Wer mit KI forscht, verpasst leicht den Zeitpunkt zum Aufhören. Nach einem Test interessiert einen eine andere Bedingung. Ist die geprüft, möchte man einen anderen Markt ausprobieren. Fragt man die KI, gibt es meistens einen Weg. Man kann den Code ändern und noch einmal laufen lassen.
So beschäftige ich mich seit etwa einem Jahr mit systematischem Trading.
Es hat Spaß gemacht. Ich fand es reizvoll, Gedanken tatsächlich testen zu können, die vorher nur in meinem Kopf existierten. Hätte ich bei jeder Frage erst überlegen müssen, ob ich sie überhaupt technisch umsetzen kann, hätte ich wahrscheinlich vieles liegen lassen. Mit KI konnte ich mehr Dinge einfach ausprobieren.
Doch diese zusätzlichen Möglichkeiten hatten ihren Preis. Ich musste entscheiden, was ich nicht ausprobieren wollte.
Wenn mir etwa das Ergebnis eines Backtests nicht gefällt, finde ich genügend Stellschrauben. Ich kann eine Einstiegsbedingung verändern, einen besonders schlechten Zeitraum genauer betrachten oder die Strategie auf einen anderen Markt anwenden. Die KI hilft bei jedem Versuch. Eine überzeugende Erklärung liefert sie oft gleich mit.
An dieser Stelle wird Forschung unscharf. Eine falsche Annahme zu korrigieren und Bedingungen so lange zu verändern, bis ein Ergebnis gefällt, kann sich bei der Arbeit sehr ähnlich anfühlen. Beides bedeutet, Code zu bearbeiten und erneut auszuführen.
Deshalb wurde die Liste meiner Notizen länger. Vor einem Experiment: Was will ich prüfen, und bei welchem Ergebnis würde ich die Idee aufgeben? Danach: Welche Bedingungen habe ich geändert, nachdem ich das Ergebnis gesehen hatte? Das ist lästig. Ohne diese Aufzeichnungen könnte ich mich später selbst an die Gründe für Änderungen überzeugender erinnern, als sie tatsächlich waren.
Beim Code gab es ein ähnliches Problem. Ist ein Lauf abgeschlossen und stehen Zahlen da, ist man erst einmal erleichtert. Zahlen allein garantieren aber keine richtige Rechnung. Der Zeitpunkt des Signals kann falsch zum Zeitpunkt der Order passen. Durch das Runden der Ordergröße kann ein geplanter Trade ganz entfallen. In einer Kapitalkurve sind solche Details schwer zu erkennen.
Also mussten auch meine Aufträge an die KI konkret werden. Neben der Umsetzung einer Strategie musste ich prüfen, warum an einem bestimmten Tag diese Order entstanden war, welche Daten gelesen worden waren und wie die Stückzahl berechnet wurde. Gespräche über das Gesamtergebnis führten uns irgendwann wieder zu einem einzelnen Trade oder einer Rechenzeile zurück.
Von außen sieht das vielleicht nach wenig aus. Ein ganzer Arbeitstag kann mit dem Fazit enden, dass ein Ergebnis noch einmal geprüft werden muss. Lasse ich diese Prüfung aus, weiß ich beim nächsten Experiment allerdings nicht mehr, worauf ich mich verlasse.
Dabei war KI durchaus hilfreich. Mit ihr konnte ich vorhandenen Code erneut lesen, verschiedene Läufe vergleichen und nach übersehenen Annahmen suchen. Sie konnte mir aber nicht die Verantwortung dafür abnehmen, ob ich meine Fragen in Richtung der gewünschten Antwort lenkte. Das blieb meine Aufgabe.
Auch deshalb möchte ich diesen Blog beginnen. Während der Forschung kam immer schon die nächste Aufgabe, und es blieb wenig Gelegenheit, den bisherigen Weg richtig zu erklären. Beim Schreiben dürfte klarer werden, welche Teile ich verstanden habe und über welche ich hinweggegangen bin.
Ich möchte jeweils ein Experiment oder eine Frage behandeln: warum ich den Versuch lohnend fand, was in der Praxis anders war und was ich anschließend geändert habe.
Wenn ich auf die Aufzeichnungen des letzten Jahres schaue, werden mir die Themen wohl vorerst nicht ausgehen. Ich bin nur mit dem Sortieren etwas im Rückstand.