Wie man einen Trading-Roboter baut

Inhalt

1. Basics — Das Grundprinzip des HandelsLeser:innen lernen, was eine Börse ist und wie sie über Angebot und Nachfrage Preise findet. Sie erfahren die Unterscheidung zwischen Primär- und Sekundärmarkt sowie den historischen Ursprung 1602 in Amsterdam mit der VOC.
2. Marktindikatoren und MarktregimeLeser:innen lernen, dass Märkte verschiedene Regime durchlaufen und ein Bullenmarkt ein Anstieg von mindestens 20% vom Tief, ein Bärenmarkt ein Rückgang von mindestens 20% vom Hoch ist. Seit 1950 dauerten Bärenmärkte im S&P 500 durchschnittlich rund 13 Monate (etwa 33% Rückgang), Bullenmärkte rund 5 Jahre.
3. FinanzprodukteLeser:innen lernen die wichtigsten Finanzproduktkategorien kennen, beginnend mit Aktien: Unterschied zwischen Stamm- und Vorzugsaktien, Dividenden und deren Berechnung (Dividendenrendite = Dividende/Kurs × 100 %) sowie die Bedeutung dividendenbereinigter Kursdaten für Trading-Roboter.
4. Technische AnalyseLeser:innen lernen die drei Grundannahmen der technischen Analyse, ihre Abgrenzung zur Fundamentalanalyse sowie, dass die TA das Timing und konkrete Ein- und Ausstiegssignale liefert, während Fundamentaldaten die Richtung bestimmen.
5. Makro-EinflüsseLeser:innen lernen, wie externe Makro-Kräfte – Geldpolitik, Fiskalpolitik, Wirtschaftsindikatoren und Geopolitik – alle Märkte gleichzeitig bewegen. Vorgestellt werden fünf Zentralbanken (Fed, EZB, BoJ, BoE, PBoC) mit Leitzinsen und Sitzungsrhythmen sowie der Wirkungsmechanismus von Leitzinsänderungen.
6. DatenquellenLeser:innen erfahren, dass Daten die Grundlage jedes algorithmischen Handels bilden und ihre Qualität den Strategieerfolg bestimmt. Das Kapitel ordnet die Datenanforderungen entlang der fünf Pipeline-Phasen, stellt sechs Datenkategorien sowie Anbieter vor und empfiehlt einen kostenlosen Starter-Stack und einen Pro-Stack.
7. Steuern und RegulatorikLeser:innen erfahren, dass in Deutschland seit 2009 alle Kapitalerträge der Abgeltungsteuer unterliegen, mit 25 % Kapitalertragsteuer plus Solidaritätszuschlag (gesamt 26,375 %), optional zuzüglich Kirchensteuer. Zudem geht es um regulatorische Anforderungen beim algorithmischen Handel.
8. Künstliche Intelligenz im TradingLeser:innen lernen, wie sie KI-Techniken in einen Handelsroboter integrieren: Sentiment-Analyse von Nachrichten, alternative Datenquellen, Machine-Learning-Vorhersagen und deren Einbindung in die Entscheidungslogik. Sie erfahren zudem, dass KI Grenzen hat und gezielt eingesetzt werden sollte.
9. Börse ist Psychologie — und der Algorithmus?Drei Nobelpreise (Kahneman 2002, Shiller 2013, Thaler 2017) belegen: Märkte sind psychologisch geprägt, nicht rein rational. Die Prospect Theory (1979) zeigt zudem, dass Verluste etwa doppelt so stark schmerzen wie gleich große Gewinne erfreuen.
10. HandelsstrategienLeser:innen lernen, wie sich die Bausteine aus früheren Kapiteln zu Strategien mit positivem Erwartungswert kombinieren lassen, bestimmt durch Marktregime, Zeithorizont und Wertpapierart, und warum naive Options-Strategien etwa durch Theta-Decay von 5–8 % pro Tag scheitern.
11. Trading-AlgorithmenLeser:innen lernen, was algorithmischer Handel ist und wie er sich vom diskretionären Handel unterscheidet. Vorteile sind Geschwindigkeit, Disziplin, Reproduzierbarkeit und Skalierbarkeit; Risiken umfassen Overfitting, Modellrisiko und Flash Crashes wie am 6. Mai 2010.
12. IT-UmsetzungLeser:innen erfahren, wie fachliche Anforderungen in eine Systemarchitektur übersetzt werden, welche IT-Fähigkeiten — inklusive Large Language Models — nötig sind und welche Teststrategie zuverlässigen Betrieb sichert. Beschrieben werden die Komponenten Data Engine, Analysis Engine, Execution Engine und Broker Adapter.

Artikel zu diesem Buch

Artikel folgen, sobald die Content-Pipeline sie freigibt.