Het negeren van marktliquiditeit bij het kiezen van een strategie

Portret van Alex de Vries, Quantitatief Analist & Algo-Trading Expert
Alex de Vries
Quantitatief Analist & Algo-Trading Expert
Algoritmische Strategieën · 2026-02-15 · 5 min leestijd

Je hebt een mooie strategie gebouwd in Python, je backtests zien er strak uit en je broker belooft lage commissies.

Toch loopt het in de praktijk mis. Waarom? Omdat je de marktliquiditeit hebt genegeerd. Dit is de verborgen factor die je winst opslorpt zonder dat je het doorhebt.

Wat is marktliquiditeit eigenlijk?

Marktliquiditeit is simpelweg hoe makkelijk je een positie kunt openen of sluiten zonder de prijs te beïnvloeden.

Stel je voor dat je 1.000 aandelen van Apple wilt kopen. Bij een liquid instrument gaat dat naadloos tegen de huidige prijs.

Bij een illiquid product? Dan schuift de prijs omhoog terwijl je order uitgevoerd wordt. De spread tussen de bid en de ask is je eerste indicator. Een spread van 0,01% is ideaal.

Een spread van 0,5% of meer? Dat eet direct je marge op.

Bij exotische valutaparen of kleine aandelen zie je dit snel gebeuren. Je broker toont de spread in real-time, dus check dit altijd voordat je een strategie live zet. Orderboekdiepte is de tweede sleutel.

Kijk naar de hoeveelheid orders op elke prijsstap. Een orderboek met 10 lot aan de kant is iets anders dan 100 lot.

Als je strategie grotere posities inneemt, moet je diepte hebben om te kunnen instappen zonder de markt te bewegen.

In Python kun je via de API van je broker deze data ophalen en analyseren.

Waarom liquiditeit negeren pijn doet

Stel je voor dat je een scalping-strategie draait op een illiquid valutapaar. Je backtest laat 2% winst per trade zien.

In de praktijk merk je dat je instapprijs 0,3% slechter is dan verwacht. Na 50 trades is je werkelijke winst 0,5% in plaats van 2%. Dat is het verschil tussen break-even en een gezonde bot.

Slippage is de boosdoener. Slippage ontstaat wanneer je order uitgevoerd wordt tegen een andere prijs dan aangevraagd.

Bij liquiditeitsgebrek kan dit oplopen tot 0,5% of meer per trade. In je backtest moet je slippage simuleren. Gebruik historische tick-data en voeg een realistische slippage toe, bijvoorbeeld 0,1% voor liquid paren en 0,5% voor illiquide. Commissies en financieringskosten verergeren het effect.

Sommige brokers rekenen vaste commissies per trade, anderen hanteren spreads. Bij illiquide instrumenten betaal je vaak meer.

Een strategie die op EUR/USD werkt, faalt misschien op GBP/TRY vanwege de hogere kosten. Bereken altijd de totale transactiekosten inclusief spread en commissie. Realistische backtests zijn essentieel.

Gebruik Python libraries zoals Backtrader of Zipline met tick-data van je broker.

Simuleer slippage en commissies. Test niet alleen winst, maar ook de uitvoeringskwaliteit. Een strategie die 10 trades per dag doet op een illiquid instrument kan onverwacht duur worden.

Hoe je liquiditeit meeneemt in je strategiekeuze

Kies je instrumenten zorgvuldig. Focus op paren met hoge handelsvolumes en smalle spreads.

Voor valuta zijn EUR/USD, USD/JPY en GBP/USD logisch. Voor aandelen kies je large-caps met dagelijks volume boven de 1 miljoen stuks. Check de orderboekdiepte via de API van je broker.

Pas je positiegrootte aan aan de liquiditeit. Een eenvoudige regel: nooit meer dan 1% van het orderboekvolume in één trade.

Als het orderboek 100 lot toont, neem je maximaal 1 lot. Dit beperkt slippage en houdt je strategie haalbaar. In Python kun je deze berekening automatiseren voor elke trade.

Gebruik limit orders in plaats van market orders. Een limit order geeft je controle over de uitvoeringsprijs.

Je betaalt geen spread, maar loopt het risico niet uitgevoerd te worden.

Combineer dit met een time-in-force instructie, zoals 'good-til-cancelled' of 'immediate-or-cancel'. Test welke werkt voor je strategie. Monitor de liquiditeit in real-time. Bouw een dashboard dat de spread, orderboekdiepte en recente slippage toont.

Gebruik de WebSocket API van je broker voor live data. Als de liquiditeit plotseling daalt, pauzeer dan je bot. Dit voorkomt onverwachte verliezen tijdens nieuwsgebeurtenissen of marktstilstanden.

Modellen en prijsindicaties voor liquiditeit

De bid-ask spread is de meest directe indicator. Een spread onder 0,05% is uitstekend voor scalping.

Een spread boven 0,2% is een waarschuwing. Voor valutaparen zoals EUR/USD zie je spreads van 0,01-0,03 pip bij liquiditeitsverschaffers. Voor minder liquide paren loopt dit op tot 5-10 pip.

Orderboekdiepte kun je visualiseren met een cumulatieve volume-plot. In Python gebruik je libraries zoals Matplotlib of Plotly.

Een gezond orderboek toont een gelijkmatige verdeling over meerdere prijsstappen. Een piek op één niveau duidt op manipulatie of gebrek aan diepte. Pas je positie hierop aan.

Slippage-modellen helpen bij backtesting. Wanneer je een RSI-gebaseerde Mean Reversion strategie codeert, gebruik dan een historische slippage-database van je broker.

Voor EUR/USD is 0,1 pip realistisch. Voor een illiquid aandeel met 50.000 dagvolume kan dit oplopen tot 1% van de prijs.

Voeg deze slippage toe in je backtest om een realistisch beeld te krijgen. Volume-weighted average price (VWAP) is een handig hulpmiddel. VWAP toont de gemiddelde prijs gecorrigeerd voor volume. Een strategie die dicht bij de VWAP blijft, heeft minder last van slippage.

Gebruik de VWAP om je instapmoment te kiezen. In Python kun je dit eenvoudig berekenen met historische data.

Praktische tips voor algoritmische traders

Test je strategie op meerdere instrumenten en ontdek de 5 kenmerken van een robuuste trading strategie. Een strategie die werkt op EUR/USD, faalt misschien op AUD/NZD.

Draai je backtests op minimaal drie paren met verschillende liquiditeitsprofielen. Vergelijk de resultaten en pas je parameters aan.

Gebruik Python scripts om dit geautomatiseerd te doen. Gebruik een broker met transparante uitvoering. Kies een broker die echte orderboekdata biedt en geen dealing desk. Brokers zoals Interactive Brokers of LMAX bieden diepgaande liquiditeitsdata.

Vraag een demo-account aan en test de uitvoeringskwaliteit voordat je live gaat.

Bouw risicomanagement in je bot. Stop-loss en take-profit levels moeten rekening houden met slippage. Gebruik een trailing stop die zich aanpast aan de marktliquiditeit.

Zet een maximum slippage-percentage in je code. Bijvoorbeeld: annuleer de trade als de slippage boven 0,5% komt.

Houd een logboek bij van elke trade. Noteer de spread, slippage en uitvoeringsprijs.

Analyseer wekelijks of je liquiditeitsveronderstellingen kloppen. Pas je backtest aan op basis van deze data. Een goede trader leert constant bij en past zijn strategie aan de realiteit aan.

Sluit af met een simpele checklist: Is je instrument liquide genoeg? Heb je slippage meegenomen in je backtest?

Gebruik je limit orders? Monitor je live liquiditeit?

Als je deze vragen met 'ja' beantwoordt, sta je een stuk sterker. De markt is hard, maar door je strategie aan te passen aan de marktfase, ben je niet de prooi.

Portret van Alex de Vries, Quantitatief Analist & Algo-Trading Expert
Over Alex de Vries

Alex is een ervaren quantitatief analist en Python-ontwikkelaar die complexe trading concepten vertaalt naar begrijpelijke, praktische handleidingen voor zowel beginners als gevorderden.

Volgende stap
Bekijk alle artikelen over Algoritmische Strategieën
Ga naar overzicht →