hbetfx · Backtester-Review · Stand 09.12.2025 / erstellt 17.07.2026 · Detail-Reports →

A+D Allocator: Gold 2× / S&P 500 2× — die Kandidaten

6.916 Marathon-Optimierungsläufe (Bayesian, 02.–09.12.2025) und 3.797 getestete Strategie-Blends, ausgewertet auf 46 Jahren Tagesdaten (1979–2025, vor ETF-Auflage synthetisch). Benchmark: iShares Core S&P 500 mit 10,4% CAGR.

Bester Blend
64,51
GK+SK+H8+SG · 20,0% CAGR · Sortino 1,23
Bestes Single-Config
64,25
Seed w0 · 20,7% CAGR · MaxDD −52%
Bester echter Bayes-Fund
60,62
4 Punkte unter den Seeds — Suche stagniert
10.000 € →
68,5 M€
Top-Config über 46 J. (teils synthetische Daten)

Rendite gegen maximalen Drawdown

Jeder Punkt ein Kandidat. Rechts oben ist besser. Die blaue Wolke bei ~20,5% CAGR ist die Seed-Familie (V4-Sweet-Spots), die Wolke bei ~18,8% sind die besten eigenständigen Bayesian-Funde — die Lücke dazwischen hat die Suche nie geschlossen.

Single-Config (Marathon Top 25) Strategie-Blend (Crazy-Mix Top 10) Benchmark S&P 500

Leaderboard: Single-Configs

Top-10-Kandidaten nach Composite-Score (Sortino 35% · CAGR 30% · Win-Rate 20% · Sharpe 10% · MaxDD 5%). Die ersten zehn Plätze der Datenbank sind Varianten derselben Seed-Familie; hier dedupliziert auf die relevanten Vertreter plus die besten eigenständigen Funde.

KandidatScoreCAGRSortinoSharpeMaxDDAlphaTradesLookbackw min–maxCrash-Cap

Leaderboard: Strategie-Blends

Gleichgewichtete Mischungen aus 4–5 „Personality"-Configs (v3-Engine mit Zusatz-Overlays: Vol-Targeting, Crisis-Alpha, Drawdown-Circuit). Achtung: andere Engine als der Marathon — die Scores sind nur eingeschränkt vergleichbar, bis beide auf einer Engine laufen.

BlendScoreCAGRSortinoMaxDDKomponenten

Parameter-Konvergenz der Top 25

Grauer Balken = durchsuchter Raum, blaues Band = Spanne der Top 25, Strich = Median. Enge Bänder mitten im Raum (Lookback ≈ 300) sind echte Konvergenz. Bänder am Rand oder exakt auf Seed-Werten (w max = 0,80, Sell-Band = 0,05) heißen: dort hat die Suche nicht ernsthaft variiert.

Was diese Zahlen (noch) nicht beweisen

  1. Die Bayesian-Suche hat die Seeds nie geschlagen. ~6.900 Läufe, bester eigenständiger Fund Score 60,6 gegen 64,25 der V4-Grid-Seeds. Der Optimierer exploriert zu schwach (Duplikat-Schleifen, enge Konvergenz auf w min = 0,4) — bessere Suchalgorithmen sind kein Nice-to-have, sondern nachweislich nötig.
  2. Kein Out-of-Sample-Test. Alle Scores sind In-Sample über die volle Historie — die Rangfolge kann nach einem Train/Test-Split anders aussehen.
  3. Kosten fix bei 30 bps, nicht mitoptimiert. Spread und Slippage fehlen ganz; die Trade-Zahlen (750–1.700) reagieren stark auf die Band-Parameter.
  4. Historie vor ETF-Auflage ist synthetisch (2×-Hebel auf Indexrenditen + 0,95% p.a.). Die 46-Jahres-Kennzahlen hängen an dieser Annahme.
  5. Blends und Single-Configs laufen auf verschiedenen Engines (v3-Beta vs. Marathon). Der Score-Unterschied von 0,26 Punkten ist kleiner als die bekannte Engine-Divergenz — erst die Engine-Konsolidierung macht das Turnier fair.

Nächste Schritte