📈 Börsenbot 2026

Eine ehrliche Edge-Suche an den Finanzmärkten

Stand: 21. Mai 2026 · Live auf NAS · ~60 Hypothesen getestet

🎯 Executive Summary

Über mehrere Wochen wurden ~60 Trading-Hypothesen unter strenger Pre-Registrierung getestet. Die meisten — Technische Analyse, News-Sentiment, klassische Macro-Indikatoren — wurden ehrlich falsifiziert. Drei Strategien überlebten und laufen heute automatisiert auf einer NAS.

~60 Hypothesen getestet

3 Strategien überlebt

2 Live deployed

1.31 Sharpe (Combined)

✅ Drei automatisierte Strategien gefunden — kleiner aber echter Edge.
Keine Geld-Druck-Maschine, aber besseres Risk-Adjusted-Return als SPY allein.

🚀 Die drei überlebten Strategien

🟢 LIVE

1. Hybrid SPY

Trend + Volatility-Adjusted Position Sizing

Sharpe OOS1.13

MaxDrawdown-15.7%

vs SPY-Buy-Hold+0.10 Vol-Reduktion

Bei MA50 > MA200 long SPY, Position-Size reduziert bei hohem VIX.

🟢 LIVE

2. HYG Stress-Buy

Credit-Spread Mean-Reversion

Sharpe OOS1.02

MaxDrawdown-10.4%

vs HYG-Buy-Hold+0.09 Sharpe

Bei Finanz-Stress (STLFSI4 hoch) 100% in HYG, sonst nur 50%.

🟡 BACKTEST

3. Combined 50/50

Diversifizierter Mix beider Systeme

Sharpe OOS1.29

MaxDrawdown-9.5%

vs SPY-Buy-Hold+0.04 Sharpe

Korrelation 0.38 → Diversifikations-Bonus +0.21 Sharpe.

🎯 Highlight: Combined 50/50 schlägt SPY-Buy-and-Hold im Sharpe (1.29 vs 1.25) bei 60% niedrigerem MaxDrawdown (-9.5% vs -24.5%).

📊 Performance-Vergleich (OOS 2019-2025)

Strategie	AnnReturn	Volatilität	Sharpe	Sortino	MaxDD
SPY Buy-and-Hold	+20.59%	16.49%	1.25	1.66	-24.50%
Hybrid SPY (live)	+13.15%	11.66%	1.13	1.34	-15.69%
HYG Buy-and-Hold	+6.63%	7.08%	0.94	1.25	-15.79%
HYG Stress-Buy (live)	+5.30%	5.18%	1.02	1.26	-10.35%
50/50 Combined (backtest)	+9.31%	7.22%	1.29	1.73	-9.50%

🪦 Der Friedhof der Hypothesen

Pre-Registrierung verlangt: Hypothesen vor dem Test definieren, Train/Test-Split einhalten, Bonferroni-Korrektur bei mehreren Tests. Folgende bekannte/verlockende Signale haben unter dieser Disziplin nicht überlebt:

🕯️ Hover über die Grabsteine für letzte Worte. Klick für Beerdigungs-Details.

📚 Methodische Lehre: "Conditional Mean > Unconditional Mean" ist NICHT dasselbe wie "Strategy schlägt Buy-and-Hold". Ein Signal kann statistisch signifikant sein und trotzdem ökonomisch wertlos — Cash-being-out kostet Carry.

⚠️ Direction-Flip ist real: Klassische Macro-Heuristiken (Yield-Inversion, Credit-Stress) zeigten Pre-2019 das erwartete "Stress=Sell"-Pattern, in 2019-2025 aber das Gegenteil. Markt-Regime ändern sich — kein zeitloses Signal.

💡 Was hat funktioniert? Der HYG Stress-Buy Edge

Die Hypothese

Wenn der St. Louis Fed Financial Stress Index (STLFSI4) hoch ist (oberes Quartil), sind High-Yield-Bond-Spreads weit. Das ist klassisch eine Verkaufs-Panik im Junk-Bond-Markt. Mean-Reversion: Diese Spreads engen sich typischerweise wieder ein → HYG/JNK-Preise erholen sich.

Die Strategie

WENN STLFSI4 > 0.2909 (Train-Q75 aus 2003-2018):
    Position HYG = 100% für 20 Handelstage
SONST:
    Position HYG = 50% (Rest Cash)

Die Validierung

Check	Ergebnis
Pre-Registriert vor Test	✅ Ja (Holdout-Asset)
Train/Test-Split (kein Lookahead)	✅ 2003-2018 / 2019-2025
Bonferroni-Korrektur (4/16 PASS)	✅ alle Holding-Windows
Cross-Asset-Validierung (HYG → JNK)	✅ Beide bestätigen
Sanity-Check (Inverse-Strategy)	✅ Pattern ist real
Sensitivity-Grid (4×5 Setups)	✅ 15-16/20 robust

Warum es funktioniert

Credit-Spreads sind eine der wenigen Asset-Klassen, in denen Mean-Reversion ökonomisch fundiert ist: Wenn Spreads massiv aufgehen, müssen entweder (a) Defaults wirklich folgen, oder (b) Spreads engen sich zurück. Historisch dominiert (b) außerhalb echter Rezessionen. Genau diese Asymmetrie nutzt die Strategie.

🛠️ Technische Architektur

Vollständig PC-unabhängig auf NAS

Beide Live-Systeme laufen direkt auf einer Synology NAS (Linux ARM v7). Der Windows-PC kann ausgeschaltet sein — die Strategie läuft trotzdem täglich vor Marktschluss.

📡 Datenfluss

FRED API → STLFSI4 (St. Louis Fed Stress Index)
Yahoo Finance API → SPY, VIX, HYG Tagesdaten

↓ täglich 21:30 UTC

NAS Cron Job
  ├─ nas_hybrid_calculator.py (Pure-Python)
  │ └─ MA50, MA200, VIX-Normalization, Position-Size
  └─ nas_hyg_calculator.py (Pure-Python)
     └─ STLFSI4-Schwelle, Stress-Window, Exposure 50/100

↓ schreibt JSON + Log

today_signal.json  hyg_today_signal.json
hybrid.log  hyg.log

↓ Daily Monitor 23:00 UTC

monitor_hybrid.py → checkt Execution + Errors → Email-Alert

Warum Pure-Python?

Die Synology NAS hat eine armv7l-Architektur, für die keine Binary-Wheels von numpy/pandas auf PyPI existieren. Source-Builds scheitern an fehlenden Toolchains. Daher: alle Berechnungen mit Python-Standard-Bibliothek (statistics.mean(), statistics.stdev()) + requests für API-Calls.

Sicherheit & Setup

FRED API-Key: in .fred_key auf NAS, chmod 600
Git Repository: github.com/defcon3/boersenbot (private)
SSH-Deploy: Base64-Pipe (SFTP ist auf NAS deaktiviert)
Logs: rotierbar, jederzeit per SSH abrufbar
Backup: Lokale Calculator-Skripte im Repo als Fallback

Test-Frameworks

Alle Strategie-Tests folgen einer einheitlichen Methodik:

Pre-Registration: Hypothese vor Test schriftlich fixieren
Train/Test Split: Train ≤ 2018, Test 2019-2025 (ohne COVID 02-04/2020)
Bonferroni-Korrektur: bei N Tests |t|-Schwelle entsprechend hoch
Cross-Asset Validation: Edge muss auf ≥2 Assets gelten
Sanity-Checks: Inverse-Strategy muss schlechter sein
Slippage: 5bps round-trip in allen Backtests berücksichtigt

🎓 Die wichtigsten Lehren

✅ Was funktioniert

Risk-Management vor Edge-Suche: Vol-adjusted Position-Sizing schlägt Naive-Signals
Credit-Mean-Reversion in High-Yield-Bonds: echte ökonomische Logik dahinter
Diversifikation: moderate Korrelation (0.38) bringt +0.21 Sharpe-Bonus
Pre-Reg-Disziplin: rettet vor falschen positiven Befunden

❌ Was nicht (mehr) funktioniert

Klassische TA: MA-Crossover, RSI, MACD — alle in OOS falsifiziert
Klassische Macro-Signals: Yield-Inversion und Credit-Stress haben 2019-2025 ihr Vorzeichen gewechselt
News-Sentiment (GDELT): kein Signal über Bonferroni
ML auf OHLCV: high overfitting (95% IS / 62% OOS)

💭 Meta-Lehre

SPY ist effizient. Wer einen "großen" Edge sucht, wird ihn auf S&P-500 vermutlich nicht finden. Wo Edges noch existieren: Asset-Klassen mit echten ökonomischen Mechanismen (Credit-Spreads, Volatility-Term-Structure), Risk-Management (Vol-adjusted Sizing) und Diversifikation über schwach-korrelierte Strategien.

🔮 Ausblick

Offene Schritte

Live-Out-of-Sample beobachten: Driften die Live-Returns vom Backtest ab?
Brokerage-Anbindung: aktuell nur Signale, noch keine echten Trades
Combined 50/50 deployen: Backtest verfügbar, Live-Implementation offen
Leverage-Variante prüfen: 2x Combined würde SPY absolut schlagen
Echtes 2027+ OOS: wenn Sensitivity-Finding (Q75/5d statt 20d) hält → upgrade

Was ich NICHT mehr testen werde

Weitere TA-Variationen, Sentiment-Daten, klassische Macro-Indikatoren auf SPY. Friedhof ist groß genug. Stattdessen: tiefer in das, was funktioniert (Credit-MR, Vol-Adjusted Sizing, Cross-Asset-Diversifikation).