Claude Code für Trader Strategie-Code in Python entwickeln.

Claude Code ist für Trader vor allem dann nützlich, wenn es nicht einfach Strategie-Code schreibt, sondern in einem Rahmen arbeitet, den Sie vorher festlegen: feste Datenstände, ein Kostenmodell, Tests und klare Verbote. Dann liest das Werkzeug Ihr Repository, schreibt Backtest- und Pipeline-Code in Python, führt die Tests selbst aus und korrigiert, bis sie grün sind. Die fachlichen Entscheidungen bleiben bei Ihnen: ob eine Strategie überangepasst ist, ob Kosten realistisch sind und ob jemals echtes Geld fließt. Dieser Artikel zeigt einen Praktiker-Workflow mit CLAUDE.md, Plan-Modus, Berechtigungen, Sandbox und Hooks, nennt die typischen Fehler von KI-Code im Backtest und zieht klare Grenzen. Alle Produktangaben beziehen sich auf die Dokumentation von Anthropic, Stand Oktober 2026; Details ändern sich schnell.

Was ist Claude Code und was unterscheidet es vom Chat?

Claude Code ist laut Anthropic ein agentisches Coding-Werkzeug, das Ihre Codebasis liest, Dateien bearbeitet, Befehle ausführt und sich in Entwicklungswerkzeuge einfügt. Es läuft im Terminal, als Erweiterung für VS Code und JetBrains-IDEs wie PyCharm, in der Desktop-App und im Browser unter claude.ai/code. Für die meisten Oberflächen brauchen Sie ein Claude-Abo oder ein Konto in der Anthropic Console.

Der Unterschied zum Chat ist praktisch: Im Chat kopieren Sie Code hin und her und testen selbst. Claude Code arbeitet direkt im Projektordner. Es öffnet backtest/engine.py, ändert die Funktion, startet pytest, liest die Fehlermeldung und korrigiert. Anthropic beschreibt das selbst so: Claude hört auf, wenn die Arbeit fertig aussieht. Ohne eine Prüfung, die es ausführen kann, ist „sieht fertig aus“ das einzige Signal.

Für Trader heißt das: Der Nutzen hängt weniger vom Modell ab als von der Prüfbarkeit Ihres Repositorys. Ein Projekt mit Tests, festen Daten und klaren Befehlen lässt sich gut delegieren. Ein Ordner voller Notebooks ohne Tests eher nicht. Pro- und Max-Abos teilen sich ihre Nutzungslimits zwischen dem Claude-Chat und Claude Code. Wer viel im Agenten arbeitet, merkt das am Kontingent.

Was gehört in die CLAUDE.md eines Trading-Repos?

Die CLAUDE.md ist eine Markdown-Datei im Projektverzeichnis, die Claude Code zu Beginn jeder Session liest. Anthropic empfiehlt, dort Befehle, Code-Stil, Testanweisungen und projektspezifische Architekturentscheidungen festzuhalten, und zwar knapp: unter 200 Zeilen pro Datei, weil lange Dateien Kontext verbrauchen und die Befolgung verschlechtern. Mit /init lässt sich ein Entwurf aus dem bestehenden Code erzeugen.

Für ein Backtest-Repository sind vier Blöcke sinnvoll: Befehle, Datenregeln, fachliche Invarianten und Verbote. Typisches Beispiel:

# Projektregeln Backtest-Repo

## Befehle
- Tests: pytest -q
- Einzeltest: pytest tests/test_signale.py -q
- Backtest: python -m backtest.run --config configs/basis.yaml

## Daten
- Nur Daten aus data/snapshots/ verwenden (Stand steht im Dateinamen).
- Daten nie neu herunterladen oder überschreiben.
- Zeitstempel sind UTC und markieren das Bar-Ende.

## Invarianten
- Signale zum Zeitpunkt t nutzen nur Daten bis einschließlich t.
- Ausführung frühestens zum Open der nächsten Bar.
- Jeder Trade trägt Gebühren und Slippage aus configs/kosten.yaml.

## Verboten
- Keine Broker-Anbindung, keine Live- oder Paper-Orders.
- tests/golden/ nicht ändern, ohne vorher zu fragen.
- Keine Zugangsdaten in Code, Logs oder Commits.

Wichtig ist eine Einschränkung, die Anthropic ausdrücklich nennt: Claude behandelt diese Datei als Kontext, nicht als erzwungene Konfiguration. Die Regel „keine Broker-Anbindung“ senkt die Wahrscheinlichkeit, dass der Agent Order-Code schreibt, verhindert es aber nicht. Was nie passieren darf, gehört zusätzlich in Deny-Regeln, Hooks oder die Sandbox. Regeln, die nur für einzelne Ordner gelten, etwa für data/, lassen sich in .claude/rules/ auslagern. Mit einer paths-Angabe laden sie erst, wenn Claude passende Dateien liest oder bearbeitet.

Tests zuerst: Wie wird Backtest-Code prüfbar?

Die wirksamste Maßnahme ist eine Testsuite, die Claude Code selbst ausführt. Anthropic empfiehlt, dem Agenten eine Prüfung zu geben, die Bestanden oder Nicht bestanden liefert, und ihn so lange iterieren zu lassen, bis sie besteht. Bei Trading-Code reicht es aber nicht, dass Funktionen fehlerfrei laufen. Die Tests müssen die fachlichen Invarianten abdecken.

Für Trading-Code haben sich vier Arten von Tests bewährt:

• Kausalitätstest: Signale werden einmal mit allen Daten und einmal mit abgeschnittenen Daten berechnet. Die Werte bis zum Schnittpunkt müssen identisch sein. Weicht etwas ab, nutzt der Code Zukunftsinformation.
• Golden-Master-Test: Ein fester Datensnapshot erzeugt eine bekannte Trade-Liste. Jede Änderung, die diese Liste verschiebt, fällt sofort auf.
• Kostentest: Ein einzelner Trade mit bekannter Gebühr und Slippage (Abweichung zwischen erwartetem und tatsächlichem Ausführungskurs) muss exakt den erwarteten Nettowert liefern.
• Kalendertest: Zeitumstellung, Wochenenden und fehlende Bars werden mit konstruierten Daten geprüft.

Der Kausalitätstest sieht in pytest etwa so aus:

import pandas as pd
from strategie.signale import berechne_signal
from tests.hilfen import lade_snapshot

def test_signal_nutzt_keine_zukunftsdaten():
    df = lade_snapshot("eurusd_h1_2025q4.parquet")
    voll = berechne_signal(df)
    gekuerzt = berechne_signal(df.iloc[:500])
    # Werte bis Bar 500 dürfen sich nicht ändern,
    # nur weil spätere Daten fehlen
    pd.testing.assert_series_equal(voll.iloc[:500], gekuerzt)

Die Reihenfolge zählt: Schreiben Sie die Tests zuerst, prüfen Sie, dass sie aus dem richtigen Grund fehlschlagen, und committen Sie sie. Erst dann soll Claude Code die Implementierung liefern. Die Golden-Master-Dateien schützen Sie zusätzlich mit einer Deny-Regel, damit der Agent einen roten Test nicht einfach durch neue Referenzwerte „repariert“. Anthropic nennt als weitere Option, eine Session Tests schreiben und eine zweite den Code dazu entwickeln zu lassen. Wie Sie ein eigenes Framework aufbauen, beschreibt der Artikel Backtesting mit Python von Grund auf.

Wie stellen Sie Plan-Modus, Berechtigungen und Sandbox ein?

Claude Code kennt laut Dokumentation sechs Berechtigungsmodi. Sie wechseln im Terminal mit Umschalt+Tab oder setzen den Startmodus mit --permission-mode beziehungsweise in den Einstellungen.

Ein Punkt verdient Aufmerksamkeit: Ab Version 2.1.283 ist Auto der eingebaute Startmodus für interaktive Terminal- und VS-Code-Sessions, sofern Auto für Konto und Modell verfügbar ist. Der Klassifikator blockiert laut Dokumentation unter anderem heruntergeladenen und ausgeführten Code oder das Senden sensibler Daten an fremde Endpunkte. Er erlaubt standardmäßig aber auch, eine .env-Datei zu lesen und die Zugangsdaten an die passende API zu schicken. Liegt dort ein Broker-Schlüssel, ist das genau der Fall, den Sie vermeiden wollen.

Deny-Regeln greifen laut Anthropic in jedem Modus, auch im Bypass-Modus. Eine Projektkonfiguration in .claude/settings.json könnte so aussehen:

{
  "permissions": {
    "defaultMode": "plan",
    "deny": [
      "Read(./.env)",
      "Read(./secrets/**)",
      "Edit(./tests/golden/**)",
      "Bash(curl *)",
      "Bash(wget *)"
    ]
  },
  "sandbox": {
    "enabled": true
  }
}

Die Dokumentation warnt selbst, dass Bash-Muster wie Bash(curl *) keine Sicherheitsgrenze sind, weil derselbe Befehl in anderer Form durchrutschen kann. Deshalb gehört die Sandbox dazu: Sie beschränkt Schreibzugriffe von Shell-Befehlen auf das Arbeitsverzeichnis und ein temporäres Verzeichnis und leitet Netzwerkverbindungen über einen Proxy mit einer Liste erlaubter Domains, die anfangs leer ist. Zwei Einschränkungen sollten Sie kennen. Lesen darf die Sandbox standardmäßig den größten Teil des Rechners, und Umgebungsvariablen samt darin liegender Geheimnisse werden vererbt. Read-Deny-Regeln wie oben fließen laut Dokumentation in die Sandbox-Konfiguration ein. Auf nativem Windows läuft sie nicht; dort braucht es WSL2.

Hooks ergänzen das deterministisch. Das sind eigene Skripte, die Claude Code bei festgelegten Ereignissen automatisch ausführt, unabhängig davon, was das Modell gerade plant. Ein PreToolUse-Hook kann einen Befehl mit Exit-Code 2 blockieren, etwa jeden Aufruf, der ein Broker-Modul importiert. Ein Stop-Hook kann die Testsuite ausführen und verhindern, dass Claude die Runde beendet, solange Tests rot sind.

Typische Fehler von KI-Code im Backtest: Look-ahead, Kosten, Zeitzonen.

KI-generierter Backtest-Code ist meist syntaktisch sauber. Die Fehler liegen in der Fachlogik, und sie verbessern die Ergebnisse fast immer. Genau deshalb fallen sie nicht auf, wenn niemand gezielt prüft.

Besonders tückisch ist Leakage, wenn Sprachmodelle selbst Signale liefern, etwa aus Nachrichten. Ein Modell kennt Ereignisse aus seinen Trainingsdaten, die in Ihrem Backtest noch in der Zukunft liegen. Wie Sie das sauber trennen, steht im Artikel LLM-Signale ehrlich backtesten.

Ein praktischer Nebeneffekt der Tabelle: Jede Zeile lässt sich als Test formulieren. Wenn ich Trading-Systeme entwickle, wandern solche Erfahrungen nicht in Kommentare, sondern in Testfälle, weil nur die bei jeder Änderung erneut laufen.

Grenzen und Risiken: Was Claude Code nie selbst tun sollte.

Claude Code ist ein Entwicklungswerkzeug. Für den Handel selbst gelten andere Maßstäbe, und einige Aufgaben gehören grundsätzlich nicht in die Hand eines Agenten:

• Orders platzieren: weder live noch über ein Konto mit echten Zugangsdaten. Order-Code entsteht im Repository, getestet gegen Simulationen, und geht nur nach Ihrer Prüfung in Betrieb.
• Zugangsdaten verwalten: Broker- und API-Schlüssel gehören nicht ins Repository und nicht auf den Rechner, auf dem der Agent frei arbeitet. Für die Entwicklung reichen Testdaten oder ein reines Lesekonto.
• Überanpassung beurteilen: Ein Agent, der Parameter optimiert, bis der Backtest gut aussieht, produziert genau das Problem, das Walk-Forward-Tests verhindern sollen: Dabei wird auf einem Zeitabschnitt optimiert und auf dem jeweils folgenden, unbekannten Abschnitt geprüft. Wie viele Varianten getestet wurden und was davon übrig bleibt, müssen Sie selbst bewerten.
• Risikoparameter ändern: Positionsgrößen, Stopps und Limits sind fachliche Entscheidungen. Der Agent darf sie implementieren, nicht festlegen.
• Testerwartungen anpassen: Ein roter Test ist eine Information, kein Hindernis. Wer dem Agenten erlaubt, Referenzwerte zu ändern, verliert die Kontrolle.

Auch ein sauber gebauter Backtest ist keine Prognose. Automatisierte Strategien können Geld verlieren, mit Hebel je nach Produkt auch mehr als den Einsatz. Code-Qualität senkt das Risiko technischer Fehler, nicht das Marktrisiko. Wer KI-gestützte Systeme in einem regulierten Umfeld betreibt, kann zusätzlichen Test- und Kontrollpflichten unterliegen; das klären Sie mit einer fachkundigen Rechtsberatung.

Ein sinnvoller Einstieg in fünf Schritten.

1. Repository vorbereiten: Git, eine Ordnerstruktur mit data/snapshots/, tests/ und configs/, eine .gitignore für .env und Schlüssel.
2. CLAUDE.md schreiben: mit /init beginnen, dann Befehle, Datenregeln, Invarianten und Verbote ergänzen. Unter 200 Zeilen bleiben.
3. Grenzen technisch setzen: Deny-Regeln für Geheimnisse und Golden-Master-Dateien, Sandbox aktivieren, für sensible Module den Manual-Modus.
4. Drei Tests vorab: Kausalität, Kosten, Golden Master. Erst wenn sie existieren und aus dem richtigen Grund fehlschlagen, kommt die Implementierung.
5. Im Plan-Modus starten: Claude Code das Vorhaben planen lassen, den Plan lesen und korrigieren, dann umsetzen lassen und den Diff prüfen.

Mit diesem Rahmen übernimmt der Agent die mühsame Arbeit an Datenpipelines, Refactorings und Tests, und Sie behalten die Entscheidungen, die Geld kosten können. Ich entwickle seit über 10 Jahren automatisierte Trading-Systeme in MQL5 und Python. Wenn Sie Strategie-Code von Grund auf testbar aufbauen lassen möchten, finden Sie unter Trading-Automatisierung, wie ich solche Projekte umsetze.

Häufige Fragen.

Kann Claude Code einen Trading-Bot in Python programmieren?

Ja, Claude Code kann Strategielogik, Backtests, Datenpipelines und auch Broker-Anbindungen in Python schreiben und die Tests dazu selbst ausführen. Ob der Bot fachlich richtig ist, entscheidet aber die Testsuite und Ihre Prüfung. Orders sollte der Agent nie selbst platzieren, und echte Zugangsdaten gehören nicht in seine Reichweite.

Was sollte in der CLAUDE.md für ein Backtest-Projekt stehen?

Die wichtigsten Befehle für Tests und Backtests, Regeln für Datenquellen und Zeitstempel, fachliche Invarianten wie keine Zukunftsdaten und Pflicht-Kosten pro Trade sowie klare Verbote, etwa keine Broker-Anbindung. Anthropic empfiehlt, die Datei unter 200 Zeilen zu halten. Sie ist Kontext und keine Sperre, harte Grenzen setzen Deny-Regeln und Hooks.

Erkennt Claude Code Look-ahead-Bias in meinem Backtest?

Manchmal, aber nicht zuverlässig. Ein Sprachmodell übersieht subtile Fälle wie zentrierte Rolling-Fenster oder falsch beschriftete Bars. Verlässlicher ist ein Test, der Signale einmal mit allen und einmal mit gekürzten Daten berechnet und Gleichheit verlangt. Claude Code kann diesen Test schreiben und bei jeder Änderung ausführen.

Ist der Auto-Modus von Claude Code für Trading-Code sicher genug?

Der Auto-Modus lässt einen Klassifikator statt Ihnen die Aktionen prüfen und blockiert riskante Schritte wie das Ausführen heruntergeladenen Codes. Laut Dokumentation erlaubt er aber standardmäßig, Zugangsdaten aus einer .env-Datei an die passende API zu senden. Für Trading-Repos sind deshalb zusätzliche Deny-Regeln, die Sandbox und getrennte Schlüssel sinnvoll.

Was kostet Claude Code für Trader?

Claude Code ist in den bezahlten Claude-Abos wie Pro, Max, Team und Enterprise enthalten oder wird über ein Konto in der Anthropic Console nach Verbrauch abgerechnet. Bei Pro und Max teilen sich Chat und Claude Code dieselben Nutzungslimits. Der kostenlose Claude-Plan enthält Claude Code laut Anthropic nicht. Aktuelle Preise stehen auf der Preisseite von Anthropic und ändern sich häufig.

Quellen und Stand.

• Claude Code overview — Anthropic
• How Claude remembers your project (CLAUDE.md) — Anthropic
• Best practices for Claude Code — Anthropic
• Choose a permission mode — Anthropic
• Configure permissions — Anthropic
• Configure the sandboxed Bash tool — Anthropic
• Hooks reference — Anthropic
• Use Claude Code with your Pro or Max plan — Anthropic Help Center
• Plans & Pricing — Anthropic

Stand: 6. Oktober 2026. Produkte, Funktionen und Preise ändern sich schnell; maßgeblich sind die Angaben der Anbieter und Behörden.

Sie wollen Ihre Strategie als testbaren Python-Code umsetzen lassen? Unverbindlich anfragen — wir klären Regelwerk, Datenbasis, Testumfang und den Weg zum kontrollierten Betrieb. Mehr zu meinem Angebot: Trading-Systeme entwickeln lassen.