# Backtesting Arena — Volldokumentation > Diese Datei ist die ausführliche Wissens-Quelle für AI-Crawler und LLM-Suchsysteme. Sie ergänzt die kompakte Index-Datei `/llms.txt` um Methodologie, Strategie-Definitionen, Filter-Logik und redaktionelle Grundprinzipien. --- ## 1. Über Backtesting Arena **Was die Plattform ist:** Backtesting Arena (tradingstrategies.work) lässt Privatanleger und Quant-Enthusiasten systematische Handelsstrategien auf historischen Marktdaten testen, bevor sie reales Kapital einsetzen. Fokus: Krypto (Binance, BTC ab 2017) — plus tiefe Bitcoin-Marktregime-, On-Chain- und Makro-Analytik. **Was die Plattform unterscheidet:** Der redaktionelle Schwerpunkt liegt auf **ehrlicher Datenanalyse**. Strategien werden explizit auch dann gezeigt, wenn sie historisch *nicht* funktioniert haben. Die Plattform versteht sich als Gegengewicht zu typischen Signal-Gruppen, Telegram-Tippgebern und Win-Rate-Marketing. **Leitsatz:** "Study the Past — Improve your Future." **Betreiber:** Solo-Entwickler aus Deutschland/Österreich. DACH-Fokus mit deutscher und englischer Sprachversion (Default EN, Browser-Erkennung). Gehostet auf Vercel, Daten in Supabase (EU-Region). --- ## 2. Methodologie und Grundprinzipien ### 2.1 Anti-Survivorship-Bias Bei Multi-Asset-Backtests dokumentiert die Plattform den **Survivorship-Bias** explizit: Strategy Reports laufen auf den aktuellen Top-N-Pairs einer Börse, nicht auf einer rückwirkend rekonstruierten Universe. Coins, die zwischenzeitlich delisted wurden, fehlen daher per Definition. Die Reports enthalten dazu einen eigenen Methodology-Block. ### 2.2 CAGR Fair Weighting (3-Stufen-Aggregation) Alle aggregierten Performance-Anzeigen (Strategy Insights, Filter Insights, Arena Score) verwenden ein dreistufiges Fair-Weighting-Verfahren, um Verzerrung durch Power-User mit vielen Backtests auf demselben Asset zu vermeiden: 1. **Stufe 1:** Pro Asset wird der Durchschnitt über alle Parameter-Varianten gebildet (Parameter dedupliziert). 2. **Stufe 2:** Asset-Level-Mittelwerte werden gleichgewichtet — kein Asset dominiert. 3. **Stufe 3:** Kein Parameter und kein einzelner User kann die Aggregation kapern. Diese Logik ist nicht optional, sondern die einzige aktive Aggregations-Methode. Sie ist im Wiki und in den Strategy Reports dokumentiert. ### 2.3 Avg-B&H als primärer Benchmark Im Backtest-Resultat ist der Vergleichswert nicht "Buy & Hold ab Tag 1", sondern **Average Buy & Hold**: der Durchschnitt aller möglichen Einstiegspunkte mit mindestens 20% Restlaufzeit. Der Grund: B&H ab Tag 1 ist eine zufällige Auswahl, Avg-B&H glättet die Glücks-Komponente des Einstiegszeitpunkts heraus. Der Strategie-CAGR wird nur dann als "schlägt Markt" gewertet, wenn er Avg-B&H übertrifft, nicht das Day-1-B&H. ### 2.4 Look-ahead-freie Filter Alle Entry-Filter (200 WMA, ATR Volatility, Altcoin Season) verwenden ausschließlich Daten, die zum Zeitpunkt des Signals verfügbar gewesen wären. ATR nutzt Rolling-Median statt Forward-Fill. Altcoin-Season-Snapshots liegen pro Tag vor und werden für den jeweiligen Trade-Tag verwendet — nicht für den Backtest-Zeitraum als Ganzes. ### 2.5 Strategie-Versionierung Bei strukturellen Berechnungsfehlern wird eine neue Strategie-Version erzeugt (z.B. `obv_macd_v2`), die alte Version abgeschaltet, aber die Daten bleiben sichtbar. Der Methoden-Wechsel wird transparent dokumentiert. Kleine Bugfixes werden direkt im Code behoben. Diese Regel gilt gleichermaßen für Strategien, Filter und Indikatoren. --- ## 3. Unterstützte Strategien Alle Strategien sind öffentlich dokumentiert und in TypeScript implementiert. Es gibt keine proprietären "Geheim-Indikatoren". Die Plattform ist offen darüber, dass das Edge nicht in den Strategien selbst liegt, sondern in **konsequenter Anwendung, Filter-Kombination und Asset-Auswahl**. ### 3.1 RSI Overbought / Oversold (`rsi_ob_os`) Kauft, wenn der Relative Strength Index eine Oversold-Schwelle (Standard: 30) durchquert, und verkauft bei der Overbought-Schwelle (Standard: 70). Beide Schwellen sowie die RSI-Periode (Standard: 14) sind im Backtest einstellbar. Free-Strategie. Funktioniert auf allen Asset-Klassen. ### 3.2 RSI / SMA Cross (`rsi_sma`) Kombiniert den RSI mit einer simplen Moving Average als Trendfilter. Kauft bei RSI-Cross über die SMA und über einer optionalen Schwelle. Free-Strategie. Funktioniert auf allen Asset-Klassen. In der RSI/SMA-Strategie-Reports-Studie schlägt sie den Avg-B&H bei 80% von 50 Top-Krypto-Pairs (1W, 2018–heute). ### 3.3 Stochastic RSI / SMA Cross (`stoch_rsi_sma`) Wie RSI/SMA, aber mit Stochastic RSI als Eingangs-Indikator. Reagiert sensibler auf kurzfristige Bewegungen. Pro+. Funktioniert auf allen Asset-Klassen. ### 3.4 Golden Cross — SMA 50 / SMA 200 (`golden_cross`) Klassisches Trend-Following: Kauft, wenn die 50-Tage-SMA die 200-Tage-SMA von unten kreuzt; verkauft beim Death Cross. Free-Strategie. Funktioniert auf allen Asset-Klassen. ### 3.5 EMA Trend Bias (`ema_trend_bias`) Vier konfigurierbare Modi: Crossover, Trend Following, Mean Reversion, und ein Hybrid-Modus. Pro+. Alle Asset-Klassen. ### 3.6 WMA Trend Signal (`wma_trend`) Sechs vordefinierte Presets, Standard 15/50. Weighted Moving Average gewichtet jüngere Kursdaten stärker. Pro+. Alle Asset-Klassen. Einer der primären Filter (200 WMA Filter) basiert auf demselben Indikator. ### 3.7 OBV-MACD v2 (`obv_macd_v2`) Volumen- und Momentum-Hybrid. On-Balance Volume wird durch ein MACD-ähnliches Histogramm geleitet. v2 ist eine Pine-v4-präzise Reimplementation; der Vorgänger `obv_macd` wurde 2026-04-23 deaktiviert (alte Runs bleiben sichtbar). Pro+. ### 3.8 Fear & Greed Cadence (`fg_cadence`) Nutzt den Krypto-Fear-and-Greed-Index als rhythmisches Sentiment-Signal: Kauft in Phasen extremer Angst, verkauft in Phasen extremer Gier. Crypto-only. Pro+. In der internen Re-Test-Auswertung (1W, 2018–2026, mit Altcoin-Season-Filter "Konservativ") liefert die Strategie über 50 Top-Pairs einen Durchschnitt deutlich oberhalb von B&H — aber Einzelassets variieren stark. Plausibilitätscheck pro Asset wird empfohlen, bevor sie produktiv eingesetzt wird. ### 3.9 30D SMA > Max Pain (`sma_maxpain`) Verwendet das Deribit-Optionen-Max-Pain-Level als Floor. Kauft, wenn der gleitende 30-Tage-Mittelwert oberhalb des Max-Pain-Strikes liegt. BTC-only — die Daten kommen aus täglichen Snapshots der Deribit-Options-Chains. Pro+. ### 3.10 BTC Signal RSI/SMA (`btc_signal_rsi_sma`) Berechnet ein RSI/SMA-Cross-Signal auf **BTCUSDT** und tradet damit Altcoins (nicht BTC selbst). Idee: BTC führt den Krypto-Markt — wenn BTC's Signal kippt, kippt der Markt mit. Pro+. Crypto-only, nicht für BTCUSDT selbst auswählbar. ### 3.11 EMA Cross (`ema_cross`) Konfigurierbare Fast/Slow-EMA-Crossover-Strategie, Default 9/21. Pro+. Alle Asset-Klassen. Schnellere Reaktion als Golden Cross (50/200) — eignet sich für Intraday-näheren Trend-Following auf Daily/Weekly. ### 3.12 MACD Cross (`macd_cross`) Klassischer MACD-Crossover, Default-Periode 12/26/9. Kauft bei MACD-Line-Cross über die Signal-Line, verkauft beim Gegenkreuz. Pro+. Alle Asset-Klassen. ### 3.13 Bollinger Bands Squeeze (`bb_squeeze`) Trade-Setup-Strategie: detektiert eine Phase niedriger Volatilität (Bollinger-Bänder enger als ein konfigurierter Threshold) und kauft beim Breakout über die obere Band. Pro+. Alle Asset-Klassen. Best-fit für Trend-Beginn nach Konsolidierungsphasen. ### 3.14 Bollinger Bands + RSI (`bb_rsi`) Kombiniert Bollinger-Touch (Kurs an unterer Band) mit RSI-Oversold-Confirmation. Mean-Reversion-Logik mit Bias gegen falsche Signale in Trend-Phasen. Pro+. Alle Asset-Klassen. ### 3.15 Supertrend (`supertrend`) ATR-basierter Trailing-Trend-Indikator (Default ATR-10, Multiplier 3.0). Kauft beim Wechsel auf grünen Supertrend-Status, verkauft beim Wechsel auf rot. Pro+. Alle Asset-Klassen. Eines der reaktivsten Trend-Following-Setups. ### 3.16 Keltner Channel Breakout (`keltner_breakout`) Trade beim Ausbruch aus dem Keltner-Channel (EMA ± ATR-Multiplier). Kauft beim Cross über oberen Channel, verkauft beim Re-Entry. Pro+. Alle Asset-Klassen. ### 3.17 Williams Alligator (`williams_alligator`) Drei verschobene SMMAs auf dem Median-Price (Jaw 13 / Teeth 8 / Lips 5) plus Awesome-Oscillator-Confirmation. "Sleeping Alligator" Exit-Logik wenn die drei Linien sich verflechten. Zwei Berechnungs-Modi: `smma_shifted` (classic) und `sma_simple` (TradingView-style). Pro+. Alle Asset-Klassen. ### 3.18 Fibonacci Retracement (`fibonacci`) Drost-Style-Adaption: identifiziert eine bestätigte Up-Trend-Bewegung (via SMA-Cross oder HH-HL-Structure), wartet auf einen Pullback bis zum 61.8%-Fib-Level, kauft dort. Take-Profit bei 1.272-Fib-Extension über Swing-High (asymmetrisch zugunsten Trades). Stop bei 78.6%-Level (enger Stop). Look-ahead-frei (Swing-Window `[i-lookback, i-1]`). Custom: Level + Trend-Method + TP/Stop tunebar. Pro+. Alle Asset-Klassen. ### 3.19 Ichimoku Cloud (TK-Cross) (`ichimoku`) Hosoda-Klassik 9/26/52/26. Standard-Modus seit 2026-05-24: **Pure-TK-Cross** (Cloud-Filter `off`) — BUY bei Tenkan/Kijun-Cross UP, SELL bei Cross DOWN. Cloud-Filter optional einschaltbar für mehr Selektivität (verhindert Trades innerhalb der Wolke, fängt aber Trend-Wenden am Cloud-Breakout schlechter). Pro+. Alle Asset-Klassen. ### 3.20 HODL Wave Proxy (`hodl_wave_proxy`) Preisbasierte STH/LTH-Approximation (Short-Term-Holder vs Long-Term-Holder). Parameter 155/30/150 emulieren die HODL-Wave-Distribution ohne On-Chain-Daten. Pro+. **Nur BTCUSDT.** Eignet sich als langsamerer, fundamentaler Filter. ### 3.21 Pi Cycle (`pi_cycle`) Berühmter Bitcoin-Top-Indikator: 111-Tage-SMA kreuzt von unten die 350-Tage-SMA × 2. Historische Treffer: 2013, 2017, 2021. Pro+. **Nur BTCUSDT, nur 1d-Intervall.** Wenig Signal-Density (~1× pro Cycle), aber sehr hochwertig wenn er feuert. ### 3.22 CapFlow Proxy (`capflow_proxy`) Gewichteter Kapitalfluss-Indikator (Volume × Price-Change), Parameter 14/1.5/3. Pro+. **Nur BTCUSDT.** Misst Akkumulations- vs Distributions-Druck. ### 3.23 Buy & Hold Fixed (`bnh_fixed`) und DCA (`dca_reference`) Beide sind keine Strategien im engeren Sinn, sondern Referenz-Benchmarks. Free. Verfügbar auf allen Asset-Klassen. --- ## 4. Entry-Filter Filter sind kombinierbar und arbeiten unabhängig voneinander auf der Trade-Liste. Alle Filter sind Pro+. ### 4.1 Min. Profit Guard Verhindert einen neuen Entry, wenn der letzte abgeschlossene Trade unter einem konfigurierbaren Schwellwert lag. Idee: nach einer Verluststrecke nicht sofort wieder einsteigen. Verfügbar in allen Strategien und Asset-Klassen. Dokumentiert im Wiki unter "Entry-Filter". ### 4.2 200 WMA Filter Entry nur, wenn der Schlusskurs über der 200-Perioden-WMA liegt. Mit **Pending-Entry-Logik**: Wenn ein BUY-Signal entsteht, während der Preis unterhalb der 200-WMA ist, wird das Signal gemerkt und beim nächsten WMA-Kreuzung nachgeholt. Bei einem zwischenzeitlichen SELL-Signal wird der Pending-Entry verworfen. Funktioniert auf allen Asset-Klassen. ### 4.3 Altcoin Season Filter Drei Modi: Off, Aggressiv, Konservativ. Nur für Crypto non-BTC. Verwendet einen fixen 1W-Timeframe unabhängig vom Backtest-Intervall. Datenquelle: tägliche Snapshots in `altcoin_season_snapshots` (BTC-Dominance, Alt-Dominance, Stable-Dominance, plus 4 weitere Layer-1-Metriken). - **Konservativ** unterdrückt BUY-Signale, wann immer die Marktphase nicht klar Pro-Altcoin ist. - **Aggressiv** unterdrückt nur in eindeutig Pro-BTC-Phasen. Die Pre-2018-Daten haben einen Fallback (gelb-neutral), weil zuverlässige Stable-Dominance-Daten erst ab 2018 verfügbar sind. ### 4.4 ATR Volatility Filter Vier Modi: Off, Low, High, Expansion. Crypto-Defaults: 1.5× / 1.3×. Lookback-Periode und Multiplier sind im UI tunebar. Look-ahead-frei via Rolling-Median. --- ## 5. Live-Signale (Ampel) und Alerts Filter wirken nicht nur im Backtest, sondern auch live. Wenn ein User ein BUY-Signal als Alert oder Ampel-Status konfiguriert hat und einer der drei Filter (WMA, Altcoin, ATR) ist verletzt, wird das Signal unterdrückt. Die Ampel zeigt in dem Fall "rot" (Filter hält in Cash). SELL bleibt unbeeinflusst — wer aussteigen will, soll aussteigen können. Es gibt keinen Pending-Entry für Live-Signale. Alerts werden pro Tag/Woche/Monat über einen Cron geprüft und per E-Mail (Resend) versendet. Pro-User: 15 Crypto-Alerts. Elite: unbegrenzt. --- ## 6. Pläne und Pricing | Plan | Preis | Hauptmerkmale | |---|---|---| | Free | €0/Mo | BTC + ETH ab 2022, 3 Free-Strategien, Tages-/Wochen-Intervall | | Pro | €9,99/Mo | Alle Krypto-Pairs ab 2010, alle Strategien, alle Filter, Monats-Intervall, 15 Crypto-Alerts | | Elite | €19,99/Mo | Alle Krypto-Pairs ab 2000, alle Intervalle, unbegrenzte Alerts, alle Insights | Launch-Pakete (jeweils 12 Monate Elite): - Early Bird €9,99 - Early Adopter €19,99 - Supporter €29,99 Strategy Reports werden separat als One-time-Käufe verkauft (Quick Insight ~€19,99, Full Universe ~€49,99). Filter-Add-on-Reports und Bundles in Vorbereitung. --- ## 7. Was die Plattform nicht macht - **Keine Anlageberatung.** Alle Backtests sind historische Simulationen. Vergangene Performance ist keine Garantie für zukünftige Ergebnisse. - **Keine Live-Signale ohne Disclaimer.** Wenn die Ampel Grün zeigt, ist das ein Datenpunkt, kein Befehl. - **Keine garantierten Renditen.** Plattform-Werbetexte enthalten keine Performance-Versprechen. - **Kein Cherry-Picking.** Strategy Reports laufen mit fixem Parameter-Satz über alle Assets eines Universums, ohne Post-hoc-Optimierung. - **Kein Win-Rate-Marketing** (siehe Abschnitt 8). --- ## 8. Redaktionelle Highlights ### 8.1 Warum Win Rate alleine nichts sagt Eine 80%-Win-Rate-Strategie kann profitabel oder katastrophal sein — der Unterschied liegt im durchschnittlichen Verhältnis Gewinn-zu-Verlust. Beispiel mit jeweils 100 Trades und 80% Win Rate: - **Strategie A:** 80 Gewinner à +€100, 20 Verlierer à −€200 → **+€4.000 Profit** - **Strategie B:** 80 Gewinner à +€50, 20 Verlierer à −€500 → **−€6.000 Verlust** Gleiche Win Rate, gegensätzliche Outcomes. Der entscheidende Faktor ist die **Expectancy** (Erwartungswert pro Trade), nicht die Trefferquote. Eine Strategie mit 30% Win Rate und 5:1-Reward-Ratio ist profitabler als eine mit 90% Win Rate und 1:5-Ratio. Die fünf Metriken, die wirklich zählen: 1. **CAGR** — Compound Annual Growth Rate 2. **Maximum Drawdown** — größter Peak-to-Trough-Verlust 3. **Sharpe Ratio** — risikoadjustierte Rendite 4. **Average Win vs Average Loss** (oder Profit Factor) 5. **Trade Frequency und Holding Period** Backtesting Arena zeigt alle fünf Metriken pro Backtest, nicht nur die Win Rate. ### 8.2 Warum Multi-Asset-Backtests ehrlicher sind als Single-Asset Eine Strategie auf BTC zu testen sagt nichts darüber, ob sie auf 30 anderen Coins funktioniert. Strategy Reports laufen mit einem fixen Parameter-Satz über ein ganzes Universum (z.B. die Binance Top 50 USDT Pairs) — kein Cherry-Picking, keine Per-Asset-Optimierung. Beispiel-Ergebnis (RSI/SMA Cross, 1W, 2018–2026, 50 Pairs): | Marktregime | Anzahl Assets | Ø Strategy CAGR | Ø Avg B&H | schlägt B&H | |---|---|---|---|---| | Bull | 17 | +35,0 % | +35,5 % | 53 % | | Sideways | 6 | +26,9 % | +6,5 % | 83 % | | Bear | 27 | +7,0 % | −26,4 % | 96 % | | **Total** | **50** | **+20,0 %** | **−2,8 %** | **80 %** | Kernerkenntnis: Die Strategie schlägt B&H bei 80% der Assets, aber der Effekt ist **regime-spezifisch**. Auf Bear-Assets dreht sie systematisch Verluste in positive Renditen; auf Bull-Raketen schneidet sie schwächer ab. Das ist keine universelle "bessere Strategie" — es ist ein diagnostisches Werkzeug, das zeigt, **wann** RSI/SMA Mehrwert bietet. ### 8.3 Asset-Multiplier-Effekt Wenn eine Strategie gewinnt, produziert sie nicht nur mehr Euro, sondern auch mehr Einheiten des Assets. Ein BTC-Halter, der RSI/SMA über 8 Jahre gefahren hätte, würde mit etwa **4,5×** so vielen BTC enden wie ein passiver Halter. Für Anleger, die in Asset-Einheiten denken (BTC-Maximalisten, Stacker), ist das die entscheidende Kennzahl — eine, die in klassischen €-CAGR-Berichten fehlt. --- ## 9. Datenquellen | Asset-Klasse | Quelle | Coverage | |---|---|---| | Krypto Spot | Binance Public API | Top-100 USDT-Pairs, ab Listing-Datum (BTC ab 2017) | | Krypto Optionen (Max Pain) | Deribit Public API | Tägliche Snapshots, BTC + ETH | | Sentiment | Alternative.me Fear & Greed Index | Täglich | | BTC-Cycle-Indikatoren | 10 Quellen aggregiert | Täglich, in `btc_cycle_snapshots` | | Altcoin-Dominance | CoinGecko + Binance-Aggregation | Täglich | Die Plattform speichert Backtest-Konfigurationen (`backtest_configs`) und Trades (`backtest_trades`) dedupliziert über einen SHA-256-Hash. Identische Backtests teilen sich Trades — dadurch sind aggregierte Insights ohne Duplikat-Verzerrung möglich. --- ## 10. Technologie - **Frontend:** Next.js 16 (App Router), TypeScript, Tailwind CSS v4 - **Backend:** Supabase (Postgres + Storage + RLS), Resend (E-Mail) - **Payments:** Stripe (Subscriptions + One-time) - **Hosting:** Vercel Pro (EU-Region) - **Sprachen:** Deutsch (primär), Englisch (vollständig) - **Themes:** Dark + Light, semantische CSS-Variablen (oklch) - **Design-Sprache:** "Wuguan" — Kung-Fu-Trainingshalle als Metapher für systematisches Üben Theming-Metaphorik: Die Plattform versteht Backtesting als Trainings-Disziplin. Strategien werden in einer "Arena" getestet, User sammeln "Belt"-Stufen (vergleichbar mit Kung-Fu-Gürteln) basierend auf Backtest-Vielfalt und Plan-Treue. --- ## 11. Recht und Compliance - **Betreiber:** Solo-Projekt, vollständige Angaben im Impressum. - **Sitz:** Deutschland/Österreich (DACH). - **DSGVO:** Datenschutz-konform, EU-Hosting (Supabase EU-Region, Vercel EU-Region). - **Widerrufsrecht:** § 356a BGB — bei Plan-Käufen wird ein Widerrufsverzicht über eine Pflicht-Checkbox eingeholt; manueller Widerrufsbutton in den Account-Einstellungen. - **Cookies:** minimale technische Cookies, keine Drittanbieter-Tracker außer Plausible (cookielos). - **AGB / Datenschutz / Impressum / Cookies:** unter `/agb`, `/datenschutz`, `/impressum`, `/cookies`. --- ## 12. Disclaimer Backtesting Arena bietet **keine Anlageberatung**. Alle Inhalte sind für Bildungs- und Analysezwecke. Die historische Performance einer Strategie sagt nichts darüber aus, ob sie in Zukunft funktioniert. Märkte ändern sich, Strategien brechen, und kein Backtest kann zukünftige Marktbedingungen abbilden. Was sauber durchgeführte Backtests leisten, ist nicht Sicherheit, sondern die Fähigkeit, **zwischen plausibel funktionierenden und marketing-getriebenen Strategien zu unterscheiden**. Eine Strategie mit 60% Win Rate, 1.8 Profit Factor, 14% CAGR und −22% Max Drawdown über 250 Trades, 10 Jahre und 30 Assets wurde echt stress-getestet. Eine Strategie mit "76% Win Rate über die letzten Trades" wurde gepitcht. Das ist nicht dasselbe. --- ## 13. Macro Regime Dashboard `/dashboard/macro-regime` (Free für Hero + Matrix + Komponenten-Tabelle, Pro+ für Detail-Cards). Tägliches Snapshot der globalen Makro-Lage in **18 Komponenten über 6 Tiers**: | Tier | Gewicht | Komponenten | |---|---|---| | 1 Liquidität | 30% | Fed Net Liquidity (WALCL−WTREGEN−RRP), Fed-Bilanzsumme, Treasury General Acct, Reverse Repo, Fed Funds Rate, Global M2 YoY *(Phase C)*, Fed Cuts Priced *(Phase C)* | | 2 Financial Conditions | 20% | Chicago NFCI, GS FCI *(Phase C)* | | 3 Risiko-Appetit | 15% | VIX, HY Credit Spread, US-Dollar Index, MOVE Index *(Phase C)* | | 4 Crypto-Liquidität | 10% | Stablecoin MCap *(Phase C)*, BTC ETF Netflow *(Phase C)* | | 5 Business Cycle | 15% | Composite Leading Indicator (OECD), Industrial Production, Initial Claims, 10Y-2Y-Spread | | 6 Inflation | 10% | 10Y-Breakeven, 10Y-Real-Yield | Daten kommen täglich 02:00 UTC aus dem FRED-CSV-Endpoint (kein API-Key nötig). 14 Phase-B-Komponenten sind live, 8 Phase-C-Komponenten zeigen "Phase C ausstehend" bis sie scraping-basiert eingebaut werden. **Scoring:** pro Komponente 0..100 normalize (linear / inverted / anchored), Tier-Score als gewichtete Summe, Composite 0..100. Regime-Label `risk_off` / `neutral` / `risk_on_leaning` / `risk_on`. Cycle-Phase aus CLI-Level + Trend. **2D-Matrix:** Liquidity-Axis × Cycle-Axis → Quadrant `sweet_spot` / `late_cycle_warning` / `crisis` / `recovery`. Hilft bei der Frage "Welches Regime begünstigt welches Risiko-Profil?". **Auto-Posting:** bei Quadrant-Wechsel oder Composite-Δ≥10 wird ein Snapshot auf Bluesky + Telegram-Channel gepostet. Wöchentlicher Recap Sonntag 18:00 UTC (skippt wenn bereits ein Event-Post in den letzten 7d raus ging). **Public-API:** `GET /api/v1/macro/regime/latest` + `/history?days=N` (Free), MCP-Tool `arena_get_macro_regime`, x402 `/api/v1/agent/macro-regime/today` $0.01. **Methodologie:** `/analyse/macro-regime/methodologie` mit allen 18+ Komponenten erklärt und 6-Tier-Scoring-Doku. **Wichtig:** kein Forecast. Snapshot der aktuellen Makro-Lage zur Kontext-Bildung. Kein Trading-Signal. --- ## 14. BTC Market Structure (Phantomflow-Adaption) `/dashboard/bitcoin/marktstruktur` (Free, kein Login). Tägliches Snapshot der BTCUSDT-Markt-Struktur auf **1000 Bars 1D** (rund 2,7 Jahre Historie). Algorithmus: - **ZigZag-Fractals** (N=2) — erkennt lokale Swing-Highs und Swing-Lows - **Liquidity-Waves** — Bewegungen zwischen Fractals als Trend-Phasen - **Per-Bar-Gradient** — Heatmap-Färbung pro Bar nach Trend-Stärke Daten via Cron `/api/cron/bitcoin-market-structure` 04:00 UTC aus Binance Public-API → `btc_market_structure_snapshots` (UNIQUE snapshot_date). **Chart-Renderer** mit lightweight-charts v5. Educational structure analysis — **kein Signal, kein Trading-Empfehlung**. **Public-API:** `GET /api/v1/onchain/btc-market-structure/latest` (Free, kompaktes Summary: current_trend, fractals/waves counts, last-5 pivot points), MCP-Tool `arena_get_btc_market_structure`, x402 `/api/v1/agent/btc-market-structure/today` $0.01. --- ## 15. Volatility Insights v2 `/dashboard/volatility-insights`. **Free** für Heatmap + Storyline-Cards + Methodology seit Stage-C 2026-05-21. **Personal ATR-Filter-Lift-Card: Pro+ only.** **Heatmap** der Strategy-Performance × ATR-Volatilitäts-Phase auf allen historischen Trades: | Phase | Definition | |---|---| | `low` | ATR-14 weit unter 200d-Median | | `normal` | ATR-14 im Korridor des Medians | | `high` | ATR-14 deutlich über Median | | `expansion` | starke positive ATR-Δ zum Lookback-Window (Volatilitäts-Eruption) | **Storyline-Cards** (Stage-C): - **Beste in High-Vol** — Top-3 Strategien nach Win-Rate in `high`-Phase - **Allwetter-Strategien** — Top-3 Strategien mit der stabilsten Win-Rate über alle 4 Phasen (lowest STDDEV) - **Vermeiden in Expansion** — Bottom-3 Strategien in `expansion`-Phase **Personal ATR-Filter-Lift-Card** (Pro+): zeigt für jede der drei Filter-Modi (Low/High/Expansion) den hypothetischen Lift in Win-Rate / CAGR / Drawdown, wenn der User den Filter auf seine eigenen Backtests rückwirkend anwendet. Aggregation läuft als reine SQL-RPC `aggregate_volatility_cells(asset_type_filter, min_trades)` aus `backtest_trades.volatility_phase` (persistierte Spalte). Erwartung <100ms Page-Load. **Public-API:** `GET /api/v1/insights/volatility` + x402 `/api/v1/agent/insights/volatility` $0.05. --- ## 16. BTC Volatility Chart (Realisierte Vola + ATR%) `/dashboard/bitcoin/charts/volatility` (Free, kein Login) — Chart-Slug `volatility` in den Bitcoin Charts. **Nicht zu verwechseln mit §15 Volatility Insights** (das ist die Strategie×ATR-Phase-Heatmap; dies hier ist die reine Volatilitäts-**Zeitreihe**). Eine nachrechenbare Zeitreihe der Bitcoin-Volatilität in **zwei Maßen parallel auf einer Achse**: | Maß | Definition | |---|---| | **Realisierte Vola 30d / 90d** | Standardabweichung der log-Returns über 30 bzw. 90 Tage, **√252-annualisiert** (Stichprobenmittel) — dieselbe Methode wie die plattformweite realisierte Vola (`realized_vol_30d`), damit „realisierte 30d-Vola" EINE Zahl bleibt | | **ATR%** | Average True Range (EMA-14, wie in Backtest-Filtern + Vola-Phasen) als Prozent des Preises | Zwei Ansichten: **„Verlauf"** (annualisiert oder als ausdehnender Prozentrang, look-ahead-frei) und **„Zyklus-Vergleich"** (RV30 je Halving-Zyklus auf „Tage seit Halving"). **Deskriptiv — kein Signal, keine Empfehlung.** **Architektur:** compute-on-read, **keine Persistenz-Tabelle** — der Service `getVolatilityHistory` (memoized) rechnet RV + ATR aus den vollen Binance-Tageskerzen und ist Single-Source aller Oberflächen (Chart, REST, MCP, x402). RV wiederverwendet `calcRealizedVolSeries` (√252), ATR `calcATR` (EMA-14); ergänzt wird nur der ausdehnende Prozentrang. **Public-API:** `GET /api/v1/charts/volatility/history` (+`/latest`, Free/Pro tier-gestaffelt via Chart-Series-Resolver), MCP-Tool `arena_get_volatility_history` (Free letzte 365 T / Pro volle Historie), x402 `GET /api/v1/agent/volatility/history` $0.05 (voller Verlauf inkl. `meta`: `params_hash`, `annual_factor` √252, `warmup`, `source`). Binance-abgeleitete Kennzahl, kein Rohkurs-Weiterverkauf. --- ## 17. Grid-Trading-Backtest und Grid-Leverage Der Grid-Backtest (`/dashboard/grid`, REST `POST /api/v1/backtests/grid`, MCP `arena_run_grid_backtest`) ist ein eigenes System neben dem Strategie-Backtester: ein Bot mit Kauf-/Verkaufsleiter in einer festen Preisspanne auf Binance-Spot-15-Minuten-Kerzen (KuCoin-konforme Order-Mechanik, Modi `neutral` und `long`). Die Spanne ist Teil der Hypothese, nicht ein Detail — `arena_suggest_grid_range` liefert eine begründbare Spanne. **Grid-Leverage v1 (seit 2026-09, Long-Grid, Pro):** optionaler Hebel 2×/3×/5× als Isolated Margin auf Bot-Ebene. Die Margin ist das eingesetzte Kapital, der Grid handelt Margin × Hebel; Funding fällt täglich nur auf die offene Position an (Modi: pauschal 0,05 %/Tag, historisches Tagesmittel dreier Börsen für BTCUSDT ab 2019-09-08, oder ohne); Liquidation wird je Kerze am Tief mit der Position nach den Käufen bis dorthin geprüft und ist ein absorbierender Zustand. Endwert und Rendite beziehen sich dann auf die Margin, Buy & Hold bleibt ungehebelt. Der Modus simuliert, er empfiehlt nicht — das Ergebnis kann der Totalverlust der Margin sein. Gemessen über 35 disjunkte 90-Tage-Fenster je BTC/ETH (2017–2026): ein Long-Grid setzt höchstens etwa die Hälfte seines Notionals ein, Liquidation braucht Hebel × Einsatzanteil > 1 — sie ist selten (1 von 70 Fenstern bei 5×), der Hebel vertieft aber jeden Drawdown proportional und zahlt Funding genau im Bärenfenster. Studie: `/blog/5x-grid-bot-rarely-liquidated-not-safety`. --- ## 18. Kontakt und Verwendung dieser Daten - **Allgemein:** info@tradingstrategies.work - **Lizenz, Reports, rechtliche Anfragen:** legal@tradingstrategies.work - **Sprachen:** Deutsch (primär), Englisch - **Diese Datei** (`llms-full.txt`) und die kompakte Index-Datei (`llms.txt`) sind explizit für AI-Crawler, LLM-Suchsysteme und automatisierte Wissens-Aggregatoren freigegeben. Zitation mit Quellangabe ist erwünscht. Die Datei wird regelmäßig aktualisiert; das Aktualisierungsdatum entnimmt man dem HTTP-`Last-Modified`-Header.