64,2% der Daytrader verloren Geld — Eine von Fruchtfliegen inspirierte Maschine besiegte sie, aber der Markt gewann dennoch

Historische Studien zeigen, dass die meisten Daytrader nach Kosten kämpfen. Ein von der neuronalen Verdrahtung der Fruchtfliege inspiriertes System brachte Disziplin und Wiederholbarkeit – lag jedoch bei drei von vier Vermögenswerten hinter Buy-and-Hold zurück.

Daytrader stehen bereits vor harten Chancen: In einer US‑Stichprobe verloren 64,2 % nach den Provisionen Geld.^[1] In Taiwan erzielte weniger als 1 % der breiteren Day‑Trading‑Bevölkerung nach Gebühren konsequent positive anormale Renditen.^[2] Vor diesem Hintergrund wirkt eine teilweise von der neuronalen Verdrahtung der Fruchtfliege inspirierte Maschine überraschend respektabel. Sie folgte festen Regeln für SPY, GLD, QQQ und Apple und vermied die emotionale Entscheidungsfindung, die Menschen aus dem Gleichgewicht bringen kann. Doch nach dem risikoadjustierten Ziel, das im Papier für den gemeinsamen Zeitraum festgelegt wurde, lag sie beim einfachen Buy-and-Hold bei drei von vier Vermögenswerten zurück. Der Punkt ist nicht, dass eine Fliege einen Menschen besiegt hat; sondern dass selbst ein diszipliniertes, exotisches Handelssystem nicht nachweisen konnte, dass es besser ist, als den Markt einfach zu besitzen.

Warum die menschliche Basislinie so schwach ist

Die US‑Beweise sind schon vor dem Eintritt der Maschine unvorteilhaft. In einer Stichprobe von 324 Tradern erzielte nur 35,8 % einen positiven Nettogewinn, während 64,2 % nach den Provisionen Geld verloren. Der durchschnittliche Trader ging von mehr als 8.000 $ Bruttogewinn zu einem Verlust von etwa 750 $, sobald die Transaktionskosten berücksichtigt wurden.^[1] Taiwan stellte fest, dass einige Trader eindeutig über Können verfügten, aber weniger als 1 % der breiteren Day‑Trading‑Bevölkerung zuverlässig positive anormale Renditen nach Gebühren erzielten.^[2]

Brasilien war noch härter. Unter 1.551 Personen, die über mehr als 300 Tage hinweg Aktien-Futures handelten, verloren 97 % nach Gebühren Geld; nur 1,1 % verdienten mehr als den brasilianischen Mindestlohn und 0,5 % mehr als das Einstiegsgehalt eines Bankangestellten.^[3] Wenn das Experiment lautet „einen Daytrader zufällig auswählen“, hat die Geschichte die Würfel bereits geladen. Der zufällige Mensch könnte talentiert sein. Die Chancen sagen schlicht, dass man nicht die Miete darauf setzen sollte.

Was das Fruchtfliegen‑System tatsächlich tat

Die automatisierte Strategie nutzte eine rekurrente Architektur, die teilweise vom männlichen Drosophila‑Connectome – einer Karte der neuronalen Verbindungen einer Fruchtfliege – abgeleitet wurde, kombiniert mit konstruierten Momentum‑, Volatilitäts‑ und Gedächtnissignalen. Sie dachte nicht wie ein Insekt und war keine winzige digitale Fliege, die „buy QQQ“ schreit. Ihr praktischer Vorteil war weitaus weniger filmisch: Die Risikoregeln waren im Voraus festgelegt. Sie geriet nicht in Panik nach einem Verlust, jagte keinen Gewinn, wurde nicht langweilig oder entschied, dass eine Aktie „billig wirkt“.

Diese Disziplin reichte nicht aus, um einen einfachen Benchmark zu schlagen. Nach dem risikoadjustierten Ziel, das im Papier festgelegt wurde, lag das aus der Fliege abgeleitete System etwa 13,3 % unter Buy-and-Hold für SPY, 46,3 % darunter für GLD und 48,3 % darunter für QQQ. Apple war das einzige Lichtblick mit etwa 1,6 % über Buy-and-Hold in dieser Messgröße. Über die vier Vermögenswerte hinweg durchschnitt die Maschine etwa 48,8 % Marktexposition, einen Umsatz von 12,56‑fach und eine absolute maximale Drawdown‑Statistik von 7,55 %. Interessante Technik? Ja. Beweis für einen Marktvorteil? Nein.

Warum das wichtig ist

Es hat keinen synchronisierten Mensch‑gegen‑Fliege‑Wettbewerb gegeben. Diese Zahlen sind ein historischer Vergleich, kein Beweis dafür, dass die Maschine einen zufällig ausgewählten Trader in einem Live‑Wettkampf schlagen würde. Die menschlichen Studien decken unterschiedliche Märkte, Zeiträume und Instrumente ab, während die Fliegen‑Ergebnisse aus einer separaten Forschungsübung stammen.^[1][2][3] Diese Einschränkung ist wichtig, weil eine witzige Überschrift kein Ersatz für ein experimentelles Design ist.

Die nützliche Schlussfolgerung ist enger gefasst. Menschen können durch Kosten, Emotionen, Übermut und inkonsistentes Risikoverhalten einen Vorsprung verlieren. Maschinen können einen Großteil dieses Verhaltens entfernen und dennoch eine Strategie ausführen, die einfach nicht ausreichend gut ist. Komplexität kann ein Handelssystem intelligent erscheinen lassen, ohne es wirtschaftlich überlegen zu machen. Die ärgerlichste Lektion von Wall Street könnte zugleich die einfachste sein: Der langweilige Benchmark ist schwer zu schlagen.

Was jetzt geschehen sollte

Dies ist ein lösbares Forschungsproblem. Der nächste Schritt ist ein prospektives, gepaartes Experiment statt eines weiteren retrospektiven Vergleichs.

1. Wählen Sie den Menschen aus, bevor der Handel beginnt. Wählen Sie den Trader prospektiv, nicht nachträglich, weil ein historischer Datensatz zufällig außergewöhnlich aussieht.
2. Geben Sie beiden Seiten denselben Markt. Verwenden Sie dieselbe SPY-, QQQ-, GLD- und Apple‑Universum, Startkapital, Hebelgrenzen, Handelszeiten, Preise, Leerverkaufsregeln und Annahmen zu Transaktionskosten.
3. Führen Sie den Wettbewerb für etwa ein Handelsjahr durch. Nutzen Sie ungefähr 252 Handelstage und erfassen Sie Kosten, Slippage, Umsatz, Drawdowns, Marktexposition und Regeländerungen von Anfang an.

Das Ergebnis, das Wall Street am meisten gefallen könnte

Ein fairer Test könnte damit enden, dass der Mensch gewinnt, die Fliege gewinnt oder beide vom Buy-and-Hold geschlagen werden. Das dritte Ergebnis wäre das lustigste und könnte das nützlichste sein. Es würde zeigen, dass weder menschliche Intuition noch exotische neuronale Architektur automatisch einen Vorsprung schaffen, sobald Kosten und Risiko berücksichtigt werden. Daytrader müssen keine Fruchtfliegen fürchten. Sie müssen ungünstige Chancen, versteckte Kosten und Strategien fürchten, deren Komplexität ihre Evidenz übertrifft.

Referenzen:

<sup>1. Jordan, D. J., & Diltz, J. D. (2003). Die Rentabilität von Daytradern. Financial Analysts Journal, 59(6), 85–94. https://doi.org/10.2469/faj.v59.n6.2578
2. Barber, B. M., Lee, Y.-T., Liu, Y.-J., & Odean, T. (2014). Der Querschnitt der Spekulantenkompetenz: Evidenz aus dem Daytrading. Journal of Financial Markets, 18, 1–24. https://doi.org/10.1016/j.finmar.2013.05.006
3. Chague, F., De-Losso, R., & Giovannetti, B. (2020). Daytrading zum Lebensunterhalt? (FGV EESP Working Paper No. 525; CEQEF Working Paper No. 57).</sup>