Vom ersten Prinzip ausgehend: Warum #AI Trading keine Kursbewegungen vorhersagen sollte

1. Zunächst AI aufschlüsseln: Was macht das große Modell wirklich?
Viele betrachten große Modelle als „denkende Blackbox“, aber aus der Sicht der Berechnung ist es nur eine Sache:
Ähnlichkeiten in hochdimensionalen Vektorräumen berechnen.
Alle Eingaben (#token , Bilder, Zeitreihen) werden in Vektoren abgebildet;
alles „Verstehen“ und „Schlussfolgern“ basiert im Wesentlichen auf Vektorpunktprodukten + nichtlineare Transformationen.
Der Kern von Transformer ist nicht „Intelligenz“, sondern:
Eingaben in Vektoren komprimieren
Ähnlichkeiten zwischen Vektoren berechnen
Informationen anhand der Ähnlichkeit aggregieren
Eine Wahrscheinlichkeitsverteilung ausgeben
Das bedeutet eine wichtige Erkenntnis:
Die Fähigkeit von LLMs ist Mustererkennung, nicht Vorhersage.
Im Sprachkontext sind Muster stabil genug, um „wie Vorhersage auszusehen“;
aber im Finanzmarkt führt das zu gravierenden Problemen.
2. Warum „AI zur Vorhersage von Kurssteigerungen oder -rückgängen“ fast zwangsläufig scheitert?
Denn Finanzmärkte und Sprache unterscheiden sich grundlegend.
1️⃣ Sehr niedriges Signal-Rausch-Verhältnis
Natürliche Sprache folgt starken statistischen Mustern;
Kurzfristige Marktpreise ≈ Zufallsspaziergänge, Auf- und Abwärtsbewegungen sind fast 50:50.
Gelernt wird meist nur:
Mittelwert-Reversion
Glättung von Rauschen
Und nicht die echten Extremschwankungen und Risikoevents, die dich wirklich interessieren.
2️⃣ Nicht-stationär
Die Semantik der Sprache bleibt Jahrzehnte konstant;
Marktstrukturen entwickeln sich ständig weiter, gültige Muster 2021 könnten 2024 schon nicht mehr gelten.
3️⃣ Starke Gegenkräfte
Sprache hat keinen Gegenpart;
Der Markt ist ein Nullsummenspiel, jedes erkannte Pattern wird schnell durch Arbitrage eliminiert.
Das Fazit ist klar:
AI ist ungeeignet, um „die nächste Kerze zu prognostizieren, ob sie steigt oder fällt“.
Das bedeutet aber nicht, dass AI im Handel nutzlos ist – nur die Fragestellung ist falsch.
3. Eine andere Frage stellen: Regime erkennen, statt Richtung vorhersagen
Das wirklich signalreiche Problem ist:
In welchem Zustand befindet sich der Markt gerade?
Der Markt ist kein kontinuierliches Zufallsszenario, sondern wechselt zwischen verschiedenen Regimen:
Niedrigvolatil schwankend
Hochvolatil schwankend
Einseitiger Trend
Liquiditätskrise
Regime sind persistent und haben eine deutlich größere Zeitskala als eine einzelne Kerze.
Das macht sie viel stabiler als die Vorhersage von Kursbewegungen.
Zahlreiche Studien zeigen, dass die Alpha-Quelle von Regime-Strategien vor allem darin liegt, schlechte Zustände zu vermeiden, anstatt gute zu ergreifen.
4. Der richtige Einsatz von AI: Market State Embedding
Den Berechnungsansatz von LLMs übernehmen, aber das Ziel ändern.
Nicht:
Marktdaten → AI → Auf oder Ab
Sondern:
Marktdaten → Vektorrepräsentation → Ähnlichkeit → Regime-Entscheidung
Kernidee:
Mit einem Encoder die multidimensionalen Marktzustände in ein Embedding komprimieren
Vektordistanzen repräsentieren die „Ähnlichkeit der Marktzustände“
Welcher Regime ist der aktuelle Markt ähnlich?
Dieser Schritt:
Keine Verteilungsannahmen
Keine künstlichen Schwellenwerte
Unterstützt hochdimensionale, multi-factorielle, nichtlineare Daten
Das Ergebnis ist kein „Kaufsignal“ oder „Verkaufssignal“, sondern eine Marktzustandswahrnehmung.
5. Der wahre Wert von Regimen: Strategische Steuerung und Risikomanagement
Regime generieren keine direkten Gewinne, aber sie bestimmen, ob du große Verluste machst.
Typische Zuordnungen:
Schwankung → Grid-Trading
Trend → Trendfolge
Hohe Volatilität → Reduktion der Positionen
Liquiditätskrise → Leerverkauf
Der Fokus liegt nicht auf mehr Gewinn, sondern auf:
In falschen Marktphasen keine Fehler zu machen.
6. NoFx: Die Infrastruktur für AI-Trading, nicht nur „AI-Vorhersager“
NoFx hat eine klare Positionierung:
Nicht, um den Markt vorherzusagen, sondern um AI ein „sicheres Handelssystem“ zu bieten.
Warum liegt die Engstelle bei AI-Trading nicht im Modell?
Denn ein funktionierendes System braucht:
Stabile, einheitliche Daten
Niedrige Latenz, kontrollierte Ausführung
Strenge, konfigurierbare Risikokontrolle
Vollständige, auditierbare Logs
Das haben 99 % der „AI-Handelsprodukte“ nicht.
7. Was macht NoFx (Minimalversion)
1️⃣ Datenschicht
Vereinheitlichte Verschlüsselung aller Kernmarktdaten:
Preise, Volumen, Open Interest, Funding Rate, Liquidationen, Kapitalflüsse, Orderbuch, Volatilität, technische Indikatoren.
Heterogene Daten → einheitliche Schnittstelle.
2️⃣ Ausführungsschicht
Unabhängig von Börsendifferenzen, einheitliche Order-, Positions-, Hebel- und Stop-Loss-Logik.
Strategien müssen nicht wissen, „bei welcher Börse“ sie handeln.
3️⃣ Entscheidungsschicht
AI prognostiziert nicht mehr Auf oder Ab, sondern:
Strukturierte Marktanalyse
Selektion und Sortierung von Assets
Positions- und Risikobewertung
Einstiegs- / Ausstiegsbedingungen
Ausgabe sind auditierbare, strukturierte Entscheidungen, kein einzelner „Kauf“-Befehl.
4️⃣ Regime-Integration
Regime-Erkennung als Systemmodul:
Zuerst Marktstatus bestimmen,
dann Strategie- und Risikoniveau festlegen,
AI-Intensität passt sich automatisch an das Regime an.
8. Warum Transparenz und Open Source?
Im Finanzbereich gibt es kein Vertrauen in Blackbox-Modelle.
NoFx folgt dem Prinzip:
Jede AI-Entscheidung ist mit vollständigem Kontext dokumentiert
Jede Transaktion kann nachvollzogen werden, warum sie gemacht wurde
Risikokontrolle, Positionsgröße, Hebel sind vollständig konfigurierbar
Code ist auditierbar, selbst deploybar
Das ist die Infrastruktur, die sein sollte.
9. Demokratisierung: AI-Trading sollte nicht nur Institutionen vorbehalten sein
Die Realität:
Quant-Trading ist extrem hochschwellig
Händler ohne System werden systematisch ausgeschlossen
Das Ziel von NoFx ist simpel:
Einen völlig unerfahrenen Nutzer in 5 Minuten eine funktionierende AI-Handelsstrategie bauen lassen und wissen, was sie tut.
Das ist kein Absenken des Professionellen Niveaus, sondern die Verpackung von Fachwissen in Tools.
Ähnlich wie:
Excel für Datenanalyse
Figma für Design
NoFx will die Standard-Schicht für AI-Trading werden.
10. Kurze Zusammenfassung
AI basiert im Kern auf Vektorähnlichkeiten, nicht auf „Vorhersagefähigkeit“
Im Markt sind die wichtigsten Fragen Regime-Erkennung, nicht Kursvorhersagen
Die echten Barrieren liegen nicht im Modell, sondern in Technik, Risikomanagement und Erklärbarkeit
Die Zukunft von AI-Trading ist Infrastruktur, nicht Hype
Wenn du möchtest, schreibe ich beim nächsten Mal einen speziellen Beitrag:
👉 Warum „AI sagt, kaufen, dann kaufen“ das gefährlichste Handelssystem ist