Het verschil tussen papertrading en backtesting
Je staat te popelen om je algoritmische bot te lanceren, maar je wilt geen domme fouten maken. Begrijpelijk.
Je hebt gehoord van backtesting en papertrading, maar wat is nu echt het verschil? Laten we even rustig gaan zitten. Ik leg je uit hoe je deze twee tools slim combineert voor een ijzersterke Python-strategie, zonder dat je direct je zuurverdiende euro’s op het spel zet.
Wat is backtesting en wat is papertrading?
Stel je voor dat je een Python-script schrijft voor een trading bot. Backtesting is alsof je in een tijdmachine stapt.
Je neemt je strategie en draait deze over historische data van een broker zoals Interactive Brokers of Binance.
Je ziet precies wat er gebeurd zou zijn als je die ene trade vorig jaar dinsdag had gedaan. Het is een simulatie op oude data. Papertrading, aan de andere kant, is levensecht maar risicovrij.
Je gebruikt de live API van een broker, maar dan met nepgeld. Je bot reageert in real-time op marktbewegingen, zonder dat er echt geld op het spel staat. Het voelt als een game, maar de markt is echt. De kern van het verschil zit in de tijd.
Backtesting kijkt achteruit; papertrading kijkt naar het heden zonder te raken. Beide zijn essentieel voor algoritmische trading, maar ze dienen totaal verschillende doelen.
Waarom je ze allebei nodig hebt
Denk je dat backtesting alleen genoeg is? Dan loop je een valkuil in.
Backtesting kan een perfecte curve laten zien, maar dat is vaak een illusie. Je loopt het risico dat je strategie teveel is afgestemd op oude data, wat we ‘overfitting’ noemen. Je wint in het verleden, maar verliest in de toekomst.
Papertrading vult dit aan door de echte marktcondities te testen. Hoe reageert je bot op een plotselinge spread van 0,05% tot 0,2%?
Een backtest geeft je vertrouwen; papertrading geeft je bewijs.
Hoe gaat je risicomanagement om met een vertraging van 50 milliseconden in de API? Dit zie je niet in een backtest op CSV-data. Gebruik backtesting om snel ideeën te filteren.
Gebruik papertrading om de technische implementatie te valideren. Samen vormen ze een krachtig duo voor elke Python-developer.
De kern van backtesting: snelheid en historie
Bij backtesting draait alles om efficiëntie. Je haalt historische data op via een API, bijvoorbeeld van brokers als Degiro of Kraken. Je laadt deze data in Python, vaak met bibliotheken als Pandas of Backtrader.
Vervolgens simuleer je je handelslogica op elke prijskaars. Stel je voor dat je een SMA-crossover strategie test.
Je script koopt wanneer de 50-EMA de 200-EMA kruist. In een backtest op 5 jaar data ziet dit er vaak geweldig uit.
Maar vergeet niet: transactiekosten tellen mee. Bij Binance betaal je al snel 0,1% per trade. Een winstgevende strategie op papier kan door kosten een verliesspel worden.
Er zijn verschillende soorten backtesting voor algoritmische traders. ‘Event-driven’ backtesting is nauwkeurig maar traag. ‘Vectorized’ backtesting met Python is bliksemsnel, maar soms iets te optimistisch over de uitvoerbaarheid.
Kies wat bij je bot past. Voor snelle iteraties ga je voor vectorized; voor realisme kies je event-driven.
- Vectorized: Snel, goed voor grove schattingen. Gebruik libraries als VectorBT.
- Event-driven: Nauwkeurig, simuleert elke tick. Gebruik Backtrader of Zipline.
De realiteit van papertrading: live maar veilig
Nu je bot het theoretisch doet, is het tijd voor de live test.
Papertrading koppelt je Python-script direct aan de API van een broker, maar dan met een demo-account. Je ziet je bot handelen op echte koersen, zonder echt geld te verliezen. Dit is cruciaal voor het testen van je risicomanagement.
Stel je voor: je bot zet een stop-loss order in. In een backtest gebeurt dit direct, al merk je dan dat resultaten bij je broker vaak afwijken.
In de echte wereld kan de markt sneller bewegen dan je server reageert.
Papertrading laat je zien of je code ‘slippage’ (uitvoeringsverschil) correct berekent. Een verschil van €0,50 per trade lijkt klein, maar bij 100 trades per dag telt het op. Er zijn verschillende soorten papertrading accounts. Sommige brokers bieden een gratis API-sleutel voor demo-handel aan.
Bijvoorbeeld Interactive Brokers (Trader Workstation) of Alpaca. Deze accounts simuleren de markt realistisch, inclusief de spread. Gebruik dit om je order execution te testen voordat je echt geld inzet.
Verschillende modellen en hun prijsindicaties
Niet alle backtests zijn gelijk. Sommige modellen zijn simpel, andere complex.
Laten we kijken naar een voorbeeld met een momentum-strategie op de NASDAQ.
Je Python-bot koopt aandelen wanneer de RSI onder 30 duikt en verkoopt boven 70. In een eenvoudige backtest op 1 jaar data zie je misschien een rendement van 15%. Maar voeg je transactiekosten van €2 per trade toe (bij een broker zoals Lynx), dan daalt dit naar 12%.
Voeg je slippage toe van 0,05% per trade, dan zit je op 10%. Dit is de kracht van een gedetailleerde backtest.
Papertrading test deze strategie in de huidige markt. Stel dat de markt extreem volatiel is. Je bot moet sneller reageren dan in de historische data. Gebruik een API-limit order om te voorkomen dat je te duur inkoopt. Test dit eerst op een lage inzet, bijvoorbeeld €100, om de techniek te valideren zonder grote risico’s.
Praktische tips voor je workflow
Zorg dat je pipeline waterdicht is. Begin met backtesting in Python met historische data van je broker.
Gebruik een bibliotheek zoals Backtrader voor een realistische simulatie. Zorg dat je risicomanagement (bijv. max 2% per trade) is ingebouwd. Als de resultaten slecht zijn, stop dan direct. Vraag jezelf af of je deze backtest in het echt durft te draaien en pas je strategie aan voordat je opnieuw test.
Stap over naar papertrading zodra je backtest stabiel is. Koppel je bot via de API aan een demo-account.
Laat het minimaal 2 tot 4 weken draaien. Monitor elke dag: klopt de uitvoering?
Zijn er fouten in de code? Pas je risicomanagement aan als je verliezen te snel oplopen. Als papertrading stabiel is, ben je klaar voor de echte markt. Begin klein.
Zet €500 in, niet €50.000. Blijf monitoren. De markt verandert, en je bot moet meeveranderen. Gebruik altijd een broker met een betrouwbare API en lage kosten om je winst te beschermen.