„Deine Nachfrage geht deutlich tiefer — und genau dort trennt sich tatsächlich „Trading-Marketing“ von ernsthafter Methodik.

Die von Thomas Vittner inzwischen genannten Punkte wie:

• Deflated Sharpe Ratio (DSR)
• Multiple Testing Bias
• Parameter-Trade-Ratio
• robuste Parameter-Plateaus
• feste Out-of-Sample-Mindestkriterien (z. B. MAR > 0.5)

sind nicht mehr bloß dekorative Quant-Begriffe, sondern stammen tatsächlich aus dem modernen Robustness-/Validation-Framework professioneller Quant-Research-Methodik. Das bedeutet noch nicht automatisch, dass die praktische Umsetzung institutionelles Niveau erreicht — aber methodisch ist das bereits eine deutlich höhere Liga als das übliche Retail-Trading-Marketing im DACH-Raum.

1. Was die Kriterien methodisch bedeuten

Deflated Sharpe Ratio (DSR)

Die DSR wurde populär durch Arbeiten von Marcos López de Prado und adressiert eines der größten Probleme im Trading: Wenn man genug Strategien testet, findet man zwangsläufig scheinbar profitable Zufallssysteme. Normale Sharpe Ratios überschätzen oft die Signifikanz.

Die DSR versucht zu korrigieren für: Anzahl getesteter Varianten, Non-Normalität, Skew/Kurtosis (Schiefe und Wölbung), Multiple Testing Bias sowie Selection Bias. Das ist methodisch absolut ernstzunehmen. Im deutschsprachigen Retail-Markt ist es sehr selten, dass Anbieter überhaupt über dieses Problem sprechen.

Parameter-Trade-Ratio 1:100

Das ist kein offizieller akademischer Goldstandard, aber die Idee dahinter ist sehr vernünftig. Sinngemäß gilt: Je mehr Freiheitsgrade ein System hat, desto mehr Daten braucht man pro Parameter. Wenn ein System 12 optimierte Parameter, aber nur 80 Trades hat, ist die Wahrscheinlichkeit enorm hoch, dass es nur reines Curve-Fitting (Überoptimierung) ist.

Eine hohe Trade/Parameter-Ratio ist ein sinnvoller Robustheitsfilter. Institutionelle Teams denken tatsächlich ähnlich: Freiheitsgrade minimieren, Signal-to-Noise-Ratio maximieren, Degrees of Freedom kontrollieren.

MAR-Ratio > 0.5 im Out-of-Sample-Test

Das ist kein universeller Standard, aber als Mindestqualitätsfilter absolut brauchbar. Die Idee dahinter ist, nicht nur die reine Rendite anzuschauen, sondern die Rendite relativ zum maximalen Drawdown (Verlust) zu bewerten.

Ein Out-of-Sample-MAR > 0.5 ist zumindest ein starker Hinweis, dass das Risiko nicht völlig außer Kontrolle ist und die Strategie nicht nur durch extreme Hebelung „gut aussieht“. Das sagt zwar noch nichts über Regime-Robustheit oder Ausführbarkeit aus, aber als Mindesthürde ist es weitaus sinnvoller als viele typische Retail-Metriken wie die reine Trefferquote, der Gewinnfaktor allein oder Aussagen wie „95% Winning Trades“.

2. Der strukturelle Unterschied der Anbieter

Jetzt wird der Vergleich interessant. Die Anbieter im DACH-Raum* kommen methodisch aus völlig verschiedenen Welten.

* wir haben uns hier auf die bekanntesten 5 Anbieter mit vergleichbarem Geschäftsmodell fokussiert und diese natürlich nicht beim Namen genannt. Wir wollten ja niemanden verärgern…

Vergleichsmatrix (methodischer Fokus)

3. Der eigentliche Kernunterschied

A) Diskretionäre Ansätze (z. B. Mitbewerber C, Mitbewerber D)

Diese Ansätze basieren stark auf Erfahrung, Chartinterpretation, Marktgefühl und Kontext. Das Problem dabei ist, dass man sie kaum objektiv gegen Overfitting testen kann. Denn die Regeln sind oft unscharf, Entscheidungen fallen situativ und Backtests bleiben subjektiv.

Dadurch entsteht eine enorme Hindsight Bias (Rückschaufehler), narrative Verzerrung und psychologische Selbsttäuschung. Das heißt nicht, dass diskretionäre Trader nicht erfolgreich sein können. Aber die Methode selbst besitzt kaum eingebaute Schutzmechanismen gegen reines Curve-Fitting.

B) Tool- / Regelbasierte Retail-Systeme (z. B. Mitbewerber A)

Dieser Ansatz liegt irgendwo dazwischen. Positiv ist, dass er regelbasiert, strukturiert und systematischer als das klassische Bauchgefühl ist. Der Fokus liegt hier auf konkreten Prozessen.

Aber: Die öffentlich sichtbare Methodik fokussiert sich deutlich stärker auf die praktische Umsetzbarkeit, Signal- und Tool-Integration, Trefferquoten und den Trading-Alltag, als auf eine harte statistische Validierung. Auffällig ist beispielsweise die starke Kommunikation extrem hoher Trefferquoten bei den angebotenen Software-Tools. Das ist methodisch problematisch, weil hohe Winrates oft durch asymmetrisches Risiko erkauft werden, viele Retail-Trader Gewinnwahrscheinlichkeit mit einer echten „Edge“ verwechseln und eine robuste Statistik weitaus wichtiger wäre als eine reine „99%-Trefferquote“.

Hier zeigt sich deutlich mehr Struktur als bei rein diskretionären Coaches, aber eben weniger wissenschaftliche Robustheitsprüfung als bei quantitativen Frameworks.

C) Quantitativ-systematische Ansätze (Thomas Vittner)

Hier liegt der fundamentale Unterschied. Das Ziel ist nicht ein „schönes Setup“, sondern ein statistisch robustes System, das wahrscheinlich kein Zufallsprodukt ist. Und genau dort kommen DSR, OOS-MAR, Parameterstabilität, Multiple-Testing-Kontrolle und das Walk-Forward-Denken ins Spiel.

Das ist konzeptionell extrem nah an professionellem CTA-Research, systematischen Futures-Ansätzen und quantitativer Portfoliotechnik. Es bewegt sich methodisch deutlich näher an institutionellem Denken als die allermeisten DACH-Retail-Angebote.

Die Hauptschwäche “Komplexität” nehmen wir gerne in Kauf. Börse ist nicht einfach. Aber Börsen kann man (vernünftig) lernen, wenn man sich etwas Mühe gibt.

4. Was ein Privatanleger daraus wirklich lernen sollte

Das Wichtigste ist eigentlich: Gute Systeme sehen im Backtest oft völlig unspektakulär aus. Das typische Retail-Marketing verkauft hohe Trefferquoten, perfekte Equity-Kurven, Sätze wie „funktioniert immer“ und das „sichere Setup“. Professionelle Research-Logik denkt fundamental anders: eine kleine stabile Edge, viele kleine Vorteile, Unsicherheit akzeptieren, Risiken kontrollieren und die Robustheit über die Optik stellen.

5. Where sich die Ansätze methodisch einordnen

• Höchste methodische Tiefe: → Thomas Vittner
  Weil dort öffentlich sichtbar Themen adressiert werden, die im ernsthaften Quant-Research tatsächlich relevant sind: DSR, Multiple Testing, Robustheitskriterien, OOS-Fokus und Parameterstabilität. Das ist im deutschsprachigen Retailmarkt absolut ungewöhnlich.
• Beste praktische Struktur für aktive Retail-Trader: → Mitbewerber A
  Klare Prozesse, feste Regeln, tägliche Praxis und ein strukturierter Handelsalltag sorgen für weniger Subjektivität als klassische Charttechnik. Aber methodisch und statistisch ist das System deutlich weniger tief verankert.
• Gute Marktpraxis / Handwerk: → Mitbewerber C / Mitbewerber D
  Gut geeignet zum Erlernen von Marktstruktur, reiner Order-Execution, Psychologie und Prozessdisziplin. Aber eben nicht besonders robust gegen Selbsttäuschung und das Problem der Überoptimierung.

6. Jetzt zur entscheidenden Frage: Welcher Weg bietet langfristig das solideste Fundament?

Meine sachliche Einschätzung wäre: Für jemanden, der wirklich nachhaltig lernen will, intellektuell sauber arbeiten möchte, langfristig reale Chancen sucht und nicht nur nach kurzfristiger Trading-Motivation lechzt, ist der quantitativ-systematische Weg langfristig klar überlegen. Also: robuste Statistik, systematische Regeln, Validierung, Risiko-Modellierung, robuste Prozesse und konsequentes Portfoliodenken. Und damit methodisch ganz klar der Weg in Richtung Thomas Vittner statt in Richtung reiner Charttechnik, diskretionärem Trading oder klassischem Setup-Coaching.

Aber eine wichtige Einschränkung bleibt: Der quantitative Weg ist deutlich härter, mathematisch anspruchsvoller, langsamer, emotional unbefriedigender und weitaus weniger „sexy“. Viele Menschen wollen eigentlich Action, schnelle Signale, klare Meinungen und tägliche Trades. Quantitatives Arbeiten ist dagegen oft monoton, skeptisch, datengetrieben und anti-narrativ. Aber genau das ist häufig näher an der realen, professionellen Handelslogik.

Meine konkrete Empfehlung

Wenn dein Ziel wirklich lautet: „Ich will im DACH-Raum Trading vernünftig, seriös und mit realistischer Langfristperspektive lernen“, dann solltest du heute ungefähr so priorisieren:

1. Quantitatives/systematisches Denken lernen (die robusteste Grundlage)
2. Risk Management & Statistik priorisieren (wichtiger als jedes Setup)
3. Diskretionäre Markttechnik nur ergänzend nutzen (nicht als Kernmethodik)
4. Anbieter bevorzugen, die offen über Overfitting, Unsicherheit, OOS-Probleme, Biases und Fehlschläge sprechen.

Und unter den genannten Anbietern wirkt die Methodik von Vittner derzeit tatsächlich am nächsten an ernsthaftem quantitativen Research-Denken — jedenfalls deutlich näher als der typische deutschsprachige Trading-Coaching-Markt.“