🤖Bot-Builder

Backtesting-Engine

Monte Carlo + historisches Replay, bevor du live gehst

Mit der Backtesting-Engine kannst du eine Trading-Strategie an der Vergangenheit testen, bevor du jemals Kapital dafür riskierst. Statt zu raten, ob "kaufe jeden Markt mit 5pp+ Edge" oder "fade alles über 95%" tatsächlich Geld verdient, lässt du die Regeln durch historische Bedingungen laufen und liest harte Zahlen zurück: Trefferquote, P&L, Max Drawdown, Sharpe Ratio und ein vollständiges Trade-Log. Sie befindet sich unter /dashboard/backtest und ist die Brücke zwischen einer Idee und einer Live-Position.

Dies ist eines der am häufigsten übersprungenen Tools der Plattform, und genau deshalb verlassen sich disziplinierte Trader darauf. Eine Strategie, die sich in deinem Kopf offensichtlich profitabel anfühlt, produziert oft eine Trefferquote von 48% und einen hässlichen Drawdown, sobald du sie durchspielst. Besser, du lernst das hier als an deinem Kontostand.

Was die Engine tatsächlich tut

Predite betreibt zwei sich ergänzende Backtest-Engines hinter derselben Seite. Sie beantworten unterschiedliche Fragen, und ernsthafte Nutzer setzen beide ein.

1. Monte-Carlo-Simulation

Das Hauptpanel führt eine Monte-Carlo-Simulation aus, die modelliert, wie sich eine Strategie über Hunderte simulierter Handelstage hinweg verhält. Sie basiert auf historischen Polymarket-Statistiken — durchschnittlicher Edge, Edge-Varianz, Basis-Trefferquote und typische Haltedauer für jeden Strategie-Archetyp — und simuliert dann Tag für Tag, ob eine Gelegenheit auftaucht, wie groß du sie sizen würdest und wie sie sich auflöst.

Entscheidend ist, dass die Simulation pro Konfiguration deterministisch ist. Dieselben Eingaben erzeugen immer dasselbe Ergebnis (sie wird aus einem Hash deiner Config geseeded), sodass du einen Parameter nach dem anderen anpassen und genau sehen kannst, wie er das Ergebnis verändert. Änderst du die seed-tragenden Eingaben, erhältst du einen frischen Pfad. Das macht Monte Carlo ideal für *Parameter-Sweeps*: "Was bewirkt eine Anhebung meines Mindest-Edge von 5 auf 10 bei Trefferquote und Trade-Anzahl?"

Vier Strategie-Archetypen stehen zur Verfügung:

•EV Follower — folgt den Edge-Signalen der KI; kauft, wenn die KI einen Markt für fehlbewertet hält. ~58% Basis-Trefferquote und die zweitaktivste Strategie.
•Mean Reversion — handelt gegen extreme Wahrscheinlichkeiten und erwartet eine Rückkehr zur Mitte. Weniger Trades, dafür mit größerem Edge.
•Momentum — reitet Preistrends. Die höchste Trade-Frequenz der vier und die kürzeste Haltedauer (3 Tage gegenüber 5 beim EV Follower) — sie dreht Kapital am schnellsten um.
•Contrarian — wettet gegen die Menge. Seltene Trades mit hoher Überzeugung und hoher Varianz.

2. Historisches Replay

Über dem Monte-Carlo-Panel sitzt das Replay-Widget (gekennzeichnet als BETA). Dies ist die wörtlichere Engine: Sie durchläuft echte aufgezeichnete Markt-Snapshots chronologisch und simuliert Ein- und Ausstiege Tick für Tick. Wo Monte Carlo fragt "wie sollte sich eine Strategie wie diese statistisch verhalten", fragt Replay "was hätte *genau diese Strategie* an der tatsächlichen Preishistorie *genau dieses Marktes* getan".

Replay liest aus den Tabellen market_snapshots / market_history, die von Hintergrund-Crons befüllt werden (alle 15 Minuten für den Snapshot-Feed, alle 4 Stunden für den Scan-Feed). Aus diesem Grund benötigt Replay angesammelte Daten, um aussagekräftig zu sein — siehe den Abschnitt zu den Fallstricken.

So führst du einen Backtest durch, Schritt für Schritt

Öffne /dashboard/backtest. Du landest auf der Konfigurationskarte mit bereits sinnvoll vorausgefüllten Standardwerten ($10.000 Kapital, 5pp Mindest-Edge, 6-Monats-Fenster).
Wähle eine Strategie aus dem Dropdown (EV Follower, Mean Reversion, Momentum oder Contrarian). Dies ist der mit Abstand größte Treiber deiner Ergebnisse.
Lege dein Startkapital fest. Verwende eine realistische Zahl — dieselbe, mit der du tatsächlich zu handeln planst. Positionsgrößen skalieren darüber, sodass $1.000 und $100.000 sehr unterschiedliche absolute P&L und Drawdowns erzeugen.
Konfiguriere den Einstieg — Mindest-Edge. Dies ist dein Filter. Die Engine "steigt" nur dann in einen Trade ein, wenn der modellierte Edge diese Schwelle überschreitet (in Prozentpunkten). Eine höhere Zahl bedeutet weniger, aber qualitativ bessere Trades.
Konfiguriere das Sizing — Max Position % und Kelly-Fraction. Max Position % begrenzt, wie viel des Kapitals ein einzelner Trade verwenden darf. Die Kelly-Fraction skaliert die Einsatzgröße über den Edge: 0,5 ist Half-Kelly, die häufigste Wahl, weil Full Kelly (1,0) zwar mathematisch optimal, aber brutal volatil ist. Die Engine nimmt den kleineren Wert aus deiner Max-Position-Grenze und der Kelly-abgeleiteten Größe.
Konfiguriere die Ausstiege — Stop-Loss % und Take-Profit %. Diese begrenzen, wie weit sich eine Position gegen dich (Stop) oder zu deinen Gunsten (Ziel) bewegen kann, bevor sie geschlossen wird. Sie prägen die Größe einzelner Gewinne und Verluste, was wiederum dein Drawdown-Profil bestimmt.
Wähle dein Lookback-Fenster. Wähle 30 Tage, 90 Tage oder 180 Tage simulierte Historie (längere 1-Jahres-Läufe sind ebenfalls verfügbar). Längere Fenster liefern mehr Trades und statistisch vertrauenswürdigere Zahlen; kürzere Fenster zeigen dir das Verhalten im jüngsten Regime.
Klicke auf Run. Die Ergebnisse werden in etwa einer halben Sekunde gerendert.

Beim Replay-Widget ist der Ablauf ähnlich, du fügst aber zusätzlich eine Market ID ein (eine Polymarket-Condition-ID wie 0x1a2b... oder ein Kalshi-Ticker wie PRES-2028), wählst ein Fenster (7–90 Tage) und legst deine Dollar-pro-Trade fest. Lässt du die Market ID leer, fällt es auf den Monte-Carlo-Pfad zurück.

Die Ergebnisse lesen

Nach einem Lauf zeigt die Engine vier zentrale Kennzahlen in großen Karten an, dann eine zweite Reihe ergänzender Statistiken und anschließend Visualisierungen.

Die vier Zahlen, die am meisten zählen

•Total Return (%) — der prozentuale Gewinn oder Verlust auf das Startkapital über das Fenster. Grün ist positiv, Rot ist negativ. Das ist die Schlagzeile, aber lies sie niemals isoliert.
•P&L ($) — absoluter Dollar-Gewinn oder -Verlust. Nützlich, um aus dem Bauch heraus zu prüfen, ob die Strategie bei deinem realen Kapitalniveau deine Zeit wert ist.
•Win Rate (%) — Anteil der geschlossenen Trades, die Geld verdient haben. Gewichte dies nicht über. Eine Trefferquote von 45% kann hochprofitabel sein, wenn die Gewinner größer sind als die Verlierer, und eine Trefferquote von 70% kann Geld verlieren, wenn die Verlierer riesig sind. Kombiniere sie immer mit der P&L.
•Sharpe Ratio — Rendite pro Volatilitätseinheit, annualisiert (die Engine annualisiert die täglichen Renditen mit √252). Dies ist der beste Ein-Zahl-Qualitätsscore. Als grobe Orientierung: unter 1,0 ist schwach, 1,0–2,0 ist solide, über 2,0 ist exzellent für Prediction-Market-Strategien. Eine Strategie mit niedrigerem Total Return, aber deutlich höherer Sharpe ist oft die bessere Wahl zum Traden, weil sie ruhiger verläuft und sich leichter hochskalieren lässt.

Die ergänzenden Statistiken

•Total Trades — deine Stichprobengröße. Weniger als ca. 20 Trades bedeutet, dass die übrigen Zahlen verrauscht sind; behandle sie als Richtungsangabe, nicht als Gesetz.
•Max Drawdown (%) — der größte Rückgang des Eigenkapitals von Hoch zu Tief während des Laufs. Das ist deine Schmerz-Zahl. Frage dich ehrlich: *Hätte ich einen so tiefen Drawdown durchgehalten, ohne in Panik zu geraten?* Wenn der Max Drawdown 35% beträgt und du bei 20% aussteigen würdest, ist die Strategie für dich nicht tragfähig, unabhängig von ihrer Rendite.
•Average Hold (days) — wie lange Positionen offen bleiben. Das verrät dir die Kadenz: Ein Durchschnitt von 3 Tagen ist aktives Management; ein Durchschnitt von 12 Tagen ist geduldig.

Ergebnisverteilung und das Trade-Log

•Die Equity Curve stellt den Kontowert über das Fenster dar. Du willst eine Kurve, die sich nach oben und rechts hocharbeitet. Eine Kurve, die früh hochschießt und dann ausblutet, oder eine mit einer einzelnen riesigen Klippe ist eine Warnung, selbst wenn der Endpunkt positiv ist.
•Monthly Returns unterteilen die P&L in Monatsbuckets. Konsistenz zählt: Eine Strategie, die in 5 von 6 Monaten Geld verdient, ist vertrauenswürdiger als eine, die ihre gesamte Rendite einem einzigen Glücksmonat verdankt.
•Das Trade Log listet einzelne Trades mit Seite (YES/NO), Einstieg, Ausstieg, Größe, P&L, Haltedauer und Ergebnis. Lies gezielt deine besten und schlechtesten Trades — wenn deine gesamte Rendite von einem Ausreißer stammt, hast du keinen Edge, sondern einen Zufall.
•Nutze Export CSV (oben rechts im Trade-Log), um *alle* Trades — nicht nur die letzten 10 angezeigten — in eine Tabelle für ein tiefergehendes Audit zu ziehen. Die CSV-Felder sind gegen Formula Injection bereinigt, sodass sie sich gefahrlos direkt in Excel oder Sheets öffnen lassen.

Tipps für vertrauenswürdige Backtests

•Ändere immer nur eine Variable. Da Monte Carlo deterministisch ist, kannst du die Wirkung von beispielsweise der Kelly-Fraction isolieren, indem du alles andere konstant hältst. Sweepe 0,25 / 0,5 / 1,0 und beobachte, wie sich Sharpe und Max Drawdown gemeinsam bewegen.
•Optimiere auf Sharpe und Drawdown, nicht auf die reine Rendite. Es ist leicht, die Rendite durch größeres Sizing hochzukurbeln; es ist schwer, das ohne explodierenden Drawdown zu tun. Der schönste Total Return ist selten die beste Strategie.
•Verlange eine echte Stichprobe. Schiebe das Fenster auf 90 oder 180 Tage, damit du genug Trades hast. Ein profitabler 30-Tage-Lauf über 8 Trades ist kein Beweis.
•Gleiche Monte Carlo mit Replay ab. Wenn eine Strategie in Monte Carlo großartig aussieht, validiere dieselbe Logik über das Replay-Widget an der Historie eines echten Marktes. Übereinstimmung zwischen beiden ist ein starkes Signal; Abweichung bedeutet, dass du tiefer graben solltest.
•Passe den Backtest daran an, wie du tatsächlich handeln wirst. Verwende dein reales Kapital, deine realen Positionsgrenzen und Ausstiegsregeln, die du wirklich einhalten wirst. Ein Backtest einer disziplinierten Strategie, der du nicht folgen wirst, ist wertlos.

Fallstricke und Grenzen

•Backtests sind richtungsweisend, keine Prophezeiung. Beide Engines sind ausdrücklich als Näherungen gekennzeichnet. Monte Carlo verwendet historische *Statistiken*, kein Replay jedes realen Trades; die Replay-Engine verwendet zwischengespeicherte Snapshots und ein Modell mit jeweils nur einer Position. Vergangene Performance garantiert keine zukünftigen Ergebnisse — die Standard-Warnung trifft hier aus echten Gründen zu.
•Replay braucht vorhandene Daten. Die Replay-Engine benötigt mindestens 10 Snapshots für einen Markt, idealerweise 50+ über mindestens einen vollen Tag, bevor sie brauchbare Ergebnisse liefert. Bei einem frischen Deployment oder einem dünn abgedeckten Markt siehst du eine Warnung data_quality: insufficient oder limited. Die Lösung ist schlicht Zeit — lass die Snapshot-Crons Historie ansammeln.
•Niedrige Trade-Anzahlen tragen Warnungen. Wenn weniger als 3–5 Trades schließen, kennzeichnet die Engine die hohe Varianz direkt in den Notizen. Glaube der Kennzeichnung.
•Overfitting ist die Todsünde. Wenn du Parameter so lange tunst, bis die Kurve makellos ist, hast du historisches Rauschen auswendig gelernt und keinen dauerhaften Edge gefunden. Eine Strategie, die mehrere verschiedene Fenster und eine leicht abweichende Config übersteht, ist weit glaubwürdiger als eine, die bei genau einer Einstellung perfekt ist.
•Rate Limit. Backtests sind auf 10 Läufe pro Stunde pro Nutzer begrenzt, weil jedes Replay Tausende von Snapshots scannen kann. Plane deine Parameter-Sweeps, anstatt Run zu spammen.

Plan-Voraussetzungen

Die Backtesting-Engine ist in den Plänen Pro ($59/mo) und Bot ($99/mo) verfügbar. Sie ist nicht in Starter ($29/mo) enthalten — Starter-Nutzern wird unter /dashboard/backtest ein Upgrade-Gate angezeigt.

Backtesting selbst berührt niemals echtes Geld, daher reicht Pro aus, um jede Funktion auf dieser Seite zu nutzen. Um anschließend eine validierte Strategie als Live-Automated-Bot auf dem Polymarket CLOB handeln zu lassen, benötigst du den Bot-Plan, der den Bot Builder und die Live-Ausführung freischaltet. Der empfohlene Weg ist: auf Pro oder Bot backtesten → die Überlebenden paper traden → auf Bot live gehen.

Wie es mit dem Rest von Predite zusammenhängt

Backtesting steht in der Mitte einer Validierungskette. Die Strategien, die du hier testest, spiegeln die Bedingungen, die der EV Scanner und der Bot Builder verwenden — eine im Backtest gute Konfiguration übersetzt sich also fast direkt in ein Live-Regelwerk. Hat eine Strategie das Backtesting bestanden, ist der natürliche nächste Schritt, sie risikofrei im Paper Trading vorwärts zu testen, bevor Kapital fließt. Beim Sizing aber Vorsicht: Der Backtest legt eine eigene, feste Positionsgröße an, während der Kelly-Rechner die echte Kelly-Formel rechnet, Edge / (1 − Preis), standardmäßig mit einem Viertel-Kelly und einer Obergrenze von 25% der Bankroll. Die beiden werden nicht übereinstimmen — und maßgeblich fürs Sizing ist die Kelly-Zahl. Und wenn du einen belegten Edge automatisieren willst, lässt dich die Bibliothek Bot-Strategien genau diese Regeln in einen dauerhaft laufenden Bot verdrahten.