Neun von zehn Leuten, die mit Quant-Trading anfangen, scheitern an derselben Stelle: nicht an der Strategie, sondern am Infrastruktur-Gefrickel.

Daten beschaffen, Indikatoren selbst schreiben, Backtesting-Framework aufsetzen, dann noch irgendwie die KI anbinden – bevor du überhaupt eine einzige Handelsidee getestet hast, sind drei Wochenenden weg. Und die Motivation gleich mit.

Ich hab genau diesen Fehler gemacht. Zweimal.

Bis ich cinar/indicator gefunden habe. Eine Go-Library, die das ganze Fundament gleich mitliefert. Seitdem teste ich eine neue Strategie an einem Abend statt in einem Monat.

Was die Library tatsächlich kann

cinar/indicator ist kein weiteres halbgares GitHub-Projekt mit drei Sternen. Das Ding hat über 1.000 Stars und wird aktiv gepflegt. Der Kern:

• 80+ technische Indikatoren – SMA, EMA, RSI, MACD, Bollinger, ATR, Ichimoku, Stochastik, alles was du brauchst. Fertig implementiert, getestet, dokumentiert.
• Backtesting-Framework eingebaut – du fütterst historische Daten rein, bekommst Equity-Kurve, Drawdown, Sharpe Ratio zurück. Kein separates Tool nötig.
• MCP-Server für KI-Anbindung – das ist der eigentliche Killer. Du startest den MCP-Server, verbindest Claude oder GPT, und die KI kann direkt auf deine Indikatoren und Backtests zugreifen. Kein Copy-Paste von CSV-Dateien mehr.

Der letzte Punkt hat bei mir alles verändert.

Warum MCP hier den Unterschied macht

Vorher lief das so: Python-Script schreibt Indikator-Werte in eine CSV, ich lade die CSV in Claude hoch, Claude analysiert, ich kopiere die Erkenntnisse zurück in den Code. Pro Iteration 20 Minuten Copy-Paste-Mist.

Mit MCP läuft es so: Ich sage Claude „teste die letzten 200 Tage mit RSI(14) unter 30 als Einstieg, Stopp-Loss bei 2 ATR, zeig mir die Ergebnisse”. Claude ruft die Indikatoren direkt über MCP auf, führt den Backtest aus, liefert Zahlen. In 30 Sekunden.

Das ist kein Nice-to-have. Das ist der Unterschied zwischen „ich probiere drei Strategie-Varianten pro Woche” und „ich teste 15 Varianten pro Abend”.

Der konkrete Einstieg: 2 Stunden bis zum ersten Backtest

So bin ich vorgegangen:

Stunde 1 – Setup:

1

go get github.com/cinar/indicator/v2

Dann historische Kursdaten besorgen. Kostenlose Quelle: Yahoo Finance API oder Stooq. CSV runterladen, einlesen, fertig.

Stunde 2 – Erste Strategie:
Einfacher Mean-Reversion-Ansatz: RSI unter 30 kaufen, RSI über 70 verkaufen. Mit der Library sind das vielleicht 40 Zeilen Code inklusive Backtest.

Mein Ergebnis beim ersten Durchlauf mit DAX-Daten: 11,4 % Rendite in 200 Tagen, maximaler Drawdown 6,8 %. Nicht weltbewegend, aber ein funktionierender Ausgangspunkt. Ab da heißt es iterieren.

Die eigentliche Frage: Wie verdient man damit Geld?

Ein Tool zu haben ist schön. Aber der Hebel liegt in dem, was du damit baust. Drei Wege, die ich konkret sehe:

1. Signal-Abonos verkaufen (€15–50/Monat)
Du entwickelst eine Strategie mit nachweisbarem Track-Record, veröffentlichst die Signale wöchentlich auf Substack oder als Newsletter. 100 Abonnenten à €20 sind €2.000 im Monat. Der Aufwand nach dem Setup: eine Stunde pro Woche.

2. Individuelle Backtests als Service (€100–400 pro Auftrag)
Es gibt genug Trader, die eine Idee haben, aber keine Ahnung von Code. Du testest ihre Strategie, lieferst einen sauberen Report mit Zahlen. Plattformen wie Fiverr oder spezialisierte Trading-Foren funktionieren dafür gut. Mit der Library brauchst du pro Auftrag zwei bis drei Stunden.

3. KI-gestützte Strategie-Reports verkaufen (€50–150 pro Report)
Du kombinierst die MCP-Anbindung mit Claude oder GPT, erstellst automatisierte Marktanalysen für bestimmte Assets. Einmal aufsetzen, dann skaliert es fast von allein. Verkauf über Lemon8, Pinterest oder direkt an Trading-Communities.

Der gemeinsame Nenner: Die Library nimmt dir den Teil ab, der dich vorher Wochen gekostet hat. Die Zeit steckst du in das, was tatsächlich Geld bringt – Strategien entwickeln, Ergebnisse verkaufen.

Was die Library nicht kann

Damit hier kein falscher Eindruck entsteht:

• Keine Live-Trading-Anbindung. Du musst die Signale selbst an deinen Broker bringen.
• Keine Datenbeschaffung. Historische Kurse musst du dir selbst besorgen.
• Keine Garantie für profitable Strategien. Das Tool macht dich schneller, nicht automatisch reich.

Wer eine Komplettlösung sucht, wird enttäuscht. Wer ein verdammt gutes Fundament will, ist hier richtig.

Fazit in einer Zahl

Vorher: 3 Wochenenden für Infrastruktur, 0 getestete Strategien.
Nachher: 2 Stunden Setup, 15 Strategie-Varianten am ersten Abend.

Der Flaschenhals beim Quant-Trading war nie die Ideenfindung. Er war immer das Fundament. cinar/indicator räumt das weg.

Jetzt liegt der Flaschenhals wieder da, wo er hingehört: bei der Qualität deiner Strategien.