Beim Aufbau eines AI-Handelssystems liegt der erste Gedanke nahe: den nächsten Preis vorhersagen.
Genau dort beginnen oft die Probleme.
Preise enthalten viel Rauschen. Je mehr Konfigurationen getestet werden, desto leichter findet man eine Strategie, die nur in historischen Daten brillant aussieht. Beim Scalping kann ein kleiner Prognosevorteil durch Gebühren, Spread, Latenz und Slippage vollständig verschwinden.[1][2]
Die praktische Schlussfolgerung lautet: AI ist möglicherweise wertvoller als Experimentiermaschine denn als Orakel—viele Kandidaten suchen, Marktregime klassifizieren, Ausführungsrisiken messen und falsche Edges schnell verwerfen.
Ausgangspunkt war der Blick auf öffentlich dokumentierte Systeme eines Entwicklers, der seit Jahren an AI-basiertem automatisiertem Trading arbeitet. Ein externer Analysedienst zeigte mehrere reale, automatisierte Systeme.
Die interessante Frage war nicht mehr „Ist dieser Mensch gut?“, sondern: Was sehen wir, wenn wir auch die Fehlschläge betrachten? Was bleibt ohne hohen Hebel? Sollte AI Preise vorhersagen oder Order Flow lesen? Kann eine Einzelperson im Millisekundenbereich konkurrieren?
Dieselbe Logik erklärte am Ende sogar die Fehlerquote einer AI-Artikel-Fabrik.
1. Ein echter Edge überlebt niedrigen Hebel
Ein Edge ist ein wiederholbarer Vorteil mit positivem Erwartungswert nach Kosten und Risiko.
Man sollte maximalen Drawdown, effektive Exposition, Nettoergebnis nach Kosten, Out-of-Sample-Zeiträume, Krisen und die Gesamtzahl getesteter Strategien betrachten.
Hebel verstärkt Ergebnisse. Er erzeugt nicht automatisch Qualität.
Hebel ist der Verstärker, nicht die Stimme.
2. Die gesamte Verteilung zählt, nicht nur das Gewinnerkonto
Myfxbook bietet für öffentliche Konten die Prüfungen Track Record und Trading Privileges. Sie bestätigen die Übereinstimmung der Historie mit dem Broker und die Kontrolle über das Konto.[3]
Das beweist weder die Qualität der AI noch zukünftige Gewinne.
In einem untersuchten öffentlichen Profil standen innerhalb derselben Entwicklungsreihe ein reales automatisiertes System mit +163,46% und 20,90% Drawdown sowie ein System mit -99,90% und 99,93% Drawdown.[4]
Nur +163% ergibt eine Legende. Nur -99,9% ergibt eine Katastrophe. Forschung betrachtet die ganze Verteilung.
Auch „1:2000“ ist eine Hebeleinstellung des Kontos und kein Beweis für dauerhaft 2000-fache effektive Exposition.
3. Ein Gewinnerkonto beweist nicht, dass der Entwickler reich ist
Öffentliche Handelsergebnisse erlauben keine zuverlässige Schätzung des Privatvermögens.
Forschungskapital, Auszahlungen, Firmenvermögen und Privatvermögen können getrennt sein. Haus, Auto, Kleidung oder Familienerscheinung sind keine Bilanz.
Technologie sollte mit technischen Belegen bewertet werden.
Backtesten wir nicht die Geldbörse anderer Menschen.
4. „Ich war in einem Ranking“ verlangt die Frage: welches Ranking?
Myfxbook hat Most Popular Systems und einen separaten Bereich Contests.[5]
Eine Aussage über „Ranking für Bekanntheit“ kann daher Popularität, einen formellen Wettbewerb oder eine andere Plattform meinen.
In dieser Recherche konnten die öffentlichen Systeme bestätigt werden, nicht jedoch der konkret mündlich angedeutete Wettbewerb durch eine Primärquelle.
AI beschleunigt Recherche und leider auch falsche Verknüpfungen.
5. Statt den nächsten Preis vorherzusagen, kann AI den Marktzustand klassifizieren
Untersucht werden können Bid/Ask-Ungleichgewicht, tatsächlicher Trade Flow, Spread, Stornierungen, Volatilität, Trend/Range, Lead-Lag zwischen Spot/Futures oder verwandten Assets und der Erwartungswert nach Kosten.
Order Flow Imbalance ist in der Forschung mit kurzfristiger Preisbildung verbunden.[6]
Auch Lead-Lag-Beziehungen zwischen verwandten Instrumenten wurden über Preis, Liquidität, Orderbuch-Ungleichgewicht und Volatilität dokumentiert.[7]
Das Orderbuch ist jedoch keine Steintafel der Wahrheit. Sichtbare Orders können storniert werden. Deshalb sind Neueinstellungen, Stornos und echte Trades gemeinsam zu analysieren.
6. Sekunden- und Millisekunden-Scalping scheitert häufig an der Ausführung
API, Netzwerk, Queue-Position, Fill-Wahrscheinlichkeit, Spread, Maker/Taker-Gebühren, adverse Preisbewegung und Market Impact werden Teil des Modells.
Forschung zeigt, dass ein Informationsvorteil aus Top-of-Book-Ungleichgewichten mit steigender Latenz schnell verschwinden kann.[2]
Ein Einzelner muss nicht mit HFT-Firmen um die Mikrosekunde kämpfen. Ein etwas längerer Horizont, weniger Trades und vorher abgezogene Kosten können sinnvoller sein.
7. Die größte Gefahr ist intelligentes Overfitting
Starke AI kann Tausende Varianten testen und findet dadurch auch mehr zufällige Gewinner.[1]
Erforderlich sind Out-of-Sample-Tests, rollierende Fenster, schlechtere Gebührenannahmen, Slippage, Delay, Missed Fills, Krisenzeiten, Parameterstörungen, die Dokumentation aller Versuche und schließlich kleine Live-Tests.
AI ist Strategie-Generator und zugleich Fabrik überzeugender False Positives.
8. Fünf Fragen an einen erfahrenen Entwickler
- Was prognostiziert die AI tatsächlich: Preis, Regime, Flow, Volatilität, Entry oder Risiko?
- Welche kurzfristigen Daten bleiben bei der Latenz eines Privatanlegers wertvoll?
- Welche Edges überleben niedrigen Hebel?
- Warum gewinnen Strategien im Backtest und sterben live?
- Wenn man heute bei null beginnt: welcher Markt, Horizont, Datensatz und welches AI-Ziel?
Diese Fragen wirken nicht wegen des Jargons klug, sondern weil sie nach eigenen Experimenten und echten Fehlschlägen gestellt werden.
9. Bei ausländischen Kryptobörsen zählen Wohnsitzregeln mehr als Tricks
Bybit stoppte ab 31. Oktober 2025 neue Registrierungen von Einwohnern Japans.[8]
Bitget stoppte neue Registrierungen nach dem 3. August 2026 und kündigte Close-Only ab 1. November sowie die Schließung verbleibender Positionen ab 31. Dezember für betroffene Einwohner an.[9]
Binance betreibt Binance Japan.[10]
Die richtige Reaktion ist, Wohnsitz, KYC, Plattformbedingungen und lokales Recht gemeinsam zu prüfen. Bei einem echten Umzug ins Ausland müssen Adresse und steuerlicher Wohnsitz korrekt aktualisiert werden.
10. Ein Frontier-Modell am Veröffentlichungstag nutzen: der Edge ist geringe Handlungs-Latenz
OpenAI kündigte GPT-6 Astra am 3. September 2026 an und nannte Verbesserungen bei Coding, Forschung, Computerbedienung und komplexen mehrstufigen Aufgaben. Die API-Dokumentation nennt ein Kontextfenster von 1,05 Millionen Tokens.[11][12]
Entscheidend ist nicht, das Modell zu bewundern, sondern es sofort in eine reale Schleife zu setzen.
Preisprognose → scheitert → Orderbuch → Trades → Lead-Lag → Gebühren → Latenz → scheitert → nächste Version.
Der Vorteil ist nicht, beim ersten Versuch recht zu haben. Der Vorteil ist die extrem kurze Zeit zwischen Hypothese und Experiment.
11. AI benutzen ist etwas anderes als mit AI ein Ein-Personen-Forschungslabor zu bauen
Suche, Zusammenfassung, Korrektur und Coding werden normal.
Die nächste Stufe ist Hypothese → Daten → AI-Suche → Stresstest → Live-Vergleich → Expertenfragen → nächstes Experiment.
Wenn Forschung, Code, Analyse und Publikation parallel laufen, ähnelt eine Person einem kleinen Forschungslabor mit Redaktion.
Wird sogar das Vor-Ort-Interview an einen Freund ausgelagert, entsteht: „Interview: Freund / Analyse: AI / Artikel: Autor / Autor: zu Hause.“ Der selbst ernannte Reporter-Titel wackelt, der Workflow bleibt stark.
12. Besser Iterationsverhalten beobachten als MBTI-Etiketten vergeben
Den MBTI-Typ einer anderen Person von außen festzulegen ist nicht zuverlässig.
Aussagekräftiger sind Jahre am selben Thema, viele Versionen, Live-Fehler, Neubau nach Fehlschlägen, sofortiges Testen neuer Modelle und Interesse an Fehlerursachen.
Vielleicht ähneln sich nicht vier Buchstaben, sondern die Iterationsschleifen.
13. Eine AI-Artikel-Fabrik hat dasselbe Problem: der Engpass wandert von Menge zu Yield
Wenn 100 Entwürfe hineingehen, 80 alle Sprachen schaffen, 60 Qualität bestehen, 45 formell übernommen und 40 veröffentlicht werden, beträgt der End-Yield 40%.
Die Generierung zu verdoppeln kann nur den Defektstapel verdoppeln.
Wichtiger wird First Pass Yield: der Anteil, der ohne Nacharbeit bis zum Ende gelangt.
Fehlende Sprachen, auseinanderlaufende Worker-Regeln, fehlende formelle Übernahme, falsche Aggregate, Quality-Gate-Fehler, kaputter Handoff oder Konflikte sind Fabrikdefekte.
Der nächste Star ist nicht die Schreib-AI, sondern der AI-Leiter für Fehleranalyse.
14. Fazit: Der größte Edge der AI-Ära könnte die Zahl hochwertiger Fehlschläge sein
Gesucht wird der Teil, der Kosten, Latenz, Out-of-Sample, niedrigen Hebel und Live-Trading überlebt.
Orderbuch, Trades, Flow, Lead-Lag und Regime sind Forschungsfelder, keine automatischen Edges.
Eine tiefe Stärke der AI ist die massive Erhöhung der Zahl ernsthafter Experimente.
Bauen, brechen, diagnostizieren, Bedingungen ändern, erneut laufen lassen.
Während jemand noch Experiment 10 diskutiert, bereits 100-mal sauber gescheitert zu sein und Nummer 101 zu starten—das könnte die wirklich ungewöhnliche Produktivität der AI-Ära sein.
FAQ
Ist direkte Preisprognose mit AI nutzlos?
Nein. Aber Rauschen und Overfitting sind hoch. Regime, Flow, Volatilität und Netto-Erwartungswert können leichter validierbar sein.
Reicht das Orderbuch allein fürs Scalping?
Es kann kurzfristige Information enthalten, aber Stornos, Spoofing, Queue, Latenz und Kosten können den Edge löschen. Order-Events und echte Trades sollten mitgetestet werden.[2][6]
Bedeutet “Real” und “Automated” bei Myfxbook Sicherheit?
Nein. Es beschreibt Konto und Automatisierung, garantiert aber keine Rendite.[3]
Sind Ergebnisse stark gehebelter Konten bedeutungslos?
Nein. Man muss Kontoeinstellung und effektive Exposition trennen und risikobereinigt bewerten.
Wird stärkere AI das System automatisch fertigstellen?
Nein. Schlechte Daten, Bewertung und Kontrollen führen nur zu schneller produzierten Defekten.
Publication checks / 公開前チェック
- Personal names, exact addresses, family information, private asset estimates and employer-identifying details were removed.
- The article does not infer personal wealth from a public trading account or private-life appearance.
- “1:2000” is treated as an account leverage setting, not automatically as 2000x effective position leverage.
- Myfxbook verification is described as account/history verification, not proof of future profitability or AI sophistication.
- The specific word-of-mouth “ranking/contest participation” claim remains unconfirmed and is labeled as such.
- Japanese crypto-platform restrictions are dated and should be rechecked before publication because exchange policies can change.
- Investment content is educational and does not recommend a specific trade, exchange, leverage level or expected return.
Quellen
- Bailey, Borwein, López de Prado & Zhu, “The Probability of Backtest Overfitting papers.ssrn.com
- Stoikov & Waeber, “Reducing Transaction Costs with Low-Latency Trading Algorithms papers.ssrn.com
- Myfxbook Help, “Verification myfxbook.com
- Myfxbook public profile, TestSamurai30Ai, systems list myfxbook.com
- Myfxbook, “Most Popular Systems” and Contests navigation myfxbook.com
- Anantha & Jain, “Forecasting High Frequency Order Flow Imbalance arxiv.org
- Schmidt, Cestonaro & Bender, “Lead-Lag Relationships in Market Microstructure papers.ssrn.com
- Bybit, “Bybit to Pause New User Onboarding in Japan bybit.com
- Bitget, “Important Notice for Japanese Residents” / FAQ — ; https://www.bitget.com/support/articles/12560603890271 bitget.com
- Binance, “Introducing Binance Japan: A Platform for Japanese Residents binance.com
- OpenAI, “GPT-6 Astra: A new generation of intelligence openai.com
- OpenAI API, “GPT-6 Astra Model developers.openai.com
