Drei Erweiterungen aus der vorangegangenen Analyse.
Lerngeschwindigkeit
- background_sample_every_n_bars von 10 auf 5. Gemessen stammen nur rund 3 % der
Beobachtungen aus echten Trades; diese Stichproben sind der wirksamste Hebel.
Nicht weiter gesenkt, weil benachbarte Kerzen stark korreliert sind und sich die
Label-Fenster überlappen - mehr Gradientenschritte heißt dort nicht mehr
Information.
Funding Rate und Open Interest als Merkmale (strategy.derivatives, standardmäßig aus)
- Vier zusätzliche Merkmale vom Perpetual zum jeweiligen Spot-Paar. Gehandelt wird
weiterhin Spot, die Kennzahlen kommen über einen zweiten ccxt-Client mit
defaultType=future.
- Die Zuordnung ist lookahead-frei: Für jede Kerze gilt nur der Wert, der zu diesem
Zeitpunkt bereits veröffentlicht war.
- Fällt eine Quelle aus oder deckt sie weniger als min_coverage ab, bleiben die
Spalten neutral. Die Modelldimension bleibt dabei stabil.
- Gemessene API-Grenzen bei Binance: Open Interest reicht 30 Tage zurück, 500 Zeilen
je Abruf; Funding Rate über ein Jahr. Beide Merkmale sind deshalb einzeln
abschaltbar.
ERGEBNIS: kein Nutzen. Zwei Backtests mit identischen Kerzen und Seed -
5m/20 Tage: Rendite -1,79 % auf -1,90 %, Accuracy 51,2 % auf 50,4 %;
15m/28 Tage: Rendite -2,22 % auf -2,67 %, LogLoss praktisch unverändert.
Die Anbindung arbeitet einwandfrei (100 % Datenabdeckung), das Modell gewichtet
die neuen Merkmale aber nur mit 0,01 bis 0,09 gegenüber 0,39 für ema_spread.
Die Funktion bleibt aus und ist dafür da, das auf anderen Zeiträumen selbst zu
prüfen - nicht weil sie sich bewährt hätte.
Ollama-Erklärungen (llm, standardmäßig aus)
- Neuer Dashboard-Bereich und POST /control/explain. Das Modell bekommt den Zustand
als Text und gibt Text zurück; es entscheidet nichts, beeinflusst keine Order und
wird nie aus dem Handels-Loop heraus aufgerufen. Der System-Prompt untersagt
Anlageempfehlungen und Kursprognosen.
- Bewusst nicht als Entscheider: nicht reproduzierbar, kaum backtestbar, und es
würde die Nachvollziehbarkeit des linearen Modells zerstören.
- Beim Test an qwen3.8:27b zeigte sich ein echter Fehler: Reasoning-Modelle legen
ihre Denkschritte in ein eigenes Antwortfeld und verbrauchten dafür das gesamte
Token-Budget, response blieb leer. llm.think ist jetzt standardmäßig false, die
Fehlermeldung nennt Ursache und Ausweg statt nur "leere Antwort", und für ältere
Ollama-Versionen ohne das Feld gibt es einen Wiederholungsversuch ohne es.
Bewusst nicht enthalten: News- und Google-Trends-Sentiment. Es fehlt eine Quelle mit
Point-in-Time-Historie; ohne die lässt sich das Merkmal nicht backtesten. Nach dem
Ergebnis oben wäre ein unvalidiertes Merkmal der falsche Schritt.
test_stop_loss_bounds_the_worst_trade läuft jetzt mit strategy.name: rules. Er hing
über die geänderte Voreinstellung an zufälligem Modellverhalten, geprüft werden soll
aber die Stop-Logik.
270 Tests (36 neue), ruff sauber. Gegen echte Binance-Daten und eine laufende
Ollama-Instanz geprüft, Dashboard-Bereich im Browser bedient.
Per Podman deploybarer Bot, der Käufe und Verkäufe simuliert ausführt und sich
aus den Ergebnissen weiter antrainiert.
Aufbau
- Einheitliche Bar-Verarbeitung für paper, backtest und live; ausgetauscht werden
nur Datenquelle und Broker.
- Börsenanbindung über ccxt: rund 100 Börsen allein über exchange.id erreichbar.
Zugangsdaten kommen über ENV-Platzhalter, der Live-Modus ist doppelt abgesichert.
- Paper-Broker mit Gebühren, Slippage, Börsenpräzision und Volumengrenzen.
- Online trainierte logistische Regression bewertet jedes Einstiegssignal. Sie lernt
aus realen Trade-Ergebnissen, aus Shadow-Labels aller Kandidaten – auch der
abgelehnten – und aus Hintergrund-Stichproben; beim Kaltstart wird sie aus der
Kurshistorie vorgelernt.
- Risikomanagement: Positions- und Exposure-Grenzen, ATR-Stops, Cooldown sowie
Tagesverlust- und Drawdown-Notbremsen.
- SQLite-Persistenz, HTTP-Status mit Prometheus-Metriken und Dashboard, Webhooks.
Deployment
- Containerfile (zweistufig, non-root UID 10001), podman-compose, systemd-Quadlet.
- Modell und Datenbank liegen im Volume /data und überleben Neustarts.
128 Tests, ruff sauber. Verifiziert gegen echte Marktdaten sowie im gebauten
Container inklusive Healthcheck und Zustandswiederherstellung.
Tobias Zimmermann