ML-Algotrader: Technische Machbarkeitsstudie für KI-gestützte Finanzanalyse und Trading
Einblick in die technische Umsetzung und Architektur des ML-Algotrader Projekts
Basisbeschreibung des Algobots
Der ML-Algotrader ist ein persönliches Forschungsprojekt, das seit Q4/2022 auf einem Echtgeldkonto läuft und relevante Erträge erzielt. Es handelt sich um eine technische Machbarkeitsstudie, nicht um ein kommerzielles Produkt für Endanwender.
- 48 Handelsstrategien auf verschiedenen Assets (Rohstoffe, Indizes, Kryptowährungen z.B. US100, US500, DE40, Bitcoin, Gold, Öl)
- Mehrstufiges Trading-System mit Demo-und Produktions-Accounts für optimierte Selektion von geeigneten Strategien nach Performance
- KI-basierte Analyse von Finanznachrichten, Youtube-Transkripten und Wirtschaftsmeldungen für verbesserte Handelsentscheidungen
Setup v1: Die Anfänge
Die ersten Schritte für den Bot wurden mit einer D3-Library zur Visualisierung gemacht. Diese konnte Realtime-Daten über die Broker-API darstellen und mit Überlagerungen an Fakten, Statistiken und Einstellungen in einer rudimentären aber praktischen UI anzeigen.
- Grundlegende Handelsstrategien mit Auditing und Statistikauswertungen
- Echtzeit-Datenvisualisierung mit D3-Library
- Integration der Broker-API für Marktdaten
- Grundlegende Statistik- und Einstellungsfunktionen
Setup v4: Aktuelle Architektur
Die aktuelle Version des ML-Algotraders basiert auf einer modernen Architektur mit VueJS3-UI und NodeJS-Middleware, die nahtlos zusammenarbeiten, um automatisierte Handelsanalysen und -entscheidungen zu ermöglichen.
- Native Anbindung des IG-Brokers für echtes Live-Trading und Positions-Management auf Live-Konten
- News-Stream-Anbindungen an FMP und Youtube (Transkripte)
- N8N-Workflow-Anbindung für weitere Event und Newsverarbeitungen insb. aus Mails und Newslettern
- Modularisierte Architektur für Bridge-Anbindung, Administration-UI, Workflows
- 100% responsive Design für optimale Nutzung auf Tablet, Mobile und Desktop
- Staging-Konzept und Modularisierung der Architektur mit N8N als flexible Workflow-Engine für Daten-Zuspielungen
- Bridge-Konzept für die robuste Strategie-Umsetzungen inkl. Retry-Mechanismen, Staging, Mirror-Funktionen und ausführliches Logging für spätere Optimierungen
Kernfeatures des Algobots
Der ML-Algotrader bietet eine Vielzahl von Features, die eine umfassende Handelsanalyse und vor allem primär ein vollautomatisierten Handel ermöglichen.
- Umsetzung von mehr als 10 Trading-Strategien, die angewendet auf Indizes, Rohstoffen, Währungen dann mehr als 48 konkrete optimierte Strategien umfassen.
- Staging, Positionsmanagement und Strategie-Optimierung auf Basis von Auditing und Live-Trading-Simulationsdaten mit dem Ziel die besten Strategien zu nutzen zum richtigen Zeitpunkt und richtigen Asset-Scpope/Market
- Automatische Stopp-/Positionsmanagement zur Absicherung von Gewinnen und Verringerung von Verlusten inkl. Pyramidisierung, Trailing-Stop und Break-Even-Management, Positions-Alignment für den Markt
- Deadzone-Handling für ermittelte No-Trade-Zonen pro Symbol
- Kalender-Handling mit der Möglichkeit, Nachrichten/Events "auszuklammern" und Positionen automatisch zu schließen und in den Fenster nicht zu erlauben
- News-Verarbeitung mit LLM-optimierter Aggregation der wirtschaftsrelevanten Daten für Analyse und Trading auf Basis Multipler-Sourcen wie Youtube, Market-News-Mails, Wirtschaftsnachrichten
Markt-Sentiment & Faktor-Map
Als Nebenprodukt des ML-Algotrader Projekts stellen wir die KI-generierten Markt-Sentiment-Daten öffentlich zur Verfügung.
Die Faktor-Map visualisiert KI-analysierte Marktfaktoren basierend auf aktuellen Finanznachrichten. Sie bietet einen umfassenden Überblick über die wichtigsten Einflussfaktoren auf den Markt und kann als zusätzliche Informationsquelle für Ihre eigenen Analysen und Trading-Entscheidungen dienen.
KI/Frontier-LLM-Analyse
Automatische Analyse von Finanznachrichten mittels GPT-4 für tiefgreifende Markteinblicke und Trading-Signale
Interaktive Treemap
Visualisierung der Marktfaktoren mit Gewichtung und Richtung einzelner Faktoren
Historischer Verlauf
Zeitliche Entwicklung des Markt-Sentiments für fundierte Trendanalysen
Interesse an KI-gestützter Finanzanalyse und Trading?
Erkunden Sie die Markt-Sentiment-Analyse als Beispiel für die Möglichkeiten von KI im Finanz- und Trading-Bereich.