{
  "cells": [
    {
      "cell_type": "markdown",
      "metadata": {},
      "source": "# EUR/USD-Backtesting mit Spread und Slippage\n\nVergleiche dieselben Trades unter drei Kostenannahmen. Die synthetischen Stundenkurse sind reproduzierbar und benötigen weder Datenfeed noch API-Schlüssel. Ergebnisse dienen der Übung. Sie sagen nichts über die Rentabilität im Live-Handel aus.\n\nÖffne dieses Notebook in Jupyter und führe alle Zellen der Reihe nach aus. Die Berechnung verwendet nur die Python-Standardbibliothek. Eine Notebook-Umgebung mit IPython zeigt zusätzlich die Grafik an.",
      "id": "eurusd-1"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "execution_count": null,
      "outputs": [],
      "source": "from dataclasses import dataclass\nfrom math import sin\nfrom random import Random\n\nPIP = 0.0001\nLOOKBACK = 12\nHOLD_BARS = 6\nSPLIT = 900\nSEED = 42\n\n\n@dataclass(frozen=True)\nclass Bar:\n    open: float\n    close: float\n\n\ndef synthetic_bars(count, seed):\n    rng = Random(seed)\n    close = 1.08\n    bars = []\n    for i in range(count):\n        opening = close + rng.gauss(0, 0.00004)\n        change = 0.00005 * sin(i / 33) + rng.gauss(0, 0.00018)\n        close = opening + change\n        bars.append(Bar(opening, close))\n    return bars\n\n\nbars = synthetic_bars(1800, SEED)",
      "id": "eurusd-2"
    },
    {
      "cell_type": "markdown",
      "metadata": {},
      "source": "## 1. Signal, Ausführung und Testzeitraum\n\nEin Long-Signal entsteht, wenn der Schlusskurs über den zwölf vorherigen Schlusskursen liegt. Der Einstieg erfolgt zur nächsten Eröffnung, der Ausstieg sechs simulierte Stunden später zur Eröffnung. Es ist jeweils eine Position offen. Trades bleiben vollständig innerhalb ihres Zeitraums. Die Parameter sind vorgegeben und werden im Testzeitraum nicht angepasst.",
      "id": "eurusd-3"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "execution_count": null,
      "outputs": [],
      "source": "def trades_in_period(bars, start, stop):\n    trades = []\n    signal = start + LOOKBACK\n    while signal + 1 + HOLD_BARS < stop:\n        ceiling = max(bar.close for bar in bars[signal - LOOKBACK:signal])\n        if bars[signal].close > ceiling:\n            entry = signal + 1\n            exit_at = entry + HOLD_BARS\n            gross_pips = (bars[exit_at].open - bars[entry].open) / PIP\n            trades.append((signal, entry, exit_at, gross_pips))\n            signal = exit_at\n        else:\n            signal += 1\n    return trades\n\n\nperiods = {\n    \"Entwicklung\": trades_in_period(bars, 0, SPLIT),\n    \"Test\": trades_in_period(bars, SPLIT, len(bars)),\n}\nassert all(s < e < x < SPLIT for s, e, x, _ in periods[\"Entwicklung\"])\nassert all(SPLIT <= s < e < x < len(bars) for s, e, x, _ in periods[\"Test\"])",
      "id": "eurusd-4"
    },
    {
      "cell_type": "markdown",
      "metadata": {},
      "source": "## 2. Kosten vergleichen\n\nDie simulierten Eröffnungen sind Mittelkurs-Annahmen. Beim Kauf und Verkauf kostet die Ausführung jeweils einen halben Spread. Hinzu kommt jeweils Slippage. Ein Spread von 0,8 Pips plus 0,2 Pips Slippage je Seite kostet damit 1,2 Pips pro abgeschlossenem Trade. Kommission, Finanzierung und variable Spreads sind in dieser Übung nicht enthalten.",
      "id": "eurusd-5"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "execution_count": null,
      "outputs": [],
      "source": "SCENARIOS = {\n    \"Ohne Kosten\": (0.0, 0.0),\n    \"Spread\": (0.8, 0.0),\n    \"Spread + Slippage\": (0.8, 0.2),\n}\n\n\ndef cumulative_pips(trades, spread, slippage_per_side):\n    curve = [0.0]\n    for _, _, _, gross in trades:\n        curve.append(curve[-1] + gross - spread - 2 * slippage_per_side)\n    return curve\n\n\ndef max_drawdown(curve):\n    peak = curve[0]\n    deepest = 0.0\n    for value in curve:\n        peak = max(peak, value)\n        deepest = max(deepest, peak - value)\n    return deepest\n\n\nprint(f\"{'Abschnitt':<13} {'Szenario':<20} {'Trades':>6} {'Netto-Pips':>11} {'Drawdown':>10}\")\nfor period, trades in periods.items():\n    for label, costs in SCENARIOS.items():\n        curve = cumulative_pips(trades, *costs)\n        print(f\"{period:<13} {label:<20} {len(trades):>6} {curve[-1]:>11.1f} {max_drawdown(curve):>10.1f}\")",
      "id": "eurusd-6"
    },
    {
      "cell_type": "markdown",
      "metadata": {},
      "source": "## 3. Testkurven lesen\n\nDie Grafik zeigt kumulierte Netto-Pips zu abgeschlossenen Trades. Der Drawdown bezieht sich auf diese Schlusswerte. Schwankungen innerhalb eines laufenden Trades gehen nicht ein.",
      "id": "eurusd-7"
    },
    {
      "cell_type": "code",
      "metadata": {},
      "execution_count": null,
      "outputs": [],
      "source": "from html import escape\n\n\ndef chart_svg(curves):\n    left, right, top, bottom = 62, 614, 22, 258\n    maximum_trades = max(1, *(len(curve) - 1 for curve in curves.values()))\n    low = min(min(curve) for curve in curves.values())\n    high = max(max(curve) for curve in curves.values())\n    if high == low:\n        high += 1\n    def y(value):\n        return bottom - (value - low) * (bottom - top) / (high - low)\n\n    parts = [\n        '<svg xmlns=\"http://www.w3.org/2000/svg\" width=\"640\" height=\"335\" '\n        'role=\"img\" aria-label=\"Kumulierte Netto-Pips im Testzeitraum\">',\n        '<rect width=\"100%\" height=\"100%\" fill=\"white\"/>',\n    ]\n    for tick in range(5):\n        value = low + tick * (high - low) / 4\n        ordinate = y(value)\n        parts.append(f'<path d=\"M{left} {ordinate}H{right}\" stroke=\"#dae3e7\"/>')\n        parts.append(f'<text x=\"54\" y=\"{ordinate + 4}\" text-anchor=\"end\" font-size=\"12\">{value:.0f}</text>')\n    for i, ((name, curve), color) in enumerate(zip(curves.items(), (\"#2466aa\", \"#00806b\", \"#ac4920\"))):\n        points = \" \".join(\n            f\"{left + j * (right - left) / maximum_trades:.1f},{y(value):.1f}\"\n            for j, value in enumerate(curve)\n        )\n        parts.append(f'<polyline points=\"{points}\" fill=\"none\" stroke=\"{color}\" stroke-width=\"2\"/>')\n        parts.append(f'<text x=\"{left + i * 174}\" y=\"320\" font-size=\"13\" fill=\"{color}\">{escape(name)}</text>')\n    parts.append('<text x=\"61\" y=\"14\" font-size=\"12\">Pips</text>')\n    parts.append(f'<text x=\"{left}\" y=\"279\" font-size=\"12\">0</text>')\n    parts.append(f'<text x=\"{right}\" y=\"279\" text-anchor=\"end\" font-size=\"12\">{maximum_trades}</text>')\n    parts.append('<text x=\"338\" y=\"292\" text-anchor=\"middle\" font-size=\"12\">Abgeschlossene Trades</text></svg>')\n    return \"\".join(parts)\n\n\ntest_curves = {\n    label: cumulative_pips(periods[\"Test\"], *costs)\n    for label, costs in SCENARIOS.items()\n}\ntry:\n    from IPython.display import SVG, display\nexcept ImportError:\n    pass\nelse:\n    display(SVG(chart_svg(test_curves)))",
      "id": "eurusd-8"
    },
    {
      "cell_type": "markdown",
      "metadata": {},
      "source": "## Deine nächste Übung\n\n1. Verdopple den Spread. Wie verändern sich Netto-Pips und Drawdown im Testzeitraum?\n2. Setze die Slippage auf null. Wie viel der Differenz stammt allein vom Spread?\n3. Wenn du eine Regel nach Sichtung der Testkurve änderst, lege für die neue Regel einen frischen Testzeitraum fest.\n\n[Zurück zum Backtesting-Leitfaden](https://tradingschule.com/de/python-backtesting/) · [Walk-Forward und Overfitting](https://tradingschule.com/de/overfitting-walk-forward/)",
      "id": "eurusd-9"
    }
  ],
  "metadata": {
    "kernelspec": {
      "display_name": "Python 3",
      "language": "python",
      "name": "python3"
    },
    "language_info": {
      "name": "python"
    }
  },
  "nbformat": 4,
  "nbformat_minor": 5
}
