Forschungsmethodik
Datenstand heute
151 DAX-Handelstage mit Tickdaten (2026-03-17 bis 2026-10-16), davon 131 vollständig und belastbar. Gleiche Quelle und Zählregel wie auf der Evidenzseite. Welches Fenster ein einzelner Versuch nutzt, steht in seinem Versuchsprotokoll.
Test-Setup der kuratierten Ausgangsuntersuchungen
Historischer Ausgangsstand. Für spätere Versuche gelten das Datenfenster und die Kosten aus dem jeweiligen Versuchsdossier.
Getestet wird das real verfügbare Instrument (IG CFD GER40) auf dem real verfügbaren Zeitraum — kein Anspruch auf Mehrjahres-Historie oder Futures-Semantik. Research-Backtests enden 21 Tage vor heute (Daten-Embargo): die jüngsten Wochen bleiben für die Forward-Validierung unberührt.
Methodik-Regeln
Trial Ledger (technisch erzwungen, seit 11.07.2026)
Jede Variante wird VOR der Ausführung im Trial Ledger registriert — auch Optimizer-Grids und Exit-Lab-Policies. Ohne Registrierung läuft kein Backtest (Enforcement im Runner, nicht per Konvention). Die Multiple-Testing-Debt pro Hypothesenfamilie ist öffentlich: je mehr Trials eine Familie verbraucht hat, desto strenger ist ein einzelner Treffer zu lesen.
Daten-Embargo + Forward-Validierung (erzwungen)
Research sieht die letzten 21 Tage nie — seit 11.07.2026 technisch erzwungen: die Backtest-Sandbox verweigert jedes Fenster, das in die Embargo-Zone reicht. Jeder abgeschlossene Monat wird als echtes Out-of-Sample gegen alle eingefrorenen Kandidaten getestet; Parameter werden nach dem Einfrieren nie angepasst.
Optimierung ohne Selbstbetrug
Optimiert wird nur bei Signal, mit beim Bau vorregistriertem Grid, In-Sample-Auswahl und genau einem Out-of-Sample-Test — der die unoptimierte Baseline schlagen muss. Der Report zeigt die volle Grid-Fläche plus Plateau-Check: ein isoliertes Optimum ohne tragende Nachbarn wird als Zufallsverdacht markiert (Stability Map).
Stichprobe und Entscheidbarkeit
Jede öffentliche Kennzahl trägt ihre Stichprobe n und eine Einstufung: unter 20 Trades explorativ (ein Verlauf, keine Leistung), 20 bis 49 vorläufig (nur mit Vertrauensbereich lesbar), ab 50 belastbarer. Ob ein Ergebnis überhaupt entscheidbar ist, sagt keine feste Tradezahl, sondern das Power-Urteil: belegt, widerlegt mit ausreichender Power (80 %, Tagescluster berücksichtigt) oder nicht entscheidbar.
Robustheits-Score (vorregistriert, v1.0 / 2026-06-12)
0-100 Punkte aus festen Komponenten: Stichprobe (25, voll ab n=100), Signifikanz (25, voll wenn die PF-CI-Untergrenze >= 1.4), Konzentration (15, voll wenn Top-3-Trades <= 30% des Gewinns), Kosten (15, voll wenn PF trotz +1 Pkt/Seite Slippage >= 1.3), Regimebreite (10), Forward-Monate (10). Die Formel wird nie an Ergebnisse angepasst — sonst optimiert man den Score statt den Edge. Der Score misst Belastbarkeit der Messung, nicht Edge-Höhe.
Run-Manifest + Canary-Replay
Jeder Build trägt ein Manifest: Engine-Fingerprint (Hash über die Kern-Engine-Dateien), Datenstand, Fenster, Kostenmodell und Trial-Referenz — zwei Ergebnisse mit unterschiedlichem Fingerprint sind nicht 1:1 vergleichbar. Wöchentlich prüft ein Canary-Replay, dass Backtest- und Live-Engine aus demselben Tickstrom identische Bars und Regime-Labels bauen — Backtest-Treue wird gemessen, nicht angenommen.
Placebo-Kontrolle (Negative Control)
Seit 30.09. in zweiter Fassung: 199 Zufalls-Replikationen mit identischer Trade-Geometrie, und in jeder Replikation wird die Auswahl des besten Trials wiederholt, damit die Kontrolle dieselbe Auswahl erlebt wie der Kandidat. Zwei Stufen: Timing (Einstieg ±60 Min am selben Tag) und Tageswahl (zufällige Tage). Dazu ein Verschiebungstest: derselbe Trade eine bzw. fünf Minuten später. Verschwindet der Vorteil dabei, lebt er von Information aus demselben Bar oder ist eine reine Latenzwette. Alles Information, keine Hürde.
Exit-Forschung mit eingefrorenen Entries
Stop-/Exit-Systeme werden isoliert erforscht: das Entry-Set einer Strategie wird eingefroren, dann laufen vorregistrierte Exit-Policies über identische Tickpfade (inkl. Broker-Realität: Mindestabstände, Amendment-Kadenz). Globale Stop-Regeln sind bewusst auf das Broker-Minimum reduziert — maximale Freiheit für adaptive Exit-Systeme, der A/B durch die echte Engine entscheidet.
Statistik-Härtung (additiv zum Score)
Zusätzlich zum vorregistrierten Score v1.0: Block-Bootstrap-Konfidenzintervalle über Tages-Blöcke (erhalten Verlustserien — ehrlicher als Einzeltrade-Resampling), Power-Check (ist der gemessene Edge mit dieser Stichprobe überhaupt nachweisbar?) und Leave-one-month-out (hängt das Ergebnis an einem einzigen Monat?). Die Score-Formel selbst bleibt unverändert, damit alte Builds vergleichbar bleiben.
Verification-Levels
Die Forschungsautomatik erzeugt höchstens Stufe 0 bis 4. Stufe 5 (WARCHHOLD VERIFIED) verlangt eine Prüfung durch eine vom Erbauer getrennte Rolle und eine berechtigte Entscheidung. Stufe 6 (LIVE VERIFIED) setzt reale Bewährung einer genau benannten Version voraus; ein Backtest kann diese Stufe nie erzeugen.
Übernahme ins Handelssystem
Forschungskandidaten bleiben vom Handelssystem getrennt, bis sie die Prüfungen bestanden haben. Über das Demokonto (DEMO) entscheidet das System nach festen Regeln: Frische, zugelassene Funde gehen als Beobachtung ins DEMO, abgeschaltet wird nach der DEMO-Regel (Profit Factor unter 1 über mindestens 20 Trades und Backtest im selben Zeitraum negativ). Über echtes Geld entscheidet ausschließlich der Betreiber; keine Automatik berührt es.
Verification-Framework
0 = Ungeprüft
1 = Reproduziert
2 = Backtest Verifiziert
3 = Robustheitsgeprüft
4 = Out-of-Sample Verifiziert
5 = WARCHHOLD VERIFIED
6 = LIVE VERIFIED
Agenten und ihre Aufgaben
Hier steht, wozu jeder Agent da ist. Takt, letzter Lauf und Zustand stehen an einer Stelle, im Kalender; er wird aus den Zeitplänen des Servers erzeugt, nicht von Hand gepflegt. Fällt ein Lauf aus oder wird er verschoben, steht das dort.
| Agent | Aufgabe |
|---|---|
| Literatur-Research-Agent | Durchsucht arXiv, SSRN, QuantConnect und etablierte Quant-Blogs nach neuen Intraday-Strategien für DAX; extrahiert Funde strukturiert ins Research-Log (max. 3 pro Tag, Dedupe gegen Bestand). |
| Klassik-Literatur-Research-Agent | Wie der Literatur-Agent, aber für die klassische/ältere akademische Finanzliteratur (seminale Journal-Artikel, NBER, frühe Anomalie- und Mikrostruktur-Forschung vor ~2000), die der arXiv/SSRN-Lauf nicht abdeckt. Extrahiert handelbare Intraday-Kandidaten kritisch (Tier-Regeln, baubar ja/nein), prüft besonders auf Decay/Arbitrage seit Publikation und Übertragbarkeit auf DAX-Intraday, und schreibt in denselben Research-Log → Auto-Build implementiert die besten Funde. |
| Empirie-Research-Agent | Forscht in den EIGENEN canonical DAX-Tickdaten statt in fremder Literatur: eine deterministische Phase rechnet vorregistrierte Statistik-Familien (Tageszeit-Drift, Gap-Verhalten, Vola-Clustering, Breakout-Persistenz u.a.) auf einem Discovery-Fenster; das LLM (Fable, Mythos-Klasse) destilliert daraus max. 2 falsifizierbare Hypothesen — mit hartem Multiple-Testing-Rahmen (Bonferroni-Kontext, alle Buckets offengelegt) und Mechanismus-Pflicht. Auto-Build testet erzwungen auf dem disjunkten Holdout-Fenster (test_start-Enforcement); die letzten 21 Tage bleiben für die Forward-Validierung gesperrt. Auch Bausteine (Stop-Systeme, Indikatoren, Filter) sind vollwertige Funde und werden als A/B-Overlay getestet. |
| Katalog-Research-Agent | Implementiert klassische Archetyp-Familien als interne Plugins, führt reproduzierbare Backtests aus und dokumentiert Ergebnisse inkl. vollständiger Trial-Zählung. |
| Forward-Validator | Re-Test ALLER eingefrorenen Kandidaten (forward_candidates.json, wachsende Liste — auch Auto-Build- und Optimizer-Ergebnisse) auf dem jeweils abgeschlossenen Vormonat: echtes, unverbrennbares Out-of-Sample. Eingefrorene Parameter werden nie nachgetunt. |
| Auto-Build-Agent | Implementiert bis zu 3 noch nicht gebaute Tier-1/2-Funde pro Lauf sequenziell als Plugins. Claude schreibt Code + Trial-Spec; der deterministische Runner führt die vorregistrierten A/B-/Backtests aus. Ergebnisse bleiben Entwurf, bis eine getrennte Rolle die exakte Version geprüft hat. |
| Canary-Replay (deterministisch) | Wöchentlicher Paritätstest: derselbe Tickstrom eines kompletten Handelstags läuft durch die Backtest-Engine UND den Live-Bar-Builder — verglichen werden Bars (OHLC exakt), Regime-Labels und die Indikator-Kette. Divergenz = Alarm ('Backtests sind nicht live-treu'). Kein LLM — reine Replay-Logik. Motivation: drei BT≠Live-Bugs in einer Woche (Juli 2026), alle in genau dieser Schicht. |
| Auto-Optimize (bedingt) | Optimiert NUR Kandidaten mit Signal: vorregistriertes Grid (beim Bau festgelegt), Auswahl nur In-Sample, ein einziger Out-of-Sample-Test gegen die Baseline. Bestätigte Parameter gehen eingefroren in die Forward-Validierung — Overfitting wird so strukturell verhindert. |
Daneben arbeiten 13 Prüf- und Entscheidungsagenten für die technische Governance (Abnahmen, Schutz geschützter Funktionen, Verwaltung der Strategiebibliothek). Sie sind unter System & Dokumentation beschrieben.
Rollen der Autonomie: Agenten recherchieren und bauen Strategie-, Indikator-, Regime- und Ausstiegshypothesen. Deterministische Programme testen sie und fällen das Urteil nach festen Regeln. Prüf- und Entscheidungsrollen sind von der Bau-Rolle getrennt; über den Demobetrieb (DEMO) entscheidet das System, über echtes Geld ausschließlich der Betreiber. Generierter Strategiecode läuft ohne Shell-Zugriff, mit Import-Allowlist und ohne Netzwerk.