AREF RESEARCH · Evidenzbericht · Recherchestand 4. September 2026
AI-Trading-Bots: Das Alpha ist echt — es sitzt nur hinter drei Toren
Machine Learning misst Risikoprämien nachweislich besser als lineare Modelle. Der handelbare Teil dieses Vorsprungs liegt jedoch fast vollständig hinter Kosten, Kapazität und Kontamination — drei Toren, an denen der Retail-Bot-Markt strukturell scheitert. Unabhängige Analyse von Evidenz, Ökonomie und Regulierung.
Assetklassen: Aktien · ETFs · Krypto · ForexGeografie: EU/Deutschland und USAKeine Anlage-, Rechts- oder Steuerberatung
GRÖSSTE CHANCE
Infrastruktur, nicht Signale
Point-in-time-Daten, ehrliche Kostenmodellierung, Deflation nach Anzahl getesteter Varianten und prüffähige Protokollierung sind ungelöst und verkaufbar — an lizenzierte Vermögensverwalter, nicht an Privatanleger.
GRÖSSTES RISIKO
Der Vorsprung frisst sich selbst
Lopez-Lira und Tang zeigen: Die Rendite LLM-basierter Nachrichtenstrategien sinkt, je mehr Marktteilnehmer LLMs einsetzen. Was heute Alpha ist, ist morgen Preisbildung.
KONFIDENZ
Hoch für die Kernaussage
Hoch für „kein verlässliches Retail-Alpha“; mittel für die institutionelle Netto-Rendite, weil die stärkste Gegenstudie noch unpubliziert ist; niedrig für alle Prognosen jenseits 2027.
0,77
Out-of-Sample-Sharpe des neuronalen Netzes im S&P-500-Timing — gegen 0,51 für Buy-and-Hold, beide brutto
−65 %
Rückgang des gleichgewichteten Ertrags des Deep-Learning-Signals ohne Micro-Caps — wertgewichtet −49 %
1,57
Erwarteter bester In-Sample-Sharpe nach nur zehn getesteten Varianten — bei wahrem Alpha von null
+2,4 %
Bester LLM-Agent in StockBench über 82 Handelstage; Buy-and-Hold: +0,4 %, ohne Kostenmodell
3,47 Mrd. $
Urteil der CFTC gegen Mirror Trading International — beworben als KI-Handelsbot
Wer „AI Trading Bot“ googelt, sucht selten nach einem Modelltyp. Er sucht nach einer Antwort auf eine von drei sehr unterschiedlichen Fragen: Soll ich so etwas kaufen? — Soll ich so etwas bauen? — Soll ich in so etwas investieren oder ein Unternehmen darum gründen? Dieser Bericht beantwortet alle drei getrennt, weil die Evidenz für sie unterschiedlich ausfällt.
Zuerst muss der Begriff auseinandergenommen werden. Vier grundverschiedene Dinge laufen unter demselben Label, und nur zwei davon haben überhaupt mit maschinellem Lernen zu tun.
Typ
Was tatsächlich passiert
Evidenz
Marketinganteil
Regelbasierte BotsGrid, DCA, Martingale
Feste Wenn-Dann-Logik. Keine Intelligenz im Sinne von ML. Der Ertrag stammt aus Mean Reversion in Seitwärtsmärkten und verschwindet in Trends.
Klassisches MLXGBoost, Random Forest, LSTM
Erfasst nichtlineare Zusammenhänge in Kurs- und Fundamentaldaten. Die dominanten Signale bleiben Momentum, Liquidität und Volatilität.
Reinforcement LearningPolicy-Learning über Belohnung
Ein Agent lernt Handelspolitiken. In nicht-stationären Märkten instabil; wiederholtes Training liefert auf identischen Daten materiell verschiedene Policies.
LLM-AgentenGPT, Claude, Multi-Agenten-Systeme
Stark in Text-, Nachrichten- und Dokumentanalyse. Schwach bei direkter Preisprognose — und nicht reproduzierbar über Läufe hinweg.
Punkte in „Evidenz“ = Stärke der publizierten, kontaminationsfreien Evidenz für handelbare Überrenditen — nicht für statistische Prädiktivität.
Drei Abgrenzungen, die im Marketing systematisch verwischt werden
Robo-Advisors (Betterment, Wealthfront, Scalable, quirion) bauen regelbasierte ETF-Portfolios nach Risikoprofil und rebalancieren. Ihr Ziel ist Marktabbildung, nicht Marktschlagen. Wer sie als „KI-Investieren“ verkauft bekommt, kauft Indexnachbildung.
Copy-Trading und Signaldienste kopieren fremde Entscheidungen. Es gibt keine eigene Modelllogik — nur eine Verteilungsschicht über die Entscheidungen anderer.
Hochfrequenzhandel ist ein Latenz- und Infrastrukturgeschäft institutioneller Häuser. Technologisch hat er mit Retail-Bots nichts gemein; wer beides in einem Satz nennt, verkauft etwas.
Teil 2
Der Markt: Preise, Anbieter, und Zahlen, die nichts messen#
Die Retail-Landschaft zerfällt in zwei Hälften: kommerzielle Abo-Plattformen mit intransparenter Logik und kostenlose Open-Source-Frameworks mit offener Logik. Der Preisunterschied korreliert nicht mit der Qualität der Signale.
Was kommerzielle Retail-Plattformen im Monat kosten
Preisspanne je Anbieter, in US-Dollar pro Monat.
Zwei Bewegungen seit 2024 sind bemerkenswert. Cryptohopper hat seinen Gratis-Tarif gestrichen — Einstieg jetzt 29 $ im Monat nach dreitägigem Test. Composer ist in die Gegenrichtung gegangen: Bauen, Backtesten und API sind kostenlos, bezahlt wird nur die automatisierte Ausführung (32 $ im Monat). Und Pionex verkauft überhaupt kein Abo, sondern verdient an 0,05 % Handelsgebühr. Das ist kein Detail, sondern ein Geschäftsmodellwechsel: Wer an Volumen verdient, hat ein Interesse daran, dass der Bot handelt — nicht daran, dass er gewinnt.
Was in welcher Kategorie tatsächlich brauchbar ist
Aktien und ETFs:QuantConnect Lean mit umfangreicher Dokumentation; Alpaca und Interactive Brokers als Broker-API-Ebene.
Krypto:Freqtrade mit FreqAI-Modul — Version 2026.8 vom 31. August 2026, monatlicher Release-Takt; Hummingbot für Market-Making.
Research: NautilusTrader (1.231.0, August 2026), VectorBT (1.1.0, Juli 2026 — die verbreitete Behauptung, das Open-Source-Projekt sei tot, ist seit dem 1.0-Release überholt), Microsoft Qlib, Zipline-reloaded.
Nicht mehr verwenden: Backtrader — letzte Veröffentlichung April 2023. FinRL wird ausdrücklich als konservierter Lehr- und Forschungsrahmen geführt und verweist auf Nachfolgeprojekte.
EU-Lücke
Für europäische Privatanleger ist die Broker-API-Ebene dünner geworden. Lemon Markets hat sich vollständig auf Brokerage-as-a-Service für Geschäftskunden umgestellt; eine Selbstbedienungs-API für Privatpersonen gibt es dort nicht mehr. Trade Republic und Scalable bieten keine offizielle öffentliche Handels-API. Praktisch bleiben Interactive Brokers und Alpaca — ein EU-natives Retail-Äquivalent existiert derzeit nicht.
AREF SIGNAL Die Marktgrößen-Zahlen messen nicht dasselbe
Für „algorithmischen Handel“ nennt Grand View Research 23,5 Mrd. $ für 2025 bei 13,6 % jährlichem Wachstum; Mordor Intelligence nennt 20,23 Mrd. $ für 2026 bei 7,87 %. Die Niveaus liegen nahe beieinander, die Wachstumsraten um den Faktor 1,7 auseinander. Der Grund steht in den Definitionen: Mordor schließt nicht kommerzialisierte hauseigene Algorithmen ausdrücklich aus, Grand View nicht. Gleiches Etikett, anderes Universum.
Für den Markt, der hier eigentlich interessiert — bezahlte Retail-Bot-Abonnements —, existiert keine einzige belastbare Bottom-up-Schätzung. Was zirkuliert, sind Zahlen wie „54 Mrd. $ Krypto-Trading-Bot-Markt“, die Abo-Umsatz und bot-vermitteltes Handelsvolumen nicht trennen. Eine simple Gegenrechnung zeigt, warum das nicht stimmen kann: Bei einem realistischen Jahresumsatz von 300 bis 800 $ pro zahlendem Nutzer entspräche diese Zahl 70 bis 180 Millionen zahlenden Bot-Abonnenten weltweit — mehr als es aktive Krypto-Händler gibt. INFERENZ
Wer eine Investitionsentscheidung auf diese Zahlen stützt, stützt sie auf eine Definition, nicht auf eine Messung.
Bevor man fragt, ob ein Bot funktioniert, muss man wissen, wie die Ausgangslage aussieht. Sie ist in allen Märkten mit Regulierungsdaten bemerkenswert konsistent.
Die Basisrate: Anteil der Privatanleger mit Verlust
Verschiedene Märkte und Zeiträume, jeweils aus aufsichtsrechtlichen oder akademischen Quellen.
Die indische Aufsichtsbehörde SEBI liefert die beste populationsweite Evidenz, weil sie sämtliche Konten sieht: 87,7 % der individuellen Händler im Aktienderivatesegment verloren im Geschäftsjahr 2026 Geld, mit einem aggregierten Nettoverlust von 91 685 Crore Rupien und einem Durchschnittsverlust von 1,17 Lakh je Person. Für die Jahre 2022 bis 2024 lag der Anteil bei 93 %.
Und hier steht die unbequemste Zahl des ganzen Berichts: In derselben SEBI-Auswertung stammt fast der gesamte Gewinn der professionellen Gegenseite von algorithmisch handelnden Einheiten. Algorithmischer Handel ist in dem einen Markt mit aufsichtsrechtlichen Daten das, wogegen Privatanleger verlieren — nicht das, womit sie verlieren. Wer einen Retail-Bot kauft, wechselt nicht die Seite des Tisches.
Ergänzend: Chague, De-Losso und Giovannetti verfolgten brasilianische Daytrader, die durchhielten. Von jenen mit mehr als 300 Handelstagen verloren 97 % Geld; 1,1 % verdienten mehr als den Mindestlohn. Barber und Odean zeigten schon 2000 an 66 465 Haushalten: Die aktivsten Händler erzielten 11,4 % jährlich, während der Markt 17,9 % lieferte.
Für Copy-Trading und Bot-Handel gibt es keine methodisch saubere Studie realisierter Kundenrenditen. Diese Lücke ist selbst ein Befund. Die beste vorhandene Arbeit ist ein Laborexperiment: Apesteguia, Oechssler und Weidenholzer fanden, dass die Möglichkeit, andere direkt zu kopieren, die Risikobereitschaft signifikant erhöht — gemessen an den zuvor erhobenen Risikopräferenzen der Teilnehmer in individuell und sozial suboptimaler Weise. LABOR
Das Ja: Machine Learning misst Risikoprämien besser
Wir zeigen für Anleger große ökonomische Gewinne durch Machine-Learning-Prognosen, die die Leistung führender regressionsbasierter Strategien aus der Literatur in einigen Fällen verdoppeln.
Das ist die meistzitierte Arbeit des Feldes, und sie hält. Wichtig ist nur, welche Zahl wozu gehört — hier wird in der Sekundärliteratur regelmäßig durcheinandergebracht.
Wo der Machine-Learning-Vorsprung tatsächlich gemessen wurde
Out-of-Sample-Sharpe-Ratios aus Gu, Kelly und Xiu (2020). Links die Querschnittsstrategie, rechts das Markt-Timing — zwei verschiedene Experimente, die in der Sekundärliteratur ständig vermischt werden.
Im Markt-Timing des S&P 500 steigt der Out-of-Sample-Sharpe von 0,51 (Buy-and-Hold) auf 0,77 (neuronales Netz) — ein Zugewinn von 26 Prozentpunkten. Der Vergleich gegen OLS gehört dagegen zur Querschnittsstrategie: dort 1,35 gegen 0,61 wertgewichtet, 2,45 gegen 0,83 gleichgewichtet. Wer die 2,45 zitiert und dabei „Markt-Timing“ sagt, zitiert die falsche Zeile.
Das erste Aber: Der Effekt lebt dort, wo Retail nicht skalieren kann
Was vom Signal übrig bleibt, wenn man Illiquides ausschließt
Ertrag des Deep-Learning-Signals über alle Performancemaße, jeweils gleich- und wertgewichtet, indexiert auf 100.
Avramov, Cheng und Metzker haben genau nachgerechnet, was vom GKX-Signal übrig bleibt, wenn man ökonomisch plausible Einschränkungen einführt. Der Ausschluss von Micro-Caps senkt den Ertrag über alle Performancemaße um 65 % gleichgewichtet und 49 % wertgewichtet; der Ausschluss finanziell angeschlagener Firmen um 86 % beziehungsweise 70 %. Entscheidender noch: Die Break-even-Transaktionskosten liegen im vollen Universum zwischen 0,48 % und 1,12 % — ohne Micro-Caps fallen sie auf 0,26 % bis 0,54 %.
Das ist die entscheidende Stelle des ganzen Berichts. Das gemessene Alpha ist real — aber es konzentriert sich in illiquiden, kleinen, angeschlagenen Titeln mit hoher Umschlagshäufigkeit. Das ist genau das Segment, in dem ein Privatanleger die schlechtesten Spreads bezahlt, keine Leerverkäufe darstellen kann und schon mit kleinen Beträgen den Preis bewegt.
Die stärkste Gegenposition — der Fairness halber
Es wäre unredlich, hier aufzuhören. Azevedo, Hoegner und Velikov kommen zum gegenteiligen Schluss: Sie berichten, dass anspruchsvollere ML-Strategien nach Transaktionskosten, nach Post-Publication-Decay und in der liquiden Nach-Dezimalisierungs-Ära profitabel bleiben — bis zu 1,42 % netto monatlich out of sample, bei über 50 % Umschlag. Wer diese Arbeit unterschlägt, betreibt Rosinenpickerei.
Zwei Einordnungen halten die These trotzdem: Die Arbeit ist im September 2026 weiterhin ein unpubliziertes Arbeitspapier, also nicht begutachtet. Und sie beschreibt institutionelles Long-Short-Faktorinvestieren mit monatlichem Rebalancing, Leihezugang für Leerverkäufe und professioneller Ausführung. Das ist kein Retail-Bot. Es ist ein Beleg dafür, dass das Alpha existiert — und zugleich dafür, wie viel Apparat man braucht, um es einzusammeln. ESTIMATE
Das zweite Aber: Overfitting ist keine Gefahr, sondern Arithmetik
Der beste Zufallstreffer wächst mit der Zahl der Versuche
Erwarteter maximaler In-Sample-Sharpe rein zufälliger Strategien, in Abhängigkeit von der Anzahl getesteter Varianten.
Bailey, Borwein, López de Prado und Zhu haben es in den Notices of the AMS so nüchtern formuliert, wie es ist: Wer nur zehn Varianten einer Strategie testet, findet erwartungsgemäß eine mit einem In-Sample-Sharpe von 1,57 — auch wenn alle getesteten Strategien out of sample exakt null liefern. Daraus folgt ihre Mindest-Backtest-Länge: Mit fünf Jahren Daten dürfen nicht mehr als 45 unabhängige Konfigurationen probiert werden, wenn der erwartete beste Zufallstreffer nicht über einen Sharpe von 1,0 steigen soll.
Jedes gängige Retail-Werkzeug überschreitet diese Grenze im ersten Nachmittag. Die praktische Konsequenz ist hart und einfach: Ein Sharpe-Wert ohne Angabe, wie viele Varianten getestet wurden, ist keine Information. Das Gegenmittel heißt Deflated Sharpe Ratio und korrigiert um Anzahl der Versuche, deren Streuung, Schiefe, Wölbung und Stichprobenlänge.
Für die Faktorforschung haben Harvey, Liu und Zhu denselben Befund formuliert: Bei 316 katalogisierten Faktoren reicht die übliche Hürde t > 2,0 nicht; nötig sei t > 3,0. Ihr Fazit im Abstract lautet, die meisten behaupteten Forschungsergebnisse in der Finanzökonomik seien vermutlich falsch. Dem widersprechen Jensen, Kelly und Pedersen mit bayesianischen Methoden: Faktoren, die ihr Modell findet, die frequentistische Mehrfachtestkorrektur aber verwirft, erzielten out of sample eine annualisierte Information Ratio von 0,93 in den USA und 1,10 global ohne USA. Auch das sind Bruttowerte akademischer Long-Short-Portfolios.
LLM-Agenten: das lauteste Segment mit der dünnsten Evidenz
LLM-Agenten gegen Buy-and-Hold — kontaminationsfrei getestet
Kumulierte Rendite über 82 Handelstage auf den 20 höchstgewichteten Dow-Jones-Titeln.
StockBench (Version 2, März 2026) testete dreizehn Frontier-Modelle bewusst nach ihren Trainings-Cutoffs, im Fenster 3. März bis 30. Juni 2025. Der beste Agent lag zwei Prozentpunkte über Buy-and-Hold, GPT-5 lag darunter. Die Autoren schreiben selbst, dass sie weder Handelskosten noch Slippage noch Liquiditätsgrenzen modellieren. Bei 82 Handelstagen und 20 Large Caps liegt der gesamte Abstand im Rauschen.
Die drei wichtigsten Arbeiten des Jahres 2026 gehen deutlich weiter:
KTD-Fin (Mai 2026) kombiniert ein Maskierungsprotokoll mit Performance-Attribution und findet für zehn Frontier-Agenten auf dem CSI 300: Die kumulierten Renditen erklären sich weitgehend aus passivem Markt- und Stil-Exposure, mit begrenzter Evidenz für persistentes Titelauswahl-Alpha. Auf Deutsch: Was wie Können aussah, war Beta.
AlphaForgeBench (Februar 2026) zeigt den Befund, der am meisten unterschätzt wird: Selbst bei Temperatur 0 erzeugen LLMs auf identischen Marktdaten über Läufe hinweg völlig unterschiedliche Handelssequenzen. Damit sind Einzellauf-Evaluationen statistisch unbrauchbar — und ein großer Teil der publizierten Agenten-Ergebnisse ist nicht reproduzierbar.
„The Alpha Illusion“ (Mai 2026) benennt FinCon, FinMem, TradingAgents, FinAgent, QuantAgent und FLAG-Trader ausdrücklich und argumentiert, berichtetes Alpha aus End-to-End-LLM-Agenten dürfe nicht als Einsatzbeleg gelten. Es ist ein Positionspapier ohne eigene Zahlen — aber sein Vorschlag, LLMs als prüfbare Informationsschnittstelle vor unabhängige Kalibrierungs-, Risiko- und Ausführungskomponenten zu setzen, ist die brauchbarste Architekturempfehlung, die 2026 publiziert wurde.
Warum LLM-Backtests fast immer messen, was das Modell schon wusste
Glasserman und Lin unterscheiden zwei Effekte: einen Look-ahead-Bias — das Modell kennt die Folgerenditen einer historischen Nachricht bereits — und einen Ablenkungseffekt, bei dem das Allgemeinwissen über die genannte Firma die Sentiment-Messung verzerrt. Überraschend fanden sie in-sample, dass anonymisierte Schlagzeilen besser abschneiden: Die Ablenkung wiegt schwerer als der Look-ahead-Bias.
Die Anonymisierung als Gegenmittel steht allerdings selbst unter Beschuss. Lopez-Lira, Tang und Zhu zeigen, dass Anweisungen, historische Grenzen zu respektieren, die Erinnerungsgenauigkeit nicht verhindern und dass Maskierung scheitert, weil LLMs Entitäten und Daten aus minimalem Kontext rekonstruieren; die Memorierung reicht bis in die Embeddings. Nach dem Cutoff beobachten sie kein Recall mehr. Die praktische Regel bleibt damit unverändert und ist nicht verhandelbar: Jeder LLM-Backtest muss vollständig nach dem Trainings-Cutoff liegen — sonst misst er Erinnerung, nicht Prognose.
Zwei viel zitierte Gegenbeispiele halten diesem Maßstab nicht stand. TradingAgents berichtet für AAPL eine Sharpe Ratio von 8,21 — aus einem Backtest über rund 60 Handelstage im ersten Quartal 2024, auf wenigen Mega-Cap-Technologiewerten, ohne Kostenmodell und ohne Behandlung des Trainings-Cutoffs. Trading-R1 derselben Gruppe evaluiert über drei Monate, ebenfalls ohne Kosten, sagt aber immerhin selbst, das Modell sei „am besten als Recherche- und Thesengenerierungswerkzeug zu verwenden, nicht als Ersatz für eigene Sorgfaltsprüfung“.
Und ein Befund, den man 2023 noch nicht hatte: Lopez-Lira und Tang — inzwischen in sechster Fassung und angenommen beim Journal of Financial Economics — berichten Trefferquoten von rund 90 % ausdrücklich für die nicht handelbare Erstreaktion. Der handelbare Drift konzentriert sich in kleinen Titeln und negativen Nachrichten, und die Strategierenditen sinken, je stärker LLMs adoptiert werden.
Die übliche Sicht: „Studien zeigen, dass ML den Markt schlägt — also kann ein guter Bot das auch.“
Der übersehene Mechanismus: Die Studien messen statistische Prädiktivität im Querschnitt, brutto, über Tausende Titel gleichzeitig, mit Long- und Short-Bein. Der Ertrag ist eine Funktion der Breite — vieler kleiner Kanten über viele Positionen —, nicht der Tiefe einzelner Prognosen. Ein Retail-Bot mit fünf Positionen in liquiden Large Caps handelt exakt die Ecke des Universums, in der der gemessene Effekt am schwächsten ist.
Beleg: −65 % gleichgewichtet und −49 % wertgewichtet ohne Micro-Caps, −86 % und −70 % ohne angeschlagene Titel (Avramov/Cheng/Metzker 2023). Die Break-even-Kosten fallen dabei von 0,48–1,12 % auf 0,26–0,54 %.
Warum das die Entscheidung ändert: Die richtige Frage an einen Anbieter ist nicht „Nutzt ihr KI?“, sondern „In welchem Liquiditätsdezil entsteht euer Ertrag, und bei welcher Kapitalsumme bricht er zusammen?“ Wer darauf keine Zahl nennt, hat keine.
02
Die übliche Sicht: „LLM-Agenten haben 2025 und 2026 positive Renditen gezeigt — die Technologie funktioniert also im Prinzip.“
Der übersehene Mechanismus: Positive Rendite ist kein Können, solange niemand sie zerlegt. Sobald man eine Attributionsanalyse gegen Markt- und Stilfaktoren rechnet, bleibt vom Agenten-Ertrag kaum Titelauswahl übrig. Ein Agent, der überproportional in Momentum- und Large-Cap-Faktoren investiert, verdient in einem steigenden Markt Geld — und ein 82-Tage-Fenster kann diesen Unterschied gar nicht auflösen.
Beleg: KTD-Fin (arXiv:2605.28359): Renditen „largely explained by passive market and style exposure, with limited evidence of persistent stock-selection alpha“. Dazu AlphaForgeBench: keine Reproduzierbarkeit über Läufe hinweg selbst bei deterministischem Decoding.
Warum das die Entscheidung ändert: Jede Agenten-Demo ohne Faktorattribution und ohne Streuung über mindestens 20 Läufe ist eine Anekdote. Das gilt für Anbieter genauso wie für das eigene Wochenendprojekt.
03
Die übliche Sicht: „Wenn ich früh dran bin, sichere ich mir einen dauerhaften Vorsprung.“
Der übersehene Mechanismus: Nachrichtenbasiertes LLM-Alpha ist ein Verarbeitungsvorsprung, kein Informationsvorsprung. Er existiert, weil die anderen langsamer lesen. Sobald genügend Marktteilnehmer dieselben Modelle auf dieselben Schlagzeilen anwenden, wandert der Effekt in die Preisbildung. Der Vorsprung ist ein Zeitfenster, kein Vermögenswert — und er ist nicht bilanzierbar.
Beleg: Lopez-Lira & Tang (arXiv:2304.07619, Fassung vom Oktober 2025): „Strategy returns decline as LLM adoption rises, consistent with improved price efficiency.“
Warum das die Entscheidung ändert: Ein Geschäftsmodell, dessen einziger Vorteil ein schrumpfendes Zeitfenster ist, darf keine wiederkehrenden Erlöse gegen eine Rendite versprechen. Es muss entweder auf Werkzeug- und Infrastrukturerlöse umstellen oder akzeptieren, dass sein Kernversprechen ein Ablaufdatum hat.
Wo die Marge sich sammelt: beim Anbieter und beim Handelsplatz — beide verdienen an Aktivität, nicht an Erfolg. Wo Wert versickert: in Slippage, Spread und Steuern des Nutzers, und in einer Umschlagshäufigkeit, die im Backtest nichts kostet und im Live-Betrieb alles.
Korrektur einer verbreiteten Angabe
Die oft wiederholte Aussage, Betterment und Wealthfront kosteten beide 0,25 % pro Jahr, stimmt nicht mehr. Betterment berechnet unter 24 000 $ eine Pauschale von 5 $ im Monat — bei einem Depot von 2 400 $ sind das effektiv 2,5 % im Jahr — und 0,15 % beziehungsweise 0,10 % oberhalb von einer beziehungsweise zwei Millionen. Wealthfronts 0,25 % gelten unverändert.
Die entscheidende Architekturentscheidung ist nicht das Modell, sondern die Rangfolge. Eine deterministische Risikoschicht muss jedem KI-Vorschlag übergeordnet sein und ihn überstimmen können. Gerade weil LLM-Ausgaben nachweislich nichtdeterministisch sind — dieselben Daten, dieselbe Temperatur, andere Handelssequenz —, ist eine harte regelbasierte Sicherung keine Option, sondern Voraussetzung.
Schichtenarchitektur mit Vetorecht der Risikoschicht
Die Rangfolge entscheidet über die Sicherheit des Systems — nicht die Modellwahl.
Wo Backtests systematisch lügen
Fallstrick
Wirkung und Gegenmittel
Survivorship Bias
Delistete und insolvente Firmen fehlen im Datensatz und schönen jedes Ergebnis. Gegenmittel: bereinigte Universen von Norgate, Polygon oder Tiingo.
Look-Ahead Bias
Zukunftsinformation sickert ins Signal. Konvention: Signal auf den Schlusskurs t, Ausführung frühestens zur Eröffnung t+1 — nie auf denselben Schlusskurs.
Überlappende Labels
Trainings- und Testdaten teilen sich Information. Gegenmittel: Purged und Combinatorial Cross-Validation mit Embargo nach López de Prado.
Curve Fitting
Die eine Parameterkombination, die im Grid glänzte. Gegenmittel: Parameter vor dem Backtest festlegen, Walk-Forward, Präregistrierung, Deflated Sharpe.
Kosten ignoriert
Slippage, Spread und Market Impact fehlen. Ohne sie ist jeder Backtest Fiktion — und die Lücke ist messbar groß.
Implementierungsrisikoneu, 2026
Fünf Open-Source-Backtest-Engines liefern bei Kosten null exakt dasselbe Ergebnis (maximale Abweichung 0,000 %), bei realistischen Kosten dagegen bis zu 3,71 % Abweichung für Strategien mit hohem Umschlag — plus sieben zuvor undokumentierte Softwarefehler (arXiv:2603.20319). Die Kostenmodellierung selbst ist damit eine Fehlerquelle, nicht nur ein Abzugsposten.
Wie Kosten eine Bruttorendite aufzehren
Illustrative Zerlegung einer Bruttorendite von 100 auf das, was nach realistischen Reibungen übrig bleibt.
Warum Reinforcement Learning in der Praxis scheitert
Vier Gründe, in dieser Reihenfolge: Die Umgebung ist nicht stationär. Das Signal-Rausch-Verhältnis ist extrem niedrig. Es besteht ein Sim-to-Real-Gap, weil der Simulator die eigene Marktwirkung nicht abbildet. Und das Training ist instabil — wiederholtes Training liefert auf identischen Daten materiell unterschiedliche Policies. Ein einzelner Backtest ist damit eine Ziehung aus einer Verteilung. Ohne Angabe der Streuung über viele Trainingsläufe sagt er nichts.
Die Aufsicht hat nachgezogen — aber anders, als die meisten annehmen. Es gibt kein Regelwerk für „KI-Handelsbots“. Es gibt Enforcement gegen Falschbehauptungen, und es gibt bestehendes Wertpapierrecht, das je nach Konstellation greift oder nicht.
Regulatorische Wegmarken 2024 bis 2027
Was tatsächlich in Kraft ist, und was verschoben wurde.
Enforcement: der Vorwurf ist Täuschung, nicht Technologie
Am 18. März 2024 verhängte die SEC die ersten beiden „AI-Washing“-Strafen: 225 000 $ gegen Delphia und 175 000 $ gegen Global Predictions, zusammen 400 000 $. Der damalige Vorsitzende Gary Gensler formulierte es so:
Wir stellen fest, dass Delphia und Global Predictions gegenüber ihren Kunden und potenziellen Kunden behauptet haben, KI auf bestimmte Weise einzusetzen — was sie tatsächlich nicht taten. Anlageberater sollten die Öffentlichkeit nicht täuschen, indem sie behaupten, ein KI-Modell zu verwenden, wenn sie es nicht tun.
Gary Gensler, SEC-Pressemitteilung 2024-36, 18. März 2024 — sinngemäß übersetzt
Seither ist die Linie nicht abgerissen, auch nicht nach dem Führungswechsel Anfang 2025. Im Oktober 2024 traf es Rimar Capital — eine behauptete „KI-gesteuerte Plattform“ zum automatisierten Handel von Kundenkonten, rund 4 Mio. $ von 45 Anlegern, 250 000 $ Strafe gegen den Geschäftsführer zuzüglich Gewinnabschöpfung. Im April 2025 klagte das Justizministerium den Gründer von Nate an, dessen „KI-Einkaufsautomatisierung“ tatsächlich von Vertragskräften erledigt wurde. Und im Mai 2026 folgte der bislang klarste Bot-Fall: SEC gegen Nathan Fuller — 12,3 Mio. $ von rund 150 Anlegern für „KI-basierte Trading-Bots“ im Hochfrequenz-Krypto-Arbitrage; tatsächlich funktionierten die Bots nicht wie dargestellt, 6,2 Mio. $ gingen in private Ausgaben, 5,5 Mio. $ in Ponzi-artige Zahlungen, samt gefälschter Kontoauszüge und erfundener Korrespondenz.
Die CFTC hat, soweit öffentlich nachweisbar, kein eigenes AI-Washing-Verfahren geführt, wohl aber die deutlichste Verbraucherwarnung veröffentlicht: „AI Won't Turn Trading Bots into Money Machines“. Ihr Fallbeispiel ist Mirror Trading International — ein Bitcoin-Schneeballsystem mit behauptetem Handelsbot, mindestens 29 421 Bitcoin von über 23 000 US-Personen, Urteil vom 24. April 2023 über 3 467 676 744 $. Zur Klarstellung, weil es oft falsch wiedergegeben wird: Der Verantwortliche Cornelius Johannes Steynberg starb am 22. April 2024 in Brasilien, während er sich gegen die Auslieferung wehrte. Eine südafrikanische Verurteilung gab es nie.
In Deutschland warnt die BaFin regelmäßig und namentlich. Im Juni 2025 traf es eine Plattformreihe mit 40 Domains, beworben als „Ihr Zugang zu den besten KI-Trading-Bots“, wegen unerlaubter Finanz- und Kryptodienstleistungen nach § 37 Abs. 4 KWG und § 10 Abs. 7 KMAG. Im Februar 2026 folgte eine gemeinsame Warnung von BaFin, EBA, EIOPA und ESMA zu Finanzbetrug mit KI und Kryptowerten. Das FBI beziffert in seinem Bericht für 2025 KI-gestützte Betrugsfälle auf 22 364 Meldungen mit rund 893 Mio. $ Schaden — deutlich weniger als der Kryptobetrug insgesamt, aber mit steigender Tendenz.
Was für Europa tatsächlich gilt — und was nicht
Regelwerk
Was viele annehmen
Was tatsächlich gilt
KI-Verordnung(EU) 2024/1689
„Finanz-KI ist Hochrisiko“
Falsch für den Handel. Anhang III nennt im Finanzbereich nur Kreditwürdigkeitsprüfung natürlicher Personen sowie Risikobewertung und Preisbildung in der Lebens- und Krankenversicherung. Wertpapierhandel steht nicht darin. Für einen Retail-Bot greifen realistisch nur die Transparenzpflichten aus Art. 50 und die Verbote aus Art. 5.
Digital Omnibus(EU) 2026/1744
„Hochrisiko-Pflichten gelten ab August 2026“
Überholt. Die Verordnung vom 8. Juli 2026, in Kraft seit 27. Juli 2026, verschiebt die Anhang-III-Hochrisikopflichten auf den 2. Dezember 2027 und die Anhang-I-Pflichten auf den 2. August 2028. Die BaFin bestätigt diese Reihenfolge und ist seit dem 29. Juli 2026 Marktüberwachungsbehörde für KI-Systeme mit direktem Bezug zu regulierter Finanztätigkeit.
MiCA(EU) 2023/1114
„MiCA reguliert Krypto-Handelsbots“
Nein. MiCA enthält kein Gegenstück zu Art. 17 MiFID II — keine Organisationspflichten für algorithmischen Handel, keinen Kill-Switch, keine Anzeigepflicht. Einschlägig ist nur Art. 92 Abs. 1 zur Marktmissbrauchsüberwachung. MiCA greift erst, wenn für Dritte eine gelistete Dienstleistung erbracht wird — etwa Portfolioverwaltung von Kryptowerten. Kapitalklassen: 50 000 €, 125 000 €, 150 000 €.
MiFID II Art. 17und RTS 6, (EU) 2017/589
„Algo-Handel muss gemeldet werden“
Ja — von Wertpapierdienstleistungsunternehmen, die Mitglied eines Handelsplatzes sind. Der Privatanleger, der über eine Broker-API sein eigenes Konto handelt, fällt unter die Ausnahme des Art. 2 Abs. 1 lit. d und ist weder von Art. 17 noch von § 80 WpHG erfasst. Eine Broker-API ist kein direkter elektronischer Zugang.
Deutsche Erlaubnisfragen — die drei Konstellationen, die zählen
Konstellation
Einordnung
Bot handelt dein eigenes Vermögen
Grundsätzlich erlaubnisfreies Eigengeschäft; es fehlt der Dienstleistungscharakter für andere (§ 1 Abs. 1a S. 3 KWG). Die BaFin bestätigt dies ausdrücklich auch für automatisierte Handelssysteme.
Bot handelt für Dritte mit Entscheidungsspielraum
Finanzportfolioverwaltung. Erlaubnispflichtig nach § 15 Abs. 1 WpIG in Verbindung mit § 2 Abs. 2 S. 1 Nr. 9 WpIG — auch für vollautomatisierte Robo-Advice-Systeme.
Du bist Mitglied eines Handelsplatzes, nutzt direkten elektronischen Zugang oder betreibst Hochfrequenzhandel
Auch das Eigengeschäft wird erlaubnispflichtig (§ 32 Abs. 1a KWG). Das WpIG hat diese Norm nicht ersetzt; KWG und WpIG gelten parallel.
Steuerlich erzeugt häufiger Bot-Handel sehr viele steuerpflichtige Ereignisse; die einjährige Haltefrist des § 23 Abs. 1 S. 1 Nr. 2 EStG greift praktisch nie, und die Freigrenze von 1 000 € seit dem Veranlagungszeitraum 2024 ist eine Grenze, kein Freibetrag — bei genau 1 000 € ist der gesamte Gewinn steuerpflichtig. Das BMF-Schreiben vom 6. März 2025 ersetzt das Schreiben von 2022 und führt ausdrückliche Aufzeichnungs- und Mitwirkungspflichten ein. HINWEIS Handelsfrequenz allein begründet nach der Rechtsprechung zum privaten Wertpapierhandel noch keine Gewerblichkeit; das Risiko entsteht erst durch professionelle Organisation oder Einbeziehung fremder Mittel. Eine steuerliche Beratung ersetzt dieser Absatz nicht.
Warnsignale unseriöser Angebote
Garantierte oder „risikofreie“ Renditen, dreistellige Jahresversprechen, „100 % Trefferquote“.
Nur Backtests, keine verifizierten Live-Ergebnisse — oder Backtests, in denen Verlust-Trades auffällig fehlen.
Das Marketing dreht sich um Empfehlungsprovisionen statt um die Strategie. Klassisches Schneeballmuster.
Der Bot verlangt Auszahlungsrechte oder Direkteinzahlungen auf die eigene Plattform.
Einzahlungen gehen sofort, Auszahlungen scheitern an einer „Freischaltgebühr“.
Hoher prozentualer Gain bei winzigem absolutem Gain — typische Verschleierung von Drawdowns durch nachträgliche Einzahlungen.
Intransparente Methode, anonyme Entwickler, ausschließlich Bewertungen auf der eigenen Seite.
Was die Kennzahlen auf Signal-Marktplätzen wirklich bedeuten
Die Prüfsiegel „Track Record Verified“ und „Trading Privileges Verified“ stammen von Myfxbook, nicht von MQL5 — eine Verwechslung, die in fast jedem Ratgeber steht. Das erste bestätigt nur, dass die angezeigte Historie zu den übermittelten Zugangsdaten passt, nicht die Eigentümerschaft; das zweite bestätigt Kontrolle über das Konto, nicht die Richtigkeit der Historie. Beide zusammen sagen nichts über Strategiequalität. Und „Gain“ ist eine zeitgewichtete Rendite, „Absolute Gain“ misst gegen die Nettoeinzahlungen — der Unterschied kann dramatisch sein: In einem dokumentierten MQL5-Forumsfall wurden aus 250 $ real 1 924,46 $, also 770 % — angezeigt wurden rund 4 090 %.
Sicherheitsrisiko gehostete Bots
Cloud-Bots verwahren deine API-Schlüssel. Der Referenzfall bleibt 3Commas: Ab Oktober 2022 tauchten nicht autorisierte Trades auf; das Unternehmen bestritt den Vorfall siebzehn Tage lang und bestätigte erst am 28. Dezember 2022, nachdem rund 100 000 API-Schlüssel abgeflossen und über 10 000 veröffentlicht worden waren. Neuer und gefährlicher ist der Angriffsweg über gefälschte Werkzeuge: Eine im Januar 2026 dokumentierte Chrome-Erweiterung legte auf der API-Seite einer Börse selbsttätig neue Schlüssel mit Auszahlungsrecht an, blendete den entsprechenden Schalter aus und exfiltrierte sie. Grundregeln: einem Bot niemals Auszahlungsrechte geben, Schlüssel minimal berechtigen, IP-Whitelisting und Zwei-Faktor-Authentisierung aktivieren — und den Zugriff nach dem Entfernen eines Werkzeugs aktiv widerrufen.
Für jemanden, der ein Unternehmen bauen will, ist die interessante Frage nicht, ob Bots funktionieren, sondern welcher Teil dieser Wertschöpfungskette unterversorgt ist. Die Antwort ergibt sich direkt aus den Befunden oben: Alles, was mit dem Signal zu tun hat, ist überfüllt, schwer zu beweisen und rechtlich heikel. Alles, was mit dem Nachweis zu tun hat, ist unterversorgt.
Einstieg
Kunde
Verteidigbarkeit
Regulatorische Last
Urteil
Retail-Signal-Abo
Privatanleger
Keine. Kopierbar in Wochen
Hoch, sobald Renditeaussagen fallen
Meiden
Nachweis- und Audit-InfrastrukturVariantenzählung, Deflated Sharpe, Purged CV als Dienst
Lizenzierte Vermögensverwalter, Family Offices, Fonds-Seeder
Mittel bis hoch: Daten-Historie und Integrationen
Niedrig — kein Anlagegeschäft
Bauen
Point-in-time-Datenveredelung
Quant-Teams, Hochschulen
Hoch, wenn die Historie sauber und versioniert ist
Niedrig
Bauen
LLM als Recherche-SchnittstelleDokumente, Meldungen, Filings — ohne Handelsentscheidung
Analysten, Berater, Mittelstand
Mittel: Workflow und Datenzugänge
Niedrig, solange keine Anlageberatung
Bauen
Compliance-Layer für Robo-Advice
WpIG-lizenzierte Häuser
Hoch: Wechselkosten, Prüfungsspuren
Mittel — Kunde trägt die Lizenz
Prüfen
Eigener Fonds / Vermögensverwaltung
Vermögende Privatkunden
Hoch bei Track Record
Sehr hoch: § 15 WpIG, Kapital, Organisation
Nur mit Kapital und Geduld
Der Keil, den ich für den besten halte: ein Werkzeug, das die Aussage „diese Strategie hält“ prüffähig macht — Anzahl getesteter Varianten protokollieren, Sharpe deflationieren, Kosten mit mehreren Engines gegenrechnen, Ergebnis als signiertes Prüfprotokoll ausgeben. Der Markt dafür entsteht gerade von selbst: Wenn selbst fünf Backtest-Engines bei realistischen Kosten um 3,71 % auseinanderlaufen und LLM-Agenten nicht einmal über Läufe reproduzierbar sind, wird die Verifikation zum knappen Gut. Der Kunde ist die Seite, die Kapital allokiert, nicht die Seite, die Signale kauft.
Zeit bis zum Beweis: sechs bis zwölf Monate für ein belastbares Produkt, weil man keinen Renditenachweis führen muss — nur einen Methodennachweis. Kapitalintensität: niedrig, abgesehen von Datenlizenzen. Das größte Risiko: dass die Zielkunden das Problem kennen und trotzdem nicht dafür zahlen wollen, weil ein deflationierter Sharpe ihre eigenen Produkte schlechter aussehen lässt. Das ist kein technisches, sondern ein Anreizproblem — und es sollte vor dem ersten Code an fünf Gesprächen getestet werden.
Kontaminationsfreie Mehrjahres-Evidenz zeigt reproduzierbares Netto-Alpha für Agenten auch nach Kosten und Faktorattribution
Mindestens zwei unabhängige Gruppen replizieren dasselbe Ergebnis über ≥ 24 Monate mit Streuungsangabe über ≥ 20 Läufe
Der Markt verschiebt sich zu lizenzierten Anbietern mit Prüfpflicht; Retail-Abos bleiben trotzdem das schlechteste Produkt darin
Basewahrscheinlichstes Szenario
LLMs setzen sich in Recherche, Zusammenfassung und Dokumentenauswertung durch; die Handelsentscheidung bleibt bei klassischen Modellen mit deterministischer Risikoschicht
Weiterhin Attributionsergebnisse wie KTD-Fin; Anbieter positionieren sich als „Research-Copilot“ statt „Bot“
Kommerzielle Abo-Preise bleiben stabil, Differenzierung wandert zu Daten und Ausführung; Konsolidierung im Retail-Segment
BearWahrscheinlichkeit mittel
Ein sichtbarer Schadensfall mit KI-Bezug — Bot-Fehlfunktion oder ein Betrugsfall im dreistelligen Millionenbereich
Erste nationale Aufsicht ordnet Zulassungs- oder Offenlegungspflichten für automatisierte Handelsassistenz an; BaFin nutzt ihre neue Marktüberwachungsrolle
Marketingfreiheit endet; Anbieter ohne prüffähige Methode verschwinden. Für Infrastrukturanbieter ist das das beste Szenario
Was diese These schwächen oder widerlegen würde — und woran man es erkennen könnte:
Azevedo/Hoegner/Velikov wird begutachtet publiziert und repliziert. Wenn eine unabhängige Gruppe die Netto-Renditen nach Kosten bestätigt, ist die Aussage „ML-Alpha überlebt Kosten nicht“ in ihrer allgemeinen Form falsch. Zu beobachten: Journalstatus des SSRN-Papiers 4702406.
Ein Agenten-Benchmark über 24+ Monate mit Kostenmodell und Faktorattribution zeigt persistentes Alpha. Das wäre der erste echte Gegenbeweis zu KTD-Fin. Zu beobachten: Nachfolgearbeiten zu StockBench und KTD-Fin.
Reproduzierbarkeit wird gelöst. Wenn Agenten-Frameworks über Läufe hinweg stabile Handelssequenzen liefern, fällt eines meiner stärksten Argumente. Zu beobachten: Antworten auf AlphaForgeBench.
Ein Retail-Anbieter legt einen auditierten Live-Track-Record über mehrere Regime samt Variantenzählung vor. Bisher hat das keiner getan. Der Erste, der es tut, verdient eine Neubewertung.
Die Kostenseite fällt strukturell. Nullgebühren plus deutlich engere Spreads in Small Caps würden die Break-even-Schwelle verschieben und Teile des gemessenen Effekts erstmals retailfähig machen.
Regulatorische Kehrtwende. Sollte eine Aufsicht automatisierte Handelsassistenz für Privatkunden als Hochrisiko einstufen, ändert das die Ökonomie des gesamten Segments — zulasten der Anbieter, zugunsten von Prüfinfrastruktur.
Verlange eine Beschreibung der Methode. „KI-gestützt“ ohne Substanz ist selbst schon das Warnsignal.
Frage nach dem Liquiditätsdezil, in dem der Ertrag entsteht, und nach der Kapitalsumme, ab der er zusammenbricht. Keine Zahl heißt: keine Kapazitätsanalyse.
Frage nach der Anzahl getesteter Varianten und dem deflationierten Sharpe. Wer die Frage nicht versteht, hat nicht ausreichend geprüft.
Akzeptiere nur auditierte Live-Ergebnisse über mehrere Marktregime — Aufwärts-, Abwärts- und Seitwärtsphasen. Sechs bis zwölf Monate sind das absolute Minimum, drei Jahre der sinnvolle Maßstab.
Vergleiche bei Signalanbietern immer Gain gegen Absolute Gain und prüfe beide Myfxbook-Siegel — und wisse, was sie nicht bedeuten.
Werte Papierhandel-Ergebnisse pauschal ab: keine Slippage, keine Teilausführungen, keine Latenz, kein psychologischer Druck.
Wenn du selbst bauen willst
Schritt
Konkret
Fundament
López de Prado, „Advances in Financial Machine Learning“ für Purged CV, Meta-Labeling und Deflated Sharpe. Robert Carver, „Systematic Trading“, für Risiko und Positionsgrößen.
Framework
QuantConnect Lean für Aktien und Multi-Asset, Freqtrade mit FreqAI für Krypto, NautilusTrader und VectorBT für Research. Nicht mehr: Backtrader, FinRL.
Daten
Point-in-time und survivorship-bereinigt: Norgate, Polygon, Tiingo; Kaiko oder CryptoCompare für Krypto. Die Datenqualität entscheidet mehr über das Ergebnis als die Modellwahl.
Disziplin
Walk-Forward plus Purged Cross-Validation mit Embargo. Kosten von der ersten Zeile an einrechnen. Jede getestete Variante protokollieren und den Sharpe entsprechend deflationieren. Ergebnisse über mindestens 20 Trainingsläufe streuen.
Gegenprobe
Dieselbe Strategie in einer zweiten Engine rechnen. Weichen die Ergebnisse bei realistischen Kosten deutlich ab, liegt der Fehler in der Kostenmodellierung, nicht im Markt.
Der Schwellenwert, an dem sich alles entscheidet
Hält eine Strategie einen deflationierten Sharpe deutlich über null — out of sample, über mehrere Regime, nach realistischen Kosten, mit dokumentierter Variantenzahl —, ist sie ernst zu nehmen. Bricht der Wert bei ehrlicher Zählung zusammen, ist sie zu verwerfen, unabhängig davon, wie gut der Backtest aussah. Und sobald für Dritte gehandelt werden soll, ist die Erlaubnisfrage nach § 15 WpIG zu klären, bevor irgendetwas live geht.
Kaufe keinen Retail-Trading-Bot. Baue keinen, um Signale zu verkaufen. Baue — wenn überhaupt — die Schicht, die Behauptungen über Strategien überprüfbar macht.
Warum, in absteigender Wichtigkeit:
Der gemessene Machine-Learning-Vorteil konzentriert sich in Micro-Caps und angeschlagenen Titeln und verliert je nach Gewichtung 49 bis 86 Prozent, sobald man diese ausschließt. Genau dort kann ein Privatanleger nicht skalieren.
Die Renditen von LLM-Agenten erklären sich unter kontaminationsfreier Auswertung überwiegend aus Markt- und Stil-Exposure. Es ist Beta, das wie Können aussieht.
Dieselben Agenten sind über Läufe hinweg nicht reproduzierbar, selbst bei deterministischem Decoding. Ein einzelnes gutes Ergebnis ist damit keine Evidenz, sondern eine Ziehung.
Overfitting ist bei der üblichen Zahl getesteter Varianten mathematisch garantiert. Ohne Variantenzählung ist jede Sharpe-Angabe bedeutungslos.
Die Anreize im Markt sind eindeutig: Abo-Anbieter verdienen an Verweildauer, Kommissions-Bots an Umschlag, Börsen an Volumen. Nur der Nutzer trägt Ergebnisrisiko.
Konfidenz: hoch für die Aussage, dass es kein verlässliches Retail-Alpha aus gekauften Bots gibt. Mittel für die Aussage zur institutionellen Netto-Rendite, weil die stärkste Gegenstudie noch unbegutachtet ist. Niedrig für jede Prognose über 2027 hinaus.
Was mein Urteil ändern würde: ein begutachteter, replizierter Nachweis von Netto-Alpha nach Kosten in liquiden Titeln — oder ein Agenten-Benchmark über mehr als 24 Monate mit Kostenmodell, Faktorattribution und Streuungsangabe.
Die nächsten drei Schritte:
Wenn du bereits ein Abo hast: Fordere schriftlich die Variantenzahl und den deflationierten Sharpe an. Die Antwort — oder ihr Ausbleiben — entscheidet.
Wenn du baust: Setze zuerst die Protokoll- und Risikoschicht auf, dann das Modell. In dieser Reihenfolge, nicht umgekehrt.
Wenn du gründest: Führe fünf Gespräche mit lizenzierten Vermögensverwaltern über Verifikation, bevor du eine Zeile Code schreibst. Das Anreizproblem ist wichtiger als das technische.
Einschränkungen dieses Berichts
Keine Anlage-, Rechts- oder Steuerberatung. Regulatorische Aussagen sind vereinfacht; im Einzelfall ist eine BaFin-Anfrage oder anwaltliche Prüfung nötig. Die deutsche MiCA-Übergangsfrist wurde auf zwölf Monate verkürzt und lief zum Jahreswechsel 2025/2026 aus; die genaue Fundstelle im KMAG sollte vor rechtlicher Verwendung geprüft werden.
Marktgrößenschätzungen kommerzieller Analysehäuser divergieren je nach Definition erheblich und sind nur als Größenordnung zu lesen. Für bezahlte Retail-Bot-Abonnements existiert keine belastbare Bottom-up-Schätzung.
Hedgefonds-Renditen sind nirgends auditiert öffentlich. Die bekannten Medallion-Zahlen von 66,07 % brutto und 39,20 % netto sind arithmetische Mittel aus Zuckermans Anhang, nicht annualisierte Werte; die kumulierte Bruttorendite liegt bei 63,3 %, und Guo und Liu schätzen die tatsächliche annualisierte Rendite vor Gebühren auf rund 31,8 %.
Die Overfitting-Kurve und das Kosten-Wasserfalldiagramm sind illustrative Rechnungen auf Basis publizierter Formeln, keine empirischen Messungen an einem konkreten Portfolio.
LLM-Benchmarks sind Momentaufnahmen einer sehr jungen Forschungslinie und gelten nicht automatisch für künftige Modellgenerationen. Die Preisangaben wurden am 4. September 2026 erhoben; Tickeron veröffentlicht derzeit keine abrufbare Preisseite und ist daher nicht enthalten.
AREF RESEARCH · Evidence report · Research as of 4 September 2026
AI trading bots: the alpha is real — it just sits behind three gates
Machine learning demonstrably measures risk premia better than linear models. But the tradable part of that advantage sits almost entirely behind cost, capacity and contamination — three gates the retail bot market fails structurally. An independent analysis of evidence, economics and regulation.
Asset classes: equities · ETFs · crypto · FXGeography: EU/Germany and the United StatesNot investment, legal or tax advice
BIGGEST OPPORTUNITY
Infrastructure, not signals
Point-in-time data, honest cost modelling, deflation by the number of trials, and auditable logging are unsolved and sellable — to licensed asset managers, not to retail investors.
BIGGEST RISK
The edge consumes itself
Lopez-Lira and Tang show that returns to LLM-based news strategies decline as LLM adoption rises. What is alpha today is price formation tomorrow.
CONFIDENCE
High on the core claim
High that there is no reliable retail alpha; medium on institutional net returns, because the strongest counter-study is still unpublished; low for any forecast beyond 2027.
0.77
Out-of-sample Sharpe of the neural network in S&P 500 timing — against 0.51 for buy-and-hold, both gross
−65 %
Fall in the equal-weighted payoff of the deep-learning signal once micro-caps are excluded — value-weighted −49 %
1.57
Expected best in-sample Sharpe after only ten trials — with a true alpha of zero
+2.4 %
Best LLM agent in StockBench over 82 trading days; buy-and-hold: +0.4 %, with no cost model
$3.47 bn
CFTC judgment against Mirror Trading International — marketed as an AI trading bot
People who search for “AI trading bot” are rarely looking for a model type. They are looking for an answer to one of three very different questions: Should I buy one? — Should I build one? — Should I invest in this, or start a company around it? This report answers all three separately, because the evidence differs for each.
First the term has to be taken apart. Four fundamentally different things travel under the same label, and only two of them involve machine learning at all.
Type
What actually happens
Evidence
Marketing share
Rule-based botsgrid, DCA, martingale
Fixed if-then logic. No intelligence in any ML sense. The return comes from mean reversion in sideways markets and disappears in trends.
Classical MLXGBoost, random forest, LSTM
Captures non-linear relationships in price and fundamental data. The dominant signals remain momentum, liquidity and volatility.
Reinforcement learningpolicy learning through reward
An agent learns trading policies. Unstable in non-stationary markets; repeated training on identical data produces materially different policies.
LLM agentsGPT, Claude, multi-agent systems
Strong at text, news and document analysis. Weak at direct price prediction — and not reproducible across runs.
Dots under “Evidence” = strength of the published, contamination-free evidence for tradable excess returns — not for statistical predictability.
Three distinctions that marketing systematically blurs
Robo-advisors (Betterment, Wealthfront, Scalable, quirion) build rule-based ETF portfolios by risk profile and rebalance them. Their goal is to track the market, not to beat it. Anyone sold this as “AI investing” is buying index replication.
Copy trading and signal services copy someone else's decisions. There is no model logic of their own — only a distribution layer over other people's judgement.
High-frequency trading is a latency and infrastructure business run by institutions. Technologically it has nothing in common with retail bots; anyone who mentions both in one sentence is selling something.
Part 2
The market: prices, vendors, and numbers that measure nothing#
The retail landscape splits in two: commercial subscription platforms with opaque logic, and free open-source frameworks with open logic. The price difference does not correlate with signal quality.
What commercial retail platforms cost per month
Price range per vendor, in US dollars per month.
Two moves since 2024 are worth noting. Cryptohopper has removed its free tier — entry is now $29 a month after a three-day trial. Composer went the other way: building, backtesting and the API are free, and only automated execution is paid ($32 a month). And Pionex sells no subscription at all, earning instead on a 0.05 % trading fee. That is not a detail but a change of business model: a vendor who earns on volume wants the bot to trade — not to win.
What is actually usable in each category
Equities and ETFs:QuantConnect Lean, with extensive documentation; Alpaca and Interactive Brokers as the broker API layer.
Crypto:Freqtrade with the FreqAI module — version 2026.8 released 31 August 2026, on a monthly cadence; Hummingbot for market making.
Research: NautilusTrader (1.231.0, August 2026), VectorBT (1.1.0, July 2026 — the widespread claim that the open-source project is dead has been out of date since the 1.0 release), Microsoft Qlib, Zipline-reloaded.
No longer worth using: Backtrader — last release April 2023. FinRL now describes itself as a preserved educational and research framework and points users to successor projects.
The European gap
For European retail investors the broker API layer has thinned. Lemon Markets has moved entirely to brokerage-as-a-service for business customers; there is no self-serve retail API there any more. Trade Republic and Scalable offer no official public trading API. In practice that leaves Interactive Brokers and Alpaca — there is currently no EU-native retail equivalent.
AREF SIGNAL The market-size numbers are not measuring the same thing
For “algorithmic trading”, Grand View Research gives $23.5 bn for 2025 at 13.6 % annual growth; Mordor Intelligence gives $20.23 bn for 2026 at 7.87 %. The levels are close; the growth rates differ by a factor of 1.7. The reason is in the definitions: Mordor explicitly excludes non-commercialised in-house algorithms, Grand View does not. Same label, different universe.
For the market that actually matters here — paid retail bot subscriptions — no defensible bottom-up estimate exists at all. What circulates instead are figures such as a “$54 bn crypto trading bot market” that do not separate subscription revenue from bot-mediated trading volume. A simple sanity check shows why that cannot be right: at a realistic $300 to $800 of annual revenue per paying user, that figure would imply 70 to 180 million paying bot subscribers worldwide — more than there are active crypto traders. INFERENCE
Anyone basing an investment decision on these numbers is basing it on a definition, not on a measurement.
Part 3
The base rate: what you are being compared against#
Before asking whether a bot works, you need to know what the starting position looks like. Across every market with regulatory data, it is remarkably consistent.
The base rate: share of retail traders losing money
Different markets and periods, each from regulatory or academic sources.
And here sits the most uncomfortable number in this report. In the same SEBI analysis, almost all of the profit on the professional side of those trades came from algorithmic entities. In the one market with regulator-grade data, algorithmic trading is what retail investors lose to — not what they lose with. Buying a retail bot does not move you to the other side of the table.
Supporting evidence: Chague, De-Losso and Giovannetti followed Brazilian day traders who persisted. Of those trading for more than 300 days, 97 % lost money; 1.1 % earned more than the minimum wage. Barber and Odean showed as early as 2000, across 66,465 households, that the most active traders earned 11.4 % a year while the market returned 17.9 %.
For copy trading and bot trading there is no methodologically sound study of realised customer returns. That gap is itself a finding. The best available work is a laboratory experiment: Apesteguia, Oechssler and Weidenholzer found that the option to copy others significantly raises risk-taking — in a way that is individually and socially suboptimal relative to participants' own separately elicited risk preferences. LABORATORY
The yes: machine learning measures risk premia better
We demonstrate large economic gains to investors using machine learning forecasts, in some cases doubling the performance of leading regression-based strategies from the literature.
This is the most cited paper in the field, and it holds up. What matters is only which number belongs to which experiment — a distinction the secondary literature routinely botches.
Where the machine-learning advantage was actually measured
Out-of-sample Sharpe ratios from Gu, Kelly and Xiu (2020). Left, the cross-sectional strategy; right, market timing — two different experiments that secondary sources constantly conflate.
In S&P 500 market timing the out-of-sample Sharpe rises from 0.51 (buy-and-hold) to 0.77 (neural network) — a gain of 26 percentage points. The comparison against OLS belongs to the cross-sectional strategy instead: 1.35 against 0.61 value-weighted, 2.45 against 0.83 equal-weighted. Anyone quoting 2.45 while saying “market timing” is quoting the wrong line.
The first but: the effect lives where retail cannot scale
What survives once the illiquid names are excluded
Payoff of the deep-learning signal across all performance measures, equal- and value-weighted, indexed to 100.
Avramov, Cheng and Metzker worked out precisely what survives of the GKX signal once economically plausible restrictions are imposed. Excluding micro-caps cuts the payoff across all performance measures by 65 % equal-weighted and 49 % value-weighted; excluding financially distressed firms cuts it by 86 % and 70 % respectively. More decisive still: break-even transaction costs run between 0.48 % and 1.12 % in the full sample — but fall to between 0.26 % and 0.54 % once micro-caps are removed.
This is the decisive passage of the whole report. The measured alpha is real — but it concentrates in illiquid, small, distressed names with high turnover. That is exactly the segment where a retail investor pays the worst spreads, cannot construct short positions, and moves the price with modest sums.
The strongest counter-position — in fairness
It would be dishonest to stop here. Azevedo, Hoegner and Velikov reach the opposite conclusion: they report that more sophisticated ML strategies remain profitable after transaction costs, after post-publication decay and in the liquid post-decimalisation era — up to 1.42 % net monthly out of sample, at turnover above 50 %. Omitting this paper would be cherry-picking.
Two qualifications nevertheless keep the thesis standing. As of September 2026 the paper is still an unpublished working paper, and therefore not peer-reviewed. And it describes institutional long-short factor investing with monthly rebalancing, borrow access for shorts and professional execution. That is not a retail bot. It is evidence that the alpha exists — and simultaneously evidence of how much apparatus is required to collect it. ESTIMATE
The second but: overfitting is not a risk, it is arithmetic
The best fluke grows with the number of attempts
Expected maximum in-sample Sharpe of purely random strategies, as a function of the number of trials.
Bailey, Borwein, López de Prado and Zhu put it in the Notices of the AMS as plainly as it deserves: if you test only ten variants of a strategy, you should expect to find one with an in-sample Sharpe of 1.57 — even when every strategy tested delivers exactly zero out of sample. From that follows their minimum backtest length: with five years of data, no more than 45 independent configurations may be tried if the expected best fluke is to stay below a Sharpe of 1.0.
Every common retail tool blows through that limit in its first afternoon. The practical consequence is hard and simple: a Sharpe ratio quoted without the number of variants tested is not information. The remedy is the Deflated Sharpe Ratio, which corrects for the number of trials, their dispersion, skewness, kurtosis and sample length.
For factor research, Harvey, Liu and Zhu reached the same conclusion: with 316 catalogued factors the usual t > 2.0 hurdle is not enough; t > 3.0 is required. Their abstract concludes that most claimed research findings in financial economics are likely false. Jensen, Kelly and Pedersen disagree, using Bayesian methods: factors their model finds but the frequentist multiple-testing correction discards still delivered an out-of-sample annualised information ratio of 0.93 in the United States and 1.10 globally excluding the US. Those, too, are gross figures on academic long-short portfolios.
LLM agents: the loudest segment with the thinnest evidence
LLM agents against buy-and-hold — tested contamination-free
Cumulative return over 82 trading days on the 20 highest-weight Dow Jones stocks.
StockBench (version 2, March 2026) tested thirteen frontier models deliberately after their training cutoffs, in the window 3 March to 30 June 2025. The best agent finished two percentage points above buy-and-hold; GPT-5 finished below it. The authors state themselves that they model neither trading costs nor slippage nor liquidity limits. Over 82 trading days and 20 large caps, the entire gap sits inside the noise.
The three most important papers of 2026 go considerably further:
KTD-Fin (May 2026) combines a masking protocol with performance attribution and finds, for ten frontier agents on the CSI 300, that cumulative returns are largely explained by passive market and style exposure, with limited evidence of persistent stock-selection alpha. In plain terms: what looked like skill was beta.
AlphaForgeBench (February 2026) reports the most underrated finding of the year: even at temperature 0, LLMs produce completely different trading action sequences across runs on identical market data. That makes single-run evaluations statistically unreliable — and a large part of the published agent results irreproducible.
“The Alpha Illusion” (May 2026) names FinCon, FinMem, TradingAgents, FinAgent, QuantAgent and FLAG-Trader explicitly and argues that reported alpha from end-to-end LLM agents should not be treated as deployment evidence. It is a position paper with no new numbers — but its proposal to place LLMs as an auditable information interface upstream of independent calibration, risk and execution components is the most useful architectural recommendation published in 2026.
Why LLM backtests almost always measure what the model already knew
Glasserman and Lin separate two effects: a look-ahead bias, in which the model already knows the returns that followed a historical news item, and a distraction effect, in which general knowledge about the named company distorts the sentiment measurement. Surprisingly, they found in-sample that anonymised headlines perform better: distraction outweighs look-ahead bias.
Anonymisation as a remedy is itself under attack, however. Lopez-Lira, Tang and Zhu show that instructions to respect historical boundaries do not prevent recall-level accuracy, and that masking fails because LLMs reconstruct entities and dates from minimal context; memorisation extends into the embeddings. After the cutoff they observe no recall at all. The practical rule therefore stands unchanged and is not negotiable: every LLM backtest must lie entirely after the training cutoff — otherwise it measures memory, not prediction.
Two widely cited counter-examples do not meet that standard. TradingAgents reports a Sharpe ratio of 8.21 on AAPL — from a backtest of roughly 60 trading days in the first quarter of 2024, on a handful of mega-cap technology names, with no cost model and no treatment of the training cutoff. Trading-R1 from the same group evaluates over three months, likewise without costs, but at least says itself that the model is “best used as a research and thesis-generation tool, not as a substitute for independent due diligence”.
And one finding that did not exist in 2023: Lopez-Lira and Tang — now in their sixth version and accepted at the Journal of Financial Economics — report hit rates of around 90 % explicitly for the non-tradable initial reaction. The tradable drift concentrates in small stocks and negative news, and strategy returns decline as LLM adoption rises.
The conventional view: “Studies show ML beats the market — so a good bot can too.”
The overlooked mechanism: Those studies measure statistical predictability in the cross-section, gross of costs, across thousands of names simultaneously, with a long and a short leg. The return is a function of breadth — many small edges over many positions — not of the depth of any single forecast. A retail bot holding five positions in liquid large caps trades exactly the corner of the universe where the measured effect is weakest.
Evidence: −65 % equal-weighted and −49 % value-weighted without micro-caps, −86 % and −70 % without distressed names (Avramov, Cheng & Metzker 2023). Break-even costs fall from 0.48–1.12 % to 0.26–0.54 %.
Why it changes the decision: The right question to a vendor is not “do you use AI?” but “in which liquidity decile is your return generated, and at what capital level does it collapse?” A vendor with no number has no answer.
02
The conventional view: “LLM agents posted positive returns in 2025 and 2026 — so the technology works in principle.”
The overlooked mechanism: A positive return is not skill until someone decomposes it. Run an attribution against market and style factors and almost nothing of the agent's return is stock selection. An agent overweighting momentum and large-cap factors makes money in a rising market — and an 82-day window cannot resolve that difference at all.
Evidence: KTD-Fin (arXiv:2605.28359): returns “largely explained by passive market and style exposure, with limited evidence of persistent stock-selection alpha”. Alongside AlphaForgeBench: no reproducibility across runs even under deterministic decoding.
Why it changes the decision: Any agent demo without factor attribution and without dispersion across at least twenty runs is an anecdote. That applies to vendors and to your own weekend project alike.
03
The conventional view: “If I am early, I secure a durable edge.”
The overlooked mechanism: News-based LLM alpha is a processing advantage, not an information advantage. It exists because everyone else reads more slowly. Once enough market participants apply the same models to the same headlines, the effect migrates into price formation. The edge is a window of time, not an asset — and it cannot be put on a balance sheet.
Evidence: Lopez-Lira & Tang (arXiv:2304.07619, October 2025 version): “Strategy returns decline as LLM adoption rises, consistent with improved price efficiency.”
Why it changes the decision: A business whose only advantage is a shrinking window of time must not promise recurring revenue against a return. It has to move to tooling and infrastructure revenue, or accept that its core promise has an expiry date.
Where the margin accumulates: with the vendor and the venue — both earn on activity, not on success. Where value leaks: into the user's slippage, spread and taxes, and into a turnover rate that costs nothing in a backtest and everything in live trading.
Correcting a widely repeated figure
The often-repeated claim that Betterment and Wealthfront both charge 0.25 % a year is no longer true. Betterment charges a flat $5 a month below $24,000 — on a $2,400 balance that is an effective 2.5 % a year — and 0.15 % or 0.10 % above one and two million respectively. Wealthfront's 0.25 % stands unchanged.
The decisive architectural decision is not the model but the ordering. A deterministic risk layer must sit above every AI proposal and be able to overrule it. Precisely because LLM outputs are demonstrably non-deterministic — same data, same temperature, different action sequence — a hard rule-based safeguard is not an option but a precondition.
Layered architecture with a veto held by the risk layer
The ordering, not the choice of model, determines whether the system is safe.
Where backtests lie systematically
Pitfall
Effect and remedy
Survivorship bias
Delisted and bankrupt firms are missing from the dataset and flatter every result. Remedy: adjusted universes from Norgate, Polygon or Tiingo.
Look-ahead bias
Future information leaks into the signal. Convention: signal on the close of t, execution no earlier than the open of t+1 — never on the same close.
Overlapping labels
Training and test data share information. Remedy: purged and combinatorial cross-validation with an embargo, per López de Prado.
Curve fitting
The one parameter combination that shone in the grid. Remedy: fix parameters before the backtest, walk-forward, pre-registration, deflated Sharpe.
Costs ignored
Slippage, spread and market impact are missing. Without them every backtest is fiction — and the gap is measurably large.
Implementation risknew, 2026
Five open-source backtest engines agree exactly at zero cost (maximum divergence 0.000 %), but diverge by up to 3.71 % for high-turnover strategies once realistic costs are applied — plus seven previously undocumented software defects (arXiv:2603.20319). Cost modelling is therefore a source of error, not merely a deduction.
How costs consume a gross return
Illustrative decomposition of a gross return of 100 into what survives realistic frictions.
Why reinforcement learning fails in practice
Four reasons, in this order. The environment is non-stationary. The signal-to-noise ratio is extremely low. There is a sim-to-real gap, because the simulator does not represent the strategy's own market impact. And training is unstable — repeated training on identical data yields materially different policies. A single backtest is therefore one draw from a distribution. Without the dispersion across many training runs it says nothing.
Regulators have caught up — but not in the way most people assume. There is no rulebook for “AI trading bots”. There is enforcement against false claims, and there is existing securities law that either bites or does not, depending on the configuration.
Regulatory milestones, 2024 to 2027
What is actually in force, and what has been postponed.
Enforcement: the charge is deception, not technology
On 18 March 2024 the SEC imposed the first two AI-washing penalties: $225,000 against Delphia and $175,000 against Global Predictions, $400,000 in total. Then-chair Gary Gensler put it this way:
We find that Delphia and Global Predictions marketed to their clients and prospective clients that they were using AI in certain ways when, in fact, they were not. Investment advisers should not mislead the public by saying they are using an AI model when they are not.
Gary Gensler, SEC press release 2024-36, 18 March 2024
The line has not broken since, including after the change of leadership in early 2025. In October 2024 it was Rimar Capital — a claimed “AI-driven platform” for automated trading of client accounts, around $4 m from 45 investors, a $250,000 penalty against the principal plus disgorgement. In April 2025 the Department of Justice charged the founder of Nate, whose “AI shopping automation” was in fact performed by contractors. And in May 2026 came the clearest bot case so far: SEC v. Nathan Fuller — $12.3 m from roughly 150 investors for “AI-based trading bots” doing high-frequency crypto arbitrage; the bots did not function as represented, $6.2 m went to personal expenses and $5.5 m to Ponzi-like payments, supported by fake account statements and fabricated correspondence.
The CFTC, as far as the public record shows, has brought no AI-washing action of its own, but has published the bluntest consumer warning: “AI Won't Turn Trading Bots into Money Machines”. Its case study is Mirror Trading International — a bitcoin Ponzi scheme with a claimed trading bot, at least 29,421 bitcoin from more than 23,000 US persons, and a judgment of $3,467,676,744 entered on 24 April 2023. One clarification, because it is often reported wrongly: the principal, Cornelius Johannes Steynberg, died in Brazil on 22 April 2024 while contesting extradition. There was never a South African conviction.
In Germany, BaFin warns regularly and by name. In June 2025 it targeted a platform series spanning 40 domains marketed as “your access to the best AI trading bots”, for unauthorised financial and crypto services under § 37(4) KWG and § 10(7) KMAG. In February 2026 came a joint warning from BaFin, EBA, EIOPA and ESMA on financial fraud using AI and crypto assets. The FBI's report for 2025 puts AI-enabled scams at 22,364 complaints and roughly $893 m in losses — considerably less than crypto fraud overall, but rising.
What actually applies in Europe — and what does not
Instrument
What many assume
What actually applies
AI Act(EU) 2024/1689
“Financial AI is high-risk”
Wrong for trading. In financial services, Annex III lists only creditworthiness assessment of natural persons and risk assessment and pricing in life and health insurance. Securities trading is not in it. For a retail bot only the Art. 50 transparency duties and the Art. 5 prohibitions realistically apply.
Digital Omnibus(EU) 2026/1744
“High-risk obligations apply from August 2026”
Out of date. The regulation of 8 July 2026, in force since 27 July 2026, defers the Annex III high-risk obligations to 2 December 2027 and the Annex I obligations to 2 August 2028. BaFin confirms this sequence and has been the market surveillance authority for AI systems directly connected to regulated financial activity since 29 July 2026.
MiCA(EU) 2023/1114
“MiCA regulates crypto trading bots”
No. MiCA contains no counterpart to Art. 17 MiFID II — no organisational requirements for algorithmic trading, no kill switch, no notification duty. Only Art. 92(1) on market-abuse surveillance is relevant. MiCA bites only when a listed service is provided to third parties, such as portfolio management of crypto-assets. Capital classes: €50,000, €125,000, €150,000.
MiFID II Art. 17and RTS 6, (EU) 2017/589
“Algo trading has to be notified”
Yes — by investment firms that are members of a trading venue. A retail investor trading their own account through a broker API falls under the Art. 2(1)(d) exemption and is caught by neither Art. 17 nor § 80 WpHG. A broker API is not direct electronic access.
German licensing — the three configurations that matter
Configuration
Classification
The bot trades your own assets
In principle licence-free own-account dealing; the element of providing a service to others is missing (§ 1(1a) sentence 3 KWG). BaFin confirms this explicitly for automated trading systems.
The bot trades for third parties with discretion
Portfolio management. Licensable under § 15(1) WpIG in conjunction with § 2(2) sentence 1 no. 9 WpIG — including for fully automated robo-advice systems.
You are a member of a trading venue, use direct electronic access or engage in high-frequency trading
Own-account dealing becomes licensable too (§ 32(1a) KWG). The WpIG did not replace this provision; KWG and WpIG apply in parallel.
On tax, frequent bot trading generates a very large number of taxable events; the one-year holding period of § 23(1) sentence 1 no. 2 EStG effectively never applies, and the €1,000 threshold introduced for the 2024 assessment period is an exemption limit rather than an allowance — at exactly €1,000 the entire gain is taxable. The Ministry of Finance circular of 6 March 2025 replaces the 2022 circular and introduces explicit record-keeping and cooperation duties. NOTE Trading frequency alone does not establish commercial trading under the case law on private securities dealing; the risk arises from professional organisation or the involvement of third-party funds. This paragraph does not replace tax advice.
Backtests only, no verified live results — or backtests in which losing trades are conspicuously absent.
Marketing that revolves around referral commissions rather than the strategy. The classic pyramid pattern.
The bot demands withdrawal permissions or direct deposits onto its own platform.
Deposits clear instantly while withdrawals fail on an “unlock fee”.
A high percentage gain alongside a tiny absolute gain — the standard way of masking drawdowns with later deposits.
Opaque methodology, anonymous developers, reviews only on the vendor's own site.
What the metrics on signal marketplaces really mean
The badges “Track Record Verified” and “Trading Privileges Verified” come from Myfxbook, not MQL5 — a confusion repeated in almost every guide. The first confirms only that the displayed history matches the credentials supplied, not ownership; the second confirms control of the account, not the accuracy of the history. Together they say nothing about strategy quality. And “Gain” is a time-weighted return while “Absolute Gain” measures against net deposits — the difference can be dramatic: in a documented MQL5 forum case, $250 grew to $1,924.46, a real 770 %, while roughly 4,090 % was displayed.
The security risk of hosted bots
Cloud bots hold your API keys. The reference case remains 3Commas: unauthorised trades appeared from October 2022; the company denied the incident for seventeen days and confirmed it only on 28 December 2022, by which time roughly 100,000 API keys had leaked and more than 10,000 had been published. Newer and more dangerous is the attack through counterfeit tooling: a Chrome extension documented in January 2026 silently created new API keys with withdrawal rights on an exchange's API page, hid the corresponding toggle and exfiltrated them. Basic rules: never grant a bot withdrawal rights, scope keys minimally, enable IP whitelisting and two-factor authentication — and actively revoke access after removing a tool.
For anyone looking to build a company, the interesting question is not whether bots work but which part of this value chain is underserved. The answer follows directly from the findings above: everything to do with the signal is crowded, hard to prove and legally awkward. Everything to do with the proof is underserved.
Entry
Customer
Defensibility
Regulatory burden
Verdict
Retail signal subscription
Retail investors
None. Copyable within weeks
High as soon as return claims are made
Avoid
Proof and audit infrastructuretrial counting, deflated Sharpe, purged CV as a service
Licensed asset managers, family offices, fund seeders
Medium to high: data history and integrations
Low — no investment business
Build
Point-in-time data refinement
Quant teams, universities
High if the history is clean and versioned
Low
Build
LLM as a research interfacedocuments, filings, disclosures — no trading decision
Analysts, advisers, mid-sized firms
Medium: workflow and data access
Low, as long as it is not investment advice
Build
Compliance layer for robo-advice
WpIG-licensed firms
High: switching costs, audit trails
Medium — the customer holds the licence
Investigate
Own fund or asset management
High-net-worth private clients
High with a track record
Very high: § 15 WpIG, capital, organisation
Only with capital and patience
The wedge I consider strongest: a tool that makes the claim “this strategy holds” auditable — logging the number of variants tested, deflating the Sharpe, recomputing costs across multiple engines, and emitting the result as a signed verification record. The market for it is forming on its own: when five backtest engines diverge by 3.71 % under realistic costs and LLM agents are not even reproducible across runs, verification becomes the scarce good. The customer is the side that allocates capital, not the side that buys signals.
Time to proof: six to twelve months for a credible product, because you do not have to demonstrate returns — only method. Capital intensity: low, apart from data licences. The biggest risk: that the target customers know the problem and still will not pay for it, because a deflated Sharpe makes their own products look worse. That is an incentive problem, not a technical one — and it should be tested in five conversations before the first line of code.
What would weaken or invalidate this thesis — and how you would notice:
Azevedo, Hoegner and Velikov is published peer-reviewed and replicated. If an independent group confirms the net-of-cost returns, the general claim that “ML alpha does not survive costs” is wrong. Watch: the journal status of SSRN paper 4702406.
An agent benchmark over 24+ months with a cost model and factor attribution shows persistent alpha. That would be the first genuine rebuttal of KTD-Fin. Watch: follow-up work to StockBench and KTD-Fin.
Reproducibility is solved. If agent frameworks deliver stable action sequences across runs, one of my strongest arguments falls. Watch: responses to AlphaForgeBench.
A retail vendor publishes an audited live track record across several regimes together with a trial count. None has done so. The first to do it deserves a re-evaluation.
Costs fall structurally. Zero fees plus materially tighter spreads in small caps would shift the break-even threshold and make part of the measured effect retail-accessible for the first time.
A regulatory reversal. Should any supervisor classify automated trading assistance for retail clients as high-risk, the economics of the entire segment change — against vendors, in favour of verification infrastructure.
Demand a description of the method. “AI-powered” without substance is itself the warning sign.
Ask which liquidity decile the return is generated in, and at what capital level it collapses. No number means no capacity analysis.
Ask for the number of variants tested and the deflated Sharpe. A vendor who does not understand the question has not done the work.
Accept only audited live results across several market regimes — up, down and sideways. Six to twelve months is the absolute minimum; three years is the sensible standard.
With signal providers, always compare Gain against Absolute Gain and check both Myfxbook badges — and know what they do not mean.
Never grant withdrawal rights. Scope API keys minimally, use IP whitelisting and two-factor authentication.
Discount paper-trading results across the board: no slippage, no partial fills, no latency, no psychological pressure.
If you want to build one yourself
Step
Specifically
Foundations
López de Prado, “Advances in Financial Machine Learning”, for purged CV, meta-labelling and the deflated Sharpe. Robert Carver, “Systematic Trading”, for risk and position sizing.
Framework
QuantConnect Lean for equities and multi-asset, Freqtrade with FreqAI for crypto, NautilusTrader and VectorBT for research. No longer: Backtrader, FinRL.
Data
Point-in-time and survivorship-adjusted: Norgate, Polygon, Tiingo; Kaiko or CryptoCompare for crypto. Data quality decides more of the outcome than the choice of model.
Discipline
Walk-forward plus purged cross-validation with an embargo. Cost everything from the first line. Log every variant tested and deflate the Sharpe accordingly. Report dispersion across at least twenty training runs.
Cross-check
Run the same strategy in a second engine. If the results diverge materially under realistic costs, the error is in the cost model, not in the market.
The threshold on which everything turns
If a strategy holds a deflated Sharpe clearly above zero — out of sample, across several regimes, after realistic costs, with a documented trial count — it deserves to be taken seriously. If the number collapses once the trials are counted honestly, discard it, however good the backtest looked. And as soon as you intend to trade for third parties, resolve the licensing question under § 15 WpIG before anything goes live.
Do not buy a retail trading bot. Do not build one to sell signals. Build — if anything — the layer that makes claims about strategies verifiable.
Why, in descending order of importance:
The measured machine-learning advantage concentrates in micro-caps and distressed names and loses between 49 and 86 per cent, depending on weighting, once those are excluded. That is precisely where a retail investor cannot scale.
Under contamination-free evaluation, the returns of LLM agents are explained predominantly by market and style exposure. It is beta that looks like skill.
The same agents are not reproducible across runs, even under deterministic decoding. A single good result is therefore not evidence but a draw.
At the usual number of trials, overfitting is mathematically guaranteed. Without a trial count, any Sharpe figure is meaningless.
The incentives are unambiguous: subscription vendors earn on retention, commission bots on turnover, exchanges on volume. Only the user carries outcome risk.
Confidence: high that there is no reliable retail alpha from purchased bots. Medium on institutional net returns, because the strongest counter-study is not yet peer-reviewed. Low for any forecast beyond 2027.
What would change my judgement: a peer-reviewed, replicated demonstration of net alpha after costs in liquid names — or an agent benchmark running longer than 24 months with a cost model, factor attribution and reported dispersion.
The next three steps:
If you already hold a subscription: request the trial count and the deflated Sharpe in writing. The answer — or its absence — decides the matter.
If you are building: stand up the logging and risk layers first, then the model. In that order, not the reverse.
If you are founding: hold five conversations with licensed asset managers about verification before writing a line of code. The incentive problem matters more than the technical one.
Limitations of this report
Not investment, legal or tax advice. Regulatory statements are simplified; individual cases require a BaFin enquiry or legal review. Germany shortened its MiCA transitional period to twelve months, which expired at the turn of 2025/2026; the exact provision in the KMAG should be checked before any legal use.
Market-size estimates from commercial research houses diverge substantially by definition and should be read only as orders of magnitude. No defensible bottom-up estimate exists for paid retail bot subscriptions.
Hedge fund returns are nowhere audited in public. The familiar Medallion figures of 66.07 % gross and 39.20 % net are arithmetic averages from Zuckerman's appendix, not annualised values; the compound gross return is 63.3 %, and Guo and Liu estimate the true annualised pre-fee return at roughly 31.8 %.
The overfitting curve and the cost waterfall are illustrative calculations based on published formulas, not empirical measurements of any specific portfolio.
LLM benchmarks are snapshots of a very young research line and do not automatically apply to future model generations. Prices were collected on 4 September 2026; Tickeron currently publishes no retrievable pricing page and is therefore not included.
AREF RESEARCH · گزارش شواهد · تاریخ پژوهش 4 سپتامبر 2026
رباتهای معاملهگر هوش مصنوعی: آلفا واقعی است — فقط پشت سه دروازه نشسته است
یادگیری ماشین بهطور مستند صرفهای ریسک را بهتر از مدلهای خطی اندازه میگیرد. اما بخش قابلمعامله این برتری تقریباً بهطور کامل پشت هزینه، ظرفیت و آلودگی داده نشسته است — سه دروازهای که بازار رباتهای خرد ساختاراً از آنها رد نمیشود. تحلیل مستقل از شواهد، اقتصاد و مقررات.
طبقات دارایی: سهام · صندوقهای شاخصی · رمزارز · فارکسجغرافیا: اتحادیه اروپا/آلمان و ایالات متحدهاین گزارش مشاوره سرمایهگذاری، حقوقی یا مالیاتی نیست
بزرگترین فرصت
زیرساخت، نه سیگنال
دادههای نقطهای-در-زمان، مدلسازی صادقانه هزینه، تعدیل شارپ بر پایه شمار نسخههای آزمودهشده و ثبت قابلممیزی؛ همه حلنشده و فروختنی — به مدیران دارایی دارای مجوز، نه به سرمایهگذار خرد.
بزرگترین ریسک
برتری خودش را میخورد
لوپز-لیرا و تانگ نشان میدهند بازده راهبردهای خبری مبتنی بر مدلهای زبانی با افزایش پذیرش این مدلها کاهش مییابد. آنچه امروز آلفاست، فردا کشف قیمت است.
سطح اطمینان
بالا برای حکم اصلی
بالا برای «آلفای قابلاتکای خرد وجود ندارد»؛ متوسط برای بازده خالص نهادی، چون قویترین مطالعه مخالف هنوز منتشر نشده؛ پایین برای هر پیشبینی فراتر از 2027.
0.77
نسبت شارپ خارج از نمونه شبکه عصبی در زمانبندی S&P 500 — در برابر 0.51 برای خرید و نگهداری، هر دو ناخالص
−65 ٪
افت بازده هموزنِ سیگنال یادگیری عمیق با کنار گذاشتن سهام بسیار کوچک — ارزشوزنی −49 ٪
1.57
بهترین شارپ دروننمونهای مورد انتظار پس از تنها ده بار آزمون — با آلفای واقعیِ صفر
+2.4 ٪
بهترین عامل زبانی در StockBench طی 82 روز معاملاتی؛ خرید و نگهداری: +0.4 ٪، بدون مدل هزینه
3.47 میلیارد دلار
حکم CFTC علیه Mirror Trading International — که بهعنوان ربات معاملهگر هوش مصنوعی تبلیغ میشد
کسی که «AI trading bot» را جستوجو میکند، بهندرت دنبال یک نوع مدل است. او دنبال پاسخ یکی از سه پرسش کاملاً متفاوت است: آیا باید چنین چیزی بخرم؟ — آیا باید چنین چیزی بسازم؟ — آیا باید در این حوزه سرمایهگذاری کنم یا کسبوکاری بر آن بنا کنم؟ این گزارش هر سه را جداگانه پاسخ میدهد، چون شواهد برای هرکدام متفاوت است.
نخست باید خودِ اصطلاح را باز کرد. چهار چیز کاملاً متفاوت زیر یک برچسب حرکت میکنند و تنها دو تای آنها اصلاً به یادگیری ماشین ربط دارند.
نوع
در واقع چه اتفاقی میافتد
شواهد
سهم بازاریابی
رباتهای قاعدهمحورگرید، DCA، مارتینگل
منطق ثابتِ اگر-آنگاه. هیچ هوشی به معنای یادگیری ماشین در کار نیست. بازده از بازگشت به میانگین در بازارهای بدون روند میآید و در روندها ناپدید میشود.
یادگیری ماشین کلاسیکXGBoost، جنگل تصادفی، LSTM
روابط غیرخطی در دادههای قیمتی و بنیادی را میگیرد. سیگنالهای غالب همچنان مومنتوم، نقدشوندگی و نوساناند.
یادگیری تقویتییادگیری سیاست از طریق پاداش
عامل، سیاست معاملاتی میآموزد. در بازارهای ناایستا ناپایدار است؛ آموزش مکرر روی داده یکسان سیاستهای ماهیتاً متفاوتی میدهد.
در تحلیل متن، خبر و سند قوی است. در پیشبینی مستقیم قیمت ضعیف است — و میان اجراهای مختلف تکرارپذیر نیست.
نقطهها در ستون «شواهد» = قدرت شواهد منتشرشده و عاری از آلودگی داده برای بازده مازادِ قابلمعامله — نه برای پیشبینیپذیری آماری.
سه تمایزی که بازاریابی بهطور نظاممند محو میکند
مشاوران خودکار (Robo-Advisors) — Betterment، Wealthfront، Scalable، quirion — سبدهای صندوق شاخصی قاعدهمحور بر پایه پروفایل ریسک میسازند و آنها را تعادلبخشی میکنند. هدفشان بازتاب بازار است، نه شکست دادن آن. هرکس این را زیر عنوان «سرمایهگذاری هوش مصنوعی» بخرد، در واقع تکرار شاخص خریده است.
کپیتریدینگ و سرویسهای سیگنال تصمیم دیگران را کپی میکنند. منطق مدلی از خود ندارند — فقط لایهای برای توزیع قضاوت دیگراناند.
معاملات با بسامد بالا کسبوکار تأخیر و زیرساخت نهادهاست. از نظر فناوری هیچ اشتراکی با رباتهای خرد ندارد؛ هرکس این دو را در یک جمله بیاورد، چیزی میفروشد.
بخش ۲
بازار: قیمتها، ارائهدهندگان و عددهایی که چیزی نمیسنجند#
چشمانداز خرد به دو نیمه تقسیم میشود: پلتفرمهای اشتراکی تجاری با منطق مبهم، و چارچوبهای متنباز رایگان با منطق شفاف. تفاوت قیمت با کیفیت سیگنال همبستگی ندارد.
هزینه ماهانه پلتفرمهای تجاری خرد
بازه قیمت هر ارائهدهنده، به دلار آمریکا در ماه.
دو حرکت از 2024 به بعد قابلتوجه است. Cryptohopper طرح رایگانش را حذف کرده است — ورود اکنون 29 دلار در ماه، پس از سه روز آزمایش. Composer در جهت مخالف رفته است: ساخت، آزمون پسرو و API رایگاناند و فقط اجرای خودکار پولی است (32 دلار در ماه). و Pionex اصلاً اشتراک نمیفروشد، بلکه از 0.05 درصد کارمزد معامله درآمد دارد. این جزئیات نیست، تغییر مدل کسبوکار است: کسی که از حجم درآمد دارد، میخواهد ربات معامله کند — نه اینکه ببرد.
در هر دسته واقعاً چه چیزی بهدرد میخورد
سهام و صندوقهای شاخصی:QuantConnect Lean با مستندات گسترده؛ Alpaca و Interactive Brokers بهعنوان لایه API کارگزاری.
رمزارز:Freqtrade با ماژول FreqAI — نسخه 2026.8 در 31 اوت 2026، با آهنگ انتشار ماهانه؛ Hummingbot برای بازارگردانی.
پژوهش: NautilusTrader (نسخه 1.231.0، اوت 2026)، VectorBT (نسخه 1.1.0، ژوئیه 2026 — این ادعای رایج که پروژه متنباز مرده است، از زمان انتشار نسخه 1.0 منسوخ شده)، Microsoft Qlib و Zipline-reloaded.
دیگر استفاده نکنید: Backtrader — آخرین انتشار آوریل 2023. FinRL خود را چارچوبی آموزشی و پژوهشی «حفظشده» معرفی میکند و کاربران را به پروژههای جانشین ارجاع میدهد.
شکاف اروپایی
برای سرمایهگذار خرد اروپایی، لایه API کارگزاری نازکتر شده است. Lemon Markets کاملاً به ارائه خدمات کارگزاری به کسبوکارها منتقل شده و دیگر API خودخدمت برای اشخاص ندارد. Trade Republic و Scalable هیچ API معاملاتی عمومی رسمی ارائه نمیکنند. عملاً Interactive Brokers و Alpaca میمانند — معادل بومی اروپایی برای مشتری خرد در حال حاضر وجود ندارد.
AREF SIGNAL عددهای اندازه بازار یک چیز را نمیسنجند
برای «معاملات الگوریتمی»، Grand View Research رقم 23.5 میلیارد دلار برای 2025 با رشد سالانه 13.6 درصد میدهد؛ Mordor Intelligence رقم 20.23 میلیارد دلار برای 2026 با 7.87 درصد. سطحها به هم نزدیکاند، اما نرخهای رشد با ضریب 1.7 فاصله دارند. دلیلش در تعریفهاست: Mordor الگوریتمهای داخلیِ تجارینشده را صراحتاً کنار میگذارد، Grand View نه. برچسب یکسان، جهانِ متفاوت.
برای بازاری که اینجا واقعاً موضوع است — اشتراکهای پولی ربات خرد — هیچ برآورد پایینبهبالای قابلدفاعی وجود ندارد. آنچه میچرخد، عددهایی مثل «بازار 54 میلیارد دلاری ربات معامله رمزارز» است که درآمد اشتراک را از حجم معاملاتِ انجامشده بهواسطه ربات جدا نمیکند. یک محاسبه ساده نشان میدهد چرا نمیتواند درست باشد: با درآمد سالانه واقعبینانه 300 تا 800 دلار به ازای هر کاربر پولی، این رقم معادل 70 تا 180 میلیون مشترک پولی ربات در جهان است — بیش از کل معاملهگران فعال رمزارز. استنتاج
هرکس تصمیم سرمایهگذاریاش را بر این اعداد بنا کند، آن را بر یک تعریف بنا کرده است، نه بر یک اندازهگیری.
پیش از آنکه بپرسیم ربات کار میکند یا نه، باید بدانیم نقطه شروع چگونه است. در هر بازاری که داده نظارتی دارد، این تصویر بهطرز چشمگیری یکسان است.
نرخ پایه: سهم سرمایهگذاران خرد که ضرر میکنند
بازارها و دورههای مختلف، هرکدام از منابع نظارتی یا دانشگاهی.
نهاد ناظر هند، SEBI، بهترین شواهد در سطح کل جمعیت را ارائه میدهد، چون همه حسابها را میبیند: 87.7 درصد معاملهگران حقیقی در بخش مشتقات سهام در سال مالی 2026 ضرر کردند، با زیان خالص انباشته 91,685 کرور روپیه و میانگین زیان 1.17 لاک به ازای هر نفر. برای سالهای 2022 تا 2024 این سهم 93 درصد بود.
و ناخوشایندترین عدد کل این گزارش همینجاست. در همان تحلیل SEBI، تقریباً تمام سود طرف حرفهای این معاملات از نهادهایی آمده که الگوریتمی معامله میکنند. در تنها بازاری که داده در سطح نظارتی دارد، معاملات الگوریتمی چیزی است که سرمایهگذار خرد به آن میبازد — نه چیزی که با آن میبازد. خریدن یک ربات خرد شما را به آن سوی میز منتقل نمیکند.
شواهد مکمل: شاگه، دلوسو و جیوانتی معاملهگران روزانه برزیلی را که ادامه دادند دنبال کردند. از میان کسانی که بیش از 300 روز معامله کردند، 97 درصد ضرر کردند و تنها 1.1 درصد بیش از حداقل دستمزد درآمد داشتند. باربر و اودین همان سال 2000 روی 66,465 خانوار نشان دادند که فعالترین معاملهگران سالانه 11.4 درصد بازده گرفتند در حالی که بازار 17.9 درصد داد.
برای کپیتریدینگ و معامله رباتیک هیچ مطالعه روششناختیِ درستی از بازده واقعی مشتریان وجود ندارد. همین شکاف خودش یک یافته است. بهترین کار موجود یک آزمایش آزمایشگاهی است: آپستگیا، اوکسلر و وایدنهولتسر دریافتند امکان کپی مستقیم دیگران ریسکپذیری را بهطور معنادار بالا میبرد — به شکلی که نسبت به ترجیحات ریسکِ جداگانه سنجیدهشده خودِ افراد، هم فردی و هم اجتماعی زیربهینه است. آزمایشگاهی
ما نشان میدهیم که پیشبینیهای یادگیری ماشین منافع اقتصادی بزرگی برای سرمایهگذاران ایجاد میکند و در برخی موارد عملکرد راهبردهای پیشروِ مبتنی بر رگرسیون در ادبیات را دو برابر میکند.
این پرارجاعترین مقاله این حوزه است و هنوز پابرجاست. تنها نکته مهم این است که کدام عدد به کدام آزمایش تعلق دارد — تمایزی که منابع دستدوم مدام آن را خراب میکنند.
برتری یادگیری ماشین در واقع کجا اندازهگیری شد
نسبتهای شارپ خارج از نمونه از گو، کلی و شیو (2020). سمت چپ راهبرد مقطعی، سمت راست زمانبندی بازار — دو آزمایش متفاوت که در منابع دستدوم دائم با هم اشتباه میشوند.
در زمانبندی بازار روی S&P 500، شارپ خارج از نمونه از 0.51 (خرید و نگهداری) به 0.77 (شبکه عصبی) میرسد — افزایشی معادل 26 واحد درصد. اما مقایسه با OLS به راهبرد مقطعی مربوط است: آنجا 1.35 در برابر 0.61 بهصورت ارزشوزنی و 2.45 در برابر 0.83 بهصورت هموزن. هرکس عدد 2.45 را نقل کند و بگوید «زمانبندی بازار»، سطر اشتباهی را نقل کرده است.
اولین اما: اثر جایی زندگی میکند که مشتری خرد نمیتواند مقیاس بگیرد
وقتی سهام کمنقدشونده کنار گذاشته شود، چه میماند
بازده سیگنال یادگیری عمیق در همه سنجههای عملکرد، بهصورت هموزن و ارزشوزنی، شاخصشده بر 100.
آورامو، چنگ و متزکر دقیقاً حساب کردهاند که با اعمال محدودیتهای اقتصادیِ معقول چه چیزی از سیگنال GKX باقی میماند. کنار گذاشتن سهام با ارزش بازار بسیار کوچک، بازده را در همه سنجههای عملکرد 65 درصد بهصورت هموزن و 49 درصد بهصورت ارزشوزنی کم میکند؛ کنار گذاشتن شرکتهای در تنگنای مالی بهترتیب 86 و 70 درصد. تعیینکنندهتر از آن: هزینه معاملاتی سربهسر در جهان کامل بین 0.48 تا 1.12 درصد است — اما با حذف سهام بسیار کوچک به 0.26 تا 0.54 درصد سقوط میکند.
این نقطه تعیینکننده کل گزارش است. آلفای اندازهگیریشده واقعی است — اما در سهام کمنقدشونده، کوچک و بحرانزده با گردش بالا متمرکز شده است. دقیقاً همان بخشی که سرمایهگذار خرد بدترین اسپردها را در آن میپردازد، نمیتواند موقعیت فروش استقراضی بسازد و با مبالغ اندک هم قیمت را جابهجا میکند.
قویترین موضع مخالف — بهخاطر انصاف
ایستادن در همینجا ناصادقانه است. آزودو، هوگنر و ولیکوف به نتیجه معکوس میرسند: آنها گزارش میکنند راهبردهای پیچیدهتر یادگیری ماشین پس از هزینههای معاملاتی، پس از افت پس از انتشار و در دوران پرنقدشوندگی پس از اعشاریسازی همچنان سودآورند — تا 1.42 درصد بازده خالص ماهانه خارج از نمونه، با گردش بالای 50 درصد. نادیده گرفتن این مقاله یعنی گلچینکردن شواهد.
با این حال دو نکته تز را سرپا نگه میدارد: این کار در سپتامبر 2026 هنوز یک مقاله کاری منتشرنشده و بنابراین داورینشده است. و آنچه توصیف میکند سرمایهگذاری عاملیِ نهادی با تعادلبخشی ماهانه، دسترسی به قرض سهم برای فروش استقراضی و اجرای حرفهای است. این یک ربات خرد نیست. این همزمان شاهدی است بر وجود آلفا و بر حجم دستگاهی که برای جمعآوری آن لازم است. برآورد
دومین اما: بیشبرازش خطر نیست، حساب است
بهترین نتیجه تصادفی با شمار آزمونها رشد میکند
بیشینه شارپ دروننمونهای مورد انتظار برای راهبردهای کاملاً تصادفی، بر حسب شمار نسخههای آزمودهشده.
بیلی، بورواین، لوپز د پرادو و ژو در Notices of the AMS آن را به همان سادگی که هست بیان کردهاند: اگر تنها ده نسخه از یک راهبرد را بیازمایید، انتظار میرود یکی با شارپ دروننمونهای 1.57 پیدا کنید — حتی وقتی همه راهبردهای آزمودهشده خارج از نمونه دقیقاً صفر بدهند. از اینجا حداقل طول آزمون پسرو نتیجه میشود: با پنج سال داده نباید بیش از 45 پیکربندی مستقل آزموده شود، اگر قرار است بهترین نتیجه تصادفیِ مورد انتظار از شارپ 1.0 بالاتر نرود.
هر ابزار رایج خرد در همان بعدازظهر اول از این مرز عبور میکند. نتیجه عملی سخت و ساده است: عدد شارپ بدون ذکر شمار نسخههای آزمودهشده اطلاعات نیست. پادزهر آن نسبت شارپ تعدیلشده (Deflated Sharpe Ratio) است که برای شمار آزمونها، پراکندگی آنها، چولگی، کشیدگی و طول نمونه تصحیح میکند.
برای پژوهش عاملی، هاروی، لیو و ژو همین نتیجه را گرفتند: با 316 عامل فهرستشده، آستانه معمول t > 2.0 کافی نیست و t > 3.0 لازم است. چکیده آنها نتیجه میگیرد که بیشتر یافتههای ادعایی در اقتصاد مالی احتمالاً نادرستاند. جنسن، کلی و پدرسن با روشهای بیزی مخالفت میکنند: عاملهایی که مدل آنها مییابد اما تصحیح فراوانیگرای آزمون چندگانه کنار میگذارد، خارج از نمونه نسبت اطلاعاتی سالانه 0.93 در آمریکا و 1.10 در سطح جهانی بدون آمریکا دادند. اینها هم ارقام ناخالص سبدهای دانشگاهی خرید-فروش همزماناند.
عاملهای زبانی: پرسروصداترین بخش با نازکترین شواهد
عاملهای زبانی در برابر خرید و نگهداری — آزمون عاری از آلودگی داده
بازده تجمعی طی 82 روز معاملاتی روی 20 سهم با بیشترین وزن در داوجونز.
StockBench (نسخه دوم، مارس 2026) سیزده مدل پیشرو را عامدانه پس از تاریخ قطع آموزششان، در بازه 3 مارس تا 30 ژوئن 2025 آزمود. بهترین عامل دو واحد درصد بالاتر از خرید و نگهداری ایستاد؛ GPT-5 پایینتر از آن. نویسندگان خود مینویسند که نه هزینه معامله، نه لغزش قیمت و نه محدودیت نقدشوندگی را مدل نکردهاند. در 82 روز معاملاتی و 20 سهم بزرگ، کل این فاصله درون نوفه است.
سه کار مهم سال 2026 بهمراتب فراتر میروند:
KTD-Fin (مه 2026) یک پروتکل پوشاندن هویت را با تحلیل انتساب عملکرد ترکیب میکند و برای ده عامل پیشرو روی شاخص CSI 300 مییابد: بازدههای تجمعی عمدتاً با قرارگیری منفعلانه در معرض بازار و سبک تبیین میشوند و شواهد اندکی برای آلفای پایدارِ انتخاب سهم وجود دارد. به زبان ساده: آنچه شبیه مهارت به نظر میرسید، بتا بود.
AlphaForgeBench (فوریه 2026) کمبهادادهشدهترین یافته سال را گزارش میکند: حتی با دمای صفر، مدلهای زبانی روی دادههای بازارِ یکسان در اجراهای مختلف دنبالههای کنشی کاملاً متفاوت تولید میکنند. این یعنی ارزیابیهای تکاجرایی از نظر آماری غیرقابلاتکا هستند — و بخش بزرگی از نتایج منتشرشده عاملها تکرارپذیر نیست.
«توهم آلفا» (مه 2026) نام FinCon، FinMem، TradingAgents، FinAgent، QuantAgent و FLAG-Trader را صریحاً میآورد و استدلال میکند آلفای گزارششده از عاملهای سرتاسری نباید شاهدِ آمادگی برای استقرار تلقی شود. این یک مقاله موضعگیری بدون عدد تازه است — اما پیشنهادش برای قرار دادن مدلهای زبانی بهعنوان یک واسط اطلاعاتیِ قابلممیزی در بالادستِ مؤلفههای مستقلِ کالیبراسیون، ریسک و اجرا، کاربردیترین توصیه معماری منتشرشده در 2026 است.
چرا آزمونهای پسروی مدلهای زبانی تقریباً همیشه چیزی را میسنجند که مدل از قبل میدانست
گلسرمن و لین دو اثر را از هم جدا میکنند: سوگیری نگاهبهآینده، که در آن مدل بازدههای پس از یک خبر تاریخی را از قبل میداند، و اثر حواسپرتی، که در آن دانش عمومی درباره شرکتِ نامبرده سنجش احساس را مخدوش میکند. بهطور غافلگیرکنندهای درون نمونه دریافتند که تیترهای ناشناسشده بهتر عمل میکنند: حواسپرتی از سوگیری نگاهبهآینده سنگینتر است.
اما خودِ ناشناسسازی هم زیر فشار است. لوپز-لیرا، تانگ و ژو نشان میدهند دستور به رعایت مرزهای تاریخی مانع دقتِ در حد بازیابی حافظه نمیشود و پوشاندن هویت شکست میخورد، چون مدلها موجودیتها و تاریخها را از کمترین سرنخ بازسازی میکنند؛ حفظکردن تا سطح بردارهای تعبیه نیز امتداد دارد. پس از تاریخ قطع، هیچ بازیابی مشاهده نمیکنند. قاعده عملی بنابراین دستنخورده و غیرقابلمذاکره میماند: هر آزمون پسروی مدل زبانی باید کاملاً پس از تاریخ قطع آموزش باشد — وگرنه حافظه را میسنجد، نه پیشبینی را.
دو نمونه مخالفِ پرارجاع این معیار را برآورده نمیکنند. TradingAgents برای AAPL نسبت شارپ 8.21 گزارش میکند — از آزمونی روی حدود 60 روز معاملاتی در سهماهه اول 2024، روی چند سهم فناوری بسیار بزرگ، بدون مدل هزینه و بدون توجه به تاریخ قطع آموزش. Trading-R1 از همان گروه سه ماه را ارزیابی میکند، باز هم بدون هزینه، اما دستکم خود میگوید مدل «بهتر است بهعنوان ابزار پژوهش و تولید فرضیه به کار رود، نه جایگزین بررسی مستقل».
و یک یافته که در 2023 وجود نداشت: لوپز-لیرا و تانگ — اکنون در نسخه ششم و پذیرفتهشده در Journal of Financial Economics — نرخ اصابت حدود 90 درصد را صریحاً برای واکنش اولیهِ غیرقابلمعامله گزارش میکنند. رانش قابلمعامله در سهام کوچک و اخبار منفی متمرکز است و بازده راهبرد با افزایش پذیرش مدلهای زبانی کاهش مییابد.
دیدگاه رایج: «مطالعهها نشان میدهند یادگیری ماشین بازار را شکست میدهد — پس یک ربات خوب هم میتواند.»
سازوکار نادیدهگرفتهشده: آن مطالعهها پیشبینیپذیری آماری را بهصورت مقطعی، پیش از هزینه، همزمان روی هزاران سهم و با هر دو پای خرید و فروش میسنجند. بازده تابعی از گستره است — لبههای کوچک فراوان روی موقعیتهای فراوان — نه عمق یک پیشبینی منفرد. رباتی که پنج موقعیت در سهام بزرگ و پرنقد دارد، دقیقاً همان گوشهای از جهانِ سهام را معامله میکند که اثر اندازهگیریشده در آن ضعیفترین است.
شاهد: −65 درصد هموزن و −49 درصد ارزشوزنی بدون سهام بسیار کوچک، −86 و −70 درصد بدون شرکتهای بحرانزده (آورامو، چنگ و متزکر، 2023). هزینه سربهسر از 0.48 تا 1.12 درصد به 0.26 تا 0.54 درصد میافتد.
چرا تصمیم را عوض میکند: پرسش درست از یک فروشنده این نیست که «آیا از هوش مصنوعی استفاده میکنید؟»، بلکه این است که «بازده شما در کدام دهک نقدشوندگی تولید میشود و در چه سطحی از سرمایه فرو میریزد؟» فروشندهای که عددی ندارد، پاسخی ندارد.
۰۲
دیدگاه رایج: «عاملهای زبانی در 2025 و 2026 بازده مثبت ثبت کردند — پس فناوری در اصل کار میکند.»
سازوکار نادیدهگرفتهشده: بازده مثبت تا وقتی کسی آن را تجزیه نکند، مهارت نیست. اگر انتساب عملکرد را در برابر عاملهای بازار و سبک اجرا کنید، تقریباً چیزی از بازده عامل بهعنوان انتخاب سهم باقی نمیماند. عاملی که وزن بیشتری روی مومنتوم و شرکتهای بزرگ میگذارد، در بازار صعودی پول درمیآورد — و یک پنجره 82 روزه اصلاً توان تفکیک این تفاوت را ندارد.
شاهد: KTD-Fin (arXiv:2605.28359): بازدهها «عمدتاً با قرارگیری منفعلانه در معرض بازار و سبک تبیین میشوند، با شواهد اندک برای آلفای پایدارِ انتخاب سهم». در کنار AlphaForgeBench: نبود تکرارپذیری میان اجراها حتی با رمزگشایی قطعی.
چرا تصمیم را عوض میکند: هر نمایش عاملی بدون انتساب عاملی و بدون گزارش پراکندگی روی دستکم بیست اجرا، یک حکایت است. این هم درباره فروشندگان صدق میکند و هم درباره پروژه آخر هفته خودتان.
۰۳
دیدگاه رایج: «اگر زود وارد شوم، برتری پایداری به دست میآورم.»
سازوکار نادیدهگرفتهشده: آلفای خبریِ مدلهای زبانی یک برتری پردازشی است، نه اطلاعاتی. وجود دارد چون بقیه کندتر میخوانند. بهمحض اینکه شمار کافی از فعالان بازار همان مدلها را روی همان تیترها به کار ببرند، اثر به کشف قیمت منتقل میشود. این برتری یک پنجره زمانی است، نه یک دارایی — و در ترازنامه نمینشیند.
شاهد: لوپز-لیرا و تانگ (arXiv:2304.07619، نسخه اکتبر 2025): «بازده راهبرد با افزایش پذیرش مدلهای زبانی کاهش مییابد، سازگار با بهبود کارایی قیمت.»
چرا تصمیم را عوض میکند: کسبوکاری که تنها مزیتش یک پنجره زمانیِ در حال بسته شدن است، نباید درآمد تکرارشونده را در برابر وعده بازده بفروشد. یا باید به درآمد ابزار و زیرساخت کوچ کند یا بپذیرد که وعده اصلیاش تاریخ انقضا دارد.
تشخیص اینکه چه کسی در این بازار پول درمیآورد بهطرز شگفتآوری آسان است — کافی است بهجای بازده، کارمزد را دنبال کنید.
نقش
منبع درآمد
مرتبه بزرگی
انگیزه
فروشنده ربات اشتراکی
حق اشتراک ماهانه، مستقل از نتیجه
15 تا 321 دلار در ماه
ماندگاری مشتری و فروش مکمل — نه بازده کاربر
ربات کارمزدی (Pionex)
کارمزد معامله روی هر واحد حجم
0.05 درصد هر معامله
بیشترین شمار معامله. مستقیماً در تضاد با انضباط هزینهای کاربر
کارگزار
اسپرد، تأمین مالی، اشتراک داده، جریان سفارش
کارمزد صفر روی سهام آمریکا؛ 99 دلار در ماه برای داده لحظهای در Alpaca؛ 0.15 تا 0.25 درصد در رمزارز
حجم و اشتراک داده
بورس یا صرافی
کارمزد سفارشهای بازار
کسری از درصد، ضرب در گردش بسیار بالا
حجم. رباتها آن را قابلاتکاتر از انسانها تأمین میکنند
مشاور خودکار
کارمزد مدیریت بر دارایی
0.25 درصد (Wealthfront)؛ 0.48 درصد (quirion)؛ 0.49 تا 0.75 درصد (Scalable)
دارایی تحت مدیریت، نه بازده مازاد
کاربر
—
اشتراک، اسپرد، لغزش قیمت و مالیات میپردازد
تمام ریسک نتیجه را تنها خودش میبرد
حاشیه سود کجا جمع میشود: نزد فروشنده و محل معامله — هر دو از فعالیت درآمد دارند، نه از موفقیت. ارزش کجا نشت میکند: در لغزش قیمت، اسپرد و مالیات کاربر، و در نرخ گردشی که در آزمون پسرو هیچ هزینهای ندارد و در معامله واقعی همه چیز را میبلعد.
تصحیح یک عدد پرتکرار
این ادعای پرتکرار که Betterment و Wealthfront هر دو سالانه 0.25 درصد میگیرند دیگر درست نیست. Betterment زیر 24,000 دلار ماهانه 5 دلار ثابت میگیرد — روی مانده 2,400 دلاری یعنی نرخ مؤثر 2.5 درصد در سال — و بالای یک و دو میلیون دلار بهترتیب 0.15 و 0.10 درصد. نرخ 0.25 درصد Wealthfront بدون تغییر مانده است.
تصمیم تعیینکننده معماری، مدل نیست بلکه ترتیب است. یک لایه ریسکِ قطعی باید بالاتر از هر پیشنهاد هوش مصنوعی بنشیند و بتواند آن را نقض کند. دقیقاً چون خروجی مدلهای زبانی بهطور مستند غیرقطعی است — داده یکسان، دمای یکسان، دنباله کنشی متفاوت — یک محافظ سختِ قاعدهمحور انتخاب نیست، پیششرط است.
معماری لایهای با حق وتوی لایه ریسک
ترتیب لایهها امنیت سامانه را تعیین میکند، نه انتخاب مدل.
آزمونهای پسرو کجا بهطور نظاممند دروغ میگویند
دام
اثر و پادزهر
سوگیری بقا
شرکتهای حذفشده از تابلو و ورشکسته در مجموعهداده نیستند و هر نتیجهای را زیبا میکنند. پادزهر: جهانهای تعدیلشده از Norgate، Polygon یا Tiingo.
سوگیری نگاهبهآینده
اطلاعات آینده به سیگنال نشت میکند. قرارداد: سیگنال روی قیمت پایانی t، اجرا زودترین در بازگشایی t+1 — هرگز روی همان قیمت پایانی.
برچسبهای همپوشان
داده آموزش و آزمون اطلاعات مشترک دارند. پادزهر: اعتبارسنجی متقاطع پالایششده و ترکیبی با دوره تحریم، به روش لوپز د پرادو.
برازش منحنی
همان یک ترکیب پارامتری که در جستوجوی شبکهای درخشید. پادزهر: تثبیت پارامترها پیش از آزمون، پیشروی گامبهگام، پیشثبت، شارپ تعدیلشده.
نادیده گرفتن هزینه
لغزش قیمت، اسپرد و اثر بازار غایباند. بدون آنها هر آزمون پسرو داستان است — و این شکاف بهطور قابلاندازهگیری بزرگ است.
ریسک پیادهسازیتازه، ۲۰۲۶
پنج موتور متنباز آزمون پسرو با هزینه صفر دقیقاً یک نتیجه میدهند (بیشینه واگرایی 0.000 درصد)، اما با هزینههای واقعی تا 3.71 درصد برای راهبردهای پرگردش واگرا میشوند — بهعلاوه هفت نقص نرمافزاری مستندنشده (arXiv:2603.20319). پس مدلسازی هزینه خود یک منبع خطاست، نه صرفاً یک قلم کسر.
هزینهها چگونه بازده ناخالص را میبلعند
تجزیه نمایشی یک بازده ناخالص 100 به آنچه پس از اصطکاکهای واقعی باقی میماند.
چرا یادگیری تقویتی در عمل شکست میخورد
چهار دلیل، به همین ترتیب. محیط ناایستاست. نسبت سیگنال به نوفه بسیار پایین است. شکاف شبیهسازی-تا-واقعیت وجود دارد، چون شبیهساز اثر بازارِ خودِ راهبرد را بازنمایی نمیکند. و آموزش ناپایدار است — آموزش مکرر روی داده یکسان سیاستهای ماهیتاً متفاوتی میدهد. یک آزمون پسروی منفرد بنابراین یک نمونه از یک توزیع است. بدون پراکندگی روی اجراهای متعدد چیزی نمیگوید.
ناظران عقبماندگی را جبران کردهاند — اما نه آنطور که بیشتر مردم گمان میکنند. هیچ مجموعهقاعدهای برای «رباتهای معاملهگر هوش مصنوعی» وجود ندارد. آنچه هست، اجرای قانون علیه ادعاهای نادرست است، و قوانین موجود اوراق بهادار که بسته به پیکربندی یا شامل میشوند یا نمیشوند.
نقاط عطف مقرراتی، 2024 تا 2027
چه چیزی واقعاً لازمالاجراست و چه چیزی به تعویق افتاده است.
اجرای قانون: اتهام فریب است، نه فناوری
در 18 مارس 2024 کمیسیون بورس آمریکا نخستین دو جریمه «شستوشوی هوش مصنوعی» را صادر کرد: 225,000 دلار علیه Delphia و 175,000 دلار علیه Global Predictions، مجموعاً 400,000 دلار. گری گنسلر، رئیس وقت، چنین گفت:
ما دریافتیم که Delphia و Global Predictions به مشتریان فعلی و بالقوه خود بازاریابی کردند که هوش مصنوعی را به شیوههای مشخصی به کار میبرند، در حالی که چنین نمیکردند. مشاوران سرمایهگذاری نباید با ادعای استفاده از یک مدل هوش مصنوعی که از آن استفاده نمیکنند، عموم را گمراه کنند.
این خط از آن پس قطع نشده است، حتی پس از تغییر رهبری در آغاز 2025. در اکتبر 2024 نوبت Rimar Capital بود — یک «پلتفرم مبتنی بر هوش مصنوعی» ادعایی برای معامله خودکار حساب مشتریان، حدود 4 میلیون دلار از 45 سرمایهگذار، 250,000 دلار جریمه علیه مدیر بهعلاوه بازپسگیری سود. در آوریل 2025 وزارت دادگستری بنیانگذار Nate را متهم کرد که «خودکارسازی خرید با هوش مصنوعی»اش در واقع توسط پیمانکاران انجام میشد. و در مه 2026 روشنترین پرونده رباتی تا امروز رسید: SEC علیه Nathan Fuller — 12.3 میلیون دلار از حدود 150 سرمایهگذار برای «رباتهای معاملهگر مبتنی بر هوش مصنوعی» در آربیتراژ پربسامد رمزارز؛ رباتها آنطور که ارائه شده بودند کار نمیکردند، 6.2 میلیون دلار صرف هزینههای شخصی و 5.5 میلیون دلار صرف پرداختهای شبهپانزی شد، همراه با صورتحسابهای جعلی و مکاتبات ساختگی.
کمیسیون معاملات آتی کالا (CFTC)، تا جایی که سابقه عمومی نشان میدهد، پرونده مستقلی درباره شستوشوی هوش مصنوعی مطرح نکرده، اما صریحترین هشدار مصرفکننده را منتشر کرده است: «هوش مصنوعی رباتهای معاملهگر را به ماشین پولسازی تبدیل نمیکند». نمونه موردیاش Mirror Trading International است — یک طرح پانزی بیتکوینی با ادعای ربات معاملهگر، دستکم 29,421 بیتکوین از بیش از 23,000 شخص آمریکایی و حکمی به مبلغ 3,467,676,744 دلار در 24 آوریل 2023. یک تصحیح، چون اغلب نادرست نقل میشود: متهم اصلی، Cornelius Johannes Steynberg، در 22 آوریل 2024 در برزیل و در جریان اعتراض به استرداد درگذشت. هیچ محکومیتی در آفریقای جنوبی رخ نداد.
در آلمان، نهاد ناظر BaFin مرتب و با ذکر نام هشدار میدهد. در ژوئن 2025 مجموعهای از پلتفرمها با 40 دامنه را هدف گرفت که با شعار «دسترسی شما به بهترین رباتهای معاملهگر هوش مصنوعی» تبلیغ میشدند، به دلیل ارائه خدمات مالی و رمزارزی بدون مجوز بر پایه ماده 37(4) قانون بانکداری و ماده 10(7) قانون نظارت بر بازارهای رمزارز. در فوریه 2026 هشدار مشترک BaFin، EBA، EIOPA و ESMA درباره کلاهبرداری مالی با هوش مصنوعی و رمزارز منتشر شد. FBI در گزارش سال 2025 خود کلاهبرداریهای مبتنی بر هوش مصنوعی را 22,364 شکایت با حدود 893 میلیون دلار زیان برآورد میکند — بهمراتب کمتر از کل کلاهبرداری رمزارزی، اما رو به افزایش.
در اروپا واقعاً چه چیزی اعمال میشود و چه چیزی نه
سند
تصور رایج
واقعیت حقوقی
قانون هوش مصنوعی(EU) 2024/1689
«هوش مصنوعی مالی پرخطر است»
برای معاملهگری نادرست است. در حوزه خدمات مالی، پیوست سوم تنها ارزیابی اعتبار اشخاص حقیقی و ارزیابی ریسک و قیمتگذاری در بیمه عمر و درمان را نام میبرد. معامله اوراق بهادار در آن نیست. برای یک ربات خرد عملاً تنها تعهدات شفافیت ماده 50 و ممنوعیتهای ماده 5 موضوعیت دارند.
Digital Omnibus(EU) 2026/1744
«تعهدات پرخطر از اوت 2026 اعمال میشود»
منسوخ. مقرره 8 ژوئیه 2026، لازمالاجرا از 27 ژوئیه 2026، تعهدات پرخطر پیوست سوم را به 2 دسامبر 2027 و تعهدات پیوست اول را به 2 اوت 2028 موکول کرده است. BaFin همین ترتیب را تأیید میکند و از 29 ژوئیه 2026 مرجع نظارت بر بازار برای سامانههای هوش مصنوعیِ مرتبط مستقیم با فعالیت مالی تحت نظارت است.
MiCA(EU) 2023/1114
«MiCA رباتهای معامله رمزارز را تنظیم میکند»
نه. MiCA هیچ معادلی برای ماده 17 MiFID II ندارد — نه الزام سازمانی برای معاملات الگوریتمی، نه کلید توقف اضطراری، نه تکلیف اطلاعرسانی. تنها ماده 92(1) درباره پایش سوءاستفاده از بازار مرتبط است. MiCA تنها زمانی وارد میشود که خدمتی فهرستشده به اشخاص ثالث ارائه شود، مانند مدیریت سبد داراییهای رمزی. طبقات سرمایه: 50,000، 125,000 و 150,000 یورو.
ماده 17 MiFID IIو RTS 6، (EU) 2017/589
«معامله الگوریتمی باید اعلام شود»
بله — از سوی شرکتهای سرمایهگذاری که عضو یک محل معاملهاند. سرمایهگذار خردی که حساب خودش را از طریق API کارگزار معامله میکند مشمول استثنای ماده 2(1)(d) است و نه ماده 17 و نه ماده 80 قانون تجارت اوراق بهادار آلمان او را در بر نمیگیرد. API کارگزار «دسترسی الکترونیکی مستقیم» نیست.
مجوزهای آلمان — سه پیکربندی مهم
پیکربندی
طبقهبندی
ربات دارایی خودِ شما را معامله میکند
اصولاً معامله برای حساب خود و بدون نیاز به مجوز؛ عنصر ارائه خدمت به دیگران وجود ندارد (ماده 1(1a) جمله سوم KWG). BaFin این را صراحتاً برای سامانههای معاملاتی خودکار تأیید میکند.
ربات برای اشخاص ثالث و با اختیار تصمیم معامله میکند
مدیریت سبد مالی. نیازمند مجوز بر پایه ماده 15(1) WpIG در پیوند با ماده 2(2) جمله اول شماره 9 WpIG — از جمله برای سامانههای کاملاً خودکار مشاوره خودکار.
شما عضو یک محل معاملهاید، از دسترسی الکترونیکی مستقیم استفاده میکنید یا معامله پربسامد انجام میدهید
معامله برای حساب خود هم نیازمند مجوز میشود (ماده 32(1a) KWG). WpIG این ماده را جایگزین نکرده است؛ KWG و WpIG بهموازات هم اعمال میشوند.
از نظر مالیاتی، معامله رباتیک پرتکرار شمار بسیار زیادی رویداد مشمول مالیات میسازد؛ دوره نگهداری یکساله ماده 23(1) جمله اول شماره 2 قانون مالیات بر درآمد عملاً هرگز محقق نمیشود، و آستانه 1,000 یورو که از دوره ارزیابی 2024 معرفی شد یک «حد» است نه یک «معافیت» — در دقیقاً 1,000 یورو کل سود مشمول مالیات است. بخشنامه وزارت دارایی آلمان مورخ 6 مارس 2025 جایگزین بخشنامه 2022 شده و تکالیف صریح نگهداری سوابق و همکاری را معرفی میکند. توجه بر پایه رویه قضایی درباره معامله خصوصی اوراق بهادار، صرفِ بسامد معامله تجاریبودن فعالیت را ثابت نمیکند؛ ریسک از سازماندهی حرفهای یا ورود سرمایه اشخاص ثالث برمیخیزد. این بند جایگزین مشاوره مالیاتی نیست.
فقط آزمون پسرو، بدون نتایج زنده تأییدشده — یا آزمونهایی که در آنها معاملات زیانده بهطرز مشکوکی غایباند.
بازاریابی حول پورسانت معرفی بهجای خود راهبرد. الگوی کلاسیک هرمی.
ربات خواستار مجوز برداشت یا واریز مستقیم به پلتفرم خودش است.
واریز فوری انجام میشود اما برداشت به «کارمزد آزادسازی» گیر میکند.
درصد سود بالا در کنار سود مطلق ناچیز — روش استاندارد پنهانکردن افت سرمایه با واریزهای بعدی.
روش مبهم، توسعهدهندگان ناشناس، نظرهای کاربران فقط روی سایت خودِ فروشنده.
شاخصهای بازارگاههای سیگنال واقعاً چه معنایی دارند
نشانهای «Track Record Verified» و «Trading Privileges Verified» متعلق به Myfxbook هستند، نه MQL5 — اشتباهی که تقریباً در هر راهنمایی تکرار میشود. اولی فقط تأیید میکند که تاریخچه نمایشدادهشده با اطلاعات ورود ارائهشده همخوان است، نه مالکیت را؛ دومی کنترل حساب را تأیید میکند، نه درستی تاریخچه را. این دو با هم چیزی درباره کیفیت راهبرد نمیگویند. و «Gain» بازده زمانوزنی است در حالی که «Absolute Gain» نسبت به واریز خالص میسنجد — تفاوت میتواند چشمگیر باشد: در یک مورد مستند در انجمن MQL5، 250 دلار به 1,924.46 دلار رسید، یعنی 770 درصد واقعی، در حالی که حدود 4,090 درصد نمایش داده میشد.
ریسک امنیتی رباتهای میزبانیشده
رباتهای ابری کلیدهای API شما را نگه میدارند. مورد مرجع همچنان 3Commas است: از اکتبر 2022 معاملات غیرمجاز ظاهر شد؛ شرکت هفده روز ماجرا را انکار کرد و تنها در 28 دسامبر 2022 آن را تأیید کرد، وقتی حدود 100,000 کلید API نشت کرده و بیش از 10,000 کلید منتشر شده بود. تازهتر و خطرناکتر، حمله از مسیر ابزارهای تقلبی است: یک افزونه کروم که در ژانویه 2026 مستند شد در صفحه API یک صرافی خودبهخود کلیدهای تازه با مجوز برداشت میساخت، کلید مربوطه را در رابط کاربری پنهان میکرد و آنها را بیرون میفرستاد. قواعد پایه: هرگز به یک ربات مجوز برداشت ندهید، دامنه کلیدها را کمینه کنید، فهرست سفید IP و احراز هویت دومرحلهای را فعال کنید — و پس از حذف یک ابزار، دسترسی را فعالانه باطل کنید.
برای کسی که میخواهد شرکتی بسازد، پرسش جالب این نیست که آیا رباتها کار میکنند، بلکه این است که کدام بخش این زنجیره ارزش کمسرویس مانده است. پاسخ مستقیماً از یافتههای بالا برمیآید: هر چیزی که به سیگنال مربوط است شلوغ، سختالاثبات و از نظر حقوقی حساس است. هر چیزی که به اثبات مربوط است کمسرویس مانده است.
گوهای که قویترین میدانم: ابزاری که ادعای «این راهبرد دوام میآورد» را قابلممیزی کند — ثبت شمار نسخههای آزمودهشده، تعدیل شارپ، بازمحاسبه هزینهها در چند موتور و صدور نتیجه بهصورت یک سند تأیید امضاشده. بازارش خودبهخود در حال شکلگیری است: وقتی پنج موتور آزمون پسرو با هزینههای واقعی 3.71 درصد واگرا میشوند و عاملهای زبانی حتی میان اجراها تکرارپذیر نیستند، راستیآزمایی به کالای کمیاب بدل میشود. مشتری، طرفی است که سرمایه تخصیص میدهد، نه طرفی که سیگنال میخرد.
زمان تا اثبات: شش تا دوازده ماه برای یک محصول قابلاتکا، چون لازم نیست بازده اثبات کنید — فقط روش. شدت سرمایه: پایین، جز مجوزهای داده. بزرگترین ریسک: اینکه مشتریان هدف مسئله را بشناسند و باز هم بابتش پول ندهند، چون شارپ تعدیلشده محصول خودشان را بدتر نشان میدهد. این یک مسئله انگیزشی است، نه فنی — و باید پیش از نوشتن نخستین خط کد در پنج گفتوگو آزموده شود.
چه چیزی این تز را تضعیف یا رد میکند — و از کجا میتوان فهمید:
مقاله آزودو، هوگنر و ولیکوف داوری و منتشر و تکرار شود. اگر گروهی مستقل بازدههای پس از هزینه را تأیید کند، این حکم که «آلفای یادگیری ماشین از هزینه جان سالم به در نمیبرد» در شکل عمومیاش نادرست است. رصد کنید: وضعیت انتشار مقاله SSRN شماره 4702406.
یک محک عاملی طی بیش از ۲۴ ماه با مدل هزینه و انتساب عاملی، آلفای پایدار نشان دهد. این نخستین رد واقعی KTD-Fin خواهد بود. رصد کنید: کارهای بعدی درباره StockBench و KTD-Fin.
مسئله تکرارپذیری حل شود. اگر چارچوبهای عاملی دنبالههای کنشی پایدار میان اجراها بدهند، یکی از قویترین استدلالهای من فرو میریزد. رصد کنید: پاسخها به AlphaForgeBench.
یک ارائهدهنده خرد سابقه عملکرد زنده و ممیزیشده در چند رژیم بازار همراه با شمار آزمونها منتشر کند. تا امروز هیچکس این کار را نکرده است. نخستین کسی که بکند، سزاوار ارزیابی دوباره است.
سمت هزینه ساختاراً بیفتد. کارمزد صفر بهعلاوه اسپردهای بهمراتب باریکتر در سهام کوچک، آستانه سربهسر را جابهجا میکند و بخشی از اثر اندازهگیریشده را برای نخستین بار در دسترس مشتری خرد قرار میدهد.
چرخش مقرراتی. اگر ناظری دستیار معاملاتی خودکار برای مشتریان خرد را پرخطر طبقهبندی کند، اقتصاد کل این بخش تغییر میکند — به زیان فروشندگان و به سود زیرساخت راستیآزمایی.
شرح روش را مطالبه کنید. «مجهز به هوش مصنوعی» بدون محتوا، خودش نشانه هشدار است.
بپرسید بازده در کدام دهک نقدشوندگی تولید میشود و در چه سطحی از سرمایه فرو میریزد. نبود عدد یعنی نبود تحلیل ظرفیت.
شمار نسخههای آزمودهشده و شارپ تعدیلشده را بخواهید. فروشندهای که پرسش را نفهمد، کار را انجام نداده است.
تنها نتایج زنده و ممیزیشده در چند رژیم بازار — صعودی، نزولی و بدون روند — را بپذیرید. شش تا دوازده ماه حداقل مطلق است؛ سه سال معیار معقول.
در ارائهدهندگان سیگنال همیشه Gain را با Absolute Gain مقایسه کنید و هر دو نشان Myfxbook را بررسی کنید — و بدانید چه چیزی را تأیید نمیکنند.
هرگز مجوز برداشت ندهید. دامنه کلیدهای API را کمینه کنید، فهرست سفید IP و احراز هویت دومرحلهای فعال کنید.
نتایج معامله کاغذی را یکسره تنزل دهید: بدون لغزش قیمت، بدون اجرای جزئی، بدون تأخیر و بدون فشار روانی.
اگر میخواهید خودتان بسازید
گام
مشخصاً
مبانی
لوپز د پرادو، «Advances in Financial Machine Learning» برای اعتبارسنجی پالایششده، فرابرچسبگذاری و شارپ تعدیلشده. رابرت کارور، «Systematic Trading» برای ریسک و اندازه موقعیت.
چارچوب
QuantConnect Lean برای سهام و چنددارایی، Freqtrade با FreqAI برای رمزارز، NautilusTrader و VectorBT برای پژوهش. دیگر نه: Backtrader و FinRL.
داده
نقطهای-در-زمان و تعدیلشده برای سوگیری بقا: Norgate، Polygon، Tiingo؛ Kaiko یا CryptoCompare برای رمزارز. کیفیت داده بیش از انتخاب مدل نتیجه را تعیین میکند.
انضباط
پیشروی گامبهگام بهعلاوه اعتبارسنجی متقاطع پالایششده با دوره تحریم. هزینه را از نخستین خط وارد کنید. هر نسخه آزمودهشده را ثبت و شارپ را متناسب با آن تعدیل کنید. پراکندگی را روی دستکم بیست اجرای آموزشی گزارش کنید.
آزمون متقابل
همان راهبرد را در موتور دومی اجرا کنید. اگر نتایج با هزینههای واقعی بهطور محسوس واگرا شدند، خطا در مدل هزینه است، نه در بازار.
آستانهای که همه چیز بر آن میچرخد
اگر راهبردی شارپ تعدیلشدهای بهروشنی بالای صفر نگه دارد — خارج از نمونه، در چند رژیم، پس از هزینههای واقعی و با شمار آزمونهای مستند — جدی گرفتنش رواست. اگر با شمارش صادقانه آزمونها فرو ریخت، کنارش بگذارید، هرچقدر هم آزمون پسرو زیبا بوده باشد. و بهمحض اینکه قصد معامله برای اشخاص ثالث دارید، پرسش مجوز بر پایه ماده 15 WpIG را پیش از راهاندازی هر چیزی حل کنید.
ربات معاملهگر خرد نخرید. برای فروش سیگنال هم نسازید. اگر قرار است چیزی بسازید، لایهای بسازید که ادعاها درباره راهبردها را قابلراستیآزمایی کند.
چرا، به ترتیب اهمیت:
برتری اندازهگیریشده یادگیری ماشین در سهام بسیار کوچک و شرکتهای بحرانزده متمرکز است و با کنار گذاشتن آنها بسته به نوع وزندهی 49 تا 86 درصد از دست میرود. دقیقاً همانجا که سرمایهگذار خرد نمیتواند مقیاس بگیرد.
در ارزیابی عاری از آلودگی داده، بازده عاملهای زبانی عمدتاً با قرارگیری در معرض بازار و سبک تبیین میشود. این بتایی است که شبیه مهارت به نظر میرسد.
همان عاملها میان اجراها تکرارپذیر نیستند، حتی با رمزگشایی قطعی. یک نتیجه خوبِ منفرد بنابراین شاهد نیست، یک نمونه است.
با شمار معمول آزمونها، بیشبرازش از نظر ریاضی تضمینشده است. بدون شمار آزمونها، هر عدد شارپی بیمعناست.
انگیزهها بیابهاماند: فروشندگان اشتراکی از ماندگاری، رباتهای کارمزدی از گردش و صرافیها از حجم درآمد دارند. تنها کاربر است که ریسک نتیجه را میبرد.
سطح اطمینان: بالا برای این حکم که آلفای قابلاتکایی از رباتهای خریداریشده برای مشتری خرد وجود ندارد. متوسط برای حکم درباره بازده خالص نهادی، چون قویترین مطالعه مخالف هنوز داوری نشده است. پایین برای هر پیشبینی فراتر از 2027.
چه چیزی حکم من را عوض میکند: یک اثبات داوریشده و تکرارشده از آلفای خالص پس از هزینه در سهام پرنقد — یا محکی عاملی با بیش از ۲۴ ماه دوره، مدل هزینه، انتساب عاملی و گزارش پراکندگی.
سه گام بعدی:
اگر همین حالا اشتراکی دارید: شمار نسخههای آزمودهشده و شارپ تعدیلشده را کتباً بخواهید. پاسخ — یا نبود پاسخ — تکلیف را روشن میکند.
اگر در حال ساخت هستید: نخست لایه ثبت و لایه ریسک را برپا کنید، سپس مدل را. به همین ترتیب، نه برعکس.
اگر در حال تأسیس کسبوکارید: پیش از نوشتن یک خط کد، پنج گفتوگو با مدیران دارایی دارای مجوز درباره راستیآزمایی داشته باشید. مسئله انگیزشی از مسئله فنی مهمتر است.
محدودیتهای این گزارش
این گزارش مشاوره سرمایهگذاری، حقوقی یا مالیاتی نیست. گزارههای مقرراتی سادهسازی شدهاند؛ موارد خاص نیازمند استعلام از BaFin یا بررسی حقوقی است. آلمان دوره انتقالی MiCA را به دوازده ماه کوتاه کرد که در تغییر سال 2025 به 2026 پایان یافت؛ مستند دقیق در قانون KMAG باید پیش از هر استفاده حقوقی بررسی شود.
برآوردهای اندازه بازار از مؤسسات تجاری بسته به تعریف تفاوت چشمگیری دارند و تنها باید بهعنوان مرتبه بزرگی خوانده شوند. برای اشتراکهای پولی ربات خرد هیچ برآورد پایینبهبالای قابلدفاعی وجود ندارد.
بازده صندوقهای پوشش ریسک هیچجا بهصورت عمومی حسابرسی نشده است. ارقام آشنای Medallion یعنی 66.07 درصد ناخالص و 39.20 درصد خالص میانگین حسابی از پیوست کتاب زاکرمناند، نه مقادیر سالانهشده؛ بازده مرکب ناخالص 63.3 درصد است و گوئو و لیو بازده واقعی سالانه پیش از کارمزد را حدود 31.8 درصد برآورد میکنند.
منحنی بیشبرازش و نمودار آبشاری هزینه محاسبات نمایشی بر پایه فرمولهای منتشرشدهاند، نه اندازهگیری تجربی روی یک سبد مشخص.
محکهای مدلهای زبانی تصویری لحظهای از یک خط پژوهشی بسیار جواناند و بهطور خودکار برای نسلهای بعدی مدلها معتبر نیستند. قیمتها در 4 سپتامبر 2026 گردآوری شدهاند؛ Tickeron در حال حاضر صفحه قیمت قابلدسترسی منتشر نمیکند و به همین دلیل در گزارش نیامده است.
Quellenverzeichnis · Source ledger · فهرست منابع
Ein gemeinsames Verzeichnis für alle drei Ausgaben; die Notizen stehen auf Englisch, um die Angaben nicht zu verdreifachen. Inline-Belege stehen weiterhin in jeder Sprachfassung an der jeweiligen Aussage. · One shared ledger for all three editions, with notes in English. · فهرست مشترک برای هر سه نسخه؛ یادداشتها به انگلیسی.
The decisive constraint: the payoff falls 65 % (equal-weighted) / 49 % (value-weighted) without microcaps and 86 % / 70 % without distressed firms; break-even costs drop from 0.48–1.12 % to 0.26–0.54 % once microcaps go.
The counterweight: factors their Bayesian model keeps but the frequentist correction discards still deliver OOS IR 0.93 (US) and 1.10 (global ex-US), gross.
At temperature 0, identical market data still produce completely different action sequences across runs — single-run evaluations are statistically unreliable.