Ich teste deine Crypto- oder Tradingview-Strategie in Python

Bevor du echtes Geld in eine Trading-Strategie investierst, solltest du herausfinden, ob sie tatsächlich einen Vorteil hat. Ich setze deine Regeln in Python um und teste sie anhand von 12 Monaten echten Krypto-Börsendaten (Bybit, Binance und ähnliche) – inklusive Taker-Gebühren und Slippage bei jedem Trade.

Die meisten Backtests sehen gut aus, weil sie Kosten ignorieren, in die Zukunft blicken oder die Vergangenheit zu genau anpassen. Meine verwenden konservative Füllungen (Stop zuerst gezählt), richtige Indikator-Warm-up-Phasen und kein Lookahead.

Du bekommst:

• Trades, Gewinnrate, Profitfaktor, maximaler Drawdown, durchschnittliches R/R, Long/Short-Aufteilung
• Equity-Kurve und eine Zusammenfassung in einfachem Deutsch
• ein klares Urteil: Vorteil, kein Vorteil oder nicht genug Daten
• Python-Quellcode (Standard und Premium)

Standard umfasst Out-of-Sample-Tests und Parametersensitivitätsanalysen; Premium fügt Walk-Forward, Monte Carlo und einen 2-fachen Kosten-Stresstest hinzu.

Ich halte meine eigene Arbeit an den gleichen Standards: Meine Signal-Strategie (627 Trades, echte Gebühren) erzielte einen Profitfaktor von 0,58 – kein Vorteil – und ich habe dieses Ergebnis veröffentlicht.

Gute Passung: indikatorbasierte Krypto-Strategien, Swing oder Intraday. Keine Passung: garantierte Gewinnversprechen oder Tick-Level-HFT.

Schreib mir deine Regeln vor der Bestellung – ich bestätige, was testbar ist.