Wer zieht die Liquidität von Crypto ab?

Eine Space-Diskussion, die Makro, KI, TradFi, Quant-Trading und den Bitcoin-Zyklus aufschlüsseltGestern Abend habe ich zufällig eine Space-Diskussion entdeckt. Der Titel war sehr direkt: „Wer zieht die Krypto-Liquidität ab?“
Eigentlich wollte ich nur kurz reinhören, aber dann habe ich es von 22 Uhr bis zum Schluss durchgezogen. Die Themen gingen von makroökonomischer Liquidität, über KI und US-Aktien, bis hin zu Quant-Trading, dem vierjährigen Bitcoin-Zyklus, dem ursprünglichen Design von Satoshi Nakamoto und OP_CAT.
Der gesamte Informationsgehalt war sehr groß. Ich habe die Teile, die ich selbst für wertvoll halte, neu geordnet und außerdem noch einige eigene Einsichten hinzugefügt. Der Inhalt dieses Artikels basiert hauptsächlich auf den vor Ort geäußerten Ansichten des Space-Gastes und stellt nicht vollständig meine Zustimmung zu allen Meinungen dar. Es ist auch keine Anlageberatung, sondern nur zum Austausch und als Referenz gedacht.
Der Artikel ist recht lang. Wenn du auch in den Bereichen Crypto, AI, TradFi und Quant-Trading forschst, dann empfehle ich dir zuerst Like und speichern und später in Ruhe weiterzulesen.
──── ✦ ────
Inhaltsverzeichnis
01｜Wer hat Crypto die Liquidität aus dem Hals gezogen?
Makro, AI, TradFi, Branchenvertrauen – diese vier Blickwinkel erklären den heutigen Bärenmarkt.
02｜Makro hat zu wenig Geld: Warum sind Hochzinsphasen für Crypto am wenigsten freundlich?
Das Kapital konzentriert sich auf beiden Seiten: in Richtung risikoarmer Assets und in Richtung Assets mit hohem Wachstum.
03｜Sind Stablecoins noch geeignet, um die Liquidität von Crypto einzuschätzen?
Die Einsatzszenarien von USDT und USDC haben sich bereits deutlich verändert.
04｜Das Geld ist nicht verschwunden – die Trader haben nur den Markt gewechselt
US-Aktien, koreanische Aktien, Gold und Rohöl konkurrieren gerade um Crypto-native Trading-User.
05｜Vielleicht verliert Crypto nicht nur Kapital, sondern auch „Legitimität“
Betrug, Schneeballsysteme und übermäßige Spekulation verursachen langfristigen Schaden am Branchenvertrauen.
06｜Worauf ist es bei AI + Crypto wirklich wert zu freuen?
In Zukunft braucht die Agent Economy wahrscheinlich ganz natürlich On-Chain-Konten und Abrechnungssysteme.
07｜Das Problem liegt vielleicht auch bei Crypto selbst
Warum gibt es in der Branche schon so viele Jahre Aufwand – und trotzdem sind Produkte, die wirklich im High-Frequency-Bereich eingesetzt werden, immer noch nicht genug?
08｜Ist der Vierjahreszyklus von Bitcoin wirklich eine Regel?
Welche Beziehung besteht zwischen Social Consensus, dem Halving-Zyklus und dem geldpolitischen Zyklus?
09｜Ich bin aufs Mikro gegangen und habe eine Frage gestellt, an der ich selbst seit einem halben Jahr forsche: Kann AI-Quantisierung überhaupt funktionieren?
7,4 Milliarden Token, 60% Trefferquote – und warum die Strategie plötzlich unwirksam wird.
10｜Das schwierigste Problem beim Quantisieren ist vielleicht gar nicht das Finden einer Strategie
Market Regime, Umschalten zwischen mehreren Strategien und Handelsfrequenz.
11｜Woran wollte Satoshi Nakamoto Bitcoin zuerst hauptsächlich ausrichten?
Blockbelohnungen, Gebühren, Skalierung und der ursprüngliche Weg von Bitcoin.
12｜OP_CAT und das Bitcoin-Endspiel, wie Bruce es sieht
Wirklich erfolgreiche Infrastruktur sollte sein wie HTTPS – die Nutzer „vergessen“ sie einfach.
13｜Mit US-Aktien und Prognosemärkten: Warum sollte man noch Crypto handeln?
Volatilität, Leverage und die einzigartige Risiko-Ertrags-Struktur von Crypto.
14｜Nachdem ich die ganze Veranstaltung gehört habe, habe ich drei Einschätzungen übrig.
Crypto, TradFi und AI stellen gerade vielleicht wieder neu eine neue Finanz-Landkarte zusammen.
──── ✦ ────
01｜Wer hat Crypto die Liquidität aus dem Hals gezogen?
Zu Beginn dieser Space stellte der Moderator eine ziemlich interessante Frage: Wenn Crypto heute so bärisch ist – wer zieht dann das Geld aus dem Markt ab?
Genannte Richtungen waren Makro, AI, Zyklen und auch die Probleme von Crypto selbst. Die Hintergründe der Gäste waren völlig unterschiedlich, also fielen die Antworten am Ende auch sehr unterschiedlich aus.
@PhyrexNi  Ni Da ist eher makro-lastig, Adam eher trading- und Asset-Rotation-lastig. Gary steigt eher über Branchenvertrauen und „Legitimität“ ein. Bruce und der SOLAI-Gast hingegen sind der Ansicht, dass der Entwicklungspfad, den Crypto in den letzten Jahren gegangen ist, ebenfalls große Probleme hatte.
Wenn ich bis zum Ende zuhöre, finde ich eher, dass es heute sehr schwer ist, eine einzige eindeutige Antwort herauszupicken. Die Schwäche von Crypto ist eher das Ergebnis mehrerer Faktoren, die gleichzeitig zusammenkommen.
──── ✦ ────
02｜Makro hat zu wenig Geld: Warum sind Hochzinsphasen für Crypto am wenigsten freundlich?
Nis Einschätzung ist ziemlich direkt: Eines der zentralsten Probleme der globalen Märkte ist heute, dass die Gesamtliquidität nicht mehr so üppig ist wie früher.
Wenn die Zinsen hoch sind, können sich sehr viele Gelder ganz bequem in risikofreien Assets wie US-Staatsanleihen aufhalten. Es gibt dann wirklich keinen Grund, für ein bisschen mehr Rendite hohe Volatilität wie bei Crypto in Kauf zu nehmen.
Gleichzeitig haben AI und Halbleiter aber auch sehr viel Kapital abgezogen, das bereit ist, hohe Risiken einzugehen. Dadurch beginnt der Markt sich ganz deutlich in zwei Pole zu spalten: die einen verfolgen Sicherheit, die anderen extremes Wachstum. In der Mitte sind die Assets, die „nicht sicher genug“ und „das Wachstum nicht so sexy“ sind, für viele gerade am schwierigsten auszuhalten.
Irgendwie bleibt Crypto an dieser Stelle stecken. Es ist weiterhin ein High-Risk-Asset. Aber in der aktuellen Phase bietet es keine stark genug ausgeprägten Trends und keine überzeugende „Geldmach-Wirkung“. Daher suchen Risikopräferenz-Kapital natürlich nach neuen Auswegen.
Ni Da hat als Beispiel auch Nike genommen. Er sieht Nike als eine Art Referenz-Asset, um die traditionelle US-Konsumwirtschaft und die Nicht-Tech-Wirtschaft zu beobachten. Wenn selbst so ein großes traditionelles Unternehmen langfristig schwach performt, zeigt das auch: Das Problem passiert nicht nur bei Crypto.
──── ✦ ────
03｜Sind Stablecoins noch geeignet, um die Liquidität von Crypto einzuschätzen?
Diesen Abschnitt finde ich ziemlich erwähnenswert, weil früher viele Menschen – auch ich selbst – es gewohnt waren, das Wachstum der Stablecoin-Marktkapitalisierung als „Over-the-Counter-Gelder, die in den Krypto-Raum strömen“ zu interpretieren.
Die Emissionen von USDT und USDC nehmen zu. Früher bedeutete das tatsächlich oft: Es kommt mehr US-Dollar Kaufkraft in Richtung Crypto. Aber heute hat sich der Einsatzbereich der Stablecoins deutlich erweitert. Es wächst die Nachfrage nach grenzüberschreitenden Zahlungen, Abrechnung und auch nach Spar-/Haltebedürfnissen.
Ni Da hat in der Space erwähnt: Heute haben bereits viele Stablecoin-Gelder den reinen Crypto-Trading-Kontext verlassen. Daher sinkt der Nutzen, sich nur an der gesamten Stablecoin-Marktkapitalisierung zu orientieren. Stablecoin-Wachstum kann nicht einfach gleichgesetzt werden mit der Annahme, dass diese Gelder als Nächstes BTC oder ETH kaufen werden.
Deshalb schaut er jetzt stärker auf ETFs, echte Geldflüsse an Exchanges und darauf, ob traditionelle Investoren tatsächlich verkaufen oder wieder kaufen.
──── ✦ ────
Als BTC sich in der Nähe von 60.000 US-Dollar befand, beobachtete er eine Veränderung: Das zuvor kontinuierlich abziehende Kapital begann weniger stark zu verschwinden, und ein Teil der ETFs sowie traditionelle Investoren begann wieder einzukaufen.
Auch bei ETH ist es zu ähnlichen Nettozuflüssen gekommen. Das zeigt zumindest, dass für einen Teil langfristiger Gelder der Bereich um 60.000 US-Dollar inzwischen eine Preiszone darstellt, in der man BTC wieder neu allokieren möchte.
Aber er hat den Bereich nicht direkt als „Big Bottom“ definiert. Das finde ich sehr nachvollziehbar, denn der häufigste Fehler im Bärenmarkt ist: Man bekommt einen positiven Indikator und erklärt sofort, dass der Boden schon da ist.
Ein Boden läuft nie „heraus“, bevor man ihn deutlicher erkennt. Kaum jemand kann ihn im Voraus über irgendeinen einzelnen Indikator zuverlässig bestätigen.
──── ✦ ────
04｜Das Geld ist nicht verschwunden – die Trader haben nur den Markt gewechselt
Adams Antwort unterscheidet sich komplett vom Makro-Blickwinkel.
Seine Einschätzung war: Das Problem, das Crypto heute hat, kommt zu einem großen Teil daher, dass Trader in andere Assets umziehen.
Auch der Grund ist sehr real: Trader brauchen Volatilität.
Wenn es schon reicht, dass BTC an einem Tag um 1% steigt oder fällt, um so etwas wie „etwas Marktgeschehen“ zu haben, dann beginnen US-Aktien, koreanische Aktien, Rohöl, Indizes usw. gleichzeitig viel häufiger deutlich größere Schwankungen zu zeigen. Für Menschen, deren Hauptzweck Trading ist, geht man dann natürlich dahin, wo es sich besser verdienen lässt.
Adam teilte außerdem einige DEX-Daten, die sie beobachtet haben. Unter den Assets, die bei manchen On-Chain-Plattformen ganz vorne im Handelsvolumen liegen, tauchen bereits massenhaft TradFi-Targets wie Hynix, NASDAQ, Rohöl und der S&P sowie Micron auf.
──── ✦ ────
Das wirklich Auffällige daran ist: Viele Nutzer, die Crypto ursprünglich als native Nutzer nutzen, sind mit dem Kapital-System für sich betrachtet gar nicht aus Crypto „ausgewandert“.
Sie halten vielleicht immer noch BTC, oder verkaufen es sogar gar nicht. Stattdessen verpfänden sie BTC, leihen Stablecoins aus und traden dann mit diesen Stablecoins US-Aktien, Indexe oder Rohöl-Kontrakte.
Das heißt: Das Kapital ist noch on-chain, die Konten sind noch „Crypto“, und Stablecoins werden weiterhin verwendet. Aber die zugrunde liegenden Assets, die wirklich Handelsvolumen erzeugen, haben sich bereits geändert.
Das könnte die zukünftige Form von Börsen und Wallets tiefgreifend verändern. In Zukunft wird es wahrscheinlich immer normaler, dass in einem einzigen Konto gleichzeitig BTC, ETH, NVDA, NASDAQ, Gold und Rohöl auftauchen.
Eigentlich kümmert sich der Nutzer nur um eine Frage: Wo gibt es Kursbewegung? Wo gibt es Chancen?
──── ✦ ────
05｜Vielleicht verliert Crypto nicht nur Kapital, sondern auch „Legitimität“
Gary hat einen ziemlich interessanten Begriff genannt: Legitimität.
Seiner Meinung nach gab es in den letzten ein paar Marktphasen innerhalb von Crypto zu viele Betrügereien, Schneeballsysteme, Rug Pulls und Projekte, die nur existierten, um Leute abzuzocken. Wenn eine Branche das langfristig wiederholt, dann wird am Ende nicht nur das Geld der Investoren verbraucht, sondern auch das Vertrauen in die ganze Branche.
Wenn ein externer Investor Crypto sieht, wird seine erste Reaktion sehr schnell zu: „Wie viele Betrügereien stecken hier eigentlich?“ – statt zu fragen: „Wird hier die nächste Generation von Finanzinnovationen entstehen?“ Wenn das Kapital abzieht, ist das ganz logisch.
Aus Garys Sicht werden also AI, US-Aktien und traditionelle Finanzen nur einen Teil dieser Liquidität „abholen“. Wer die Liquidität wirklich unentgeltlich weggegeben hat, ist am Ende doch wieder Crypto selbst.
Aus dieser Perspektive finde ich das sehr wert, darüber nachzudenken: Makro-Liquidität wird sich zwar irgendwann wieder im Kreis bewegen, aber wenn das Branchenvertrauen einmal zerstört ist, kann die Reparatur deutlich länger dauern.
──── ✦ ────
06｜Worauf ist es bei AI + Crypto wirklich wert zu freuen?
Als Gary später über AI + Crypto spricht, ist mir ein Satz sehr stark hängen geblieben:
AI ist Produktivkraft in der digitalen Welt, Crypto ist die finanzielle Infrastruktur und die Produktionsbeziehungen in der digitalen Welt.
Wenn heute alle über AI + Crypto reden, denken sie meistens zuerst daran: AI analysiert uns den Markt, traded automatisch, oder sie packt die Aktien von Nvidia bzw. AI-Firmen auf die Chain.
Aber das wirklich große Szenario könnte in der Agent Economy liegen.
──── ✦ ────
Wenn es in Zukunft massenhaft AI-Agenten gibt, die sich gegenseitig Daten, APIs, Modelle, Code, Skills, Rechenleistung und verschiedene digitale Services kaufen, dann brauchen auch diese AI-Agenten ihrerseits Konten, Zahlungs- und Abrechnungssysteme.
Wenn du einen Agent in das traditionelle Finanzsystem bringst, musst du ein Konto eröffnen, KYC machen, eine Karte anbinden, verschiedene Berechtigungen verarbeiten. Wenn er stattdessen direkt eine On-Chain-Wallet erstellt – vom Generieren der Adresse bis zum Starten des Tradings – könnte das in ein paar Sekunden erledigt sein.
Deshalb hat Crypto für AI-Agenten einen sehr natürlichen Vorteil: Es ist von Natur aus finanzielle Infrastruktur, die Maschinen direkt nutzen können.
Wenn sich diese Richtung wirklich in großem Maßstab etabliert, könnte die Liquidität, die Crypto daraus bekommt, nicht nur von menschlichen Tradern kommen, sondern auch von ökonomischen Aktivitäten zwischen vielen Maschinen.
──── ✦ ────
07｜Das Problem liegt vielleicht auch bei Crypto selbst
Die Ansichten von Bruce und dem SOLAI-Gast sind eher auf die Branche selbst fokussiert.
Crypto ist in den letzten Jahren sehr gut darin gewesen, Assets und Geschichten zu erzeugen, und ebenso gut darin, Spekulationschancen zu schaffen. Aber wirklich gab es zu wenige Produkte, die es geschafft haben, dass normale Menschen sie jeden Tag öffnen und immer wieder benutzen – und bei denen es nachweislich die Effizienz verbessert oder Kosten senkt.
Viele Nutzerverhalten in Web3-Produkten sind eigentlich sehr simpel: Bei Airdrops kommen sie, wenn der Coin-Preis steigt kommen sie, und wenn es Rendite gibt kommen sie.
Sobald der Markt nicht mehr läuft, verlassen die Nutzer sehr schnell.
Das zeigt: Viele Produkte verbinden sich tatsächlich immer noch vor allem mit dem „Gewinnbedürfnis“, aber sind noch nie wirklich im Alltag normaler Menschen angekommen.
Wenn alle Branchen-Nutzer ausschließlich von Spekulation getrieben sind, dann schwankt die Liquidität zwangsläufig stark mit den Bullen- und Bärenzyklusphasen.
──── ✦ ────
08｜Ist der Vierjahreszyklus von Bitcoin wirklich eine Regel?
Als Bruce später über den Bitcoin-Zyklus sprach, brachte er eine sehr interessante Sichtweise.
Viele reden über den Vierjahreszyklus, als wäre es eine feste Regel. Aber aus Bruces Sicht ist es weder ein Newtonsches Gesetz noch ein Gesetz der Thermodynamik. Es ist einfach Social Consensus.
Alle glauben, dass das Halving danach steigen wird, also planen sie im Voraus. Je mehr Menschen nach dieser Logik handeln, desto mehr bildet sich am Ende wirklich ein Zyklus.
Aber wenn dieses Muster aus einem Konsens stammt, dann ist es natürlich auch möglich, dass es gebrochen wird.
Ich finde, dieser Satz ist ziemlich wert, sich ihn zu merken: Konsens kann Regeln formen, aber Konsens kann Regeln auch verändern.
──── ✦ ────
Ni Da brachte anschließend noch eine andere Perspektive ein.
Ist der sogenannte Vierjahreszyklus überhaupt selbst stark überlappend mit dem Zyklus der US-Geldpolitik, dem Wahlzyklus und dem weltweiten Liquiditätszyklus?
Wenn die US-Notenbank lockert, fließt Geld von risikoarmen Vermögenswerten in risikoreichere Assets. Wenn die Zinsen hoch bleiben, kehrt das Geld wieder in Anleihen und Cash zurück.
Der eigene Halving-Zyklus von Crypto überlagert sich außerdem oft genau mit diesen Makro-Zyklen – daher entsteht am Ende ein sehr klar erkennbares „Vierjahres-Muster“.
Wenn diese Einschätzung stimmt, dann reicht es künftig vielleicht wirklich nicht mehr aus, in der Crypto-Forschung nur auf das Halving zu schauen.
──── ✦ ────
09｜Ich bin aufs Mikro gegangen und habe eine Frage gestellt, an der ich selbst seit einem halben Jahr forsche: Kann AI-Quantisierung überhaupt funktionieren?
Als der Space hierher kam, habe auch ich mich gemeldet und bin aufs Mikro.
Weil wir vorher die ganze Zeit über AI, Crypto und Trading gesprochen haben, hatte ich zufällig ein Problem, das ich selbst seit einem halben Jahr durchwühle, aber nie eine zufriedenstellende Antwort gefunden habe. Also nutze ich diese Gelegenheit, um bei den Gästen nachzufragen:
Kann AI wirklich ein quantitatives Handelssystem bauen, das langfristig funktioniert?
Ich habe selbst ungefähr 20 Jahre Erfahrung in der Entwicklung. In diesem Jahr beginne ich viel mit AI zu quantisieren. Seit Januar – allein die Tokens, die Codex verbraucht hat, liegen ungefähr bei 7,4 Milliarden.
──── ✦ ────
Chan-Theorie, „nackte“ K-Linien, Order-Flow – einschließlich Liquidationskarten, Clearing-Daten und die K-Linien der Exchanges. Alles, was ich als etwas mit Trading in Verbindung empfinde, habe ich grundsätzlich versucht, in dieses System hineinzupacken.
BTC, ETH, SOL, BNB – das sind liquide Mainstream-Coins. Ich habe auch die historischen K-Linien lokal gezogen und per Programm umfangreiche Backtests und Validierungen gemacht.
Meine ursprüngliche Idee war ziemlich simpel.
Wenn AI so viele Trading-Unterlagen lesen kann, Code schreiben, Daten ausführen und Muster finden kann – besteht dann nicht die Möglichkeit, dass man am Ende aus diesen Theorien ein relativ stabiles Handelssystem ableiten kann?
Nachdem man es ein halbes Jahr lang herumprobiert hat, wird ich selbst immer skeptischer, ob es überhaupt so etwas wie eine „perfekte Strategie“ gibt.
──── ✦ ────
Grob im Mai dieses Jahres habe ich tatsächlich eine Version einer Strategie gebaut, die ziemlich gut performt hat.
Damals hat man Informationen wie K-Linien, On-Chain-Daten, Clearing-Daten und Liquidations-Daten zusammengeführt und von Januar bis Juni rückwirkend abgespielt. Die Trefferquote lag dabei grob bei 60%, das Gewinn-/Verlustverhältnis etwa bei 1:1,2.
Aus Sicht des mathematischen Erwartungswerts kann man mit diesem Ergebnis bereits Geld verdienen.
Das Problem trat im Juli auf.
Sobald sich die Marktstruktur verändert, gehen zuvor gut funktionierende Strategien kollektiv in den Drawdown über – und niemand weiß, wie lange dieser Drawdown noch dauern wird.
Also ist die Frage, die ich dem Gast wirklich stellen wollte, eigentlich:
Wenn sich der Markt selbst ständig verändert – gibt es wirklich eine Strategie, die den gesamten Bullen- und Bärenzyklus abdecken kann?
──── ✦ ────
Nis Antwort zog die Frage erst einmal auf die grundlegendste Ebene zurück.
Egal ob Chan-Theorie, „nackte“ K-Linien oder Order-Flow: An sich gibt es keine Theorie mit 100% sicherem Gewinn. Wenn diese Trading-Theorien selbst nur probabilistisch sind und man sie alle AI gibt, dann wird daraus auch nicht plötzlich eine deterministische Antwort.
Er hat einen Satz gesagt, den ich ganz interessant finde:
„Der größte Reiz des Finanzwesens liegt an sich in der Unsicherheit.“
Darum ist es beim Quantisieren an sich gar nicht nötig, 100% Trefferquote anzustreben.
Wenn man eine Trefferquote von dauerhaft über 50% langfristig halten kann und das mit einem vernünftigen Gewinn-/Verlustverhältnis kombiniert, dann ist das im Grunde schon extrem schwierig.
──── ✦ ────
10｜Das schwierigste Problem beim Quantisieren ist vielleicht gar nicht das Finden einer Strategie
Adams Antwort danach kam sehr nahe an genau das Problem heran, das ich in den letzten sechs Monaten wirklich selbst erlebt habe.
Er hat einen Begriff genannt: Market Regime.
Ganz einfach verstanden: In welcher Struktur und Umgebung befindet sich der aktuelle Markt überhaupt?
Trendmärkte haben Strategien, die zu Trends passen; Seitwärtsphasen haben Strategien, die zu Seitwärts passen; Event-getrieben hat ein Event-Driven-Playbook.
Deshalb sind Strategien oft nicht plötzlich „kaputtgegangen“. Eigentlich ist vielmehr die Marktumgebung verschwunden, die zu dieser Strategie passt.
──── ✦ ────
Trendsstrategien treffen auf anhaltendes Seitwärts – dann erzeugen sie fortlaufend Verluste.
Die Box-Strategie lief ursprünglich ziemlich gut; dann kam plötzlich ein starker einseitiger Ausbruch, der genauso zu fortlaufenden Stopps geführt haben kann.
Event-getrieben ist es viel direkter: Wenn deine Informationsgeschwindigkeit eine Stufe hinter der anderer liegt, dann sind die Chancen vielleicht schon weg, wenn du deine Order platzierst.
Damit wird das Problem am Ende zu:
Wann sollte man welche Strategie verwenden?
Und wenn ein Modell Market Regime immer richtig und zu jeder Zeit erkennt und dann immer im richtigen Moment auf die richtige Strategie umschaltet, dann ist es selbst wahrscheinlich noch schwieriger als das Finden irgendeiner „Superstrategie“.
──── ✦ ────
Das passt genau zu meinem aktuellen Forschungsansatz für ein Multi-Strategie-Mix-Modell.
Ich hoffe, AI entscheidet zuerst, ob der aktuelle Markt eher Trend, Seitwärtsbewegung oder eine andere Struktur ist, und erst dann, welche Strategie aktiviert wird.
Aber sehr schnell stößt man auf die zweite Ebene:
Kann das Modell, das das Market Regime einschätzt, sich dabei nicht auch irren?
Du dachtest, du hättest das Problem gelöst, dass die Strategie ausfällt – am Ende schiebst du die „Unsicherheit“ nur von der ersten Ebene auf die zweite.
Das ist es auch, was ich mittlerweile immer stärker denke: Quantisierung ist gleichzeitig sehr interessant – und gleichzeitig auch immer schwerer.
──── ✦ ────
Eine weitere Ansicht, die mir besonders im Gedächtnis geblieben ist, ist Adams Einschätzung zur Handelsfrequenz.
Viele bauen erst Roboter zusammen und hoffen dann ganz natürlich, dass die Roboter ständig weiter traden. Wenn man einen Tag keine Orders ausführt, fühlt es sich an, als würde das System, das man gebaut hat, nicht richtig arbeiten.
Aber wenn man nicht wirklich „HFT“ im eigentlichen Sinne macht, dann steigen mit zunehmender Handelsfrequenz genauso Gebühren, Slippage, Fake-Signale und auch fortlaufende Stopps.
Das echte High-Frequency-Trading ist sogar schon in eine andere Dimension vorgedrungen: Es geht nicht nur noch um das Modell, sondern darum, wie nah die Server am Exchange-Matching-Server stehen und wie niedrig man die Netzwerklatenz drücken kann.
Normales Quant-Trading und echtes HFT sind eigentlich zwei völlig verschiedene Branchen.
──── ✦ ────
Das hat genau ein früheres Widerspruchsgefühl getriggert, das ich hatte, als ich früher Strategien entwickelte.
Wenn man nur mit Candlesticks (K-Linien) arbeitet und sehr strenge Filterbedingungen hinzufügt, können sich einige Strategie-Ergebnisse tatsächlich gut machen lassen. Am Ende handelt man aber vielleicht erst nach einem Monat ein- oder zweimal – oder man geht sogar ein bis zwei Monate gar nicht in den Markt.
Ich hätte damals gedacht: Die Roboter sind doch schon gebaut – und man macht erst ein bis zwei Trades pro Monat. Das wirkt dann irgendwie bedeutungslos.
Wenn man später noch einmal zurückblickt, könnte diese Idee selbst vielleicht schon falsch gewesen sein.
Der Wert eines Roboters liegt darin, Transaktionen aufgrund von Vorteilen auszuführen – nicht darin, täglich zu beweisen, dass er arbeitet.
──── ✦ ────
Also ist es nach diesem Gespräch, dass ich über AI-Quantisierung wieder etwas klarer denke.
Der wertvollste Punkt von AI ist heute vielleicht noch nicht, dass sie dir plötzlich eine Strategie baut, die für immer Gewinne macht, sondern dass sie den gesamten Forschungsprozess massiv effizienter macht.
Code schreiben, Daten aufbereiten, Strategien generieren, Backtests im Batch durchführen, Parameter anpassen, Annahmen verifizieren, Programme pflegen – früher brauchte man dafür wahrscheinlich oft das Zusammenspiel vieler Leute mit Algorithmen, Entwicklung, Betrieb & Wartung und Trading. Heute kann man das auch versuchen, indem man nur einen Menschen mit ein paar Agenten koordiniert.
Allein daran sieht man: Für normale Trader/Quant-Forscher ist AI bereits eine sehr große Effizienzsteigerung.
Was die Unsicherheit des Marktes selbst angeht: Er ist noch nicht in der Lage, sie für uns zu beseitigen.
──── ✦ ────
Auch Adams abschließender Rat ist ziemlich realistisch.
Bevor man Strategien macht, sollte man zuerst klar klären, welche Art von Trader man eigentlich ist.
Wie viel Gewinn möchtest du erzielen?
Wie viel Drawdown kannst du maximal verkraften?
Welches Risiko bist du bereit zu tragen?
In welchen Situationen sollte man anerkennen, dass eine Strategie für den heutigen Markt nicht mehr geeignet ist?
Erst ganz am Ende kommt die Auswahl der passenden Strategie.
Alles läuft am Ende auf denselben Satz hinaus:
Positionsgröße steuern, Drawdowns kontrollieren – zuerst sicherstellen, dass man langfristig im Markt bleiben kann.
──── ✦ ────
11｜Woran wollte Satoshi Nakamoto Bitcoin zuerst hauptsächlich ausrichten?
Nachdem man über Quantisierung gesprochen hatte, kam Bruc e wieder zu Atem, und das Thema kehrte erneut zu Bitcoin zurück.
Der Teil der Geschichte, den er danach erzählte, fand ich interessant, weil sein Kernurteil sich von vielen heutigen Crypto-Erzählungen eigentlich nicht so stark unterscheidet.
Nach Bruces Verständnis hat Satoshi Nakamoto Bitcoin ganz am Anfang so entworfen, dass es ein Electronic-Cash-System ist, das sich in großem Maßstab verwenden lässt.
Die Blockbelohnungen sind nur eine frühe Subvention, um Miner dazu zu bringen, am Netzwerk teilzunehmen.
Mit jedem weiter stattfindenden Halving werden die Blockbelohnungen künftig immer weniger. Am Ende sollten Miner die Netzwerksicherheit dann über die Gebühren aus sehr vielen Transaktionen aufrechterhalten.
──── ✦ ────
Wenn man diesen Logikpfad weiter nach unten verfolgt, taucht eine sehr entscheidende Frage auf.
Wenn Miner in Zukunft allein mit Gebühren Geld verdienen sollen, dann brauchen sie eine riesige Menge an Transaktionen.
Wenn man massenhaft viele Transaktionen erzeugen will, dann müssen die Gebühren pro Trade ausreichend niedrig sein.
Bruces Ansicht ist, dass sich der spätere Entwicklungspfad von Bitcoin hier von der ursprünglichen Linie abgekoppelt hat.
Wenn die Blöcke begrenzt werden: Mit mehr Nutzern und Transaktionen staut sich das Netzwerk. Die Transaktionsgebühren werden immer höher – und das wirkt direkt auf die Möglichkeit von Bitcoin als Zahlungs- und Anwendungsinfrastruktur.
──── ✦ ────
Er hat ganz besonders das Jahr 2017 erwähnt.
Damals wuchs die Nachfrage nach Trading schnell. Das Bitcoin-Netzwerk fing an zu stauen, die Gebühren stiegen deutlich an. Viele Nutzer und Anwendungen begannen, nach anderen Netzwerken zu suchen.
USDT lief am Anfang tatsächlich auch schon auf dem Bitcoin-Netz, später migrierte es dann nach und nach auf andere Ketten.
Später sind Ethereum und viele andere Public Chains aufgestiegen. Natürlich gab es dafür viele komplexe Gründe. Aber aus Bruces Bitcoin-Native-Perspektive gesehen ist es ein sehr wichtiger historischer Wendepunkt, dass Bitcoin nicht weiter die Route „massenhaft, zu geringen Kosten handeln“ verfolgt hat.
Darum betont er auch immer wieder: „Zur ursprünglichen Design-Idee von Satoshi Nakamoto zurückkehren“.
──── ✦ ────
12｜OP_CAT und das Bitcoin-Endspiel, wie Bruce es sieht
Bruce treibt aktuell die technische Roadmap für OP_CAT und die zugehörigen Layer voran.
Sein Ziel ist, sagen wir: kompliziert ist es auf eine Weise kompliziert, aber im Kern eigentlich ziemlich simpel:
Bitcoin wieder in die Lage versetzen, massenhaft und zu geringen Kosten Transaktionen tragen zu können.
Die Gebühren sind so niedrig, dass normale Nutzer sie kaum bemerken.
Das Netzwerk kann genug Anwendungen und Transaktionen tragen – sodass Bitcoin wirklich zur grundlegenden Infrastruktur wird, nicht nur zu einem Asset, mit dem man Preise handelt.
──── ✦ ────
Er hat hier HTTPS als Beispiel verwendet, und ich fand das besonders anschaulich.
Heute nutzen wir alle jeden Tag HTTPS.
Wenn du dich bei der Bank anmeldest, bezahlst, eine Webseite öffnest und einkaufst – hinter all dem läuft ein großer Teil der Kommunikation über HTTPS.
Aber normale Menschen diskutieren fast nie täglich darüber:
„Heute habe ich wieder HTTPS benutzt.“
Wirklich ausgereifte Infrastruktur sollte eigentlich langsam „im Hintergrund verschwinden“.
──── ✦ ────
Darum hat Bruce am Ende auch genau dieselbe Erwartung an Bitcoin.
Eines Tages nutzen alle das Ding jeden Tag, aber sie müssen nicht einmal wissen, dass dahinter Bitcoin läuft. Sie betonen auch nicht ständig: „Das ist ein Crypto-Produkt“ oder „Das ist ein Web3-Projekt“.
So wie es heute keine Unternehmen gibt, die extra sagen:
„Wir sind ein Internet-Unternehmen.“
Weil alle Unternehmen inzwischen auf dem Internet aufgebaut sind.
Wenn Bitcoin eines Tages auch diesen Zustand erreichen kann, dann wäre das nach Bruces Verständnis wirklich der Abschluss des Übergangs von einem technischen Experiment hin zu einer grundlegenden Infrastruktur.
Am Ende hat er es mit einem Begriff zusammengefasst:
Infrastruktur.
──── ✦ ────
13｜Mit US-Aktien und Prognosemärkten: Warum sollte man noch Crypto handeln?
Ganz am Ende fragte ein Zuhörer, der erst seit Kurzem im Krypto-Bereich dabei war, eine ziemlich reale Frage.
Man kann jetzt schon AI kaufen, US-Aktien handeln, Prognosemärkte traden – und es kommen immer mehr TradFi-Assets on-chain dazu.
Warum braucht man dann heute immer noch, Crypto zu handeln?
Nis Antwort ist sehr direkt:
Volatilität und Leverage.
──── ✦ ────
Der wichtigste Grund, warum viele heute sagen, Crypto habe keine Performance, ist, dass wir uns gerade in einer Phase niedriger Liquidität befinden.
Wenn man in die Vergangenheit zurückgeht, in Zeiten mit sehr reichlich Liquidität – dann sind die Preiselastizität von Crypto und die traditionellen Märkte völlig nicht auf derselben Stufe.
Manchmal sind Kursbewegungen bei manchen Altcoins von 20% oder 30% an einem Tag in starken Märkten nicht selten.
Und bei traditionellen großen Aktienmärkten ist es für die meisten Zeiten sehr schwer, diese Art von Volatilität dauerhaft bereitzustellen.
Für reine Trading-User ist diese Volatilität selbst die Quelle der Chancen.
──── ✦ ────
Zweitens ist da der Leverage.
An der traditionellen Aktienbörse gilt ein Leverage von 3x schon als relativ aggressiv.
In Crypto sind Leverage von 10x oder 20x sehr häufig.
Das bedeutet natürlich auch ein größeres Risiko, aber es entscheidet zugleich, dass Crypto von Natur aus eine bestimmte Gruppe von Tradern mit hoher Risikoneigung anzieht.
Solange dieser Markt weiterhin hohe Volatilität, hohen Leverage und viele neue handelbare Assets liefert, wird er weiterhin eine Art Nutzer anziehen, die traditionelle Märkte nur schwer vollständig ersetzen können.
──── ✦ ────
14｜Nachdem ich die ganze Veranstaltung gehört habe, habe ich drei Einschätzungen übrig.
Nach dem ganzen Space habe ich selbst ungefähr drei Eindrücke.
Erstens: Das Problem, das Crypto heute hat, hat keinen einzigen eindeutigen „Täter“.
Zugespitzte Makro-Liquiditätslage, AI zieht Kapital an, TradFi nimmt Handelsvolumen mit, Branchenvertrauen wurde durch die letzten paar Marktphasen ausgehöhlt, und es gibt zu wenige Produkte, die wirklich in das Alltagsleben normaler Menschen eindringen können. Wenn all diese Dinge gleichzeitig passieren, entsteht am Ende genau das Marktumfeld, das man heute sieht.
Alle Fragen dem Fed zurechnen oder alles auf den Vierjahreszyklus schieben – ich finde, das ist zu simpel.
──── ✦ ────
Zweitens verschwimmt die Grenze zwischen Crypto und TradFi gerade sehr schnell.
Zukünftige Wallets und Exchanges werden wahrscheinlich immer ähnlicher zu einem globalen Asset-Konto sein.
Wenn du Stablecoins hältst, kannst du BTC traden, aber auch NVDA; du kannst Gold kaufen oder Rohöl und Indizes handeln.
Wenn all diese Assets in dasselbe Konto, dasselbe Abrechnungssystem und dieselbe Handelsoberfläche fallen, wird es die Nutzer möglicherweise gar nicht mehr so sehr beschäftigen, ob sie gerade „Coins traden“ oder „Aktien traden“.
Am Ende kümmern sich alle vor allem darum, wo es Chancen gibt.
──── ✦ ────
Drittens – und das interessiert mich persönlich am meisten: Der Spielraum hinter AI + Crypto könnte viel größer sein als das, was man heute sieht.
Wenn in Zukunft ein paar hundert Millionen oder sogar Dutzende Milliarden AI-Agenten anfangen, sich gegenseitig Daten, APIs, Rechenleistung, Modelle, Code und Services zu kaufen, dann brauchen auch sie Konten und Abrechnungssysteme in der digitalen Welt.
Zu diesem Zeitpunkt trägt Crypto vielleicht nicht nur Finanztransaktionen zwischen Menschen – sondern noch etwas anderes.
Vielleicht ist es sogar ökonomische Aktivität zwischen Maschinen und Maschinen.
Wenn dieses Szenario wirklich eintritt, dann könnte das Potenzial, das es eröffnet, weit über „welche Coins in der nächsten Runde man pushen sollte“ hinausgehen.
──── ✦ ────
Gestern Abend bin ich zufällig auf diese Space gestoßen und bin nur kurz rein, um eine Weile zuzuhören.
Ich hatte nicht erwartet, dass es am Ende, wenn man komplett zuhört, wirklich von Makro, TradFi, AI bis zur Quantisierung geht – bis hin zur ursprünglichen Designidee von Bitcoin. Das hat mich tatsächlich wieder eine Menge neu nachdenken lassen.
Ob wir jetzt wirklich gerade am Boden eines Bärenmarkts sind, wann die nächste Runde beginnt, ob BTC wirklich wieder auf frühere Hochs zurückkehrt – darauf habe ich im Moment weiterhin keine eindeutige Antwort.
Aber einen Punkt wird immer klarer bei mir:
Wenn die nächste Runde wirklich kommt, wird das Spiel vermutlich schon nicht mehr dasselbe sein wie in der vorherigen Runde.
──── ✦ ────
Zum Schluss noch einmal als Erinnerung:
Dieser Artikel basiert hauptsächlich auf der vor Ort geführten Diskussion in dieser Space am 12. August. Er enthält die persönlichen Ansichten mehrerer Gäste sowie meine Einordnung und Zusammenfassung von Teilen. Es gibt Unsicherheit bei Markturteilen, Preis-Erwartungen und Strategiediskussionen. Nur zum Austausch und zur Referenz – und stellt keine Anlageberatung dar.
Der Inhalt ist wirklich ziemlich lang. Darin geht es um viele verschiedene Richtungen wie Makro, AI, TradFi, Quantisierung und Bitcoin.
Wenn du es nützlich findest: Like + speichern.
Wenn man in ein halbes Jahr oder ein Jahr zurückkommt, kann man schauen, welche dieser Ansichten heute richtig lagen und welche vom Markt widerlegt wurden. Ich finde, dass das an sich interessanter ist, als jetzt darüber zu streiten, wer Recht hat oder wer Unrecht.