindeutet.

Zusammenfassung der Leistung

Das System wurde von Januar 2020 bis Dezember 2025 (2190 Tage) bewertet.

Leistung des Kontos

Die annualisierte Rendite (CAGR) während des Zeitraums beträgt etwa 26%.

Metriken zu Handel und Rentabilität

Risiko-Kennzahlen

Verhalten außerhalb der Stichprobe

Ein Strukturbruch wurde am 2024-01-01 eingeführt.

Die Strategie bleibt unter unabhängigen Daten sehr stabil.

Die OOS Degradationsanalyse zeigt:

• Rückgang des Gewinnfaktors: -5,1%
• Anstieg der Gewinnrate: +0,7%
• Durchschnittlicher monatlicher Gewinnanstieg: +43,8%

Dieses Verhalten steht im Einklang mit sehr robusten Systemen, die die Realität nach der Optimierung überleben.

Erwartungsanalyse (Out-of-Sample)

Um die Verteilung der Renditen im Laufe der Zeit besser zu verstehen, wurde der Zeitraum außerhalb der Stichprobe sowohl anhand der tatsächlich erzielten Performance als auch anhand von Bootstrap-Monte-Carlo-Simulationen analysiert. Ziel dieser Analyse ist es, die erwartete Gewinnverteilung über verschiedene Zeithorizonte zu schätzen und gleichzeitig potenzielle Aufwärts- und Abwärtsszenarien anhand von Value-at-Risk-Perzentilen zu quantifizieren. Die Bootstrap-Ergebnisse wurden anhand von 10.000 neu abgetasteten Sequenzen der Out-of-Sample-Handelsdaten erstellt.

Anmerkung: OOS Durchschnittliche Dauer der Inanspruchnahme beträgt 13 Tage

Die enge Übereinstimmung zwischen den tatsächlichen mittleren Renditen und den Bootstrap-Erwartungen über die täglichen, wöchentlichen und monatlichen Zeithorizonte zeigt, dass die beobachtete Out-of-Sample-Performance statistisch mit der zugrunde liegenden Renditeverteilung der Strategie übereinstimmt. Die Bootstrap-Medianrenditen stimmen eng mit der realisierten Performance überein, was auf eine begrenzte Verzerrung durch extreme Ausreißer hinweist. Die 95 %- und 5 %-VaR-Bänder liefern realistische Erwartungen für kurzfristige Gewinn- und Verlustschwankungen. Die positive Erwartung bleibt über alle analysierten Zeithorizonte hinweg bestehen, was die Stabilität des statistischen Vorteils der Strategie unterstützt.

Insgesamt ist die Rentabilität des Systems nicht von seltenen Extremereignissen abhängig, sondern ergibt sich vielmehr aus einer konsistenten statistischen Erwartung, die über viele Trades und Zeiträume verteilt ist.

Risikokontrollen

Volatilitäts-Railguards

Ein optionales Modul namens Volatility Railguards filtert Handelsaktivitäten auf der Grundlage eines täglichen Z-Scores der realisierten Volatilität. Die interne Volatilitätsberechnung spiegelt das Verhalten des CBOE Gold ETF Volatility Index genau wider. Wenn diese Funktion aktiviert ist, werden Trades nur zugelassen, wenn die Volatilität innerhalb von ±2 Standardabweichungen von ihrem langfristigen Mittelwert bleibt. In Umgebungen mit extrem niedriger Volatilität gibt es in der Regel keine ausreichende Preisbewegung. Bei extrem hoher Volatilität entstehen übermäßige Ausführungskosten und eine instabile Preisdynamik. Das Modul legt den Schwerpunkt auf den Kapitalerhalt in Zeiten abnormaler Volatilität, wenn auch auf Kosten einer reduzierten Handelsaktivität. Es kann insbesondere bei großen makroökonomischen Ereignissen nützlich sein, wie z.B.:

• Veröffentlichung der Nonfarm Payrolls
• Entscheidungen des Federal Open Market Committee
• Jackson Hole Wirtschaftssymposium
• Ankündigungen von Zinssätzen
• Wichtige geopolitische Entwicklungen

Dies senkt zwar das Drawdown-Risiko, verringert aber auch das Renditepotenzial und ist im Allgemeinen für außergewöhnliche Marktbedingungen gedacht.

Dynamische Allokation

Das optionale Modul Dynamische Allokation passt das Risikokapital pro Handel auf der Grundlage der realisierten empirischen Performance der Strategie anstelle statischer Risikoeingaben an. Das Modul berechnet eine rollierende Gewinnrate über ein benutzerdefiniertes Rückblickfenster (z. B. die letzten 30 Geschäfte), Das Risiko wird über eine Stufenfunktion verwaltet . Wenn die Gewinnrate einer Sitzung einen definierten oberen Schwellenwert überschreitet (z.B.,Wenn die Gewinnquote einer Sitzung einen festgelegten oberen Schwellenwert überschreitet(z. B. 55 %), erhöht sich die Risikozuweisung um eine feste Schrittgröße für jede weitere Prozentstufe. Wenn die Gewinnquote unter einen festgelegten unteren Schwellenwert fällt (z. B. 45 %), wird die Risikozuweisung schrittweise reduziert, um das Risiko zu begrenzen. Alle Anpassungen bleiben innerhalb strenger Mindest- und Höchstrisikoparameter. Dadurch entsteht eine algorithmische Rückkopplungsschleife, die:

• die Geschwindigkeit des Drawdowns in ungünstigen Zeiten reduziert
• das Risiko nur dann skaliert, wenn ein statistisch gesicherter Vorteil besteht

Diese Berechnung wird strikt pro Handelssitzung (Asien, Europa und Amerika) isoliert, um sicherzustellen, dass die Performance-Metriken in einem Markt die Positionsgröße in einem anderen Markt nicht verzerren. Da das Modul Dynamische Allokation das Engagement auf der Grundlage der sitzungsspezifischen Performance anpasst, hängt seine Effektivität vom Vorhandensein anhaltender Out- oder Underperformance-Regimes auf Sitzungsebene ab. Die statistische Analyse dieser Strategie zeigt jedoch:

• Verluste sind zeitlich nicht stark geclustert
• Die Underperformance bleibt innerhalb bestimmter Sitzungen nicht bestehen.
• Der Vorsprung bleibt über die Handelssitzungen hinweg relativ stabil.

Die Aktivierung der Dynamischen Allokation verändert das langfristige Performance-Profil der Strategie nicht wesentlich. In der Praxis führt das Modul nur zu geringfügigen Variationen in den Eigenschaften des Aktienwachstums und des Drawdowns, ohne statistisch signifikante Verbesserung oder Verschlechterung der Rentabilität. Aus diesem Grund sollte die Dynamische Allokation in erster Linie als optionale Risikomanagementpräferenz und nicht als Kernkomponente des statistischen Vorteils des Systems betrachtet werden.

Operative Anforderungen

• Spread-Ausweitung, Slippage oder Latenz können die Ausführung beeinträchtigen. ECN-Konten werden empfohlen, um beste Ergebnisse zu erzielen.
• Das Session-Timing muss genau mit der Serverzeit des Brokers übereinstimmen, da das Modell für die Regimeklassifizierung auf genaue Session-Grenzen angewiesen ist.
• Take-Profit- und Stop-Loss-Niveaus sollten unverändert bleiben. Diese Parameter wurden anhand der durchschnittlichen sitzungsspezifischen täglichen Schwankungsbreite von Gold in den letzten fünf Jahren kalibriert.