Ich prüfe und validiere deine Trading-Strategie mit Python Backtesting
Quantitative Developer: Handelssysteme von der Forschung bis zur Produktion
Über diesen Service
Ich bewerte die Zuverlässigkeit deiner Strategien-Ergebnisse durch Python Backtesting, Risikoanalyse und Robustheitstests.
Ich kann bestehenden Code und Backtests prüfen oder die Logik in Python neu aufbauen, dabei Daten, Regeln, Positionsgrößen und Ausführungsannahmen überprüfen, inklusive statistischer und maschineller Lernmodelle.
Je nach Umfang wende ich Out-of-Sample-Tests, Walk-Forward-Analysen, Monte Carlo Simulationen, Sensitivitätsanalysen, Regimeanalysen, Stresstests, Resampling und Benchmarks an, wobei Kosten, Slippage und Liquidität berücksichtigt werden.
Ich untersuche Overfitting, Look-Ahead-Bias, Data Leakage, Survivorship Bias und Parameterinstabilität.
Du erhältst reproduzierbaren Code, Rendite- und Risikokennzahlen, Handelsanalysen, Visualisierungen und einen Bericht mit Erkenntnissen, Einschränkungen und technischen Empfehlungen.
Die Ergebnisse können darauf hinweisen, dass die Strategie überarbeitet werden muss oder nicht weiter verfolgt werden sollte. Keine Garantie für Profit oder zukünftige Performance.
NDA verfügbar. Sende deine Regeln, Daten und bestehenden Ergebnisse, damit wir vor deiner Bestellung den Umfang und die Bewertungskriterien abstimmen.
FAQ
Automatische Übersetzung
Was erhalte ich und wie unterscheiden sich die Pakete?
Alle beinhalten reproduzierbaren Python-Code, Kennzahlen, Visualisierungen und einen Bericht. Backtests decken Daten, Regeln und Kosten ab; Robustheit fügt Out-of-Sample-Tests, Sensitivität und Stabilität hinzu; Fortgeschrittene erweitern die Analyse um Walk-Forward, Monte Carlo, Regime und Stresstests.
Kannst du eine bestehende Strategie, Codebasis oder Backtest validieren?
Ja. Ich kann Code prüfen, einen Backtest reproduzieren oder die Logik in Python anhand dokumentierter Regeln neu aufbauen. Ich vergleiche Ergebnisse, überprüfe Abweichungen und bewerte Daten, Annahmen und Methodik, auch wenn die ursprüngliche Implementierung auf einer anderen Plattform erfolgt ist.
Was muss ich vor Projektbeginn bereitstellen?
Teile mir den Markt, die Instrumente, den Zeitraum, Ein- und Ausstiegsregeln, Positionsgrößen, Daten, Broker und Risikobeschränkungen mit. Code, Backtests und Dokumentation helfen, das erwartete Verhalten zu reproduzieren. Wir klären etwaige Lücken und stimmen die Bewertungskriterien ab, bevor wir starten.
Wie kontrollierst du Bias und reduzierst das Risiko von Overfitting?
Ich definiere das Bewertungsprotokoll, bewahre die chronologische Reihenfolge und überprüfe, welche Daten zu jedem Zeitpunkt verfügbar waren. Ich untersuche Look-Ahead-Bias, Data Leakage, Survivorship Bias und Effekte durch Mehrfachtests. Für das Tuning verwendete Daten werden nicht als unabhängiges Testset behandelt.
Wie simulierst du Kosten und Ausführungsbedingungen?
Je nach Umfang und Daten modellieren ich Kommissionen, Spreads, Slippage und Liquiditätsbeschränkungen. Ich kann Latenz, Teilausführungen, Margin und Finanzierung einbeziehen. Annahmen werden dokumentiert und in verschiedenen Kosten- und Ausführungsszenarien getestet.
Mit welchen Märkten und Börsen arbeitest du?
Ich arbeite mit Krypto, Aktien/ETFs, CFDs, Futures, Optionen, Rohstoffen, FX und festverzinslichen Wertpapieren. Börsen und Gruppen: NYSE, Nasdaq, LSE, Euronext, Xetra, SIX, JPX, HKEX, ASX, B3, TSX, NSE, SSE, SZSE, KRX, CME Group, Cboe, ICE, Eurex, SGX und TAIFEX, abhängig von Datenzugang und Verfügbarkeit.
Welche Broker, Plattformen und Ausführungsinfrastruktur kannst du integrieren?
Ich kann IBKR, Charles Schwab, TradeStation, tastytrade, Alpaca, OANDA, Webull, Tradier, Public, Binance, Coinbase, Bitfinex, Bybit, Kraken, Deribit, Rithmic, CQG, Bloomberg EMSX, Trading Technologies und SS&C Eze via REST, WebSocket, FIX oder SDKs integrieren, abhängig vom Zugang und den verfügbaren Funktionen.
Welche Datenquellen kannst du integrieren?
Ich kann Daten von Bloomberg, LSEG, FactSet, S&P Global, ICE Data Services, Databento, Nasdaq Data Link, dxFeed, Cboe DataShop, CME DataMine, OptionMetrics, Macrobond, RavenPack, Kaiko und Coin Metrics sowie deine Datensätze integrieren. Die Integration hängt vom Zugang und den Lizenzen für jede Quelle ab.
Welche Technologiestack nutzt du von Forschung bis Produktion?
Je nach Umfang nutze ich Python, SQL, C++, Pandas, NumPy, SciPy, Polars, statsmodels, scikit-learn, XGBoost und PyTorch. Für Forschung: QuantConnect, Jupyter, vectorbt und backtrader. Für Produktion: FastAPI, PostgreSQL, Docker, Linux, pytest, Git, CI/CD, Prometheus, Grafana, AWS, Azure und Google Cloud.
Wie gehst du mit Kommunikation und Vertraulichkeit um?
Ich setze Priorität auf Fiverr-Chat und schriftliche Dokumentation, um die Kommunikation klar und Entscheidungen nachvollziehbar zu halten. Kurze Anrufe über Fiverr können helfen, Anforderungen zu klären oder Ergebnisse zu demonstrieren. NDA ist verfügbar; deine Strategie, Code, Daten, Dokumentation und Ergebnisse bleiben vertraulich.
