Daten, Infrastruktur & Engineering

Worum es in diesem Themengebiet geht

Bevor eine Strategie live handeln kann, braucht sie verlässliche Daten und eine Technik, die im Dauerbetrieb hält. Dieses Themengebiet behandelt drei Ebenen: woher Daten kommen (Broker-Schnittstellen, Datenanbieter, alternative Daten), wie sie gespeichert, bereinigt und versioniert werden, und wie ein System technisch läuft, von der Wahl zwischen MetaTrader 5 und Python bis zu Docker, Cloud und Monitoring.

Wichtig ist das, weil Datenfehler im Backtest nicht als Fehler auffallen, sondern wie Eigenschaften der Strategie aussehen. Ein Aktienuniversum ohne delistete Werte enthält zum Beispiel nur Unternehmen, die bis heute bestehen (Survivorship-Bias), und lässt Kaufstrategien tendenziell besser aussehen, als sie damals gewesen wären. Im Livebetrieb kommen Anfragelimits, Verbindungsabbrüche, Neustarts und Fehlercodes hinzu, die in der Dokumentation oft nur knapp beschrieben sind (API-Edge-Cases bei Brokern). Einen Einstieg in die Datenprüfung gibt Datenqualität im Trading; die Testmethodik selbst behandelt der Hub Backtesting.

Für wen die Artikel gedacht sind

Die Artikel richten sich an Trader und Entwickler, die eigene Systeme bauen oder betreiben, und an Auftraggeber, die verstehen wollen, was ein solches Projekt technisch umfasst.

• Interactive Brokers: Ein großer Teil der Beiträge behandelt die IBKR-Schnittstellen im Detail, von historischen Daten per API über Marktdaten-Abos, Kontrakte und Fehlercodes bis zur Anbindung von TradingView-Alerts.
• Research und Backtests: Frameworks, eigene Lösungen und schnelle Datenverarbeitung in Python (Backtesting mit Python).
• Projektplanung: Wer einen Bot entwickeln lassen möchte, findet Phasen, Pflichtenheft und Prüfpunkte im Artikel zum Projektablauf.
• Betrieb: Wer einen Bot dauerhaft laufen lässt, findet Beiträge zur Absicherung von IB Gateway und TWS, zu Containern, Cloud-Servern und Versionsverwaltung im Team.

Typische Fehler

• Kostenlose Daten ungeprüft übernehmen. Splits, Dividenden und Abspaltungen müssen eingerechnet sein, sonst entstehen Signale aus Kurssprüngen, die es nie gab. Ob eine kursbereinigte oder eine Total-Return-Reihe passt, hängt von der Fragestellung ab (Corporate Actions korrekt adjustieren).
• Revidierte Daten als historische Wahrheit behandeln. Bilanzkennzahlen und Makrodaten werden nachträglich revidiert, und viele Datenbanken führen nur die heutige Indexzusammensetzung. Wer mit diesem Stand testet, handelt im Backtest mit Wissen, das damals niemand hatte (Point-in-Time-Datenbanken).
• Zeitzonen und Zeitstempel nicht festlegen. Ob ein Balken den Beginn oder das Ende eines Intervalls markiert und in welcher Zeitzone er steht, entscheidet darüber, ob ein Signal rechtzeitig vorlag.
• Anfragelimits erst im Betrieb entdecken. Broker-Schnittstellen begrenzen die Zahl der Anfragen; ein Bot, der beim Start viele Abrufe gleichzeitig sendet, riskiert Sperren oder Datenlücken (IBKR-API-Pacing).
• Backtest und Livebetrieb aus verschiedenen Quellen speisen. Die Kurse eines Datenanbieters und der Feed des Brokers unterscheiden sich, etwa bei Handelszeiten und Bar-Bildung, bei Forex und CFDs auch im Preis selbst. Ein Signal, das in der einen Reihe entsteht, tritt in der anderen früher, später oder gar nicht auf.

Wegweiser

Neben den Beiträgen zu Interactive Brokers gliedert sich das Themengebiet in zwei weitere Gruppen:

• Datenquellen und Anbieter: Marktdatenanbieter im Vergleich und die Frage, wann alternative Daten mehr sind als ein Verkaufsargument, etwa Polygon.io vs. Databento und Alternative-Data-Marktplätze.
• Speicherung, Verarbeitung und Betrieb: Zeitreihen-Datenbanken, versionierte Datenstände, Container und Cloud, etwa Datenbanken für Marktdaten und Docker für Trading-Bots.

Daneben gibt es Einordnungen zu Programmiersprachen wie Rust, Julia und R, zu Data Contracts und automatischer Validierung in Datenpipelines sowie zu alternativen Quellen wie Satellitenbildern oder Stellenanzeigen. Bei solchen Daten lohnt vor allem die Prüfung, wie lang die Historie ist, ob die Zeitstempel den damaligen Veröffentlichungszeitpunkt wiedergeben und ob Lücken nachträglich aufgefüllt wurden.

Einstieg in 5 Schritten

1. Datenqualität im Trading: warum „kostenlos" teuer wird: Vor Plattform und Schnittstelle stehen die Daten selbst: Der Artikel zeigt, welche Fehler kostenlose Kursreihen typischerweise enthalten und woran Sie sie erkennen.
2. MetaTrader 5 oder Python: welche Plattform für welche Strategie?: Die Plattformwahl hängt von Instrument, Strategielogik und Datenbedarf ab; der Vergleich hilft bei der Entscheidung zwischen MetaTrader 5, Python oder einer Kombination.
3. Interactive Brokers API-Vergleich: TWS, Web API, FIX und Flex: Wer mit Interactive Brokers arbeitet, wählt als Nächstes die Schnittstelle, denn TWS API, Web API, FIX und Flex unterscheiden sich in Betrieb, Limits und Zweck.
4. Trading-Bot-Architektur für IBKR: Komponenten und Datenfluss: Steht die Schnittstelle fest, zeigt die Referenzarchitektur, aus welchen Komponenten ein Bot besteht und wie Marktdaten, Risikoschicht und Order-Management zusammenspielen.
5. Interactive Brokers API mit Python: Praxis-Leitfaden: Der Praxis-Leitfaden setzt das in Python um, mit IB Gateway, der Bibliothek ib_async und den Stellen, an denen Setups im Dauerbetrieb typischerweise scheitern.

Häufige Fragen

Reichen kostenlose Kursdaten für einen Backtest?

Für eine erste Untersuchung ja, wenn Sie die Grenzen kennen. Kostenlose Reihen sind oft nicht vollständig um Splits und Dividenden bereinigt, enthalten keine delisteten Werte und haben teils ungenaue Zeitstempel oder Lücken. Bevor eine Strategie mit echtem Geld läuft, sollten die Daten gegen eine zweite Quelle geprüft oder durch kuratierte Daten ersetzt werden, deren Bereinigung dokumentiert ist.

Welche Interactive-Brokers-Schnittstelle passt zu meinem Bot?

Für die meisten eigenen Bots ist die TWS API mit IB Gateway die passende Wahl, für schlanke REST-Anwendungen die Web API, für Berichte und Abrechnungen der Flex Web Service und für institutionelle Orderflüsse FIX. Der KI-Zugang per MCP richtet sich an Assistenten und ist keine Bot-Schnittstelle. Die Varianten unterscheiden sich in Betrieb, Anmeldung, Limits und Kosten; Details ändern sich, deshalb lohnt der Blick in die aktuelle Dokumentation.

MetaTrader 5 oder Python: Was eignet sich besser?

MetaTrader 5 ist für Forex und CFDs mit indikatorbasierter Logik oft die passende Wahl, weil Strategietester und Broker-Anbindung eingebaut sind. Python spielt seine Stärken aus, wenn viele Aktien, Optionen, externe Datenquellen oder eigene Machine-Learning-Modelle im Spiel sind. Eine Kombination ist möglich, etwa Research in Python und Ausführung in MetaTrader 5. Entscheidend sind Instrument, Broker und Datenbedarf der Strategie.

Brauche ich eine eigene Datenbank für Marktdaten?

Für Tagesdaten weniger Instrumente genügen oft Dateien, zum Beispiel im Parquet-Format. Bei Tickdaten, vielen Instrumenten oder mehreren Nutzern wird eine Zeitreihen-Datenbank sinnvoll. Unabhängig von der Technik sollten Backtests auf unveränderlichen, versionierten Datenständen laufen, damit sich ein Ergebnis später exakt nachvollziehen lässt, auch wenn der Anbieter Daten nachträglich korrigiert.

Warum zeigt ein Paper-Konto nicht, wie mein Bot live ausführt?

Ein Paper-Konto simuliert Ausführungen, statt sie am Markt zu erzielen. Interactive Brokers weist selbst darauf hin, dass das Ausführungsverhalten dort nicht repräsentativ ist. Der Paper-Test prüft deshalb vor allem die Technik: Verbindung, Orderfluss, Fehlerbehandlung und Neustarts. Wie gut ein Bot tatsächlich ausgeführt wird, zeigt erst der Livebetrieb, zunächst in begrenztem Umfang und mit protokollierten Ausführungspreisen.