Ein System. 173 Signale. Nichts Vergleichbares.

Die Entscheidungs-Engine führt alle 173 Data Cards mit den aktuellen Learner-angepassten Gewichtungen aus. Jede Card gibt ein Richtungssignal, Stärke und Konfidenz-Score aus. Die Zone Engine nimmt diese Outputs durch eine mehrstufige Pipeline — clustert nahe beieinander liegende Levels, bewertet Richtungs-Konfluenz und qualifiziert nur Zones, die Abstands- und Trennungsfilter bestehen. Der finale Output — Bias, Wahrscheinlichkeits-Scores, qualifizierte Zones und dominante Signals pro Kategorie — wird zur Nachverfolgung veröffentlicht.

Für jedes neue Signal startet das System zwei unabhängige Tracks — einen Long, einen Short — jeder mit eigener Entry Zone aus der Zone Engine. Referenz-Levels für Ziele und Stops werden daneben gespeichert, beeinflussen aber nicht die Preisbeobachtung. Der Stop-Abstand ist dynamisch: kalibriert aus der ungünstigen Auslenkung vergangener Trades, sodass er knapp jenseits des normalen Volatilitätsrauschens liegt.

Jeder Preis-Tick von der Börse wird in Echtzeit verarbeitet. Wenn der Preis die Entry Zone betritt, beginnt das Tracking. Ab diesem Moment zeichnet das System kontinuierlich auf, wie weit der Preis in die günstige Richtung (MFE) und gegen dich (MAE) läuft — ohne dass Take-Profit oder Stop-Loss die Beobachtung vorzeitig beenden. Es erfasst auch zeitgestaffelte Snapshots, damit der Learner sehen kann, wie sich Setups entwickeln. Das Ergebnis ist eine saubere, unverzerrte Messung der Signal-Qualität.

Wenn ein Track abgeschlossen ist, überprüft das System: Hat der Preis den Entry ausgelöst? Wie weit ist er zu deinen Gunsten vs. gegen dich gelaufen? Hätte das Ziel basierend auf der tatsächlichen günstigen Auslenkung erreicht werden können? Das Ergebnis wird als Gewinn oder Verlust markiert, basierend darauf, ob der Preis weit genug gelaufen ist — ein direktes Maß für Signal-Qualität, nicht Ausführungsglück. Diese Ergebnisdatensätze, getaggt mit den Kategorie-Scores des ursprünglichen Signals, werden zu den Trainingsdaten für den Learner.

Der Gewichtungs-Rekalibrator zieht alle Ergebnisse mit Kategorie-Score-Daten und misst die Vorhersagekraft: Für jede Kategorie vergleicht er die Winrate, wenn diese Kategorie mit der Traderichtung übereinstimmte, gegenüber wenn nicht. Kategorien, bei denen Übereinstimmung mit Gewinnen korreliert, erhalten höhere Gewichtungen. Der Zone-Optimierer läuft separat — er prüft Entry Trigger-Raten und leitet aus Excursion-Verteilungen optimale Ziel- und Stop-Abstände mathematisch ab. Wenn Zones zu oft triggern, werden Entry-Abstände vergrößert. Wenn ungünstige Auslenkung konsistent zu hoch ist, bekommen Stops mehr Spielraum. Ein Performance-Sicherheitsmechanismus vergleicht Winraten vor und nach jeder Anpassung und rollt automatisch zurück, wenn die Performance sinkt.

Die Engine liest die aktualisierten Gewichtungen im nächsten 10-Sekunden-Zyklus. Jede Learner-Kategorie steuert eine Gruppe verwandter Signal Cards — zum Beispiel beeinflusst die Order Flow Kategorie alle Order Flow, Microstructure und Order Book Cards gleichzeitig. Die gelernte Gewichtung skaliert jede Card in dieser Gruppe, begrenzt um eine Dominanz einzelner Kategorien zu verhindern. Dieselben 173 Cards feuern, aber mit gelernter Gewichtung. Der Loop schließt sich — und das nächste Signal trägt bereits das neueste Verständnis des Systems, was funktioniert.

Standard-Gewichtungen angezeigt. Der Learner passt diese anhand der Vorhersagekraft an — Kategorien, die Gewinner vorhersagen, werden bis zu 3x verstärkt. Schwache Kategorien werden auf 0,3x reduziert.