Out-of-Sample-Test und Walk-Forward-Analyse einfach erklärt

Ein Out-of-Sample-Test untersucht ein bereits definiertes Regelmodell mit historischen Daten, die bei seiner Entwicklung nicht verwendet wurden.

Eine Walk-Forward-Analyse wiederholt diese Trennung über mehrere aufeinanderfolgende Entwicklungs- und Prüfzeiträume.

Beide Verfahren können Datenabhängigkeiten und mögliche Überanpassung sichtbarer machen, beseitigen aber keine Unsicherheit über zukünftige Ergebnisse.

Auf den Punkt gebracht

Was ist der Unterschied zwischen Out-of-Sample-Test und Walk-Forward-Analyse?

Ein Out-of-Sample-Test untersucht ein Regelmodell einmalig mit einem getrennten historischen Datensatz. Eine Walk-Forward-Analyse wiederholt diese Trennung über mehrere zeitlich aufeinanderfolgende Entwicklungs- und Prüfbereiche. Beide Verfahren machen Datenabhängigkeiten sichtbarer, liefern aber keine verlässliche Aussage über zukünftige Ergebnisse.

Definition: Was bedeutet Out-of-Sample?

Als In-Sample werden historische Daten bezeichnet, die zur Entwicklung, Anpassung oder Auswahl eines Regelmodells verwendet wurden.

Als Out-of-Sample werden getrennte historische Daten bezeichnet, die während dieser Entwicklung nicht verwendet wurden.

Ein Out-of-Sample-Test untersucht, wie sich das bereits festgelegte Modell in diesem getrennten historischen Abschnitt dargestellt hätte.

Out-of-Sample-Test und Walk-Forward-Analyse im Vergleich

Vergleich getrennter historischer Untersuchungsverfahren
Kriterium	Out-of-Sample-Test	Walk-Forward-Analyse
Grundprinzip	Einmalige Trennung in Entwicklungs- und Prüfzeitraum	Wiederholte Trennung in aufeinanderfolgende Zeitfenster
Zentrale Frage	Wie stellt sich das Modell in bisher ungenutzten historischen Daten dar?	Zeigt das Modell über mehrere getrennte historische Abschnitte ein ähnliches Verhalten?
Anzahl der Prüfschritte	Meist ein getrennter Prüfzeitraum	Mehrere zeitlich aufeinanderfolgende Prüfungen
Hauptnutzen	Direkte Anpassung an den vollständigen Datensatz wird begrenzt	Veränderungen über mehrere historische Marktphasen werden sichtbarer
Wichtige Grenze	Der Prüfzeitraum bleibt ein einzelner historischer Abschnitt	Wiederholte Anpassungen können erneut indirekte Überanpassung erzeugen
Aussage über die Zukunft	Keine verlässliche Zukunftsaussage	Keine verlässliche Zukunftsaussage

Wie läuft ein Out-of-Sample-Test ab?

Eine Annahme wird formuliert.
Die Annahme wird in nachvollziehbare Regeln übersetzt.
Historische Daten werden in Entwicklungs- und Prüfbereiche getrennt.
Regeln und Parameter werden ausschließlich anhand der Entwicklungsdaten festgelegt.
Das unveränderte Modell wird auf die getrennten historischen Prüfdaten angewendet.
Unterschiede zwischen Entwicklungs- und Prüfergebnis werden dokumentiert.
Eine nachträgliche Änderung wird als neue Modellversion behandelt.
Das Ergebnis wird nicht als Zukunftsbestätigung interpretiert.

Wie funktioniert eine Walk-Forward-Analyse?

Bei einer Walk-Forward-Analyse verschiebt sich das Untersuchungsfenster schrittweise durch die historischen Daten.

Ein früherer Abschnitt dient zur Entwicklung oder Anpassung des Modells. Der unmittelbar folgende Abschnitt dient als getrennte historische Prüfung.

Danach werden beide Fenster zeitlich nach vorn verschoben. Dieser Ablauf wird mehrfach wiederholt.

Dadurch entsteht eine Folge historischer Beobachtungen statt nur eines einzelnen Prüfergebnisses.

Wie lassen sich abweichende Ergebnisse einordnen?

Das Modell war stark an die Entwicklungsdaten angepasst.
Die ursprüngliche Annahme war unvollständig.
Die historischen Marktbedingungen haben sich verändert.
Datenqualität oder Datenzusammensetzung unterscheiden sich.
Gebühren oder Ausführungsannahmen waren unvollständig.
Die Zahl der historischen Beobachtungen war gering.
Die Unterschiede liegen innerhalb normaler statistischer Schwankungen.

Ein abweichendes Ergebnis sollte nicht automatisch zu einer sofortigen Parameteränderung führen. Zuerst sollte dokumentiert werden, welche Annahme durch die Beobachtung infrage gestellt wird.

Out-of-Sample im LTI-Kontext

Bei LearnTestInvest ist die zeitliche Trennung auch für die Entscheidungsreflexion wichtig.

welche Informationen zum jeweiligen historischen Zeitpunkt verfügbar waren;
welche Annahme vor dem späteren Ergebnis formuliert wurde;
welche Regel vor der Betrachtung der Prüfdaten bestand;
ob die eigene Entscheidung vom Modell abwich;
ob die spätere Kenntnis des Ergebnisses die Erinnerung verändert;
ob eine Regel erst nachträglich plausibel erscheint.

Damit unterstützt die historische Trennung nicht nur die Modellanalyse, sondern auch die Trennung zwischen Ex-ante-Erwartung und Ex-post-Bewertung.

Aussagekraft und Grenzen

Getrennte historische Daten liefern keine verlässliche Zukunftsaussage.
Auch wiederholte Prüfungen können indirekte Überanpassung nicht vollständig verhindern.
Abweichungen zwischen Entwicklungs- und Prüfdaten müssen immer im historischen Kontext eingeordnet werden.

Häufige Fragen

Was ist ein Out-of-Sample-Test?

Ein Out-of-Sample-Test untersucht ein bereits festgelegtes Regelmodell mit historischen Daten, die bei seiner Entwicklung nicht verwendet wurden.

Was ist der Unterschied zur Walk-Forward-Analyse?

Beim klassischen Out-of-Sample-Test wird der historische Datensatz meist einmal getrennt. Die Walk-Forward-Analyse wiederholt diese Trennung über mehrere aufeinanderfolgende Zeitfenster.

Beweist ein ähnliches Verhalten in getrennten Daten die zukünftige Gültigkeit?

Nein. Ein ähnliches Verhalten in getrennten historischen Daten kann die Abhängigkeit vom ursprünglichen Datensatz geringer erscheinen lassen. Es beweist jedoch keine zukünftige Gültigkeit.

Darf ein Modell nach einem abweichenden Ergebnis verändert werden?

Ja. Die Änderung muss jedoch als neue Modellversion dokumentiert werden. Die bereits betrachteten Daten dürfen danach nicht mehr als unabhängige Prüfdaten behandelt werden.

Autor und Veröffentlichung

Autor

Jorge Leyria

Veröffentlichungsdatum

31.07.2026

Aktualisiert am

31.07.2026

Methodik-Hinweis

Die dargestellten Beispiele und Kennzahlen dienen der Erklärung historischer Untersuchungsmethoden. Sie stellen keine Prognose, Empfehlung oder Bewertung einer konkreten Anlageentscheidung dar. Historische Ergebnisse hängen von Datenbasis, Zeitraum, Modellannahmen und Berechnungsmethode ab.

Bildungshinweis

Die Inhalte und Funktionen von LearnTestInvest dienen der Bildung, Simulation, Selbstbeobachtung und Analyse von Investitionsentscheidungen. Sie stellen keine individuelle Anlageberatung, Finanzberatung, Kaufempfehlung, Verkaufsempfehlung oder Aufforderung zum Handel dar. Historische Daten, Simulationen, Regelmodelle und Kennzahlen erlauben keine verlässlichen Aussagen über zukünftige Entwicklungen oder Ergebnisse.