Leitfaden für algorithmischen Handel mit MT5

Das Hauptargument für algorithmischen Handel ist nicht die Geschwindigkeit – es ist die Konsistenz. Ein menschlicher Trader, der ein Moving Average Crossover-System auf M5 EURUSD anwendet, wird unweigerlich Signale während Nachrichtenereignissen mit hoher Volatilität überspringen oder Verlustpositionen aufgrund von Verlustvermeidung zu lange halten. Ein EA führt denselben Regelwerk um 2:00 Uhr morgens an einem Dienstag genauso aus wie während eines Anstiegs zur Londoner Eröffnung, ohne Abweichung.

Forschungen, die im Journal of Financial Markets (2019) veröffentlicht wurden, ergaben, dass systematische Strategien über Fünfjahreszeiträume bei wichtigen FX-Paaren Sharpe Ratios von 0,3–0,6 höher aufwiesen als diskretionäre Äquivalente. Im Gegensatz zum diskretionären Handel, bei dem die Leistung unter psychischem Druck nachlässt, behalten algorithmische Systeme ihren statistischen Vorteil bei, solange die Marktbedingungen mit der Trainingsumgebung des Modells übereinstimmen.

Die für algorithmische Ansätze am besten geeigneten Instrumente weisen gemeinsame Merkmale auf: hohe Liquidität, enge Geld-Brief-Spannen und vorhersehbares Sitzungsverhalten. EURUSD und USDJPY haben ein durchschnittliches tägliches Volumen von über 500 Milliarden US-Dollar, was bedeutet, dass Slippage bei Standard-Lots überschaubar bleibt. NAS100 und XAUUSD bieten Möglichkeiten zur Volatilitätsmitnahme, insbesondere während der Überlappung der New Yorker Sitzung. GBPUSD, obwohl es außerhalb der Geschäftszeiten höhere Spread-Kosten verursacht, belohnt Mean-Reversion-Algorithmen während des Londoner Fensters von 08:00–10:00 GMT.

Die praktische Hürde ist nicht die Programmierfähigkeit – die MQL5-Sprache von MT5 verfügt über Tausende von Open-Source-Vorlagen –, sondern die Disziplin, Regeln präzise zu definieren, bevor eine einzige Codezeile geschrieben wird.

Im algorithmischen Handel gibt es keine universelle Einstiegsregel. Die Strategie ist ein Rahmenwerk für die Automatisierung, keine einzelne Indikatorkombination. Dennoch dominieren drei Strukturkategorien das Retail-EA-Design: Trendfolge-, Mean-Reversion- und Breakout-Systeme.

Ein praktisches Trendfolge-Setup auf M15 EURUSD könnte einen 50-Perioden-EMA-Richtungsfilter mit einem RSI(14)-Pullback-Trigger kombinieren: Long-Einstieg, wenn der Preis über dem 50-EMA liegt, der RSI von über 60 auf unter 45 zurückgeht und dann wieder über 50 schließt. Ausstiegs-Trigger umfassen einen festen 1,5-fachen ATR(14)-Take-Profit und einen 1-fachen ATR-Stop-Loss, was ein theoretisches Risiko-Ertrags-Verhältnis von 1,5:1 ergibt. Im Vergleich zu manuellen Tradern, die diese Ausstiege oft während des Trades anpassen, hält der EA die Parameter ohne Modifikation.

Für Mean-Reversion auf H1 USDJPY bieten Bollinger Bänder (20, 2,0) einen statistischen Kontext: Short-Einstieg, wenn der Preis außerhalb des oberen Bandes schließt und die nächste Kerze wieder innerhalb schließt; Ziel ist die 20-Perioden-Mittellinie. Dieser Ansatz schneidet historisch während seitwärts gerichteter Sitzungen (Tokio-Eröffnung, 00:00–03:00 GMT) besser ab als während gerichteter London/NY-Überlappungsperioden.

Breakout-Systeme auf NAS100 unter Verwendung von M1- oder M5-Charts erfassen die erste 15-Minuten-Spanne nach der Eröffnung um 09:30 EST. Der EA platziert Pending Orders 0,1 % über dem Hoch und unter dem Tief dieser Spanne und storniert nicht ausgeführte Orders nach 30 Minuten. Backtesting dieser Regel auf NAS100-Daten von 2020–2023 zeigt Gewinnraten von etwa 48–52 %, wobei die Rentabilität von einer Mindestkonfiguration von 2:1 Belohnung zu Risiko abhängt.

Die Ausstiegslogik erfordert die gleiche Präzision. Trailing Stops, die Gewinne sichern, wenn sich der Preis günstig entwickelt, zeitbasierte Ausstiege, die Positionen vor wichtigen Nachrichtenereignissen schließen (protokolliert über APIs des Wirtschaftskalenders) und Regeln für die maximale Haltedauer gehören alle in den EA-Code – und nicht der Willkür überlassen.

Eine Sharpe Ratio unter 1,0 bei Backtesting-Daten ist ein Warnsignal, kein Startsignal. Die meisten professionellen algorithmischen Fonds zielen auf Sharpe Ratios über 1,5 über drei oder mehr Jahre an Out-of-Sample-Daten ab. Der maximale Drawdown – der Rückgang des Eigenkapitals vom Höchststand zum Tiefststand – sollte relativ zur erwarteten Jahresrendite bewertet werden: Eine Strategie, die 20 % Jahresrendite mit einem maximalen Drawdown von 25 % generiert, weist ein anderes Risikoprofil auf als eine, die 10 % Rendite mit einem Drawdown von 8 % generiert.

Die Positionsgröße in algorithmischen Systemen folgt typischerweise Methoden der festen Fraktionierung. Eine gängige Konfiguration riskiert 0,5–1,0 % des Kontokapitals pro Trade. Auf einem 10.000-Dollar-Konto, das EURUSD mit einem 20-Pips-Stop (ca. 20 USD pro Mini-Lot) handelt, weist eine 1%-Risikoregel ein Risiko von 100 USD zu, was 0,5 Standard-Lots unterstützt. Im Gegensatz zur Festlos-Größenbestimmung skalieren fraktionierte Methoden die Exposition proportional, wenn das Konto wächst oder schrumpft, und verhindern so katastrophale Drawdown-Sequenzen.

Maximale tägliche Verlustgrenzen sind für Prop-Firm-Umgebungen nicht verhandelbar und für persönliche Konten ratsam. Die Festlegung eines harten Stops bei 3–5 % täglichem Drawdown – danach stellt der EA den Handel bis zur nächsten Sitzung ein – verhindert katastrophale Einzeltage während Black-Swan-Ereignissen. Diese Regel ist besonders relevant für XAUUSD, das während der COVID-Liquiditätskrise im März 2020 in weniger als vier Minuten über 150 Pips bewegte.

Das Korrelationsrisiko über mehrere EAs hinweg verdient Aufmerksamkeit. Das gleichzeitige Ausführen von Trendfolgestrategien für EURUSD und GBPUSD führt zu einer korrelierten Exposition, da beide Paare oft in die gleiche Richtung gegen den USD tendieren. Die Behandlung als kombinierte Position – nicht als zwei separate Trades mit 1 % Risiko – hält das tatsächliche Portfolio-Risiko innerhalb der definierten Parameter.