← Mission Control Benchmark Alle Berichte Grundkurs

KI-Trading-Wettbewerbe: Welches Verhalten hat Geld verdient?

Stand 13.11.2026. Gefragt war nicht „welches Modell ist das beste“, sondern: Was haben die Gewinner getan, und lässt sich das auf unseren Bot übertragen (BTC und ETH gegen Euro, long oder Bargeld, Tageskerzen, 50 €). Nur gelesen: Webseiten, archivierte nof1-Daten und die öffentliche Hyperliquid-Schnittstelle. Nichts gekauft, nichts gehandelt, kein Konto angelegt, kein Bot angelegt.

Das Wichtigste

Fast alle KIs verlieren Geld. - Alpha Arena: In Saison 1 verloren 4 von 6 Modellen, in Saison 1.5 standen nur 5 bis 6 von 32 Konten im Plus. - OAK: Nur 1 von 12 Modellen schlug „BTC halten“. - Questflow: 3 von 26 KI-Konten im Plus (eigene Auswertung). - Aster: 8 von 30 KIs im Plus.
Die Sieger sind von Glück nicht zu unterscheiden. - Alpha Arena Saison 1: Wir haben 6 Zufallshändler mit den echten Trades der Modelle laufen lassen, nur die Zeitpunkte ausgelost. In 73 % der Durchläufe war der Beste davon mindestens so gut wie der Sieger Qwen3 Max. - Unabhängige Prüfer finden bei Recall (149 Teilnehmer), Liquidity Arena (41) und TradeRank (alle Saisons) ebenfalls keinen Sieger, der sich vom Zufall abhebt.
Ein Verhalten hängt belastbar mit dem Ergebnis zusammen: weniger handeln und länger halten. - Alpha Arena 1.5 (32 Konten): mehr Trades → schlechter (Rangkorrelation −0,49, p = 0,006). Mehr Gebühren → schlechter (−0,52, p = 0,002). Längeres Halten → besser (+0,36, p = 0,045). - Ob ein Konto eher long oder short war, spielte keine Rolle (+0,11, p = 0,57). - Trades über 24 Stunden brachten in beiden Saisons netto Gewinn. Trades unter 24 Stunden verloren zusammen über 130.000 USD.
Die Verlierer waren schlechter als Zufall. - GPT-5 und Gemini 2.5 Pro (Saison 1) kauften nach Anstiegen und verkauften leer nach Rückgängen, und das sehr oft (115 bzw. 237 Trades). - Zufallshändler mit denselben Trades wären in 99 bis 100 % der Fälle besser gewesen. - Übertragbar ist also vor allem, was man vermeiden sollte.
Vier Regelwerke abgeleitet und geprüft. Keines ist ein Kandidat. - Am besten schnitt der „Mönchsmodus“ ab: eine Trendlinie mit einer Zone, in der nichts getan wird. 8 von 11 Prüfpunkten, im Sperrzeitraum +16 % (Bot −2 %). Gerissen hat er die Grenzen für den größten Rückgang (−45 %) und für 2022 (−32 %). - Empfehlung: kein neuer Papier-Bot. Die KI-Wettbewerbe bestätigen die Bauart unseres Bots: wenige Entscheidungen, Tageskerzen, long oder Bargeld, kein Gewinnziel, keine KI als Händler.

Die Wettbewerbe im Überblick

Wettbewerb	Zeitraum	Format	Sieger und Ergebnis	Was der Sieger tat	Feld
Alpha Arena S1 (nof1)	17.10.–03.11.2025	6 Sprachmodelle, je 10.000 USD echt, Krypto-Perps mit Hebel bis 20x	Qwen3 Max +22,0 %	1 Position gleichzeitig, 81 % long, ein einziger BTC-Long (100 h, +8.176 USD) brachte mehr als den ganzen Gewinn	4 von 6 im Minus; BTC halten −0,06 %
Alpha Arena S1.5 (nof1)	19.11.–03.12.2025	8 Modelle × 4 Modi = 32 Konten, US-Aktien-Perps	Grok 4.20 +12,1 % im Mittel	351 Trades auf 4 Konten (andere 1.276–2.404), Gebühren 1.504 USD (andere 3.073–6.114)	5 bis 6 von 32 Konten im Plus
Alpha Arena S2	–	angekündigt im Mai 2026	bis heute nicht gestartet	–	–
OAK Research S1	18.07.–16.10.2026	12 Modelle, 1 Entscheidung pro Tag, Perps bis 10x	GLM-5.3 +29,4 %	56 Trades pro Lauf, 0 Liquidationen	nur 1 von 12 besser als BTC halten (+23,3 %); alle mit im Schnitt mindestens 1 Liquidation pro Lauf im Minus
TradeRank	seit 12/2025, 11 Saisons	tägliche Entscheidung, kein Hebel, Shorts erlaubt	wechselnd	Sieger der Saisons 7–10: 2–8 Trades pro Saison; Gewinne aus Positionen, die bis zum Saisonende liefen	nur 39 % der Modell-Saisons im Plus
Aster Human vs AI	09.–23.12.2025	30 KIs, 70 Menschen, je 10.000 USD	beste KI: Claude Sonnet 4.5 „aggressiv“ +80,9 %	–	KI gesamt −4,5 % (Menschen −32 %), 0 KIs liquidiert, 8 von 30 im Plus
Recall (10 Runden)	09/2025–01/2026	4–6 Tage, Perps, Hebel frei	wechselnd, +6 % bis +229 %	größtes Risiko, 30–66 % Rückgang	0 von 149 Einträgen vom Zufall unterscheidbar
AI-Trader (HKU) Krypto	01.–14.11.2025	6 Modelle, Spot, täglich	alle im Minus; nur DeepSeek besser als der Index	bis 41 % Bargeld, kaufte Rücksetzer	–
Agent Market Arena	08–09/2025	20 Kombinationen, BTC/ETH täglich	–	–	BTC: 2 von 20 besser als Halten; ETH: 0 von 15
Questflow Trader Arena	seit 06/2026	KI-Konten 50–150 USD, Hyperliquid	beste KI der Woche: ein „Fade“-Agent (+1,2 %)	–	3 von 26 KI-Konten seit August im Plus, zusammen +8,70 USD (eigene Auswertung)

Weitere, nur am Rande: LiveTradeBench (Aktien, long-only, steigender Markt: alle 21 Modelle im Plus), StockBench, HKU-Devisen, Liquidity Arena, Senpi, Bybit AI vs Human. Einzelheiten und alle Quellen stehen in data/ki_arena/weitere_wettbewerbe.md und data/ki_arena/alpha_arena_quellen.md.

Die Konten (Wallets)

76 Adressen auf Hyperliquid, alle im Format geprüft und aus einer Quelle abgeschrieben, nicht erraten.

Fills und Kontoverlauf haben wir über die öffentliche Info-Schnittstelle (userFillsByTime, portfolio) geladen.

Alpha Arena S1, 6 Konten: dreifach bestätigt (nof1-Webseitencode, Unterkonten-Namen beim nof1-Hauptkonto, Manifold).
Alpha Arena S1.5, 32 Konten: Die Zuordnung zu Modell und Modus stammt aus einer Quelle (tradingagentstack). Die Kontostruktur auf der Kette und die Ranglisten passen dazu.
Questflow, 26 KI-Konten: darunter zwei Grok-Bots. „Grok 4.6 Whale“ hat nie gehandelt, „Grok 4.5“ machte 8 Trades und −1,24 USD.
12 Hyperliquid-Vaults mit „KI“ im Namen: 5 sind über alles gerechnet im Plus. - AceVault: +888.000 USD. Abrufbar sind aber nur die letzten 10 Tage seiner Fills, eine Auswertung ist nicht möglich. - FuturAI: long-only, kauft Rücksetzer, +14.900 USD. - Stratwise: Grid, +9.300 USD. Realisiert waren es +20.400 USD; der Rest steckt als Buchverlust in offenen Positionen. - Akka: +3.100 USD. - GenAlpha: +17.500 USD, realisiert aber −3.100 USD. - Der größte Verlierer ist ein Hochfrequenz-Momentum-Vault mit −162.000 USD.
Liste: data/ki_arena/wallets.json (Alpha Arena) und data/ki_arena/wallets_weitere.json.

Eigene Auswertung je Konto: data/ki_arena/auswertung.json, Trades je Konto: data/ki_arena/trades/<adresse>.csv.

lab/roentgen/ war bei Beginn noch nicht nutzbar. Deshalb gibt es eine eigene, einfache Auswertung: Trades aus

Fills, Haltedauer, Long/Short, Trefferquote, Gewinn je Trade, Einstieg relativ zu Trend, Hoch und Tief, dazu ein Zufallsvergleich. Inzwischen hat das Röntgen die 6 S1-Konten ebenfalls ausgewertet (reports/roentgen/hl_*.html).

Was die Gewinner taten – in Zahlen

1. Lange halten, Kurzes meiden (Alpha Arena, alle 38 Konten, abgeschlossene Trades, netto nach Gebühren)

Haltedauer	Saison 1: Trades / Ergebnis	Saison 1.5: Trades / Ergebnis
unter 1 Stunde	111 / −7.718 USD	8.912 / −44.657 USD
1–6 Stunden	152 / −10.698 USD	2.167 / −40.037 USD
6–24 Stunden	129 / −9.274 USD	782 / −21.485 USD
über 24 Stunden	119 / +8.206 USD	255 / +5.255 USD

Jedes der 7 Konten, das im Plus endete, hatte bei den Trades unter 1 Stunde ein Minus und bei denen über

24 Stunden ein Plus.

Vorsicht: Ein Teil davon ist Auswahl. Verlierer werden per Stop früh geschlossen, Gewinner laufen weiter.

Die Tabelle zeigt „Gewinner laufen lassen, Verlierer schnell schließen“, nicht „lange halten bringt automatisch Gewinn“.

2. Wenig handeln

S1.5: Der Modus „Monk Mode“, in dem Nichtstun ausdrücklich erlaubt war, war der beste. Im Mittel kam er auf

−9,5 %, die anderen Modi auf −28,6 %, −28,9 % und −41,8 %. Der Modus mit den meisten Trades war der schlechteste.

OAK: mehr Trades → schlechter (Rangkorrelation −0,50).
TradeRank: Grok 4.7 handelte in Saison 10 gar nicht und wurde damit 5. von 22.

3. Der Gewinn kam aus wenigen großen Trades, die Trefferquote war niedrig

Trefferquote aller Alpha-Arena-Konten: 25–38 %.
Die Sieger unterschieden sich durch die Größe der Gewinne im Verhältnis zu den Verlusten. Qwen S1 gewann im

Schnitt 1.335 USD und verlor im Schnitt 642 USD.

Ohne seinen einen BTC-Trade wäre Qwen im Minus gewesen. Bei DeepSeek war es ein ETH-Long mit +7.378 USD.
Das ist die typische Handschrift von Trendfolge, und so arbeitet unser Bot schon.

4. Long-Neigung half nur, wenn der Markt mitspielte

In S1 waren die beiden Ersten fast nur long (Qwen 81 %, DeepSeek 97 % der Trades). Claude war zu 100 % long und

verlor trotzdem −31 %.

In S1.5 hing der Long-Anteil nicht mit dem Ergebnis zusammen.
TradeRank: Die Marktrichtung erklärt das Feldmittel fast vollständig (Korrelation −0,90 zwischen BTC-Rendite und

Feldschnitt). Die Modelle neigten zu Shorts, deshalb verloren sie in steigenden Märkten.

5. Einstiegspunkt: kein einheitliches Muster (eigene Auswertung S1, Stundenkurse)

Modell (S1)	Ergebnis	Long-Einstiege: RSI auf 4h (Zufall ≈ 50)	Tagesrendite vor dem Einstieg	Median-Haltedauer
Qwen3 Max	+22 %	57	−0,9 %	6 h
DeepSeek V3.1	+4,5 %	36 (kauft Rücksetzer)	−2,5 %	37 h
Grok 4	−45 %	36 (kauft Rücksetzer)	−1,5 %	8,5 h
GPT-5	−63 %	59 (kauft nach Anstieg)	+0,6 %	10 h
Gemini 2.5 Pro	−56 %	59 (kauft nach Anstieg)	+1,0 %	3 h

„Rücksetzer kaufen“ hatten Gewinner wie Verlierer.
„Nach kurzem Anstieg kaufen, nach kurzem Fall leerverkaufen“ war nur bei den beiden schlechtesten Modellen

zu sehen.

6. Überleben vor Rendite

OAK: Alle Modelle mit im Schnitt mindestens einer Liquidation lagen im Minus.
Aster: Keine einzige KI wurde liquidiert (bei den Menschen 43 %). Deshalb verlor die KI insgesamt nur 4,5 %.
Für unseren Bot ohne Hebel heißt das: Verluste klein halten und nicht verkaufen müssen. Das Spot-Konto erfüllt

das bereits.

Glück oder Können? (Zufallsvergleich)

Alpha Arena S1, je Modell

Jedes Modell behält seine echten Trades: Coin, Haltedauer, Größe, Gebühren und Long-Anteil.
Nur Einstiegszeit und Richtung werden ausgelost, 20.000 Durchläufe, Stundenkurse.
Skript: data/ki_arena/skripte/zufall_alpha.py.

Modell	geschlossene Trades netto	Zufall Mitte (5–95 %)	Zufall mindestens so gut
Qwen3 Max (Sieger)	+1.959 USD	−1.339 (−16.606 bis +13.628)	37 %
DeepSeek V3.1	−800 USD	−1.515 (−10.273 bis +7.028)	45 %
Claude Sonnet 4.5	−3.200 USD	−465	78 %
Grok 4	−4.678 USD	−589	96 %
Gemini 2.5 Pro	−6.241 USD	−1.340	99 %
GPT-5	−6.523 USD	−542	100 %

Bester von 6 Zufallshändlern: im Mittel +3.740 USD. In 73 % der Durchläufe war er mindestens so gut wie

Qwen. Der Sieg in Saison 1 war Glück.

Unabhängig davon kam ein Analyst auf etwa 10 % (magnusross.github.io). Nof1 selbst schreibt, frühe Erfolge

„may be the result of luck“.

Alpha Arena S1.5

Feine Kurse aus 11/2025 sind nicht mehr abrufbar. Geprüft wurden deshalb die Ränge der 32 Konten.
Rangsumme: Grok 4.20 belegte mit seinen 4 Konten die Plätze 1, 4, 5 und 7. Zufällig gelingt das einem der

8 Modelle nur in 0,8 % der Fälle.

Konten im Plus: Grok 4.20 hatte 3 von 4 Konten im Plus (Zufall: p = 0,06).
Einschränkungen: - Die 4 Konten eines Modells sind nicht unabhängig. Es ist dasselbe Modell, mit denselben Aktien, in denselben zwei Wochen. Der Test überschätzt die Sicherheit deshalb. - Ein Teil des Grok-Gewinns waren offene Positionen am Stichtag. Bei den abgeschlossenen Trades lagen 3 seiner 4 Konten im Minus.
Plausibel ist: Grok 4.20 war besser, weil es weniger handelte. Das ist dieselbe Aussage wie die

Korrelation mit der Zahl der Trades oben.

Questflow, 25 KI-Konten

Nur „Claude Opus 4.8 mit Whale Signals“ schlug den Zufall (p = 0,002).
Als Bester von 26 Konten bleibt davon p = 0,047, also knapp. Absolut sind es +6,50 USD auf etwa 91 USD in

11 Wochen.

Was davon übertragbar ist – vier Regelwerke

Übertragen wurde Verhalten, kein Modell: Spot, long oder Bargeld, BTC und ETH, Tageskerzen um 12:00 UTC, höchstens 4 Parameter. Die Parameter wurden vor dem Prüfstand aus den Quellen gesetzt und nicht auf unsere Kurse optimiert.

Datei	Verhalten (Herkunft)	Regel
`lab/strategies/scout_ki_geduld.py`	Lange halten, eigene Ausstiege nur bei klarem Bruch (TradeRank, OAK, Alpha Arena > 24 h)	Kauf über dem 30- und 90-Tage-Durchschnitt. Verkauf erst unter dem 90-Tage-Durchschnitt und frühestens nach 14 Tagen.
`lab/strategies/scout_ki_risiko.py`	Größe nach Risiko, Bargeld als Position (Aster, OAK, AI-Trader)	Long über dem 50-Tage-Durchschnitt. Anteil = 60 % Zielschwankung ÷ Schwankung der letzten 30 Tage, in Dritteln.
`lab/strategies/scout_ki_exitplan.py`	Rücksetzer kaufen mit festem Ausstiegsplan (DeepSeek S1: Ziel +10 %, Stop −5 %; Vault FuturAI)	Kauf bei RSI(14) < 40. Verkauf bei +10 %, bei −5 % oder nach 10 Tagen.
`lab/strategies/scout_ki_moench.py`	Nichtstun als Option (Monk Mode, Grok 4.20, TradeRank)	Kauf über dem 50-Tage-Durchschnitt + 3 %, Verkauf darunter − 3 %. Dazwischen nichts tun.

Prüfstand-Urteile

Konto 50 €, Entwicklungszeitraum 2020–06/2025 mit 1,0 % Round-Trip. „Sperrzeitraum“ = 07/2025 bis 12.11.2026. Für andere Strategien wurde er schon angesehen, er ist also nicht mehr ganz unvoreingenommen.

Strategie	Entw. p. a.	größter Rückgang	Calmar	2022	Sperrzeitraum 1,0 % / 0,6 %	letzte 12 M.	Trades/J	Timing p	Prüfpunkte	Urteil
Bot (Donchian 20/60/150)	+44 %	−38 %	1,16	−19 %	−2,4 % / ±0 %	−8,9 %	10	0,08	10 von 11	(Bot)
Geduldig long	+50 %	−63 %	0,79	−42 %	+3,8 % / +6,4 %	−14,5 %	7	0,15	7 von 11	kein Kandidat
Risikobremse	+36 %	−55 %	0,65	−40 %	+10,1 % / +16,1 %	+3,7 %	20	0,11	5 von 11	kein Kandidat
Exit-Plan (Rücksetzer, +10 %/−5 %)	−9 %	−59 %	−0,15	−41 %	−15,8 % / −10,7 %	−35,1 %	21	0,94	3 von 11	kein Kandidat
Mönchsmodus	+59 %	−45 %	1,32	−32 %	+16,3 % / +18,7 %	+11,0 %	9	0,08	8 von 11	kein Kandidat
Mönchsmodus ohne Zone (Vergleich, gewöhnliche 50-Tage-Regel)	+50 %	−60 %	0,83	−46 %	+20,0 % / +26,1 %	+5,4 %	20	0,09	6 von 11	kein Kandidat
Kaufen und Halten (50/50)	+64 %	−75 %	–	−65 %	−20,7 %	−33,1 %	–	–	–	–

Ausführlich: reports/pruefstand/scout_ki_*.html, alle Zahlen in den gleichnamigen .json.

Je Regelwerk

Geduldig long: Die Geduld kostet im Crash. Der Ausstieg unter dem 90-Tage-Durchschnitt kommt zu spät

(2022: −42 %, größter Rückgang −63 %). In Bullenjahren war das Regelwerk stark (2020 +199 %, 2021 +190 %).

Risikobremse: Weniger Gewicht bei wildem Markt hat 2022 nicht gerettet (−40 %). Der 50-Tage-Durchschnitt

wechselt zu oft hin und her (20 Trades pro Jahr).

Exit-Plan: Durchgefallen. Ein festes Ziel von +10 % schneidet die großen Trends ab, mit denen Trendregeln ihr

Geld verdienen. Der Stop bei −5 % wird bei der Tagesschwankung von BTC und ETH ständig ausgelöst. Kein einziger Raster-Nachbar war brauchbar. Das deckt sich mit dem, was die Schwester-Suche bei der CryptoBot-Vorlage fand. DeepSeeks Exit-Plan funktionierte nur mit Hebel und in 17 günstigen Tagen.

Mönchsmodus: - Das beste der vier Regelwerke. Er schlägt den Bot im Entwicklungszeitraum (Calmar 1,32 gegen 1,16) und im Sperrzeitraum (+16,3 % gegen −2,4 %). Alle 25 Raster-Nachbarn waren brauchbar. - Die Zone des Nichtstuns halbiert die Zahl der Trades: 9 statt 20 pro Jahr. Im Raster senkte die 3-%-Zone die Trades um 56–71 % und hob den Calmar-Wert bei allen 5 Durchschnitts-Längen. - Gegenüber derselben Regel ohne Zone war der Rückgang kleiner (−45 % statt −60 %) und 2022 milder (−32 % statt −46 %). - Im Sperrzeitraum half die Zone dagegen nicht: +16,3 % mit Zone, +20,0 % ohne. In den letzten 12 Monaten waren es +11,0 % mit und +5,4 % ohne Zone. - Gerissen hat er drei Prüfpunkte: größter Rückgang −45 % (Grenze −40 %), 2022 −32 % (Grenze −20 %) und den Timing-Test (p = 0,08). - Im Walk-forward, der jedes halbe Jahr neu wählt, kam er nur auf +4 % pro Jahr. - Sein Plus im Sperrzeitraum teilt er mit der ganzen Familie „schneller Trendfilter (1–2 Monate)“: Grok-Regel +17 %, EMA 8/21 +26 %. Das ist eher ein Effekt des Marktes 2025/26 als eine KI-Erkenntnis.
Konzentration (Qwen S1: eine Position, die stärkere Münze) wurde nicht neu gebaut. Das wäre „Dual Momentum“.

Die Schwester-Suche hat es schon geprüft (scout_kl_dualmom): kein Kandidat, Sperrzeitraum −14 %.

Zahl der ausprobierten Varianten (für die Korrektur nach Mehrfachtests): 4 Grundeinstellungen plus die Raster 36 + 25 + 25 + 25 = 111 Kombinationen, dazu 1 Vergleichslauf ohne Zone. Vor dem Prüfstand wurde keine Einstellung angepasst.

Was das für 50 € heißt

Zeitraum	Mönchsmodus	Bot	Kaufen und Halten
Sperrzeitraum (Juli 2025 bis heute)	etwa +8 €	etwa −1 €	etwa −10 €
Ein Jahr wie 2022	etwa −16 €	etwa −10 €	etwa −33 €

Empfehlung

Kein neuer Papier-Bot aus dieser Suche. Keines der vier Regelwerke erfüllt die vorab festgelegten Kriterien.
Beobachten statt einsetzen: Mönchsmodus. - Will die Papier-Arena einen weiteren Vergleich, ist er der einzige ernsthafte Kandidat aus dieser Suche. - Er gehört aber zur Familie der schnellen Trendfilter. Bei der Grok-Regel und EMA 8/21 hat die Arena schon dieselbe Schwäche gesehen: tiefe Rückgänge in einem Jahr wie 2022.
Für den Hauptbot bestätigt die Suche die Bauart, statt sie zu ändern: - wenige Entscheidungen - Tageskerzen - Trend reiten ohne Gewinnziel - long oder Bargeld, kein Hebel - keine Sprachmodelle als Händler: In jedem Wettbewerb verliert das mittlere Modell Geld.
Eine Idee für später: die „Zone des Nichtstuns“. - Sie ist billig und halbierte bei allen getesteten Durchschnitts-Längen etwa die Zahl der Trades. Im Entwicklungszeitraum milderte sie die Rückgänge, im Sperrzeitraum brachte sie nichts. - Ob sie als Zusatz zu einer der laufenden Regeln hilft, wäre eine eigene, vorab festgelegte Prüfung. - Der Donchian-Bot hat durch seinen Kanal schon eine eingebaute Zone.

Grenzen dieser Auswertung

Die Wettbewerbe sind kurz (2 Wochen bis 3 Monate) und laufen mit Hebel, Shorts und Minutentakt. Übertragbar auf

einen Tageskerzen-Bot ohne Hebel sind nur grobe Verhaltensmuster.

Für S1.5 beruht die Zuordnung der Konten auf einer Quelle. Feine Kurse für den Zufallsvergleich gibt es dort

nicht mehr.

Rekonstruierte Trades: - Ein Trade gilt als abgeschlossen, wenn die Position bei null ist. - Funding ist nicht enthalten. - Positionen, die am Saisonende noch offen waren, fehlen in den Trade-Zahlen.
Vault-Ergebnisse sind in USD und vermischen sich mit Ein- und Auszahlungen. Sie sind kein Renditemaß.
Hyperliquid liefert nur die 10.000 jüngsten Fills je Konto. Bei sehr aktiven Vaults (AceVault, AIQuantPulse) fehlt

deshalb der Anfang.

Der Sperrzeitraum wurde schon für andere Strategien angesehen.

Dateien und Nachrechnen

Was	Wo
Alpha Arena: Saisons, Zahlen, Quellen	`data/ki_arena/alpha_arena_quellen.md`
Weitere Wettbewerbe, Quellen	`data/ki_arena/weitere_wettbewerbe.md`
Wallet-Listen	`data/ki_arena/wallets.json`, `data/ki_arena/wallets_weitere.json`
nof1-Rohdaten (Webarchiv)	`data/ki_arena/nof1_*.json`
Fills, Kontoverläufe, Trades	`data/ki_arena/fills/`, `data/ki_arena/portfolio/`, `data/ki_arena/trades/`
Verhaltensauswertung je Konto	`data/ki_arena/auswertung.json`
Zufallsvergleich Alpha Arena	`data/ki_arena/zufall_alpha.json`
Prüfstand-Berichte	`reports/pruefstand/scout_ki_*.html`

./.venv/Scripts/python.exe -I data/ki_arena/skripte/hl_fetch.py         # Fills laden (nur lesen)
./.venv/Scripts/python.exe -I data/ki_arena/skripte/auswertung.py       # Verhalten je Konto
./.venv/Scripts/python.exe -I data/ki_arena/skripte/zufall_alpha.py     # Glück oder Können
./.venv/Scripts/python.exe -m lab.pruefstand lab.strategies.scout_ki_moench
./.venv/Scripts/python.exe -I data/ki_arena/skripte/pruef_tabelle.py lit_donchian scout_ki_geduld scout_ki_risiko scout_ki_exitplan scout_ki_moench

Wichtigste Quellen

Alpha Arena: nof1-Blog https://www.alphaarena.ai/blog/TechPost1 · nof1-API (archiviert)

https://web.archive.org/web/20251104022344/https://nof1.ai/api/account-totals?lastHourlyMarker=407 · Ergebnis S1.5 https://www.alphaarena.ai/ (Banner) · Neuberechnung https://tradingagentstack.com/alpha-arena-results/ · Bloomberg (Mai 2026) https://archive.ph/0rHjz · Statistik https://evidencedeflator.com/audits/006-alpha-arena-season-1.html · Zufallsvergleich https://magnusross.github.io/posts/nof1-analysis/ · Season 2 angekündigt https://www.nasdaq.com/press-release/sui-group-co-leads-15-million-funding-round-ai-trading-lab-nof1-makes-strategic

OAK Research: https://oakresearch.io/en/ai/trading-benchmark/s1
TradeRank: https://www.traderank.ai/competitions · https://www.traderank.ai/blog/ai-traders-bull-vs-bear-markets ·

https://www.traderank.ai/blog/season-6-final-results · https://www.traderank.ai/blog/season-8-final-results

Aster: https://chainwire.org/2026/01/14/aster-human-vs-ai-live-trading-competition-season-1-concludes/
Recall und Statistik: https://evidencedeflator.com/audits/011-recall-perps-competitions.html
AI-Trader (HKU): https://arxiv.org/html/2512.10971v1 · Agent Market Arena: https://arxiv.org/html/2510.11695v2 ·

LiveTradeBench: https://arxiv.org/abs/2511.03628

Questflow: https://next.questflow.ai/leaderboard · Hyperliquid-Schnittstelle:

https://hyperliquid.gitbook.io/hyperliquid-docs/for-developers/api/info-endpoint

Tradebot · Papierhandel mit Spielgeld · keine Anlageberatung