Wir werden oft gefragt, was „ein AI-Team erforscht Strategien“ konkret bedeutet — hier deshalb eine Hypothese, von Anfang bis Ende durchgespielt. Das Wichtigste dabei: Dieser Trichter existiert, um abzulehnen. Die meisten Ideen sterben. Genau dann funktioniert das Produkt.
Welche Fragen dazu tatsächlich gestellt werden
Wer kommt auf die Ideen?
Ein Research-Agent, der liest, was die Datenbibliothek hergibt — Funding-Rates, Open Interest, Liquidations-Tapes, Options-Oberflächen, News-Sentiment, Fear & Greed — und Hypothesen mit These, Venue, Zeitrahmen und Risikoprofil schreibt. Er ist ausdrücklich gebührenbewusst: Eine Idee, deren plausible Edge unter den Round-Trip-Kosten der Venue liegt, ist schon bei der Ankunft fehlgeformt. Und er liest den Friedhof. Der Scheiterungsgrund jeder aufgegebenen Strategie wird als Embedding abgelegt und ist durchsuchbar, sodass „Funding-Momentum auf Stundenkerzen, dritter Versuch“ auffällt, bevor es einen Zyklus verschwendet.
Wer schreibt den Code, und warum sollte man ihm trauen?
Ein Developer-Agent programmiert die Strategie gegen ein festes Basis-Template — kapitalrelative Positionsgrößen, explizite Stop-Logik, deklarierter Datenbedarf. Vertrauen entsteht durch den Spießrutenlauf, nicht durch den Autor. Vier Ebenen: statische Analyse (AST-Checks auf die Anti-Patterns, die wir katalogisiert haben); synthetische Szenarien (sechs Marktformen mit fabrizierten Zusatzdaten — eine Strategie, die in genau das Crash-Szenario hineinkauft, das sie vermeiden sollte, stirbt hier); ein Sandbox-Backtest auf echten Daten, der mindestens einen Trade produzieren muss; und ein QA-Agent, der Code-Review auf Signalpolarität, Randfälle und Gebühren-Tragfähigkeit macht. Ebene 2 fängt die peinlichste Klasse ab: Code, der einwandfrei läuft und das Gegenteil der Hypothese tut.
Was berechnet der Backtest wirklich?
Echte maker/taker-Gebühren pro Venue, Funding-Abgrenzung auf den Mark-Preis, Market Impact nach dem Wurzelgesetz, Margin und Liquidation für gehebelte Bücher, Handelskalender für Aktien. Mark-to-Market-Equity inklusive unrealisiertem PnL, damit sich Drawdowns nicht zwischen Ein- und Ausstieg verstecken. Falls das nach Selbstverständlichkeiten klingt: Es ist keine; jeder einzelne Punkt kam dazu, weil sein Fehlen eine ganz konkrete falsche Promotion produziert hat.
Overfittet die Optimierung nicht einfach?
Sie versucht es. Die Pipeline geht genau davon aus: Parameter durchlaufen zuerst einen Sensitivitäts-Sweep (eine Strategie, die nur bei exakt lookback=14 funktioniert, ist ein Zufall, keine Strategie), dann Walk-Forward-Optimierung über drei Fenster mit IS/OOS-Tracking, dann einen finalen Holdout, den die Strategie genau ein einziges Mal sieht. Liegt die Out-of-Sample-Sharpe unter der Hälfte des In-Sample-Werts, ist das eine Ablehnung. Der Holdout muss mindestens 70% der Walk-Forward-OOS-Sharpe halten. Das sind im Code erzwungene Gates, kein Analysten-Ermessen — der Analyst kann eine weiche Untergrenze mit protokolliertem Grund aussetzen, die Overfitting-Checks aber nicht.
Wie hoch ist die Bestehensquote?
Niedrig — und das soll sie auch sein. Der häufigste Tod tritt im Analysten-Review ein: Die Edge ist real, liegt aber nach Kosten unter 0.15% pro Trade. Am zweithäufigsten ist die Sensitivitätsklippe. Überlebende gehen zu einem Risk Officer und dann ins Paper-Trading, wo ein täglicher Replay-Paritäts-Check sie auf unbestimmte Zeit an Live-Daten ehrlich hält. Echtes Kapital sitzt hinter einem separaten, von Menschen kontrollierten Gate.
