NFT-Handelsstrategie: Eine überprüfbare Hypothese entwickeln

Eine NFT-Handelsstrategie beginnt mit einer Hypothese

Eine nützliche Hypothese beschreibt einen konkreten Zusammenhang, der falsch sein könnte. Ein Händler könnte etwa annehmen, dass bestimmte gewöhnliche Stücke, die unter einer vorsichtigen Nettoausstiegsschätzung angeboten werden, positive Ergebnisse erzeugen können, wenn die Kollektion eine ausreichend breite unabhängige Nachfrage aufweist. Diese Aussage benötigt noch Definitionen, lässt sich aber besser überprüfen als die Annahme, jeder Abschlag sei profitabel.

Definieren Sie das Auswahluniversum der Vermögenswerte, bevor Sie Ergebnisse untersuchen. Legen Sie das unterstützte Netzwerk, verifizierte Kollektionen, relevante Token-Standards, akzeptable Stückarten und etwaige Ausschlussbedingungen fest. So driftet die Recherche nicht zu denjenigen Vermögenswerten, die später gut abschnitten.

Definieren Sie anschließend die angenommene Quelle des Vorteils. Das könnte eine bessere Klassifizierung der Stücke, eine sorgfältigere Kostenrechnung oder das Erkennen einer Order sein, die einer eng umrissenen Käuferpräferenz entspricht. Eine schnellere Beobachtung allein erklärt nicht, warum der spätere Käufer genug zahlen wird, um die Handelskosten zu decken.

Schreiben Sie die Hypothese in gewöhnlicher Sprache neben die formale Regel. Wenn sich der numerische Filter nicht mit einer plausiblen wirtschaftlichen Erklärung verbinden lässt, passt er möglicherweise lediglich zu historischen Daten. Eine Strategie sollte verständlich bleiben, wenn ein neuer Kandidat erscheint und der Händler entscheiden muss, ohne dessen künftigen Preis zu kennen.

Belege wählen, die zum beabsichtigten Käufer passen

Die relevanten Belege hängen davon ab, wer den Vermögenswert voraussichtlich kaufen wird. Ein Käufer auf Kollektionsebene interessiert sich möglicherweise für das günstigste zulässige Stück, während ein Merkmalskäufer eine bestimmte Eigenschaft schätzt. Die Strategie sollte Vergleiche aus dem entsprechenden Segment verwenden, statt diese wahllos zu vermischen.

Abgeschlossene unabhängige Verkäufe können helfen, die Nachfrage zu charakterisieren. Aktuelle anwendbare Kaufangebote können einen möglichen kurzfristigen Ausstieg beschreiben. Die Tiefe der Verkaufsangebote beschreibt konkurrierende Preisforderungen von Verkäufern. Diese Beobachtungen sollten getrennt bewahrt werden, weil sie unterschiedliche Fragen beantworten.

OpenSeas Erklärung der Kollektionsanalysen benennt Volumen-, Verkaufs- und Mindestangebotspreiskennzahlen, wobei das Gesamtvolumen auch das Prägevolumen umfasst. Eine Strategie für den Sekundärwiederverkauf sollte daher einen großen Erstverkauf beim Prägen nicht als Beweis für zahlreiche Sekundärkäufer behandeln.

Die Hypothese kann einen Nachfrageschwellenwert enthalten, doch dieser Schwellenwert ist eine experimentelle Entscheidung. Beispielsweise kann die Forderung nach einer angegebenen Zahl relevanter unabhängiger Käufer innerhalb eines definierten Zeitfensters manche Risiken dünner Märkte reduzieren. Sie belegt nicht, dass der nächste Token verkauft wird, und die Schätzung der Käuferzahl kann selbst Einschränkungen aufweisen.

Die Hypothese in eine Einstiegsberechnung überführen

Angenommen, ein hypothetischer Kandidat hat eine vorsichtige Bruttoausstiegsschätzung von 0,24 ETH. Nehmen wir kombinierte Verkaufsabzüge von fünf Prozent und einen veranschlagten Netzwerkaufwand von 0,003 für den Ausstieg an. Der geschätzte Nettoerlös beträgt 0,225.

Die Strategie verlangt einen modellierten Puffer von 0,015 und veranschlagt 0,004 für die Netzwerkkosten des Einstiegs. Ihr maximaler Kaufpreis beträgt daher 0,206. Ein Verkaufsangebot zu 0,20 würde eine geplante Anschaffungskostenbasis von 0,204 und unter der Ausstiegsannahme einen modellierten Gewinn von 0,021 erzeugen.

Senken Sie nun die Bruttoausstiegsschätzung auf 0,23. Der Nettoerlös wird zu 0,2155, sodass gegenüber derselben Kostenbasis von 0,204 nur 0,0115 bleiben. Dieser Kandidat verfehlt den erforderlichen Puffer, obwohl sich sein Kaufpreis nicht geändert hat. Die Strategie hängt von beiden Seiten des Handels ab.

Eine NFT-Handelsstrategie mit gebührenbereinigten Einstiegen sollte diese Berechnung für jeden Kandidaten bewahren. Das Modell sollte die angenommene Gebührenbasis und zusätzliche Kosten zeigen. Wie man mit NFT-Handel Gewinn erzielt entwickelt die Logik der Kostendeckung ausführlicher, einschließlich der Frage, warum ein höherer Bruttoverkaufspreis dennoch einen Verlust erzeugen kann.

Gültigkeit definieren, bevor ein Preisangebot als Beleg gilt

Eine Order kann attraktiv aussehen und dennoch unbrauchbar sein. Der Token gehört möglicherweise nicht mehr dem Verkäufer, die Order kann abgelaufen sein, dem Kaufangebot können die Mittel fehlen oder der vorgeschlagene Vermögenswert erfüllt die Kriterien nicht. Eine Strategie sollte definieren, welche Prüfungen erforderlich sind, bevor ein Preisangebot ihre Entscheidung beeinflusst.

Prüfen Sie bei einem Kollektionsangebot Menge und Anwendbarkeit. Ein einzelnes Angebot, das einmal angenommen werden kann, kann nicht mehrere unabhängige Ausstiege stützen. OpenSeas Leitfaden zu Kollektionsangeboten erklärt den Unterschied zwischen einer einzelnen Annahme und separat erstellten Angebotsmengen.

Die Strategie sollte auch eine Aktualitätsgrenze für jede Eingabe definieren. Ein aktuelles Verkaufsangebot kombiniert mit einem alten Ausstiegskaufangebot kann eine scheinbare Marge erzeugen, die nie gleichzeitig existiert hat. Speichern Sie die Beobachtungszeitpunkte und verlangen Sie eine erneute Prüfung an der Autorisierungsgrenze.

Die Ordervalidierung einer NFT-Handelsstrategie ist daher Teil des Wirtschaftsmodells und nicht nur eine Softwarefrage. Eine Gewinnrechnung mit einem ungültigen Ausstieg ist nicht allein deshalb vorsichtig, weil sie Gebühren enthält. Die tatsächliche Anwendbarkeit und Kapazität der Order bestimmen, ob der Betrag überhaupt in die Berechnung gehört.

Festlegen, was zwischen Kauf und Ausstieg geschieht

Manche Strategien hängen davon ab, über getrennte Transaktionen zu kaufen und anschließend zu verkaufen. Der Ausstieg kann verschwinden, nachdem der Kauf abgeschlossen ist. Der Händler besitzt dann eine risikobehaftete Position, selbst wenn während der Recherche beide Handelsseiten verfügbar erschienen.

NFT-Arbitragehandel erklärt diesen Unterschied zwischen einer angezeigten Preisdifferenz und einem ausführbaren vollständigen Handelszyklus. Eine Strategie sollte benennen, ob ein behaupteter Schutz innerhalb einer atomaren Transaktion durchgesetzt oder lediglich über getrennte Aktionen hinweg angenommen wird.

Wenn der Prozess sequenziell ist, definieren Sie den Ausweichplan. Der Händler kann zu einem neuen Preis zum Verkauf anbieten, ein niedrigeres Kaufangebot annehmen oder den Vermögenswert unter einer Zeit- und Risikogrenze behalten. Der Ausweichplan sollte vor dem Erwerb bewertet werden, einschließlich eines Szenarios, in dem kein rechtzeitiger Käufer verbleibt.

Beschreiben Sie einen Stop-Loss-Betrag in einem Markt ohne ausreichende Gebote nicht als garantierten Schutz. Eine Regel kann verlangen, bei einer bestimmten Bedingung einen Ausstieg zu versuchen, sie kann aber keine andere Partei zum Kauf zwingen. Die Strategie sollte genügend Risikokapazität für schlechter als geplante Ergebnisse reservieren, statt anzunehmen, dass jede Grenze exakt ausgeführt wird.

Portfoliogrenzen unabhängig von der Kandidatenqualität setzen

Ein Kandidat kann seine individuelle Regel erfüllen, während das Portfolio kein zusätzliches Risiko aufnehmen kann. Bestehender Bestand, aktive Kaufangebote und ungeklärte Transaktionen verbrauchen Kapazität. Die Strategie sollte neben der Einstiegsberechnung eine Grenze für den gesamten Mitteleinsatz und eine Konzentrationsregel für Kollektionen durchsetzen.

Angenommen, ein Portfolio erlaubt eine Anschaffungskostenbasis von 2 ETH in einer Kollektion. Vorhandene Bestände machen 1,55 aus, und Reservierungen für ungeklärte Käufe machen 0,30 aus. Unter dieser Regel bleiben nur 0,15. Der hypothetische Kandidat, der 0,204 erfordert, kann nicht autorisiert werden, selbst wenn seine individuelle modellierte Marge attraktiv ist.

Ein Wallet-Guthaben über 0,204 setzt die Konzentrationsgrenze nicht außer Kraft. Das Guthaben beschreibt Zahlungsfähigkeit, die Portfolioregel hingegen das akzeptable Risiko. Diese Messgrößen getrennt zu halten verhindert, dass jeder attraktive Kandidat automatisch zu einem Kauf wird.

Die Strategie sollte auch angeben, wann Reservierungen freigegeben werden. Eine Zeitüberschreitung beweist kein Scheitern, und eine unbestätigte Stornierungsanfrage beendet möglicherweise nicht jeden möglichen Ausführungspfad. Eine dauerhaft dokumentierte Abstimmung schützt davor, das Budget erneut zu verwenden, während ein früherer autorisierter Versuch ungeklärt bleibt.

Den historischen Test anhand verfügbarer Informationen gestalten

Ein historischer Test sollte rekonstruieren, was die Strategie zu jedem Entscheidungszeitpunkt wissen konnte. Später entdeckte Daten dürfen nicht einfach deshalb in eine frühere Entscheidung eingefügt werden, weil ihr Ereigniszeitstempel alt ist. Halten Sie den Beobachtungszeitpunkt vom Zeitpunkt des Ereignisses getrennt.

Der Test benötigt auch realistische Ausführungsannahmen. Ein einzigartiger NFT, der einmal verkauft wurde, kann nicht gleichzeitig von jeder simulierten Strategie erworben werden, die das Verkaufsangebot bemerkt. Konkurrierende Käufer, Verzögerungen, Orderablauf und Unterstützung des Ausführungswegs begrenzen, ob ein hypothetischer Kauf hätte abgeschlossen werden können.

OpenSeas Stream-API-Referenz beschreibt eine Zustellung nach bestem Bemühen und mögliche Unterschiede in der Reihenfolge. Eine Aufzeichnung von Live-Beobachtungen kann daher Lücken enthalten, die eine spätere historische Abfrage schließt. Solche Korrekturen können Berichte verbessern, ohne zu beweisen, dass die fehlenden Informationen für die ursprüngliche Entscheidung verfügbar waren.

Eine NFT-Handelsstrategie mit realistischem Backtesting sollte abgelehnte und verpasste Kandidaten ebenso bewahren wie abgeschlossene simulierte Geschäfte. Der Test sollte seine Annahmen für nicht ausgeführte Orders und ungeklärte Positionen erklären. Andernfalls riskiert er, der Strategie perfekten Zugang zu jedem Gewinner zu gewähren und gewöhnliche Ausführungsfehler auszulassen.

Regelentwicklung von späterer Bewertung trennen

Wenn ein Händler Schwellenwerte wiederholt anpasst, bis eine historische Stichprobe profitabel aussieht, kann die endgültige Regel diese Stichprobe ungewöhnlich gut beschreiben, ohne sich verallgemeinern zu lassen. Ein späterer Bewertungszeitraum sollte deshalb vom Zeitraum zur Auswahl der Regel getrennt bleiben.

Der Händler könnte beispielsweise einen Kandidatenfilter anhand eines definierten Beobachtungsfensters entwickeln, die Regel festschreiben und sie in einem späteren Fenster bewerten. Die genaue Fensterlänge hängt von der verfügbaren Aktivität ab; eine dünn gehandelte Kollektion kann einen langen Zeitraum benötigen, um aussagekräftige Beobachtungen zu liefern.

Ändern Sie die Regel nicht stillschweigend mitten in der Bewertung und berichten Sie das kombinierte Ergebnis dann als eine unveränderte Strategie. Wenn eine wesentliche Änderung nötig ist, versionieren Sie sie und beginnen Sie eine separate Bewertung. Die ungünstigen Ergebnisse der ursprünglichen Version bleiben Teil der Aufzeichnung.

Diese Trennung garantiert keine profitable Zukunft. Marktbedingungen können sich ändern, und eine kleine Stichprobe kann weiterhin keine eindeutige Aussage zulassen. Sie macht die Belege leichter interpretierbar, indem sie eine aufgrund vergangener Ergebnisse ausgewählte Regel von einer Regel unterscheidet, die erst getestet wurde, nachdem ihre Entscheidungen feststanden.

Gewinngröße und Verlustgröße gemeinsam prüfen

Betrachten Sie zwanzig hypothetische abgeschlossene Geschäfte unter einer Regel. Vierzehn gewinnen jeweils 0,025 und erzeugen 0,35. Sechs verlieren jeweils 0,070 und erzeugen Verluste von 0,42. Die Strategie verliert 0,07 trotz einer Quote gewinnbringender Geschäfte von 70 Prozent.

Eine andere Regel könnte weniger Geschäfte mit anderen Kosten und Risiken erzeugen, doch der bloße Vergleich von Gewinnquoten würde den wirtschaftlichen Unterschied nicht offenlegen. Prüfen Sie durchschnittlichen Gewinn, durchschnittlichen Verlust, Häufigkeit, Haltedauer und den mit jeder Regel verbundenen ungeklärten Bestand.

Ein Szenariomodell kann zeigen, wie empfindlich ein kleiner Vorteil ist. Angenommen, ein Geschäft hat eine Chance von 40 Prozent auf einen Gewinn von 0,04 und eine Chance von 60 Prozent auf einen Verlust von 0,025. Das gewichtete Ergebnis beträgt vor sonstigen Ausgaben 0,001. Zusätzliche durchschnittliche Kosten von 0,002 verwandeln dies in einen Verlust von 0,001.

Die Wahrscheinlichkeitsannahmen benötigen Belege und Unsicherheitsbereiche. Die Berechnung beweist nicht, dass die Strategie einen Vorteil besitzt. Sie zeigt, welche Annahmen zutreffen müssten und wie wenig Spielraum für Schätzfehler oder ausgelassene Kosten verbleibt.

Automatisierung den Regeln unterordnen

Automatisierung kann eine definierte Vorgabe konsistent anwenden, Orderänderungen überwachen und Aufzeichnungen bewahren. Sie kann auch einen Fehler vervielfachen, wenn die Vorgabe unvollständig ist. Ein Bot, der schneller kauft, löst weder eine unbelegte Ausstiegsschätzung noch eine falsche Token-Klassifizierung.

Der Leitfaden zur automatisierten NFT-Arbitrage untersucht die Reihenfolge und Abstimmung, wenn mehrere Aktionen voneinander abhängen. Dieselben Grundsätze gelten für eine umfassendere Strategie: Trennen Sie Beobachtung, Entscheidung, Autorisierung, Einreichung und verifiziertes Ergebnis.

Der automatisierte Prozess sollte anhalten, wenn erforderliche Belege fehlen, Risikogrenzen erreicht sind oder der Transaktionsstatus ungeklärt ist. Jeden Fehler wiederholt erneut zu versuchen kann zusätzliche Kosten oder doppelte Verpflichtungen erzeugen. Die Wiederherstellungsaktion sollte von der Art des Fehlers und dem bekannten Zustand abhängen.

Eine für Menschen lesbare Entscheidungsaufzeichnung ist unerlässlich. Für jeden Kandidaten sollte das System erklären, welche Regel erfüllt oder verfehlt wurde, welche Daten es verwendete und was autorisiert wurde. Ein umfangreiches Protokoll technischer Ereignisse ist weniger nützlich als eine knappe Verbindung zwischen der wirtschaftlichen Absicht der Strategie und ihren tatsächlichen Aktionen.

Schattenentscheidungen nutzen, bevor der Mitteleinsatz steigt

Ein Schattenprozess kann aufzeichnen, was die Strategie wählen würde, ohne Transaktionen abzusenden. Dies hilft, Datenqualität, Auswahllogik und die Häufigkeit von Kandidaten zu untersuchen. Es kann keine tatsächlichen Ausführungsquoten beweisen, weil der Prozess nicht um die Vermögenswerte konkurriert hat.

Angenommen, während eines Schattenfensters erscheinen vierzig Kandidaten. Acht erfüllen die Strategieregeln, doch nur drei bleiben sichtbar verfügbar, wenn eine realistische Validierungsverzögerung angewandt wird. Der Unterschied zwischen acht ausgewählten und drei noch verfügbaren Kandidaten ist ein wichtiger Beleg zu den Ausführungsannahmen.

Weisen Sie weder allen drei garantierte Käufe noch allen vierzig mögliche Gewinne zu. Der Schattenbericht sollte die Unsicherheit über Konkurrenz und tatsächliche Orderausführung bewahren. Er kann dennoch offenlegen, ob die Strategie den Großteil ihrer Zeit mit dem Filtern irrelevanter Ereignisse verbringt oder ob ihre Eingaben regelmäßig veralten.

Wenn eine spätere Bewertung tatsächliche Transaktionen verwendet, begrenzen Sie den Mitteleinsatz durch das freigegebene Budget und verwenden Sie dieselben versionierten Regeln. Der Zweck besteht darin, ungeklärte Annahmen zu prüfen, nicht darin, das Risiko allein deshalb zu erhöhen, weil eine Simulation attraktive Zahlen erzeugt hat.

Tatsächlich überprüfbare Stoppbedingungen definieren

Eine Strategie sollte Bedingungen nennen, die neue Käufe aussetzen. Beispiele sind fehlende erforderliche Daten, wiederholte inhaltliche Abweichungen in vorbereiteten Transaktionen, ungeklärte Risiken über das Budget hinaus oder Verluste jenseits der freigegebenen Ressourcengrenze des Experiments. Diese Bedingungen sollten beobachtbar sein und nicht aus vagen Gefühlen bestehen.

Eine Stoppbedingung liquidiert bestehenden Bestand nicht automatisch. Neue Käufe und die Verwaltung eigener Vermögenswerte sind unterschiedliche Verantwortlichkeiten. Die Strategie sollte einen Plan zur Überprüfung und Abstimmung offener Positionen behalten, nachdem neue Einstiege pausiert wurden.

Verändern Sie die Verlustgrenze nicht während einer Verlustphase der Strategie, nur um sie weiterlaufen zu lassen. Ein überarbeitetes Experiment kann später gestaltet werden, doch die ursprüngliche Aufzeichnung sollte zeigen, dass seine Grenze erreicht wurde. So bleibt die Bedeutung des Tests erhalten, und aus einem begrenzten Experiment wird kein unbefristeter Versuch, Verluste aufzuholen.

Die Überprüfung sollte gewöhnliche Marktverluste von operativen Fehlern unterscheiden. Ein negatives Preisergebnis kann innerhalb einer korrekt ausgeführten Strategie auftreten. Ein nicht autorisierter Vermögenswert, ein doppelter Kauf oder eine ignorierte Obergrenze ist ein Prozessfehler, der korrigiert werden muss, bevor weiteres Risiko erwogen wird.

Die Regel mit einer definierten Alternative vergleichen

Das absolute Ergebnis einer Strategie und ihr Ergebnis gegenüber einer Alternative beantworten unterschiedliche Fragen. Ein Händler könnte das Experiment mit dem Halten des ursprünglichen Zahlungsvermögenswerts über denselben Zeitraum oder mit einer einfacheren Auswahlregel bei gleichem Budget vergleichen. Der Vergleich muss Kosten, Zeitpunkte und verbleibendes Risiko bewahren.

Angenommen, ein Experiment beginnt mit 3 ETH und endet mit 3,06 ETH, nachdem sämtliche Vermögenswerte verkauft und alle einbezogenen Kosten bezahlt wurden. Sein Gewinn beträgt 0,06 ETH oder zwei Prozent. Eine Referenz, die einfach 3 ETH gehalten hätte, würde keine Veränderung in ETH-Einheiten zeigen. Dieser Vergleich isoliert unter diesen Annahmen einen in Token gemessenen Zuwachs aus der Handelsaktivität.

Wenn sich der Dollarwert von ETH während des Zeitraums verändert hat, benötigen Strategie und Referenz dieselbe Berichtsumrechnung. Andernfalls kann eine günstige Währungsbewegung fälschlich der NFT-Auswahl zugeschrieben werden. Wenn das Experiment noch Bestand hält, muss der Vergleich die Bewertungsregel nennen, statt vorzugeben, dass die abschließenden 3,06 vollständig Geld sind.

Auch eine einfachere Handelsregel benötigt vergleichbaren Zugang zu Gelegenheiten. Sie sollte keine garantierten Ausführungen erhalten, während die aufwendigere Regel realistische Verzögerungen verwendet, oder umgekehrt. Behandeln Sie veraltete Orders, fehlgeschlagene Versuche und unverkaufte Vermögenswerte gleich, damit Unterschiede glaubwürdiger auf die Regel zurückgeführt werden können.

Der Vergleich kann zeigen, dass die Komplexität wenig nützliche Arbeit geleistet hat. Ein Filter kann die Aktivität reduzieren, ohne Nettoergebnisse zu verbessern, oder eine teure Datenquelle verändert möglicherweise keine Entscheidung. Das ist ein nützlicher Beleg dafür, den Prozess zu vereinfachen.

Er kann auch einen lohnenden Nutzen offenlegen, der nichts mit höheren Renditen zu tun hat, etwa eine geringere Konzentration oder weniger unerklärte Transaktionen. Benennen Sie dieses Ziel ausdrücklich. Eine Strategie zur Reduzierung operativer Risiken sollte an diesem Ziel ebenso wie an ihrem Geldergebnis gemessen werden, statt allein wegen eines günstigen Verkaufs als erfolgreich zu gelten.

Eine Strategie lässt sich leichter untersuchen, wenn ein Prüfer die ursprünglichen Annahmen, Ausgaben und Ergebnisaufzeichnungen sehen kann. Eine auf Wissensvermittlung ausgerichtete NFT-Handelsgemeinschaft kann diesen Prüfungskontext bieten, sofern die Teilnehmer dokumentierte Entscheidungen von Geschichten unterscheiden, die nach einem Verkauf rekonstruiert wurden.

Eine NFT-Handelsstrategie verbessert sich durch versionierte Überprüfung

Beziehen Sie zum Überprüfungstermin jeden Kauf, fehlgeschlagenen Versuch und jede offene Position unter der bewerteten Version ein. Zeigen Sie tatsächliche Nettozahlungseingänge, Kosten, Haltedauern und klar gekennzeichnete Bestandsszenarien. Bewahren Sie die ursprünglichen Annahmen, damit Prognose und Ergebnis verglichen werden können.

Bestimmen Sie anschließend, welcher Teil der Hypothese Unterstützung erhalten hat. Vielleicht fand der Einstiegsfilter gültige Abschläge, aber die Ausstiegsnachfrage war überzeichnet. Vielleicht war die Nachfrageschätzung angemessen, doch Ausführungsverzögerungen verbrauchten die meisten Gelegenheiten. Die nächste Änderung sollte die beobachtete Schwäche angehen, statt unzusammenhängende Komplexität hinzuzufügen.

Auch eine positive Phase benötigt eine Erklärung. Bestimmen Sie, ob die Ergebnisse von einem ungewöhnlichen Verkauf, einer breiten Kollektionsrally oder Annahmen abhingen, die sich bei größerem Umfang wahrscheinlich nicht wiederholen. Kapazität und Marktveränderungen können eine scheinbar erfolgreiche Regel begrenzen.

Eine nützliche Strategie ist ein transparentes Experiment mit einem Grund, warum es funktionieren könnte, Bedingungen, unter denen es anhalten sollte, und Aufzeichnungen, die ein Scheitern offenlegen können. Sie beseitigt die Unsicherheit der NFT-Nachfrage nicht. Sie organisiert Entscheidungen so, dass Einstiegspreise, Kosten, Ausführung und Bestandsergebnisse gemeinsam bewertet und nur dort verbessert werden können, wo die Belege eine Änderung stützen.