📊 Trading 2026 · Komplettleitfaden & Implementierung

Vollständige, anfängergerechte Anleitung – Strategie, Software, Risiko-Management und Schritt-für-Schritt-Umsetzung in einem einzigen Dokument. Linke Spalte = Inhaltsverzeichnis, immer sichtbar.

1. Strategie-Überblick – warum kein Daytrading

Algorithmisches Trading hat 5 Bausteine:

Warum kein Daytrading bei Kleinkapital?

2. Software-Stack im Detail

Pflicht (alles kostenlos)

Optional

Python-Kernbibliotheken

• pandas, numpy, matplotlib, bokeh – Daten/Charts
• yfinance – kostenlose Aktienkurse (Yahoo Finance)
• backtesting – Strategie-Backtests inkl. Visualisierung
• ta – Technische Indikatoren
• scikit-learn – Machine Learning
• alpaca-py – Alpaca-Broker-API
• ib_insync – Interactive Brokers (sync. Wrapper um TWS-API)
• loguru, python-dotenv – Logs / Secrets

3. Kosten-Übersicht

4. Wieviel solltest du mindestens investieren?

Realistische Kosten-Tabelle (Faber-Strategie, ~5 Trades/Jahr)

Wovon hängt die Mindestgröße ab?

Konkrete Empfehlung

5. Schritt-für-Schritt Setup (Windows 11)

cd C:\Trading2026
python --version
.\.venv\Scripts\Activate.ps1
pip list | findstr alpaca

copy .env.example .env
notepad .env

pytest -q   # Erwartung: 20 passed

python bots\01_backtest_sma.py --symbol SPY --years 10
python bots\04_etf_rotation_bot.py --backtest --years 20 --cash 250

python bots\05_dca_bot.py --plan --total 250 --tranches 10

python bots\04_etf_rotation_bot.py            # Signal anzeigen
python bots\04_etf_rotation_bot.py --live     # Dry-Run
python bots\04_etf_rotation_bot.py --live --execute   # Echte Paper-Order

6. Erster Backtest (SMA-Strategie als Lehrbeispiel)

Datei: bots/01_backtest_sma.py – simple "20/50-SMA-Crossover"-Strategie zum Demonstrieren, dass die meisten naiven Ansätze nicht funktionieren:

python bots\01_backtest_sma.py --symbol AAPL --years 5

Wie liest man Backtest-Ergebnisse?

7. KI/ML-Signal mit RandomForest

Datei: bots/02_ml_signal.py

python bots\02_ml_signal.py --symbol AAPL --years 8

Pipeline: 8 J Daten → Features (RSI, MACD, ATR, Returns, Vola) → chronologischer Split (kein Look-Ahead!) → RandomForest → OOS-Validation + Binomial-Signifikanztest.

8. Alpaca Paper-Trading-Bot

Datei: bots/03_alpaca_paper_bot.py – jede Stunde SMA-Crossover-Check, 3 % Stop-Loss, Tageslimit:

python bots\03_alpaca_paper_bot.py --symbol AAPL --interval 60

9. ETF-Rotations-Bot (Faber GTAA) – Hauptstrategie ★

Datei: bots/04_etf_rotation_bot.py

Strategie-Logik

• Universum: SPY (S&P 500) + Safe-Asset wahlweise BIL (T-Bills, Faber-Original) oder TLT (Long-Treasury, Bond-Hedge)
• Frequenz: Einmal pro Monat (am Monatsende)
• Regel:
  • SPY-Schluss > 10-Monats-SMA(SPY) → 100 % SPY ("Risk-On")
  • SPY-Schluss ≤ 10-Monats-SMA(SPY) → 100 % Safe-Asset ("Risk-Off")
• Ursprung: Mebane Faber, "A Quantitative Approach to Tactical Asset Allocation" (2007/2013) – Original verwendet T-Bills als Safe-Asset (= unsere BIL-Variante)

Verifizierte Resultate (20 Jahre 2006-05 → 2026-05, Start 250 €, Roundtrip-Kosten 10 bps)

Kommandos

python bots\04_etf_rotation_bot.py --backtest --years 20 --cash 250
python bots\04_etf_rotation_bot.py                        # Signal
python bots\04_etf_rotation_bot.py --live                 # Dry-Run
python bots\04_etf_rotation_bot.py --live --execute       # echte Paper-Order

Automatischer Monatsende-Lauf (Windows-Aufgabenplanung)

1. Win+R → taskschd.msc
2. "Aufgabe erstellen…" → Trigger: monatlich, letzter Werktag, 22:00
3. Aktion: Programm starten C:\Trading2026\.venv\Scripts\python.exe
   Argumente: C:\Trading2026\bots\04_etf_rotation_bot.py --live --execute
   Starten in: C:\Trading2026

10. 10-Jahres-Horizont – kurze Anlagedauer ★

Sondersituation: Du hast nur ~10 Jahre Anlagezeit und willst maximales Endkapital ohne Entnahmen. Hier gilt eine andere Logik als bei "Buy & Hold für die Rente".

Worst-Case-Realität (historische Daten, aus 250 € Startkapital)

Wir testen rollierende 10-Jahres-Fenster (alle 6 Monate ein neuer Startpunkt). Wichtig: Strategien mit BIL (T-Bills, Cash) funktionieren erst seit 2007. Daher zwei Tabellen mit unterschiedlichen Stichproben.

Tabelle A – Lange Historie (2002-08 → 2026-05, 26 Fenster, ohne BIL):

Tabelle B – Kurze Historie (2007-06 → 2026-05, 17 Fenster, inkl. BIL):

Reproduktion: python bots\09_horizon_compare.py – beide Tabellen werden gleichzeitig erzeugt.
⚠ Statistik-Vorbehalt: 26 bzw. 17 überlappende 10-Jahres-Fenster ≠ 26/17 unabhängige Beobachtungen. Effektive Stichprobengröße ESS = N × step / Horizont = 26 × 6 / 120 ≈ 1.3. Die "100 % Win-Quote" ist Plausibilität, kein Signifikanzbeweis. Ein 95 %-Konfidenzintervall für die Win-Quote bei n=2 unabhängigen Beobachtungen ist (16 %, 100 %).

Was zeigen diese Zahlen?

• Buy & Hold hat den höchsten Median, aber je nach Stichprobe -46 % bis -51 % MaxDD. Beste Wahl wenn du den Crash mental aushältst und Steuerstundung nutzt.
• Statisches 60/40 (SPY/TLT) ist in Tabelle A der KLARE Sequence-Risk-Sieger: höchster Worst-End-Wert (490 €) und kleinster MaxDD (-28.4 %). ★ Mathematisch beste Risk/Return-Kombi laut Block-Bootstrap.
• Faber GTAA mit TLT: Solide Rendite, aber TLT trägt 2022-Bondrisiko (-30 %). Worst-Case in Tabelle A (483 €) liegt erstaunlich nah an B&H – der "Bond-Hedge" ist nicht garantiert.
• Faber-Original (SPY/BIL): Faber's Originaldesign mit T-Bills/Cash als Safe-Asset – kleinerer MaxDD (-21.5 %) als TLT-Variante, aber niedrigere Median-Rendite. Sauberster akademischer Backtest.
• Glide-Path V1 mit TLT war ein methodischer Fehler – TLT verlor 2022 -30 % wegen Zinsanstieg. Worst-Case 286-315 €. → Nicht nutzen.
• Glide-Path V2 mit BIL (Cash): Kleinster Drawdown (-13.8 %), aber niedrigste Rendite (4.84 % Median). Nur sinnvoll für sehr risikoaverse Anleger – siehe ehrlicher Vergleich mit Tagesgeld unten.

Empfehlung nach Risikoprofil (mit korrektem Risk-Ranking, Start 250 €)

Glide-Path V2 – die defensive Wahl für 10 Jahre (mit Caveats)

Datei: bots/10_glidepath_v2_bot.py

Logik pro Monat:

1. Bestimme das Jahr im 10-Jahres-Plan (1–10).
2. Hole die maximale Aktien-Quote aus der Glide-Path-Tabelle:

3. Wenn Faber-Signal = RISK-On → halte die maximale SPY-Quote, Rest in BIL.
4. Wenn Faber-Signal = RISK-Off → 0 % SPY, 100 % BIL.
5. Rebalancing einmal pro Monat (am Monatsende).

Kommandos

python bots\04_etf_rotation_bot.py --backtest --years 20 --safe BIL  # Faber-Original
python bots\04_etf_rotation_bot.py --backtest --years 20 --safe TLT  # Faber mit Bond-Hedge
python bots\10_glidepath_v2_bot.py --backtest --years 10 --cash 250
python bots\10_glidepath_v2_bot.py --signal --year_in_plan 1
python bots\09_horizon_compare.py    # alle 7 Strategien vergleichen

Aktuelles Signal (Mai 2026, Jahr 1 deines Plans)

Honest Reality-Check

11. DCA-Sparplan-Bot

Datei: bots/05_dca_bot.py – statt 250 € auf einmal: 10 wöchentliche Tranchen à 25 €. Glättet den Einstieg.

python bots\05_dca_bot.py --plan --total 250 --tranches 10 --period_days 7 --symbol SPY
python bots\05_dca_bot.py --once --symbol SPY            # Dry-Run
python bots\05_dca_bot.py --once --execute --symbol SPY  # echte Order

Status persistiert in data/dca_state.json – kein Doppelkauf möglich.

12. Interactive Brokers Live-Setup

Datei: bots/06_ibkr_paper_bot.py

python bots\06_ibkr_paper_bot.py --signal
python bots\06_ibkr_paper_bot.py --rebalance              # Dry-Run
python bots\06_ibkr_paper_bot.py --rebalance --execute

13. Risiko-Hardening

Modul: bots/utils/risk.py – 3 Schutzschichten:

Schicht 1 – Position Sizing

• position_size(equity, entry, stop, cfg) – nie mehr als RISK_PER_TRADE (1 %) pro Trade
• volatility_target_size(equity, price, atr, cfg) – Position skaliert mit Volatilität

Schicht 2 – Stop-Logik

• TrailingStop(entry, trail_pct) – Stop wird mit jedem neuen Hoch nachgezogen, schützt Gewinne. Reset nach Position-Schliessen via .reset(new_entry).

Schicht 3 – Notabschaltung

• daily_loss_breached(...) – pausiert Bot bei x % Tagesverlust (Default 3 %). Achtung: SPY hatte am 16.03.2020 -12 % an einem Tag → in solchen Crashes löst Limit fälschlich aus.
• MaxDrawdownBreaker(max_dd) – stoppt Bot dauerhaft bei x % Equity-Drawdown. Default 15 % nur für Daytrading sinnvoll.

Konfiguration in .env (NUR für aktive Trading-Bots)

RISK_PER_TRADE=0.01
DAILY_LOSS_LIMIT=0.03
MAX_TOTAL_DRAWDOWN=0.15        # NICHT fuer Faber/60-40 nutzen!
VOLATILITY_TARGET=0.10

14. Eigenen Bot programmieren

Beispielstruktur für einen Daytrading-Bot (mit Risk-Gates – nicht für Faber/60-40 nutzen):

def trading_loop():
    breaker = MaxDrawdownBreaker(0.15)   # nur fuer Daytrading sinnvoll!
    while True:
        bars   = fetch_data(symbol)         # 1. Daten
        signal = strategy(bars)             # 2. Signal
        equity = broker.equity()
        if breaker.update(equity):
            logger.error("Drawdown-Breaker!")
            break                           # 3. Risiko-Gate
        if signal == "BUY" and free_slot():
            qty = position_size(equity, price, stop, cfg)
            broker.buy(symbol, qty)         # 4. Order
        log_state()                         # 5. Logging
        sleep(interval)

Für monatliche ETF-Rotation (Faber/60-40) ist der Pattern viel einfacher: einmal pro Monat current_signal() rufen und Position auf Ziel-Allokation einstellen. Kein MaxDrawdown-Breaker nötig (würde gegen die Strategie arbeiten).

Workflow für neue Strategie

1. Hypothese – z.B. "ETF-Rotation auf 6-Monats-Momentum schlägt 10-Monats-SMA"
2. Backtest auf 15+ Jahren (zwei volle Bear-Märkte)
3. Equity-Kurve visualisieren
4. Walk-Forward-Test – Train 2005–2015, Test 2016–2024
5. Stress-Test – Lehman, COVID, 2022 Inflation
6. Paper-Trading mind. 4 Wochen
7. Echtgeld klein – 50 € Tranche

15. Code- & Modell-Qualität prüfen

Code-Qualität

pytest -q                    # 20 Tests grün (verifiziert)
pip install ruff black mypy
ruff check bots\
black bots\
mypy bots\

Modell-Qualität (ML)

16. Risiken & Anfänger-Fehler

Konkrete Risiken & Schutz

17. Steuern & Recht (Deutschland)

Aktien / ETF

• Kapitalertragsteuer 25 % + Soli (5,5 % davon) + ggf. Kirchensteuer = ~26,4–28 %
• Sparer-Pauschbetrag 1.000 € (Single) / 2.000 € (verheiratet) pro Jahr
• Bei IBKR (Sitz Irland/USA): Steuer wird NICHT automatisch abgeführt → du musst die Erträge in der Anlage KAP deklarieren
• ETF-Vorabpauschale seit 2018: jährliche Phantom-Steuer auf thesaurierende ETFs (Bemessung: Basiszins × Fondswert)
• Teilfreistellung 30 % für Aktienfonds (Aktien-ETFs ≥ 51 % Aktien) – nur 70 % der Erträge sind steuerpflichtig
• Verlustverrechnung möglich (Aktien nur mit Aktien)

Rechtliches

• Privater Bot für eigenes Geld = unproblematisch
• Bot für andere Personen = ggf. BaFin-pflichtig (§ 32 KWG)
• EU-Resident bei US-Broker: Anlage KAP + Anlage AUS in Steuererklärung

18. Sicherheit (API-Keys, 2FA, Backups)

• 2FA überall (IBKR, Alpaca, GitHub, E-Mail)
• API-Keys nur in .env, niemals im Code/Git
• API-Keys mit minimalen Rechten: Trading ja, Withdraw NEIN
• IP-Whitelist beim Broker
• Separates E-Mail-Konto nur für Trading
• Backup von .env in verschlüsseltem Passwort-Manager (Bitwarden, KeePassXC)
• Windows: BitLocker auf Systempartition aktivieren
• IB Gateway nicht ohne Firewall ins Internet exponieren

19. Roadmap zum Echtgeld-Einsatz (10-Jahres-Plan)

20. Weiterführende Quellen

• Alpaca API Docs
• IBKR TWS API Docs
• ib_insync Doku
• backtesting.py Doku
• Faber, Mebane: "A Quantitative Approach to Tactical Asset Allocation" (2007/2013, frei auf SSRN)
• Buch: "Algorithmic Trading" – Ernie Chan (Einsteiger)
• Buch: "Advances in Financial Machine Learning" – Marcos López de Prado (fortgeschritten)
• Awesome Quant – kuratierte Liste

Vom leeren Windows-11-Rechner bis zum laufenden Paper-Trading-Bot. Jeder Schritt enthält: Was, Warum, Befehl, Erwartung, Bei Fehler.

Was wir bauen

Goldene Regeln vor dem Start

python --version

C:\Trading2026\downloads\python-3.12.7-amd64.exe

python --version

C:\Trading2026\downloads\VSCodeUserSetup-x64.exe

C:\Trading2026\downloads\Git-Setup.exe

git --version

cd C:\Trading2026

dir

code .

dir .venv

python -m venv .venv

.\.venv\Scripts\Activate.ps1

Set-ExecutionPolicy -Scope CurrentUser -ExecutionPolicy RemoteSigned

pip install --upgrade pip
pip install -r requirements.txt

pip list | findstr "alpaca pandas yfinance"

pytest -q

python bots\01_backtest_sma.py --symbol AAPL --years 5

python bots\04_etf_rotation_bot.py --backtest --years 20 --cash 250 --safe BIL
python bots\04_etf_rotation_bot.py --backtest --years 20 --cash 250 --safe TLT

copy .env.example .env

notepad .env

ALPACA_API_KEY=PK1234ABCDEFG…
ALPACA_API_SECRET=abcdEFGH1234567890…
ALPACA_BASE_URL=https://paper-api.alpaca.markets

type .gitignore | findstr ".env"

python bots\04_etf_rotation_bot.py

python bots\04_etf_rotation_bot.py --live

python bots\04_etf_rotation_bot.py --live --execute

python bots\05_dca_bot.py --plan --total 250 --tranches 10

python bots\05_dca_bot.py --once --execute

Get-Content logs\trading.log -Tail 50

Was

Du vergleichst alle 7 verfügbaren Strategien auf rollierenden 10-Jahres-Fenstern und wählst die zu deinem Risikoprofil passende.

Warum

Buy & Hold hat höchsten Median, aber -50 % MaxDD im Worst-Case. Statisches 60/40 (SPY/TLT) ist laut Block-Bootstrap die mathematisch beste Risk/Return-Kombi. Glide-Path V2 ist nur sinnvoll bei extrem hoher Risikoaversion (kaum besser als Tagesgeld).

Befehl 1 – Vergleich aller Strategien

cd C:\Trading2026
.\.venv\Scripts\Activate.ps1
python bots\09_horizon_compare.py

Erwartung

Du siehst zwei Tabellen (lange und kurze Historie, je nach BIL-Verfügbarkeit):

=== Tabelle A – Lange Historie (2002-08 bis 2026-05, 26 Fenster) ===
Strategie      Median End€  Worst End€   Best End€  Worst MaxDD  Median CAGR
Faber                  297         193         394       -35.1%      11.51%
BuyHold                306         190         444       -50.8%      12.05%
60_40                  222         196         312       -28.4%       8.23%   ← ★ bester Worst-End
GlideV1                220         114         287       -42.3%       8.41%

=== Tabelle B – Kurze Historie (2007-06 bis 2026-05, 17 Fenster, mit BIL) ===
Strategie      Median End€  Worst End€   Best End€  Worst MaxDD  Median CAGR
Faber                  257         217         421       -35.1%      10.00%
Faber_BIL              240         189         310       -21.5%       9.21%   ← Faber-Original
BuyHold                338         250         462       -46.3%      13.20%
60_40                  237         209         329       -26.2%       8.81%
60_40_BIL              221         180         264       -30.2%       8.33%
GlideV1                204         126         279       -41.1%       7.00%
GlideV2                160         143         174       -13.8%       4.84%   ← kleinster MaxDD

Entscheidung (mit korrektem Risk-Ranking laut Block-Bootstrap)

Befehl 2 – Glide-Path V2 Signal abrufen

python bots\10_glidepath_v2_bot.py --signal --year_in_plan 1

Erwartung (Mai 2026, Jahr 1):

{'date': '2026-05-01', 'year_in_plan': 1, 'max_equity_cap_%': 80.0,
 'faber_signal': 'RISK-On', 'target_SPY_%': 80.0, 'target_BIL_%': 20.0}

→ Du kaufst 80 % SPY und 20 % BIL (T-Bill-Geldmarkt-ETF, z. B. CSH2.DE in EUR oder XEON.DE).

Bei Fehler

🏁 Endgültige Erfolgs-Checkliste

Teil von C:\Trading2026 · verifiziert am 10. Mai 2026: 20/20 Tests grün · 6 aktive Bot-Skripte · ETF-Rotation 20-Jahre-Backtest live ausgeführt · Aktuelles Faber-Signal: RISK-On (SPY).
Diese Anleitung ersetzt keine professionelle Anlage- oder Steuerberatung. Trading ist mit erheblichen Verlustrisiken verbunden.