Wie wir vorgehen

1. Datenschicht

Pro Run ziehen wir Daten aus mehreren oeffentlichen und kommerziellen APIs. Jede Quelle hat eine klare Rolle:

• Marktdaten ueber Financial Modeling Prep — Preise, Sektoren, Insider-Trades, Optionen.
• Makro ueber FRED — CPI, Zinsen, Yield-Curve, HY-Spreads, M2, Lead-Indikatoren.
• Geopolitik ueber GDELT 2.0 — Theme-Volumen plus CAMEO-Eventcodes plus bilaterale Tone-Momentum-Klassifikation.
• Physische Logistik ueber Baltic Dry, Drewry-Container-Index, optional Tanker-Raten (Power-Tier).
• Stimmung ueber Reddit-Wochen-Top, HackerNews, GitHub-Trending.
• FDA-Pipeline fuer Health-Outbreak-Signale.
• Fear-and-Greed-Index als zusaetzlicher Sentiment-Proxy.

Faellt ein Provider aus, faellt der Run nicht — fehlende Daten landen im Bericht-Abschnitt Data-quality notes.

2. Aggregations- und Signalschicht

Aus den Rohdaten bauen wir strukturierte Signale.

Theme-Detector + Mega-Merge

News-Volumen, Sektor-Bewegungen und Insider-Trades werden zu einer kanonischen Theme-Liste verschmolzen. Doppelte Themen werden konsolidiert; hot und extreme Themen erhalten einen Z-Score.

Pre-Pattern, Theme-Resonance, Cross-Insider

Pure-Python-Module, die ohne externe Calls aus dem Mega-Merge weitere Signale ableiten. Pre-Pattern erkennt formierende Setups, Theme-Resonance bewertet Themenkonsens, Cross-Insider verbindet Insider-Bewegung mit Theme-Aktivitaet.

Market-Regime

VIX, Yield-Curve, HY-Spread, Marktbreite, Fear-Greed plus Shipping- und Goldstein-Composite klassifizieren das Marktumfeld in bull, bear_stress, risk_off, late_cycle_transition u.a. mit numerischem Risk-Level 1-5.

Scenario-Engine

Das Herzstueck — ein Katalog historischer Episoden mit Trigger-Bedingungen, Watch-Liste und Invalidations-Bedingung. Wenn genug Trigger erfuellt sind, feuert die Episode; der Confidence-Score ist der Anteil erfuellter Trigger.

Hit-Rate-Loop

Jede gefeuerte Episode persistiert ihre Watch-Liste als ConvictionRecord. 30 und 90 Tage spaeter checkt der Daily-Resolver die tatsaechlichen Preise gegen den SPY-Benchmark. Aus den Resultaten wird pro Episode eine Win-Rate, die als Confidence-Multiplikator (0.7..1.2) im naechsten Match einfliesst. Das System lernt Tenant-spezifisch.

Watchlist-Risk

Deine Watchlist wird gegen jede aktive Episode gecheckt. Direct-Hits (dein Ticker in der Episoden-Liste) und Sector-Hits (dein Sektor ist betroffen) werden in ALERT/WARNUNG/CHANCE/WATCH klassifiziert.

3. Sprachschicht — Claude

Aus dem signalreichen Mega-Merge plus aktiven Episoden bauen wir einen strukturierten Prompt fuer die Anthropic Claude API. Der Prompt ist auf institutionelle Research-Sprache eingestellt:

• Hedging-Sprache ("is historically associated with", nicht "will").
• Sektionsfest: Executive-Snapshot, Active-Themes, Macro/Shipping, Conviction-Stack, Risk-and-Crowding, Scenario-Watch, Active-Scenarios, Data-Quality-Notes.
• Output durchlaeuft den Output-Guard mit PII-Scan und Compliance-Pruefung (kein Buy/Sell-Imperativ).
• Compliance-Zeile am Ende jedes Reports.

Was wir nicht tun

• Keine "Kauf X / Verkauf Y"-Empfehlungen.
• Keine personalisierten Anlageentscheidungen.
• Wir handeln nicht in deinem Namen.
• Wir erfinden keine Zahlen — fehlende Daten werden ausgewiesen.
• Keine Garantien fuer historische Episoden.

Grenzen der Methode

• Historische Episoden sind nicht vollstaendig. Wir ergaenzen den Katalog laufend.
• Confidence-Score 80% bedeutet nicht 80% Treffer-Wahrscheinlichkeit. Es bedeutet, 80% der Trigger sind erfuellt.
• Hit-Rate-Statistiken brauchen Zeit; bei wenig Sample ist das Confidence-Gewicht neutral 1.0.
• News-Daten haben Latenz.
• Externe Provider koennen ausfallen — das landet in den Data-Quality-Notes.

Transparenz

• Im Glossar jeden Fachbegriff nachschlagen.
• Im Daten-Explorer die Rohsignale des juengsten Runs ansehen.
• Auf der Scenario-History-Page die Win-Rate jeder Episode pro Tenant einsehen.
• Active Scenarios als CSV oder JSON exportieren.