Kurze Zusammenfassung
In diesem Video testet der Autor GPT-6 Astra für die Entwicklung von Handelsstrategien. Er zeigt, wie man den Codex mit Jesse verbindet, um eine trendfolgende Handelsstrategie zu erstellen und diese mittels Backtesting sowie Monte-Carlo-Simulationen zu überprüfen. Nach 200 Versuchen wird eine aussichtsreiche Strategie gefunden, die eine Sharpe-Ratio von 1,87 und eine Rendite von 104 % aufweist.
- GPT-6 Astra wird getestet und zeigt schnellere und genauere Ergebnisse.
- Codex wird mit Jesse verbunden, um Handelsstrategien zu entwickeln.
- Es wird eine trendfolgende Strategie für den Handel mit Apple-USD erstellt.
- Nach 200 Versuchen wird eine vergleichbare Strategie mit geringen Drawdowns präsentiert.
Testing GPT-6 Astra [0:00]
Open AI hat GPT-6 Astra veröffentlicht, das sich durch beeindruckende Leistung und höhere Geschwindigkeit im Vergleich zu anderen Modellen auszeichnet. Besonders betont der Autor die Nützlichkeit des Modells für das Schreiben von Handelsstrategien, Backtests und Monte-Carlo-Simulationen. Er hebt hervor, dass die Tools, die dem Modell zur Verfügung stehen, entscheidend für den Erfolg sind. Der Autor verdeutlicht, dass er als Nicht-Finanzberater agiert und das Video zu Bildungszwecken dient.
Connecting Codex to Jesse [1:15]
Der Autor erklärt, wie man Jesse leicht einrichtet und mit Codex verbindet. Nach dem Starten von Jesse erhält man eine Adresse, die ins Codex eingegeben wird, damit die beiden Systeme kommunizieren können. Nach erfolgreicher Verbindung gibt der Autor Codex den Befehl, eine trendfolgende Handelsstrategie für Apple-USD zu entwickeln, die den angeforderten Kriterien entspricht.
The Trading Strategy Prompt [2:08]
Der Autor gibt dem Modell spezifische Anweisungen, um eine Handelsstrategie zu entwickeln. Die Anforderungen umfassen unter anderem eine Sharpe-Ratio von mindestens 1,5, ein Risiko von 2 % pro Trade und die Anwendung von Monte-Carlo-Simulationen zur Ergebnisvalidierung. Die Strategie soll sowohl Long- als auch Short-Trades berücksichtigen und nach 200 Versuchen abgeschossen werden, sollte ein optimales Ergebnis nicht erzielt werden.
A Note on Data [3:06]
Hier wird darauf hingewiesen, dass Nutzer ihre eigenen CSV-Daten in Jesse importieren können und verschiedene Datenanbieter unterstützt werden, darunter Massive und möglicherweise auch DataBento in der Zukunft. Der Autor schlägt vor, dass die Benutzer ihre eigenen Daten für eine genauere Analyse verwenden sollten.
Results After 200 Attempts [4:03]
Nach 200 Versuchen gibt das Modell die beste Strategie als Version 107 an, mit einer Sharpe-Ratio von 1,87, einer Rendite von 104 % und einem Drawdown von 14 %. Die Kurve zeigt eine stetige Steigerung des Kapitals, mit minimalen Verlustperioden. Die Strategie scheint in verschiedenen Marktbedingungen gut zu funktionieren.
Position Sizing and Fees [6:11]
Der Autor erklärt, wie die Positionsgröße und Handelsgebühren sich auf das Handelsergebnis auswirken. Es wird festgelegt, dass bei einer maximalen Drawdown von 14 % die Positionsgröße verdoppelt werden könnte, was die endgültige Rendite auf bis zu 200 % erhöhen würde. Bei der Berechnung wird ein hoher Gebührensatz festgestellt und angepasst, um realistischere Ergebnisse zu erzielen.
Reviewing Individual Trades [9:05]
Einblick in die einzelnen Trades wird gegeben, wobei Gewinner- und Verlierertrades analysiert werden. Der Autor beschreibt eine erfolgreiche Strategie zur Verfolgung von Trends, indem sie Long- und Short-Positionen je nach Marktentwicklung offen analisiert.
Monte Carlo Overfitting Checks [9:58]
Der Autor führt Monte-Carlo-Tests durch, um die Robustheit der Strategie zu prüfen und mögliche Überanpassungen zu identifizieren. Durch die Verwendung dieser Methode zeigt sich, dass die Sharpe-Ratio der Originalstrategie in einem sicheren Bereich liegt, was darauf hindeutet, dass die Strategie nicht überanpasst ist und in Zukunft potenziell profitabel sein könnte.
Research Report and Strategy Download [11:42]
Der Autor hebt hervor, dass der Codex einen detaillierten Bericht über die durchgeführten Schritte und Ergebnisse erstellt hat. Dieser Bericht enthält die Erträge anderer Variation der Strategie, was nützlich sein kann, um ein umfassenderes Bild der Handelsstrategie zu erhalten und besser informierte Entscheidungen für zukünftige Handelsaktivitäten zu treffen.
Python Strategy Code Walkthrough [13:34]
Der Autor gibt einen detaillierten Überblick über den geschriebenen Python-Code, der die Handelsstrategie umsetzt, und erklärt die verwendeten Logiken und Methoden. Es wird erläutert, wie die Eingabewerte verarbeitet werden und welche Bedingungen für das Öffnen oder Schließen von Positionen entscheidend sind. Der Code wird als funktional und gut strukturiert beschrieben, um die Übersichtlichkeit und Effizienz der Handelsstrategie zu gewährleisten.
