Backtesting-Framework

Was es können wird

• Strategie-Definition — Entry-Bedingung, Exit-Bedingung, Position-Size-Regel (z.B. ¼ Kelly), Stop-Loss.
• Historische Daten — Polymarket, Kalshi, Manifold, plus Pinnacle-Linien für Sport-Märkte.
• Cross-Asset — nicht nur Prognosemärkte, auch klassische Finanzinstrumente. Eine Engine, mehrere Asset-Klassen.
• Out-of-Sample-Test — Strategie auf Trainings-Periode entwickeln, gegen unsichtbare Out-of-Sample-Daten testen. Anti-Overfitting eingebaut.
• Reports — CAGR, max Drawdown, Sharpe, Win-Rate, Trade-Count, Brier-Score (für Forecasting-Strategien).

Warum das wichtig ist

Eine Strategie, die im Live-Markt schlecht performt, ist meistens auch im Backtest schlecht — du hast es nur nicht getestet. Eine Strategie, die im Backtest exzellent performt und live versagt, ist meistens overfitted. Strukturierter Backtest mit Out-of-Sample-Disziplin trennt das eine vom anderen, bevor echtes Geld im Spiel ist.

Aktueller Stand

Daten-Schemas in Arbeit (Polymarket-Tick-Daten, Kalshi-Snapshots, Pinnacle-Closing-Lines). Strategy-DSL noch offen. Cross-asset Anbindung an klassische Finanz-Daten ist Teil der Spec — Detail folgt. Bis zum Launch: Strategy Factory liefert das konzeptionelle Framework.