Zurück zu den Projekten
Eigene Projekte · In Arbeit · nur Simulation
DealBot – ein Trading-System zum Lernen
Mein eigenes Projekt seit 2026: Ein System, das Handelsstrategien und Machine-Learning-Modelle an echten Marktdaten testet und als Paper-Trading-Bots laufen lässt – ausschließlich mit simuliertem Geld. Es geht ums Lernen: Datenpipelines, saubere Backtests, Modelle fair vergleichen und eine Anwendung von vorne bis hinten bauen.
Design-Mockup mit erfundenen Beispielzahlen – keine echten Ergebnisse.
Bausteine
- Datenpipeline: Kurse, Nachrichten, Indexlisten (z. B. S&P 500 zu jedem Zeitpunkt) und Wechselkurse aus mehreren Quellen, mit Gegenprüfung
- Backtester mit realistischen Handelskosten
- Paper-Trading-Bots: Signal + Risikoprofil + Schutz-Stops + Kapital
- Scanner, der neue Kandidaten vorschlägt – die Entscheidung bleibt beim Menschen
- Web-Dashboard mit Bots, Charts, Entscheidungsprotokoll und Posteingang
Das Modell-Turnier
- Regelbasierte Strategien (z. B. Trendfolge, Mean Reversion, Dual Momentum) und ML-Modelle (z. B. LightGBM mit und ohne Nachrichten, LSTM) treten auf denselben Daten an
- Walk-forward: immer auf der Vergangenheit trainieren, auf der folgenden Zeit testen – nach Kosten
- Bewertet nach risikobereinigter Leistung, nicht nach reinem Gewinn; wer zu hohe Verluste zulässt, fliegt raus
- Paare „mit / ohne Nachrichten“ zeigen, ob die Nachrichten-Stimmung wirklich hilft
Sicherheit zuerst
- Alles läuft als Simulation (Paper-Trading); echter Handel ist gesperrt
- Not-Aus („Kill Switch“) für alle Bots
- Zugangsschlüssel werden nur geschrieben, nie wieder angezeigt
Technik
- Python, FastAPI, pandas, LightGBM, PyTorch
- React und TypeScript fürs Dashboard
- Docker auf einem eigenen Server; aufwendiges Training auf der eigenen Grafikkarte