Algorithmischer Handel auf Prognosemärkten: der Lebenszyklus

Forschung zum algorithmischen Handel auf Prognosemärkten

Beginnen Sie mit einer widerlegbaren Hypothese. Benennen Sie die Bedingung, unter der der Algorithmus handeln soll, die verwendeten Informationen und den Grund, warum diese Informationen eine Ereignisschätzung oder Ausführungsentscheidung verbessern könnten. „Falsch bewertete Märkte finden“ ist zu allgemein, um es zu testen. Eine brauchbare Hypothese legt fest, welche Beobachtung gegen sie sprechen würde.

Definieren Sie die Kontraktfamilie eng genug, damit ihre Bedeutung erhalten bleibt. Preisschwellen, Bekanntmachungsbedingungen und pfadabhängige Barrieren können unterschiedliche Zielwerte und Daten erfordern. Eine Strategie kann später mehrere Familien abdecken, doch die erste Untersuchung sollte zeigen, wie jedes Ereignis abgebildet wird. Ähnliche Titel machen die zugrunde liegenden Fragen nicht austauschbar.

Halten Sie den Vergleichsmaßstab vor dem Test fest. Er sollte zum selben Entscheidungszeitpunkt verfügbar und für die Aufgabe geeignet sein. Ein komplexer Algorithmus muss zeigen, welchen zusätzlichen Nutzen er gegenüber einer einfacheren Alternative bietet: bessere Wahrscheinlichkeitsschätzungen, niedrigere Ausführungskosten oder eine diszipliniertere Auswahl. Komplexität allein belegt keinen Nutzen.

Der ältere Leitfaden zum Handelsalgorithmus für Prognosemärkte liefert den allgemeinen Rahmen. Die Forschungsdokumentation sollte die Idee für eine andere prüfende Person verständlich machen, ohne auf das Gedächtnis des Entwicklers angewiesen zu sein. Dazu gehören auch Annahmen, die sich später als unbequem erweisen könnten, denn diese Annahmen sind Teil dessen, was das Experiment prüft.

Einen Datensatz auf Grundlage verfügbarer Informationen aufbauen

Speichern Sie die vollständigen Kontraktregeln, Referenzdefinitionen, Beobachtungszeitpunkte und den Ergebnisstatus. Bewahren Sie die für jede Entscheidung verwendete Version auf. Eine spätere Klarstellung oder ein korrigierter Quellenwert darf die historische Eingabe nicht unbemerkt ersetzen. Die Untersuchung muss reproduzieren, was damals bekannt sein konnte, nicht das, was nach der Abrechnung offensichtlich wurde.

Marktdaten sollten die für die Strategie relevante Seite und Menge enthalten. Eine Zeitreihe von Mittelkursen kann bestimmte beschreibende Analysen unterstützen, reicht aber nicht als Beleg dafür, dass zu diesen Werten Käufe und Verkäufe ausführbar waren. Hängt der Algorithmus von der Markttiefe ab, zeichnen Sie diese auf. Ist die Aufzeichnung unvollständig, geben Sie an, welche Schlussfolgerungen sie nicht stützen kann.

Verwenden Sie bei externen Belegen den Zeitpunkt ihrer Verfügbarkeit. Ein Bericht, der ein gestriges Ereignis beschreibt, aber heute veröffentlicht wird, gehört zum heutigen Informationsstand. Ihn zurückzudatieren kann dem Algorithmus Wissen über die Zukunft verschaffen. Merkmale aus Sprachmodellen werfen zusätzliche Fragen zum Vorwissen über historische Ergebnisse auf. Eine prospektive Bewertung ist deshalb besonders nützlich, wenn sich diese Informationsgrenze nicht vollständig überprüfen lässt.

Der Leitfaden zum KI-Handel auf Prognosemärkten erklärt, wie sich mit Unterstützung gewonnene Belege prüfen lassen, bevor sie in eine Entscheidung einfließen. In einer algorithmischen Untersuchung sollte dieselbe Herkunft systematisch gespeichert werden. Ein reproduzierbarer Datensatz dokumentiert Bedeutung und zeitliche Verfügbarkeit und ist nicht bloß eine große Sammlung von Zeilen.

Die Auszahlungslogik vor dem Signal testen

Prüfen Sie die Kontraktabbildung anhand hypothetischer Zustände. Berücksichtigen Sie bei einer strikten Schwelle den Gleichheitsfall. Testen Sie bei einer Spanne jeden Endpunkt. Berücksichtigen Sie bei einer Barriere eine Berührung mit anschließender Umkehr sowie ein fehlendes Beobachtungsintervall. Die erwarteten Ergebnisse sollten sich unabhängig von der Implementierung des Algorithmus aus den Regeln ergeben.

Wenn mehrere Kontrakte kombiniert werden, bestimmen Sie, welche Ergebnisse gemeinsam eintreten können. Sich gegenseitig ausschließende Bedingungen können nicht beide eintreten; erschöpfende Bedingungen decken jeden möglichen Fall ab. Keine dieser Eigenschaften sollte aus einer Gruppierung in der Oberfläche abgeleitet werden. Eine vorgeschlagene Absicherung des Portfolios braucht eine Auszahlungsanalyse für jeden Zustand einschließlich relevanter Ausnahmebestimmungen.

Diese Arbeit kann von der Prognose getrennt erscheinen, verhindert aber einen kostspieligen Kategorienfehler. Ein Modell kann ein anderes Ereignis als das gehandelte präzise vorhersagen. Geschieht das, verbessert eine höhere Modellgüte für den falschen Zielwert die Strategie nicht. Die Auszahlungsdefinition ist die Grundlage jeder späteren Kennzahl.

Der ältere Leitfaden zur Arbitrage mit Ereigniskontrakten zeigt, warum der logische Abgleich vor dem Preisvergleich kommt. Auch ein direktionaler Algorithmus profitiert von dieser Disziplin, weil Signale verwandter Kontrakte irreführend sein können, wenn Quellen, Zeitfenster oder Grenzen voneinander abweichen.

Einen historischen Test verwenden, der ehrlich scheitern kann

Teilen Sie Daten so auf, dass die Zeitfolge und Gruppen zusammenhängender Ereignisse berücksichtigt werden. Frühere Informationen dienen der Entwicklung; spätere oder anderweitig unberührte Belege dienen der Bewertung. Verhindern Sie, dass wiederholte Prognosen und überlappende Kontrakte künstlich den Eindruck unabhängiger Testerfahrungen erzeugen. Dokumentieren Sie an jeder Grenze des Trainingszeitraums, wie die Zielwerte verfügbar wurden.

Legen Sie die Strategieentscheidungen vor der abschließenden Bewertung fest. Probiert die forschende Person viele Schwellenwerte, Merkmalskombinationen und Kontraktfilter aus, kann das beste historische Ergebnis auf zufälligen Effekten der Auswahl beruhen. Legen Sie den Suchprozess offen und bewerten Sie die ausgewählte Version nach Möglichkeit anhand neuer Belege. Ein aus vielen Varianten ausgewähltes Ergebnis verlangt eine strengere Prüfung als ein einziger vorab festgelegter Test.

Berücksichtigen Sie realistische Kosten und Ausführungsbeschränkungen. Eine Limitorder wird möglicherweise nicht ausgeführt, während eine sofort ausführbare Order mehrere Preisstufen beanspruchen kann. Schreiben Sie der Strategie nicht zugleich den besten passiven Preis und eine garantierte sofortige Menge gut. Die Simulation sollte das gewählte Verhalten darstellen und benennen, wo historische Daten für eine verlässliche Modellierung nicht ausreichen.

Der Leitfaden zum automatisierten Prognosehandel verbindet das Forschungsergebnis mit begrenztem Handeln. Ein historisches Signal ist keine Freigabe. Die Untersuchung sollte eine mögliche Handlungsregel mit ausdrücklichen Annahmen hervorbringen, nicht den Schluss, dass alle zukünftigen Empfehlungen ausgeführt werden sollten.

Ein vereinfachtes Ergebnis zeigt, warum die Annahmen wichtig sind

Angenommen, eine fiktive historische Untersuchung enthält fünfzig Geschäfte, bei denen jeweils zwanzig gewöhnliche Ja-Ansprüche mit einer Auszahlung von einer Einheit zu 0,49 gekauft werden, bei einer angenommenen Gebühr von 0,01 je Einheit. Jedes Geschäft kostet 10,00, die Gesamtkosten betragen also 500,00. Werden neunundzwanzig Ereignisse mit Ja und einundzwanzig mit Nein abgerechnet, beträgt die Gesamtauszahlung neunundzwanzig mal 20,00, also 580,00. Das Nettoergebnis beträgt 80,00.

Diese Rechnung belegt keinen Vorteil im Livebetrieb. Sie setzt voraus, dass alle angegebenen Ausführungen stattfinden, alle Ereignisse die gewöhnliche Auszahlung verwenden und die Gebührenannahme angemessen ist. Sie sagt auch nichts über die Abhängigkeiten zwischen den fünfzig Geschäften oder darüber aus, ob die Strategie erst nach der Untersuchung vieler Alternativen ausgewählt wurde. Diese Fragen können wesentlich beeinflussen, wie viel Vertrauen das Ergebnis verdient.

Steigen die Gesamtkosten je Einheit bei anderen hypothetischen Ausführungs- und Gebührenannahmen auf 0,52, kostet jedes Geschäft 10,40, und die Gesamtkosten betragen 520,00. Bei denselben Ergebnissen sinkt der Gewinn auf 60,00. Könnten tatsächlich weniger der günstigen Geschäfte ausgeführt werden, verändert sich das Ergebnis erneut. Eine einzelne ausgewiesene Rendite sollte deshalb stets von den zugrunde liegenden Ausführungsannahmen begleitet werden.

Prüfen Sie neben der Gesamtsumme auch die Verteilung. Bei den ursprünglichen Kosten von 10,00 bringt jedes gewinnende Geschäft 10,00 Gewinn, und jedes verlierende Geschäft verliert 10,00. Eine Verlustserie kann einen Rückgang des Kontowerts verursachen, selbst wenn die Endsumme positiv ist. Die Reihenfolge und Häufung der Ergebnisse beeinflussen, ob das Konto die Strategie durchhalten kann.

Vor weitreichender Befugnis zur Beobachtung im laufenden Betrieb übergehen

Die Beobachtung im laufenden Betrieb hält fest, was der Algorithmus für noch nicht entschiedene Ereignisse anhand aktuell verfügbarer Daten empfehlen würde. Speichern Sie die Prognose, die vorgeschlagene Menge, das beobachtete Orderbuch, die geschätzten Kosten und den Grund für Handeln oder Auslassen. Die Aufzeichnung sollte feststehen, bevor das Ergebnis bekannt ist. Diese Phase prüft den Informationsfluss und den Entscheidungszeitpunkt unmittelbarer als eine rückblickende Rekonstruktion.

Eine simulierte Entscheidung ist weiterhin keine tatsächliche Ausführung. Die Aufzeichnung kann zeigen, dass ein Preisangebot beobachtet wurde, belegt aber möglicherweise nicht, dass die beabsichtigte Menge ausgeführt worden wäre. Kennzeichnen Sie diese Grenzen deutlich. Die Beobachtung im laufenden Betrieb ist wertvoll, um veraltete Daten, abweichende Regelauslegungen und instabile Signale zu erkennen, selbst wenn sie die reale Ausführung nicht vollständig messen kann.

Vergleichen Sie das beobachtete Verhalten mit dem historischen Entwurf. Sind dieselben Merkmale verfügbar? Trifft die Strategie häufiger auf fehlende Daten als erwartet? Passt die vorgeschlagene Handelsfrequenz zur Kapazität der betreibenden Person? Eine Abweichung kann zeigen, dass die Forschungsumgebung sauberer war oder mehr Informationen bot als die Liveumgebung.

Der ältere Leitfaden zum Krypto-Bot mit maschinellem Lernen behandelt die Übereinstimmung zwischen Forschung und Betrieb. Bei Ereignismärkten umfasst diese Prüfung neben numerischen Merkmalen auch die Kontraktauslegung und die Ergebnisbelege. Eine Modelldatei kann unverändert bleiben, während sich die Bedeutung der ihr gestellten Frage verschoben hat.

Algorithmischen Handel auf Prognosemärkten in Betrieb nehmen

Die Inbetriebnahme sollte mit einem definierten Umfang beginnen: zulässige Kontrakte, Höchstkosten, Mengenlimits, Exposure gegenüber zusammenhängenden Ereignissen und Bedingungen, die neue Aktionen stoppen. Der Algorithmus sollte diese Grenzen nicht erweitern, weil die jüngsten Ergebnisse günstig sind oder seine Zuversicht zunimmt. Eine Änderung des zulässigen Betriebsrahmens ist eine eigene Entscheidung, die eine eigene Begründung braucht.

Trennen Sie Empfehlung, Freigabe und Ausführung. Die Empfehlung schlägt anhand der Prognose eine Handlung vor. Die Freigabe prüft aktuelle Daten, Preis, Kontozustand und Limits. Die Ausführung versucht, die begrenzte Anfrage umzusetzen. Ausführungsbelege und abschließende Zahlungsaufzeichnungen zeigen anschließend, was tatsächlich geschehen ist. Klare Schnittstellen zwischen diesen Phasen erleichtern die Fehlerdiagnose.

Der Leitfaden zur Software für automatisierten Prognosemarkthandel übersetzt diesen Umfang in Abnahmefälle. Testen Sie veraltete Empfehlungen, veränderte Orderbücher, Teilausführungen, abgelehnte Anfragen und Übermittlungen mit unbekanntem Ergebnis, bevor Sie der Strategie mehr Verantwortung geben. Eine reibungslose Vorführung unter günstigen Bedingungen belegt das Verhalten bei der Wiederherstellung nicht.

Die Dokumentation der Inbetriebnahme sollte außerdem festhalten, wer für die Überwachung ungeklärter Zustände verantwortlich ist und welche Belege eine Wiederaufnahme nach einem Stopp erlauben. Automatisierung verringert manche Routinearbeiten, beseitigt aber weder die Verantwortung für das Konto noch die notwendige Auslegung ungewöhnlicher Ereignisse. Ein Plan ohne verantwortliche betreibende Person kann wichtige Ungewissheiten unbeachtet lassen.

Die tatsächliche Position abgleichen, nicht die beabsichtigte

Die vom Algorithmus angefragte Menge ist nicht sein Bestand. Aktualisieren Sie Positionen anhand maßgeblicher Ausführungsbelege und gleichen Sie Geldbestände und Gebühren ab. Eine Teilausführung kann eine kleinere Position und einen weiterhin aktiven Rest hinterlassen. Eine stornierte Anfrage kann zuvor bereits Ausführungen gehabt haben. Diese Zustände sollten sichtbar bleiben, statt in einer binären Erfolgskennzeichnung zusammenzufallen.

Ist das Ergebnis einer Übermittlung unbekannt, untersuchen Sie die ursprüngliche Kennung. Die Anfrage kann angekommen sein, auch wenn die Antwort nicht ankam. Eine neue Wiederholung kann das Exposure verdoppeln; ein unterstellter Fehlschlag kann das Konto dagegen sicherer erscheinen lassen, als es ist. Reservieren Sie das relevante potenzielle Exposure, bis der Zustand feststeht, und berechnen Sie danach die nächste Entscheidung neu.

Ein Kontoabgleich sollte offene Anfragen, jüngste Geschäfte, Salden und für die Strategie relevante Abrechnungsbewegungen umfassen. Unterschiede zwischen lokalem Journal und maßgeblichen Aufzeichnungen sollten erklärt und nicht durch Überschreiben einer Gesamtsumme verborgen werden. Die Abweichung kann eine doppelte Aktualisierung, eine übersehene Ausführung oder eine falsche Gebührenbehandlung aufdecken.

Das Forschungsergebnis hängt von dieser Genauigkeit im Betrieb ab. Ein kleiner Prognosevorteil kann durch wenige Zustandsfehler aufgezehrt werden. Wer den Algorithmus nur anhand seiner Signale bewertet und sein tatsächliches Order- und Journalverhalten ausklammert, erhält ein unvollständiges Bild davon, ob die Strategie nutzbar ist.

Stoppbedingungen verwenden, die zum Fehler passen

Eine Stoppbedingung sollte den betroffenen Verantwortungsbereich benennen. Fehlende Preisbelege können neue Prognosen für bestimmte Kontrakte stoppen. Ein nicht abgeglichener Kontozustand kann neue Orders umfassender stoppen. Eine Regelklarstellung kann eine einzelne Kontraktabbildung ungültig machen. Jedes Problem wie einen allgemeinen Ausfall zu behandeln kann entweder zu viel stoppen oder den gefährlichen Teil aktiv lassen.

Unterscheiden Sie zwischen dem Stoppen neuen Exposures, dem Stornieren von Anfragen und dem Schließen von Positionen. Diese Handlungen haben unterschiedliche Anforderungen und Folgen. Eine Stoppanzeige sollte nicht den Eindruck erwecken, dass das Konto keine Positionen mehr hält, sofern tatsächliche Aufzeichnungen das nicht belegen. Der Betriebsplan sollte festhalten, was unter jeder Bedingung mit bestehendem Exposure geschieht.

Die Wiederaufnahme sollte Belege dafür erfordern, dass das relevante Problem behoben ist. Ein neu gestarteter Prozess beweist keine wiederhergestellte Datenhistorie, und eine wiederhergestellte Verbindung beweist kein abgeglichenes Konto. Das System sollte sichtbar machen, welche Prüfungen bestanden sind und welche noch ausstehen, damit die betreibende Person eine konkrete Entscheidung treffen kann.

Verändern Sie Stoppregeln nicht allein, um Aktivität aufrechtzuerhalten. Stoppt eine Strategie wiederholt, weil benötigte Belege fehlen, liefert das Informationen über ihre praktische Abdeckung. Die Reaktion kann darin bestehen, den Umfang einzugrenzen oder den Datenprozess zu verbessern, statt die Bedingung so weit abzuschwächen, bis das Dashboard durchgehend aktiv erscheint.

Algorithmischen Handel auf Prognosemärkten überprüfen

Überprüfen Sie die Strategie auf mehreren Ebenen. Die Prognosequalität betrifft die Frage, ob Schätzungen zusätzliche Informationen liefern. Die Auswahlqualität betrifft die Frage, welche Gelegenheiten nach Berücksichtigung der Kosten genutzt werden. Die Ausführungsqualität betrifft die Ausführungen im Verhältnis zum Plan. Die Betriebsqualität betrifft Limits, Wiederherstellung und Abgleich. Das abschließende Zahlungsergebnis verbindet diese Ebenen, benennt aber nicht die Ursache von Erfolg oder Misserfolg.

Ordnen Sie Fehler ein, bevor Sie das System verändern. Ein Regelfehler verlangt bessere Auslegung und Tests. Ein Kostenfehler verlangt ein realistischeres Ausführungsmodell. Ein Zustandsfehler verlangt Korrekturen an Wiederherstellung oder Journal. Ein Prognosefehler verlangt eine Prüfung von Modell und Daten. Alles gleichzeitig zu ändern kann das nächste Ergebnis schwerer verständlich machen.

Bewerten Sie Belege mit Gruppierung auf Ereignisebene. Viele Kontrakte können durch dasselbe zugrunde liegende Geschehen entschieden werden. Eine günstige Häufung sollte nicht als viele unabhängige Nachweise von Können dargestellt werden; eine ungünstige Häufung sollte im Rahmen des geplanten gemeinsamen Exposures interpretiert werden. Die Zahl der Geschäfte und die Zahl unabhängiger Erfahrungen sind unterschiedliche Größen.

Bewahren Sie Entscheidungen zum Nichtstun und abgelehnte Freigaben auf. Sie zeigen, ob der Algorithmus seine vorgesehenen Grenzen eingehalten hat und ob sich die Menge der Gelegenheiten verändert hat. Eine Aufzeichnung ausschließlich abgeschlossener Geschäfte kann die Regel, nach der sie ausgewählt wurden, nicht vollständig bewerten. Sie kann außerdem rückblickende Verzerrungen begünstigen, indem sie nicht gewählte Gelegenheiten unsichtbar macht.

Wenn praktikabel, jeweils eine Hypothese ändern

Eine Überarbeitung sollte benennen, was sie verbessern soll und wie diese Verbesserung gemessen wird. Ändert sie die Kalibrierung, prüfen Sie die Qualität der Wahrscheinlichkeiten. Ändert sie den Kostenfilter, prüfen Sie Auswahl und Nettoergebnisse. Ändert sie einen Adapter, prüfen Sie Ausführung und Abgleich. Die erwartete Wirkung sollte die Überprüfung leiten.

Bewahren Sie den Versionsverlauf und die ursprünglichen Entscheidungen auf. Ein überarbeiteter Algorithmus sollte frühere Prognosen nicht überschreiben oder deren Ergebnisse übernehmen, als hätte er sie selbst erzeugt. Neue Belege sollten der Version zugeordnet werden, die gehandelt hat. Das unterstützt eine Rückkehr zur vorherigen Version und verhindert, dass eine geglättete aktuelle Beschreibung einen unübersichtlichen historischen Prozess umschreibt.

Manche Änderungen müssen gemeinsam erfolgen, weil sie voneinander abhängen. Dokumentieren Sie in diesem Fall das Paket und die Grenzen, innerhalb derer sich das Ergebnis einer einzelnen Komponente zuschreiben lässt. Das Ziel ist keine künstliche Regel, nach der nur eine Zeile geändert werden darf. Es ist ein klares Experiment, dessen Belege die gezogene Schlussfolgerung stützen können.

Bewahren Sie für wesentliche Überarbeitungen einen unberührten oder späteren Bewertungsweg. Wiederholte Optimierung auf derselben kleinen Datenmenge kann eine Strategie hervorbringen, die auf Zufälligkeiten dieser Stichprobe zugeschnitten ist. Eine überzeugende Erklärung vergangener Ergebnisse ist leichter zu erhalten als eine verlässliche Verbesserung zukünftiger Entscheidungen. Die Bewertung sollte diesen Unterschied deshalb erhalten.

Erweiterung als neues Experiment behandeln

Eine Vergrößerung des Umfangs verändert die Ausführungsaufgabe. Ein für eine kleine Position verfügbarer Preis ist für eine größere möglicherweise nicht verfügbar, und die größere Order kann anders mit dem Orderbuch interagieren. Eine Strategie sollte deshalb Markttiefe, Kosten und Verhalten bei Teilausführungen vor einer Skalierung neu schätzen. Den Gewinn eines kleinen Versuchs mit der geplanten Größensteigerung zu multiplizieren setzt gerade die Beschränkung als nicht vorhanden voraus, die ihn begrenzen könnte.

Auch zusätzliche Kontraktfamilien verändern das Experiment. Neue Referenzen, Fristen und Ausnahmeregeln können andere Auslegungs- und Datenprüfungen erfordern. Der Erfolg eines Modells bei einer vertrauten Familie belegt nicht, dass dieselben Zielwerte oder Merkmale anderswo geeignet bleiben. Die Erweiterung sollte benennen, welche Annahmen übertragbar sind und welche neue Belege brauchen.

Auch der Arbeitsaufwand im Betrieb kann ungleichmäßig wachsen. Zehn Positionen, die zum selben Zeitpunkt abgerechnet werden, können mehr gebündelte Aufmerksamkeit verlangen als dieselbe Zahl über eine Woche verteilt. Wiederherstellungskapazität und Quellenprüfung können früher zu Beschränkungen werden als nominelle Geldlimits. Der Inbetriebnahmeplan sollte diese praktische Belastung berücksichtigen, statt Skalierung ausschließlich in Einheiten oder Dollar zu beschreiben.

Ein erfolgreicher eng begrenzter Versuch ist wertvoll, weil er die Unsicherheit über genau diesen Umfang verringert. Bleibt dieser Umfang in der Schlussfolgerung erhalten, wird das nächste Experiment klarer. Eine Erweiterung wird dann zu einer bemessenen Prüfung zusätzlicher Verantwortlichkeiten statt zu einer automatischen Belohnung für ein günstiges jüngstes Ergebnis.

Fertigstellung als fortlaufenden Belegstandard definieren

Eine Strategie ist für eine Rolle bereit, wenn die Belege diese Rolle innerhalb eines angegebenen Umfangs stützen. Eine Forschungsidee kann für die Beobachtung im laufenden Betrieb bereit sein, ohne für reale Ausführungen bereit zu sein. Ein eng begrenzter Liveprozess kann nützlich sein, ohne größere Positionen oder weitere Kontraktfamilien zu rechtfertigen. Der Abschluss einer Phase erlaubt es, die nächste zu bewerten; er beweist nicht, dass jede spätere Verantwortung bereits gelöst ist.

Algorithmischer Handel auf Prognosemärkten profitiert von dieser Disziplin in Phasen, weil sie Unsicherheit in konkrete Handlungsfragen übersetzt. Forschende wissen, welche Annahmen noch ungeprüft sind, betreibende Personen kennen die geltenden Grenzen, und Prüfende können Ergebnisse auf den Prozess zurückführen, der sie hervorgebracht hat. So entsteht eine Strategie, die anhand von Belegen verbessert oder gestoppt werden kann, ohne einen günstigen Backtest oder einen geschäftigen Orderstrom mit einem dauerhaften Handelsvorteil zu verwechseln.