7 Tage im Tempel, Ausgabe 2: 36.300 Kandidaten, null Überlebende

Es gibt Wochen, in denen man etwas findet. Und es gibt Wochen, in denen man herausfindet, dass man nichts gefunden hat — und das ist, so unbequem es klingt, das wertvollere Ergebnis. Woche 2 war so eine Woche.

Was wir getestet haben

Der Plan war ein großer, systematischer Sweep: 36.300 Signal-Kombinationen über die aktiven Märkte — BTC, ETH, XRP, LTC, DOT, ZEC und einen Restkorb —, gehandelt über eine Venue, ausgewertet mit strikter Trennung von In-sample und Out-of-sample. 18 Tage Trainingsfenster, 12 Tage Prüffenster. Ein Regime, wohlgemerkt, kein Zyklus.

Parallel lief der Live-Pfad weiter: 29 Trades in der Woche, Trefferquote 75,9 Prozent, Verlustquote 24,1 Prozent, fünf Gewinntage gegen drei Verlusttage. Relative Wochenperformance: minus 0,13 Prozent. Der Stimmungsindex stand am 19. Juli auf FEAR, was für sich genommen nichts erklärt, aber den Hintergrund liefert, vor dem diese Zahlen entstanden.

Die eigentliche Arbeit war der Sweep. Und der Sweep hat geliefert — nur nicht das, was man sich wünscht.

Was funktioniert hat

Die Maschinerie funktioniert. Das klingt nach einem Trostpreis, ist aber keiner. 36.292 handelbare Kombinationen durchzurechnen, sauber zu deduplizieren und gegen eine Null-Kontrolle zu stellen, ist genau die Infrastruktur, die man braucht, um sich nicht selbst zu belügen. Acht Kandidaten passierten die formalen Qualitätsfilter — Datenqualität, Vollständigkeit, keine Lücken in den Zeitreihen. Die Pipeline hält.

Auch die Richtungsentscheidungen selbst sind nicht das Problem. Sechs von neun gehandelten Märkten waren vor Kosten positiv. Die Trefferquote von 75,9 Prozent auf der Live-Seite ist real, kein Artefakt. Wer nur diese eine Zahl sieht, könnte meinen, hier laufe etwas Gutes.

Und genau da fängt die Folter der Zahlen an.

Der Friedhof

Erstens: der Sweep selbst. In-sample waren 260 von 36.292 Kombinationen positiv — 0,72 Prozent. Nach Alias-Bereinigung blieben davon 215 wirklich verschiedene übrig. Out-of-sample überlebte: null. Keine einzige. Nicht “wenige”, nicht “eine mit Einschränkungen”. Null.

Zweitens, und das ist der Todesstoß: die Null-Kontrolle. Wir haben block-permutierte Zufallssignale durch dieselbe Pipeline gejagt. In 14 von 60 Läufen erzeugte der Zufall einen besseren besten Fund als der echte Sweep. Der z-Wert des echten Besten liegt bei 0,75. Nach Korrektur für multiples Testen über 24.560 effektive Tests: p gleich 1,0. Übersetzt: Was der Sweep gefunden hat, hätte ein Würfel auch gefunden. Das ist die Signatur von Overfitting in Reinform, nur dass wir es diesmal vor dem Live-Einsatz erwischt haben und nicht danach.

Drittens: Das Raster lügt über seine eigene Größe. 36.300 Labels erzeugen nur 24.560 unterscheidbare Ergebnisse. Viele “verschiedene” Kandidaten sind derselbe Kandidat mit anderem Parameteretikett. Schlimmer noch: Die Nachbarn eines Funds bestätigen ihn nicht. Bei 93 Prozent Trade-Überlappung ist der Nachbar kein zweiter Zeuge, sondern derselbe Zeuge mit anderem Hut. Wer Robustheit über Nachbarschaftsstabilität prüfen will, muss erst prüfen, ob die Nachbarn überhaupt unabhängig sind. Unsere waren es nicht.

Viertens, und das schmerzt am meisten, weil es unser eigener Fehler war: Wir haben unsere Trades falsch gezählt. Was in den Auswertungen wie 130 Entscheidungen aussah, waren in Wahrheit 35. Die Zählbasis war eine Fill-ID, keine Order-ID — ein einzelnes Signal zerfällt in der Ausführung in bis zu 27 Teilausführungen, und jede davon ging als eigener “Trade” in die Statistik. Jede Kennzahl auf Fill-Ebene war dadurch geschönt. Der Fehler ist korrigiert, die historischen Auswertungen sind neu gerechnet, und die Lehre steht im Protokoll: Traut keiner Zählbasis, die ihr nicht selbst auseinandergenommen habt. Die Rohdaten und die korrigierte Methodik liegen offen unter Lab-Daten.

Fünftens: die Gebührenwand. Der Sweep hat keine Edge gefunden — er hat Gebührenvermeidung gefunden. Über alle 36.292 Kombinationen erklärt eine einzige Variable 98 Prozent der Streuung der Ergebnisse (r-Quadrat 0,981): wie oft gehandelt wird. Nicht welches Signal, nicht welcher Markt, nicht welches Timing. Die Handelsfrequenz. Was wie ein Strategieraum aussah, war in Wahrheit ein Kostenraum. Warum das so ist und was man dagegen tun kann, haben wir grundsätzlicher in Die Wahrheit über Gebühren auseinandergenommen.

Die Zahlen, die bleiben

Zwei Zahlen nehme ich aus dieser Woche mit.

Die erste: 88 gegen 74. Die Break-even-Trefferquote der aktuellen Trade-Geometrie liegt bei 88 Prozent — und dieser Wert reproduziert sich unabhängig aus reinen Marktdaten bei 83 bis 86 Prozent, es ist also kein Artefakt unserer Rechnung. Erreicht werden 74 Prozent auf Signal-Ebene. Man kann 74 Prozent für eine gute Trefferquote halten, und in vielen Geometrien wäre sie das. In dieser nicht. Die Lücke ist strukturell, nicht Pech, und keine Menge an Marktmeinung schließt sie. Nur eine andere Geometrie oder andere Kosten können das.

Die zweite: null von 215. So viele echte, deduplizierte In-sample-Gewinner haben die Out-of-sample-Prüfung überstanden. Diese Zahl ist die ehrlichste der Woche, weil sie so leicht zu verstecken gewesen wäre. Ein weniger strenges Prüffenster, eine großzügigere Korrektur, ein Auge zugedrückt bei der Null-Kontrolle — und wir hätten einen “Fund” verkünden können. Hätten wir. Der Backtest wäre hübsch gewesen. Er wäre auch wertlos gewesen.

Was wir ausdrücklich nicht sagen können: dass keine profitable Strategie existiert. Nur, dass in diesem Raster, auf diesen Daten, mit diesen Signalen keine gefunden wurde — und dass das Gefundene von Zufall nicht unterscheidbar ist. Ein Regime, 18 Tage in-sample, 12 Tage out-of-sample. Das ist ein schmales Fenster, und wer daraus mehr macht, betreibt Rhetorik, keine Statistik.

Ausblick

Drei Konsequenzen für Woche 3.

Erstens: Die Handelsfrequenz wird zur zentralen Stellgröße. Wenn eine Variable 98 Prozent der Ergebnisstreuung erklärt, ist es intellektuell unredlich, an den anderen zu drehen, bevor diese eine verstanden ist. Wir werden die Geometrie so umbauen, dass die Break-even-Schwelle sinkt, statt zu hoffen, dass die Trefferquote steigt.

Zweitens: Die Null-Kontrolle wird Standard. Jeder künftige “Fund” muss erst beweisen, dass er besser ist als 60 Würfe eines fairen Würfels durch dieselbe Pipeline. Was diesen Test nicht besteht, existiert für uns nicht.

Drittens: Zählbasen werden auditiert, bevor sie in Statistiken einfließen. Der Fill-gegen-Order-Fehler war peinlich, aber er war auffindbar — und alles Auffindbare gehört gefunden, bevor es jemand anderes findet.

Die Woche hat keinen Gewinner hervorgebracht. Sie hat etwas Besseres hervorgebracht: einen präzise vermessenen Friedhof und die Gewissheit, dass unsere Prüfverfahren scharf genug sind, um auch die eigenen Wünsche zu schneiden. Alle Serienausgaben und die laufenden Experimente finden sich im Lab, das Archiv der Berichte unter Wochenbericht.