Ein Faktormodell backtesten: Leitfaden 2026
Ein gründlicher, nüchterner Leitfaden zum Backtesten von Faktormodellen: Point-in-Time-Daten, Bereinigung um den Survivorship-Bias, der GRS-Test, Mindestzahl an Beobachtungen, EW- gegenüber RP-Gewichtung und Rangfolge nach einem kombinierten Score aus Sharpe Ratio und Information Ratio.
Kategorie: Faktor-Research
Was das Backtesten eines Faktormodells wirklich erfordert
Ein Faktormodell zu backtesten heißt zu messen, ob die Prämie eines Faktors einer ehrlichen Prüfung standhält. Bilden Sie Point-in-Time-Renditen, die um den Survivorship-Bias bereinigt sind; bilden Sie Long-Sleeves; prüfen Sie die gemeinsame Signifikanz mit dem GRS-Test; setzen Sie eine Untergrenze für die Zahl der Beobachtungen; vergleichen Sie Gleichgewichtung mit Risikoparität; und ordnen Sie die Sleeves anschließend nach einem kombinierten Score aus Excess Sharpe und Information Ratio. Wer die eigenen Phase-1-Ergebnisse von SurgeFlow zitiert, muss angeben, dass es sich um research_backtest_insample handelt: eine In-Sample-Zerlegung der Faktorattribution, kein Live-Out-of-Sample-Track-Record. Der GRS-Test und die Diagnostik werden ausgewiesen, aber nicht als Schwelle genutzt, um Positionen aus dem Portfolio auszuschließen.
Die meisten Backtests für Privatanleger überspringen die Integritätsprüfungen und weisen eine schmeichelhafte Zahl aus. Die Prämie, die sie „finden“, ist meist ein Artefakt aus Look-ahead-Bias, aus verschwundenen Unternehmen, die stillschweigend aus der Stichprobe gefallen sind, oder aus zu wenigen Beobachtungen, um Können von Rauschen zu unterscheiden. Ein belastbarer Backtest ist größtenteils Handwerk an der Infrastruktur: Daten und Kontrollen müssen stimmen, bevor auch nur eine Rendite berechnet wird. Der Rest dieser Seite geht diese Infrastruktur und die zugrunde liegenden Formeln durch und zeigt anschließend ein durchgerechnetes Beispiel aus SurgeFlow Factor Backtest V2.
Die Integritätsprüfungen, die Privatanleger-Backtests überspringen
Vier Prüfungen leisten den Großteil der Arbeit, und jede einzelne streicht für sich genommen bereits einen großen Teil der naiven Ergebnisse.
Point-in-Time-Daten: Jeder Input, mit dem eine Aktie an einem bestimmten Datum in die Rangfolge eingeordnet wird, muss an diesem Datum bekannt gewesen sein. Fundamentaldaten haben ein Einreichungs- oder Veröffentlichungsdatum, nicht nur ein Datum der Berichtsperiode; eine Rangfolge nach Profitabilität oder Bewertung für Januar darf also nicht unbemerkt Zahlen verwenden, die erst im März veröffentlicht wurden. Ein Verstoß dagegen ist die häufigste Ursache aufgeblähter Backtest-Ergebnisse.
Bereinigung um den Survivorship-Bias: Das Universum muss an jedem historischen Datum auch Unternehmen enthalten, die später von der Börse genommen wurden, fusioniert wurden oder insolvent geworden sind. Wer nur die heutigen Überlebenden backtestet, hat genau die Werte entfernt, die wehgetan haben, und das Ergebnis ist damit konstruktionsbedingt nach oben verzerrt.
Mindestzahl an Beobachtungen: Eine über ein kurzes Fenster berechnete Sharpe Ratio ist größtenteils Stichprobenrauschen. Eine Untergrenze für die Zahl der Renditebeobachtungen je Sleeve verhindert, dass kurzlebige oder dünn abgedeckte Sleeves gleichberechtigt neben Sleeves mit langer Historie in die Rangfolge eingehen.
GRS-Test: Hat ein Modell mehrere Faktoren und mehrere Testportfolios, braucht es einen gemeinsamen Test darauf, dass die Bepreisungsfehler (Alphas) zusammen null sind, und nicht eine einzelne herausgegriffene t-Statistik. - Point-in-Time-Inputs, gebunden an das Einreichungs-/Veröffentlichungsdatum, nicht an das Datum der Berichtsperiode - Das Universum enthält an jedem historischen Datum auch von der Börse genommene und fusionierte Werte - Eine Untergrenze für die Zahl der Beobachtungen, bevor ein Sleeve in die Rangfolge eingeht - Ein gemeinsamer GRS-Test statt einer einzelnen von Hand ausgewählten t-Statistik
Methodik und Formeln
Faktorrenditen und Bepreisung im Querschnitt. Fama-MacBeth (1973) ist das Standardverfahren in zwei Schritten: Führen Sie je Periode eine Querschnittsregression der Renditen auf die Faktorexposures durch und bilden Sie anschließend den Durchschnitt der Steigungskoeffizienten über die Perioden, um die Faktorprämie und ihren Standardfehler aus der Zeitreihe zu erhalten. Die Faktorebene von SurgeFlow folgt der Konstruktion im Fama-French-Stil (SMB Size, HML Value, RMW Profitabilität, CMA Investitionen, WML Momentum, LIQ Liquidität) und liefert tägliche Faktorrenditen.
Gemeinsame Signifikanz: der GRS-Test. Die Statistik von Gibbons, Ross & Shanken (1989) prüft, ob die Achsenabschnitte (Alphas) aus einer Reihe von Regressionen der Testwerte auf die Faktoren gemeinsam null sind. Ein Modell, das Renditen gut erklärt, sollte Alphas übrig lassen, die für alle Testwerte zugleich statistisch nicht von null zu unterscheiden sind; der GRS-Test ist der F-Test, der dies formalisiert.
Gewichtung: EW gegenüber RP. Bei Gleichgewichtung (Equal Weight, EW) erhält jeder Wert in einem Sleeve denselben Nominalbetrag. Bei Risikoparität (Risk Parity, RP) wird jede Position stattdessen so skaliert, dass die Werte ungefähr gleich viel Risiko beitragen, wodurch die volatilsten Bestandteile weniger Gewicht erhalten. RP verbessert häufig die risikobereinigten Kennzahlen, gerade weil so verhindert wird, dass einige wenige sehr volatile Werte die Varianz des Sleeves dominieren.
Rangfolge: der kombinierte z-Score. Um Sleeves auf mehr als einer Achse zu vergleichen, wird jede Kennzahl über die Sleeves hinweg zu einem z-Score standardisiert, und diese werden kombiniert. SurgeFlow ordnet die US-Sleeves nach argmax von 0.5*z(Sharpe) + 0.5*z(InformationRatio), wobei die Sharpe Ratio Überrenditen verwendet und die Information Ratio annualisiert gegenüber der Benchmark berechnet wird. Das belohnt Sleeves, die sowohl bei der absoluten risikobereinigten Rendite als auch bei der Konsistenz gegenüber der Benchmark stark sind, und nicht nur bei einem von beiden.
Ein durchgerechnetes Beispiel: der Spitzenreiter WML+RMW Top-30 RP
SurgeFlow Factor Backtest V2 rechnet Long-Sleeves einzelner Faktoren und von Faktorkombinationen sowohl unter EW- als auch unter RP-Gewichtung und weist je Sleeve die Excess Sharpe, die annualisierte Information Ratio, den maximalen Drawdown, die Umschlagshäufigkeit und die Zahl der Beobachtungen aus. Jeder Sleeve wird mit Datenqualitätsprüfungen und Diagnostik ausgewiesen: Point-in-Time-Kontrollen, Bereinigung um den Survivorship-Bias, Status der Mindestzahl an Beobachtungen und GRS-Test. GRS wird als Diagnostik ausgewiesen und nicht als Schwelle genutzt, um Sleeves auszuschließen; der aktuelle Phase-1-Lauf ist research_backtest_insample und kein Live-Out-of-Sample-Nachweis auf Basis eines fortlaufenden Signals.
In der kombinierten Rangfolge ist der aktuelle US-Spitzenreiter der Sleeve WML+RMW Top-30 mit Risikoparität, berechnet über rund zehn Jahre. Er steht sowohl bei der Excess Sharpe als auch bei der Information Ratio auf #1, und deshalb behauptet er sich im kombinierten Score, statt bei der einen Kennzahl zu gewinnen und bei der anderen zu verlieren. Wir nennen hier bewusst keinen festen Wert für die Sharpe Ratio oder die Prämie; diese Werte sind live und bewegen sich mit den Daten. Die aktuelle Sleeve-Tabelle und die Kennzahlen finden Sie unter /backtesting, die zugrunde liegenden Faktormodelle unter /factors.
Welche SurgeFlow-Daten dafür genutzt werden
Diese Methodik läuft auf den Aktien-Research-Daten von SurgeFlow für mehrere Märkte, nicht auf einem Beratungsprodukt. Die Faktorebene ist im Fama-French-Stil aufgebaut (SMB, HML, RMW, CMA, WML, LIQ), mit täglichen Faktorrenditen, einer Veröffentlichungsschwelle, die nicht veröffentlichungsfähige Faktoren zurückhält, einem Modul, das die effektive Richtung bestimmt, und VIF-Diagnostik für Multikollinearität. Factor Backtest V2 nutzt diese Ebene, um EW- und RP-Sleeves zu bilden und die oben beschriebenen Datenqualitätsprüfungen und die Diagnostik auszuweisen.
Die zugrunde liegenden Kurs- und Fundamentaldaten decken vier Märkte mit dokumentierten Quellen ab: FMP für die USA; Tushare für chinesische A-Aktien und Hongkong; sowie J-Quants plus EDINET-Meldungen großer Beteiligungen für Japan. 13F-Meldungen aus SEC EDGAR speisen die Daten zu institutionellen Positionen in den USA. Das durchgerechnete Beispiel oben betrifft den US-Sleeve; Abdeckung und Reifegrad der Modelle unterscheiden sich je Markt. - Faktorebene: SMB, HML, RMW, CMA, WML, LIQ mit täglichen Renditen und einer Veröffentlichungsschwelle - Backtest V2: EW- + RP-Sleeves; Datenqualitätsprüfungen = Point-in-Time / Survivorship / Mindestzahl an Beobachtungen; GRS + Diagnostik ausgewiesen, keine Schwellen - Quellen: FMP (US), Tushare (CN/HK), J-Quants+EDINET (JP), SEC 13F (US)
Marktübergreifende Vorbehalte
Ein Faktormodell, das in einem Markt funktioniert, lässt sich nicht automatisch auf einen anderen übertragen. Die akademische Literatur ist hier eindeutig: Für chinesische A-Aktien dokumentieren Liu, Stambaugh und Yuan (2019, 'Size and value in China', Journal of Financial Economics), dass die Prämien für Size und Value stark sind, während Kursmomentum schwach ist oder fehlt. Sie empfehlen, die Kohorte der kleinsten „Shell Stocks“ wegen Verzerrungen durch Reverse Mergers auszuschließen. Bei einem Momentum-Sleeve, der in den USA validiert wurde, darf daher nicht angenommen werden, dass er in China trägt, ohne dort einen eigenen Backtest mit denselben Kontrollen durchzuführen.
Dies ist ein Beitrag zu Data Science und Methodik, keine Anlageberatung. Nichts hierin ist eine Empfehlung, ein Wertpapier zu kaufen, zu verkaufen oder zu halten, und kein Ergebnis darf als Vorhersage gelesen werden. Das ehrliche Ergebnis eines Faktor-Backtests ist eine Messung mit Konfidenzgrenzen und einer Liste der Annahmen, auf denen sie beruht, keine Prognose.
Selbst ausführen mit der kostenlosen API
Sie können dieses Vorgehen mit Live-Daten reproduzieren. Die kostenlose öffentliche API deckt alle vier Märkte mit 2,000 Anfragen pro Tag ab, mit Endpunkten für realtime, screen und hotlist sowie einer Zusammenfassungsroute, einer OpenAPI-Spezifikation unter /api/public/openapi.json und einem KI-Index unter /llms.txt. Erstellen Sie unter /account einen kostenlosen API-Schlüssel und öffnen Sie die Live-Konsole unter /membership/api; sehen Sie sich danach die aktuelle Rangfolge der Sleeves unter /backtesting und die zugrunde liegenden Faktormodelle unter /factors an. Beginnen Sie mit dem US-Spitzenreiter und führen Sie dieselben Kontrollen anschließend für einen Markt erneut durch, von dem bekannt ist, dass die Prämien dort anders ausfallen.
Quellen und weiterführende Literatur
Primäre, akademische und SurgeFlow-Datenquellen für die obigen Aussagen: - Fama, E. F., & MacBeth, J. D. (1973). Risk, return, and equilibrium: Empirical tests. Journal of Political Economy. - Gibbons, M. R., Ross, S. A., & Shanken, J. (1989). A test of the efficiency of a given portfolio. Econometrica. - Fama, E. F., & French, K. R. (2015). A five-factor asset pricing model. Journal of Financial Economics. - Liu, J., Stambaugh, R. F., & Yuan, Y. (2019). Size and value in China. Journal of Financial Economics.