Kann ein Sprachmodell Krypto-Trades auswählen? Wir haben 6.536 Kandidaten getestet
Wir haben ein kleines Sprachmodell gebeten, 6.536 Krypto-Trade-Kandidaten nach ihrer erwarteten Rendite in der nächsten Stunde zu ordnen. Die Trades, die ihm am besten gefielen, schnitten am schlechtesten ab.
So ist dies entstanden: Der Code, die Analyseläufe und die ersten Entwürfe dieses Textes stammen von einem KI-Assistenten, der unter der Leitung des Betreibers arbeitete; der Betreiber traf jede Entscheidung und prüfte die Zahlen. Der gesamte Handel war Paper-Trading: echte Kurse, kein echtes Geld. Nichts hier ist eine Anlageberatung.
Der Test
Unsere Trading-Engine hat jeden Moment aufgezeichnet, in dem sie zwischen dem 15. und 18. September 2026 den Kauf eines Coins auf Upbit erwog, zusammen mit dem, was sie sah: Kursverlauf, Orderbuchtiefe, letzte Trades und ihre eigenen Scores. Jeden dieser 6.536 Kandidaten haben wir einem Open-Weight-Sprachmodell mit rund 9 Milliarden Parametern vorgelegt und es gebeten, die Rendite eine Stunde später zu schätzen. Auf alle bis auf 26 gab es eine Antwort. Die Schätzungen reichten von −0,45 % bis +0,80 %, das Modell traf also erkennbar Unterscheidungen.
Coins bewegen sich gemeinsam, daher sind Kandidaten aus demselben Moment nicht unabhängig voneinander. Wir haben sie zu 87 unabhängigen Ereignissen gruppiert und auf dieser Ebene bewertet.
Das Ergebnis
| Ausgewählte Trades | Unabhängige Ereignisse | Kandidaten | Durchschnitt nach Kosten, 1 Stunde |
|---|---|---|---|
| Die 10 %, die dem Modell am besten gefielen | 73 | 651 | −0,79 % |
| Die 25 %, die ihm am besten gefielen | 85 | 1.627 | −0,61 % |
| Die 50 %, die ihm am besten gefielen | 87 | 3.255 | −0,52 % |
| Alle Kandidaten | 87 | 6.536 | −0,44 % |
| Top 20 % nach dem eigenen Score der Trading-Engine | 87 | 1.307 | −0,37 % |
Jede Gruppe verlor nach Kosten Geld, wie bei Ein-Stunden-Trades zu erwarten. Entscheidend ist die Reihenfolge: Je besser dem Modell ein Trade gefiel, desto schlechter war er, in vier Schritten, die alle in dieselbe Richtung weisen. Die Rangkorrelation zwischen den Schätzungen des Modells und den tatsächlichen Ergebnissen lag bei 0,01, nicht besser als der Zufall. Der einfache eigene Score der Engine schnitt etwas besser ab als das Eingehen aller Trades; das Modell schnitt schlechter ab als beide.
Eine plausible Erklärung, die wir mit den von uns gespeicherten Daten nicht bestätigen konnten: Das Modell bevorzugte Coins mit starken Kursbewegungen, und schnell laufende kleine Coins haben große Spreads, die ein Kostenfaktor sind.
Die Fehler, die wir beinahe veröffentlicht hätten
Dieser Test brauchte drei Anläufe, bis er stimmte, und die Fehler sind der nützliche Teil:
- Zeilen als Ereignisse gezählt. Eine frühere Version fand einen Datenausschnitt, der jeden Test bestand, mit einer t-Statistik von 3,38 über 446 Zeilen. Zu unabhängigen 4-Stunden-Ereignissen gruppiert waren es 14 Ereignisse und eine t-Statistik von 0,29: ein Münzwurf. Dreißig Coins im selben Moment waren dreißigmal gezählt worden.
- Die beste Zelle abgelesen. Die Zusammenfassungszeile des Auswertungstools wählte die beste von vielen Zellen aus, +0,51 % pro Trade, und nannte das Können. Diese Zelle enthielt 19 Zeilen aus 15 Ereignissen, bei einer t-Statistik von 0,42.
- Aufteilen, bis etwas auftaucht. Eine von sechzehn Zellen sah wie ein Beleg dafür aus, dass die Kaufsignale der Engine schädlich waren. Mit angehängtem Standardfehler war es Rauschen.
Was andere Studien ergeben haben
Akademische Benchmarks weisen in dieselbe Richtung: Bei langen Tests schrumpfen die Vorteile von Sprachmodellen im Handel stark, die meisten Modelle bleiben hinter Buy-and-hold zurück, und der Rang eines Modells in Chatbot-Ranglisten sagt wenig darüber aus, wie es handelt (FINSABER, StockBench, LiveTradeBench).
Unsere Antwort für dieses Modell, diesen Zeithorizont und diesen Markt lautet: nein. Ein größeres Modell könnte besser abschneiden; ein größerer Edge müsste trotzdem Kosten überstehen, die bereits größer waren als das beste Signal, das wir hatten. Was die öffentlichen Belege über KI-Bots zeigen.