Dieselbe Strategie.
Vier Generationen.
Sehen Sie den Unterschied.
Moving-Average-Crossover mit Stop-Loss und Positionsgrößenbestimmung. Viermal implementiert, von einem Skript-Signal-Tool aus den 1990ern bis zu einer KI-generierten StratCraft-Strategie. Die Logik ändert sich nie. Die Implementierungskosten schon.
Benutzer-Prompt an StratCraft: "Erstelle eine Moving-Average-Crossover-Strategie für SPY auf Tagesbasis. Kaufen, wenn die 20-Perioden-SMA die 50-Perioden-SMA von unten schneidet. Verkaufen, wenn sie von oben schneidet. 1% Stop-Loss pro Trade anwenden. 2% Portfolio-Risiko pro Position. Vollständigen Backtest ab 2020 ausführen."
# Generated by StratCraft AI. Do not edit manually # Strategy: MA Crossover SPY Daily | Generated: [timestamp] from stratcraft.core import Strategy, Signal, RiskModel class MACrossover(Strategy): fast_period: int = 20 slow_period: int = 50 stop_loss_pct: float = 0.01 risk_per_trade: float = 0.02 def on_bar(self, ctx): fast = ctx.sma(self.fast_period) slow = ctx.sma(self.slow_period) if ctx.cross_above(fast, slow): size = ctx.risk_size(self.risk_per_trade, self.stop_loss_pct) ctx.buy(size, stop=ctx.price * (1 - self.stop_loss_pct)) elif ctx.cross_below(fast, slow): ctx.close_all()
Sie haben die Logik beschrieben. StratCraft schrieb den Code, validierte ihn und führte den Backtest aus. Die Strategie hat Ihren Rechner nie verlassen.
Die Zahlen, Seite an Seite
| Gen 1 | Gen 2 | Gen 3 | Gen 3.5 | |
|---|---|---|---|---|
| Vom Menschen geschriebene Zeilen | ~30 | ~55 | ~50 | 6 (natürliche Sprache) |
| Einrichtungszeit | 1–2 Std. | 4–8 Std. | 1–3 Wochen | < 5 Min. |
| Dynamische Positionsgröße | Nein | Manuell | Plattform-API | Automatisch generiert |
| Lokal ausführbar | Ja | Ja | Nein (Cloud) | Ja |
| IP bleibt auf Ihrem Rechner | Ja | Ja | Nein | Ja |
| Experten-Coding erforderlich | Ja | Ja | Ja | Nein |
Was der Code Ihnen sagt
Die Logik hat sich nie geändert. Moving-Average-Crossover mit Stop-Loss und Positionsgröße ist in allen vier Generationen dieselbe Strategie. Was sich änderte, ist, wie viel Engineering Sie brauchen, um sie auszudrücken.
Gen 3 hat das falsche Problem gelöst. Sie eliminierte operative Komplexität (Multi-Asset, Risiko-Frameworks, Cloud-Infrastruktur). Sie eliminierte nicht die Anforderung, jede Strategie von Hand zu codieren. Dieser Engpass blieb.
Gen 3.5 changes the coordination bottleneck. AI assistance can reduce implementation and handoff work, while data quality, statistical standards, and accountable decisions remain human responsibilities.