Betekent een winstgevende backtest dat een strategie geld zal opleveren?

Nee. Een backtest beschrijft historisch gedrag onder specifieke aannames; het garandeert geen toekomstige resultaten. Sterke prestaties uit het verleden kunnen voortkomen uit overfitting, weggelaten kosten of een marktregime dat niet meer bestaat, en de resultaten zijn in de praktijk van het handelen vaak veel slechter.

Wat is overfitting in gewone taal?

Overfitting is wanneer een strategie zo strak is afgestemd op één dataset dat die willekeurige ruis uit het hoofd leert in plaats van een echt patroon. Zulke strategieën zien er uitstekend uit op de data waarop ze zijn afgestemd en vallen doorgaans uit elkaar op nieuwe data of bij echt handelen.

Hoe proberen mensen overfitting te verminderen?

Gangbare praktijken zijn onder meer het gebruik van minder parameters, testen op data waarop de regel niet is afgestemd (out-of-sample), controleren of de resultaten kleine wijzigingen in de instellingen overleven, en het meenemen van realistische kosten en slippage. Deze verminderen het risico maar elimineren het nooit — geen enkele backtest kan bewijzen dat een strategie in de toekomst zal werken.

Kan backtesting grafiekpatronen, Fibonacci of indicatoren zoals RSI en MACD valideren?

Niet betrouwbaar. Deze methoden zijn subjectief en omstreden, en een backtest kan ze preciezer laten lijken dan ze zijn. Backtesting kan beschrijven hoe een regel zich historisch gedroeg, maar het kan een omstreden methode niet omtoveren tot een betrouwbare voorspeller van de koers.

Is backtesting dan nutteloos?

Nee. Eerlijk gebruikt is het waardevol om het gedrag van een regel te begrijpen, historische drawdowns te meten, de gevoeligheid voor aannames te controleren en fragiele ideeën uit te sluiten. Het gevaar zit in het behandelen ervan als bewijs van toekomstige winst in plaats van als een diagnostisch hulpmiddel.

Hoe verhoudt BIKENZO zich tot backtesting?

BIKENZO is een Bitcoin-data- en analyseterminal, geen broker, exchange of backtestengine. Het kan marktdatacontext bieden zoals liquiditeit ten opzichte van de BTC-koers, wat je kan helpen historische bewegingen te interpreteren — maar het doet geen voorspellingen en biedt geen handelssignalen.

Backtesting: wat het kan aantonen en hoe het misleidt

Backtesting past een handelsregel toe op historische data om te zien hoe die zich zou hebben gedragen, maar een goed ogende backtest voorspelt geen toekomstige resultaten — overfitting en verborgen vertekeningen laten strategieën routinematig veel beter lijken op papier dan ze in de praktijk presteren.

Backtesting is de praktijk waarbij je een vastomlijnde set handelsregels neemt en die toepast op historische koersdata om te meten hoe de regels zouden hebben gepresteerd. Het is een van de meest gebruikte tools in kwantitatieve en discretionaire handel, en het kan echt nuttig zijn om het gedrag van een strategie te begrijpen. Het is ook een van de tools waarmee je jezelf het gemakkelijkst voor de gek houdt. Dit artikel legt in gewone taal uit wat een backtest daadwerkelijk meet, waar de resultaten vandaan komen, en op welke specifieke manieren — bovenal overfitting — een backtest kan misleiden. Niets hiervan is handelsadvies of een aanbeveling; het is achtergrond zodat je backtestresultaten met de gepaste scepsis kunt lezen.

Wat backtesting eigenlijk is

Een backtest neemt een vaste set regels — bijvoorbeeld een instapvoorwaarde, een uitstapvoorwaarde en een positiegrootte — en speelt die opnieuw af over een historische dataset zoals eerdere Bitcoin (BTC)-koersen. Het registreert welke trades de regel zou hebben gegenereerd en produceert statistieken zoals het totale rendement, het winpercentage, de maximale drawdown en het aantal trades.

Het kernidee is eenvoudig: als een regel geen bruikbare structuur had, zou die zich op historische data niet beter moeten gedragen dan willekeur. Backtesting is een manier om het historische gedrag van een regel op een meetbare, herhaalbare manier te onderzoeken, in plaats van te vertrouwen op geheugen of intuïtie over 'wat er meestal gebeurt.'

Wat een backtest legitiem kan aantonen

Een backtest is het meest betrouwbaar als een beschrijvend en diagnostisch hulpmiddel, niet als een voorspellend. Het kan onthullen hoe vaak een regel zou hebben gehandeld, hoe groot de slechtste historische drawdown was, hoe gevoelig de resultaten zijn voor kosten, en of de logica überhaupt zonder fouten draait.

Het is ook nuttig om ideeën uit te sluiten. Een regel die over een lange, gevarieerde geschiedenis slecht presteerde — of die alleen in één smalle periode werkte — heeft duidelijk geen robuustheid aangetoond. Ideeën uitsluiten is vaak een eerlijker gebruik van backtesting dan proberen te bevestigen dat een favoriet idee 'werkt.'

Overfitting: de centrale valkuil

Overfitting treedt op wanneer een strategie zo nauw is afgestemd op de eigenaardigheden van één historische dataset dat die ruis opvangt in plaats van een duurzaam patroon. Als je honderden parametercombinaties test en de combinatie met het beste historische rendement bewaart, heb je zeer waarschijnlijk geselecteerd op geluk, niet op vaardigheid — een of andere combinatie zou er altijd wel goed uitzien door toeval.

De waarschuwingssignalen zijn bekend: veel instelbare parameters, resultaten die instorten wanneer een instelling licht wordt bijgesteld, spectaculaire prestaties die geconcentreerd zijn in enkele trades, en regels die herhaaldelijk werden aangepast totdat de kapitaalcurve aantrekkelijk oogde. Een overfit strategie presteert doorgaans veel slechter buiten de steekproef — op data waarop die niet is afgestemd — en nog slechter in de praktijk van het handelen.

Andere vertekeningen die backtestresultaten opblazen

Overfitting is niet het enige probleem. Look-ahead bias gebruikt informatie die op het moment van de trade niet beschikbaar zou zijn geweest. Survivorship bias test alleen activa die nog bestaan en negeert die welke ten onder zijn gegaan. Data-snooping bias hoopt zich op wanneer veel mensen veel ideeën testen op dezelfde geschiedenis en alleen de winnaars worden gerapporteerd.

Praktische wrijvingen zijn ook gemakkelijk weg te laten. Handelskosten, tarieven, slippage, spreads, funding en de moeilijkheid om grote orders te vullen in dunne markten kunnen een op papier winstgevende regel veranderen in een verliesgevende. Een backtest die perfecte fills tegen ideale prijzen veronderstelt, meet een markt die niet bestaat.

Waarom een goede backtest geen voorspelling is

Zelfs een zorgvuldig opgebouwde, op vertekening gecontroleerde backtest beschrijft het verleden onder één bepaalde set omstandigheden. Markten veranderen: liquiditeit, volatiliteit, deelnemers en regelgeving verschuiven allemaal in de loop van de tijd, en een regel die bij het ene regime paste, kan in een ander regime falen. Prestaties uit het verleden bieden geen garantie voor de toekomst, en backtests worden vaak overdreven voorgesteld.

Daarom zijn voorspellende handelsmethoden in het algemeen — grafiekpatronen, Elliott Wave, Fibonacci-niveaus en technische indicatoren zoals RSI of MACD — omstreden en subjectief. Ze backtesten kan ze precies laten lijken, maar het kan ze niet betrouwbaar koersen laten voorspellen. Handelen is zeer risicovol, en onderzoek wijst er consequent op dat de meeste particuliere handelaren na verloop van tijd geld verliezen.

Marktdata lezen met context

Omdat backtests een strategie kunnen flatteren, kiezen sommige mensen ervoor om ook naar de bredere marktdatacontext te kijken in plaats van naar de koers alleen. BIKENZO is een Bitcoin-data- en analyseterminal die informatie toont zoals de liquiditeit ten opzichte van de BTC-koers; die context kan je helpen te interpreteren of een historische beweging plaatsvond in een diepe, liquide markt of een dunne.

Dit is context, geen signaal of voorspelling. BIKENZO vertelt je niet wat er gaat gebeuren, genereert geen trades en is geen plek om te handelen — het is een lens om de data achter de koers te begrijpen. Elke beslissing, en elk risico, blijft volledig je eigen verantwoordelijkheid.