Kurze Zusammenfassung
Das Video stellt eine von Claude optimierte Handelsstrategie vor, die mithilfe eines lokalen Trade Engine und VectorBT entwickelt wurde. Es werden die Erstellung eines Strategie-Dashboards, Monte-Carlo-Simulationen, Datensplitting und Out-of-Sample-Tests behandelt. Außerdem werden Risikometriken, Strategieoptimierung, Ergebnisse der Overnight-Strategieiteration, Risikomanagement, Parameterkonfiguration, Bootstrap-Training und die Anbindung an echte Börsen über SignalSwap erläutert. Abschließend werden die Funktionen des Marktplatzes, die Erstellung von Trading-Bots und Alerts sowie zukünftige Tutorials und Entwicklungspläne vorgestellt.
- Vorstellung einer von Claude optimierten Handelsstrategie.
- Entwicklung eines lokalen Trade Engine mit VectorBT.
- Anbindung an echte Börsen über SignalSwap.
- Vorstellung der Funktionen des Marktplatzes und der Bot-Erstellung.
Vorstellung der Claude-optimierten Handelsstrategie
Der Sprecher stellt ein Dashboard vor, das von Claude Opus erstellt wurde, um eine über Nacht entwickelte Handelsstrategie zu demonstrieren. Diese Strategie verwendet einen lokalen Engine, um Token zu sparen, und optimiert einen Momentum-Squeeze-Indikator mit verschiedenen Ebenen, einschließlich Trade-Exit-Regeln. Der Prozess begann mit einem Netto-Drawdown von 38 % und erreichte 27 % im Sample und etwa 14 % im Out-of-Sample mit einer Sharpe Ratio von 0,86. Der Sprecher betont, dass diese Ergebnisse in nur einer Nacht erzielt wurden.
Aufruf zur Kanal-Subskription
Der Sprecher fordert die Zuschauer auf, den Trade Tactics YouTube-Kanal zu abonnieren und die Like-Taste zu drücken. Er bietet an, Kommentare zu beantworten, insbesondere in den ersten Tagen nach der Veröffentlichung des Videos, und Fragen zu seinen Systemen, der Einrichtung und dem Auffinden seiner Strategien zu beantworten.
Aufbau einer lokalen Trade Engine mit Vector BT
Der Sprecher erklärt, wie er seine lokal laufende Trade Engine mit einer benutzerdefinierten Version von VectorBT aufgebaut hat. Er empfiehlt die Installation von Claude über Visual Studio Code und die Verwendung der Installationsbefehle aus der Claude Code-Dokumentation. Die Interaktion mit Claude erfolgt in natürlicher Sprache, was die Bedienung vereinfacht.
Strategie-Dashboard und Monte-Carlo-Simulationen
Der Sprecher zeigt ein Dashboard, das von Claude erstellt wurde und Trades und verschiedene Simulationen anzeigt. Die Monte-Carlo-Simulationen werden als Stresstest verwendet, bei dem ähnliche Daten randomisiert werden, um die Konsistenz der Strategie zu überprüfen. Der Sprecher betont, dass Claude diese Details nicht kennt und dass ein System wie VectorBT erforderlich ist, um eine Strategie zu entwerfen, die Preisdaten herunterlädt.
Datensplitting und Out-of-Sample-Tests
Der Sprecher erklärt den Prozess des Datensplittings, bei dem 60 % der Daten für das Training und 40 % für die Verifizierung verwendet werden. Er betont, wie wichtig es ist, die Strategie mit Testdaten zu verifizieren, nachdem gute Parameter für die Trainingsdaten gefunden wurden. Die Out-of-Sample-Testdaten sollten erst dann angezeigt werden, wenn eine zufriedenstellende Konfiguration gefunden wurde, um Bias zu vermeiden. Der Sprecher warnt davor, die Strategie über die gesamte Historie zu optimieren, da dies zu Verzerrungen führen kann.
Risikometriken und Strategieoptimierung
Der Sprecher betont, wie wichtig es ist, nicht nur den Nettogewinn zu maximieren, sondern auch den Netto-Drawdown zu minimieren. Er erklärt, dass ein hoher Nettogewinn mit einer guten Sharpe Ratio einhergehen sollte. Der maximale Drawdown sollte niedrig sein, um das Risiko zu minimieren. Er vergleicht verschiedene Strategien mit unterschiedlichen Gewinnraten und Sharpe Ratios, um zu zeigen, wie Claude die Parameter und Regeln modifiziert hat, um bessere Konfigurationen zu finden.
Ergebnisse der Overnight-Strategieiteration
Der Sprecher betont, dass alle gezeigten Strategievariationen über Nacht generiert wurden, während er schlief. Er vergleicht eine frühe, schlechte Version mit einem Netto-Drawdown von 38 % und einer Sharpe Ratio von 0,43 mit einer späteren Version mit einer Sharpe Ratio von 0,59 und einem niedrigeren Netto-Drawdown. Er erklärt, dass er Claude angewiesen hat, die Strategie progressiv über Nacht zu iterieren, ohne sein Zutun.
Risikomanagement und Parameterkonfiguration
Der Sprecher erklärt, dass jede Ebene, die dem System hinzugefügt wird, das Risikomanagement verbessern muss. Jeder Parameter ist so konfiguriert, dass er sicher, breit gefächert und verallgemeinert ist, ohne auf bestimmte Datensätze hyperfixiert oder kurvenangepasst zu sein. Er erwähnt die Verwendung verschiedener Bootstrap-Datensätze und betont, dass die Parameter so gewählt werden, dass sie in allen verschiedenen historischen Versionen gut abschneiden.
Bootstrap-Training und schlechteste Performer
Der Sprecher spricht über die Bootstrap-Trainingsmetriken und die Analyse der schlechtesten 5 % der Performer. Er erwähnt die Pass-Rate, die Fail-Rate und den Runup. Die endgültigen Parameter werden nicht nur aufgrund der besten Leistung in einer Metrik ausgewählt, sondern müssen über alle Metriken hinweg ausgewogen sein und in allen verschiedenen historischen Versionen gut abschneiden. Die Strategie muss auch in den finalen Out-of-Sample-Daten gut abschneiden, um nicht verworfen zu werden.
Anbindung an echte Börsen über SignalSwap
Der Sprecher erwähnt, dass die Strategie mit echtem Geld an einer echten Börse eingesetzt werden kann, indem man sich über signal swap.io mit Bybit, AEX Pro oder Pinex verbindet. Die Website befindet sich derzeit im Alpha-Test. Benutzer können ein Konto erstellen, zum Dashboard gehen und Bots erstellen und verwalten. Der Sprecher bittet um Feedback im Discord, falls Fehler auftreten.
Marktplatz- und Bot-Publishing-Funktionen
Der Sprecher erklärt, dass Bots, die bestimmte Kriterien erfüllen, auf dem Marktplatz veröffentlicht werden können. Nur Bots, die in Echtzeit performen, werden angezeigt. Es gibt Stresstests, um die Robustheit der Bots zu überprüfen. Benutzer können ihre vollständige Historie anzeigen und, falls robust, ihren Bot auf dem Marktplatz anbieten. Alle Daten sind Live-Performance-Daten, und die Schlüssel sind verschlüsselt. Benutzer können Backtests anhängen und den Großteil der Einnahmen aus Abonnements für ihren Trading-Bot behalten.
Erstellung von Trading-Bots Schritt für Schritt
Der Sprecher erklärt, wie man einen Bot erstellt, indem man einen Bot-Namen eingibt, eine Börse und ein Handelspaar auswählt und optional Backtest-Ergebnisse hochlädt. Benutzer können die Höhe des zu handelnden Betrags, die Auftragsgröße, den Hebel und die Art des Hebels festlegen sowie Stop-Loss und Take-Profit festlegen.
Erstellung von Alerts und Webhooks
Der Sprecher erklärt, wie man den Bot mit TradingView integriert, indem man die generierte Webhook-URL und die Alert-Nachricht kopiert und in TradingView einfügt. Benutzer können einen Alert erstellen, ihre Strategie auswählen und die Alert-Nachricht einfügen. Die Webhook-URL wird in das Benachrichtigungsfeld eingefügt. Nach der Bestätigung und dem Deployment des Bots wird dieser im Dashboard angezeigt und kann dort verwaltet werden.
Zukünftige Tutorials und Entwicklungspläne
Der Sprecher kündigt an, dass er weitere ausführliche Anleitungen zur Installation und Ausführung von VectorBT geben wird, um Stresstest-Systeme wie das gezeigte zu erstellen. Er plant, auf Pine Script umzusteigen und sich mit seinem eigenen Signal Swap-Signal zu verbinden. Er wird seinen Wolfpack Elitebot 2 auf dem Signal Swap-Marktplatz veröffentlichen. Er fordert die Zuschauer auf, den Kanal zu abonnieren, das Video zu liken und Kommentare zu hinterlassen, die er beantworten wird.
