algo-investor-skills: Claude-Code-Skills, die ein betrugssicheres Investorenangebot erstellen

Jeder Algotrader, der jemals versucht hat, externes Kapital einzuwerben, kennt die Mauer. Sie haben eine Strategie, die funktioniert, einen Live-Track-Record auf Ihren eigenen Konten und eine saubere Equity-Kurve. Dann setzen Sie sich hin, um das Investorendokument zu schreiben — und stellen fest, dass der schwierigste Teil nicht die Strategie ist. Es geht darum, einen zahlenaffinen, skeptischen Profi davon zu überzeugen, dass Sie kein Betrüger sind. Er wird Ihnen das nicht einfach glauben. Was er 2026 tatsächlich tut, ist, Ihr kommerzielles Angebot ohne weiteren Kontext in ein LLM einzufügen und zu fragen: "Ist das echt, oder ist das Betrug?"

algo-investor-skills ist eine fertige Sammlung von Claude Code-Skills, die genau für diesen Moment gebaut wurde. Sie führt Sie von rohen Strategiefakten zu einem fertigen, geprüften, mehrsprachigen Investorenangebot — der Art von glaubwürdigem, ehrlichkeitsorientiertem Dokument, das diesen feindseligen LLM-Einfügetest übersteht. Das gesamte Design beruht auf einer nicht verhandelbaren Regel: Es erfindet niemals eine Zahl.

Ein Hinweis vorweg, derselbe, mit dem das Repo beginnt: Alles im Verzeichnis reference/ des Kits ist ein anonymisiertes durchgerechnetes Beispiel. Namen, Handelsplätze und Kennzahlen sind Platzhalter, keine echten Werte. Die Skills generieren Dokumente aus Ihrem eigenen gemessenen Track — sie liefern niemandes echte Zahlen mit und erfinden Ihre auch nicht.

Warum dies ein Skill-Set ist und keine Vorlage

Sie könnten ein Investorenangebot aus einer Word-Vorlage schreiben. Manche tun das, und man sieht es. Eine statische Vorlage kann Ihren Sharpe nicht neu berechnen, wenn Sie vierzig Trades hinzufügen, sie kann Ihren Edge nicht mit entfernten Top-Gewinnern stresstesten, und sie kann keinen feindseligen Allokator imitieren, um die Schwachstellen in Ihrem eigenen Pitch zu finden. Genau diese Lücke füllt algo-investor-skills.

Dies sind einfache Claude-Code-Skills, die unter .claude/skills/ liegen. Öffnen Sie das Repo in Claude Code, und sie laden automatisch. Da es sich um gewöhnliche Skills handelt, können Sie sie auch in jedes andere Projekt übernehmen — kopieren Sie die Ordner in ein projektlokales .claude/skills/ oder in Ihr benutzerglobales ~/.claude/skills/, um sie überall zu haben:

cp -r .claude/skills/* /path/to/your/project/.claude/skills/

cp -r .claude/skills/* ~/.claude/skills/

Die Finanzmodell-Engine läuft sogar eigenständig, ohne Abhängigkeiten, als Plausibilitätsprüfung:

node .claude/skills/algo-financial-models/models.mjs   # prints a worked demo

Die sechs Skills

Das Kit liefert sechs kombinierbare Skills. Einer ist der Orchestrator; die anderen fünf verantworten jeweils eine Stufe der Pipeline.

Die Pipeline, von Anfang bis Ende

Die Skills sind kein Menü, aus dem Sie willkürlich auswählen — sie bilden eine geordnete Pipeline, und investor-docs führt sie der Reihe nach aus, weil jede Stufe von der vorherigen abhängt:

intake/intake-template.md   ← you fill in measured facts + labeled assumptions
        │
        ▼
algo-financial-models   →   honest numbers / tables
        │
        ▼
investor-proof-pack     →   transparency + verification package
        │
        ▼
investor-proposal-build →   full 14-section Markdown proposal
        │
        ▼
investor-doc-localize   →   language / market variants   (optional)
        │
        ▼
investor-proposal-audit →   skeptical-investor loop until it passes  (REQUIRED)

1. Intake — die einzige Quelle der Wahrheit

Es beginnt mit intake/intake-template.md. Sie tragen Ihre Strategiethese ein, Ihren gemessenen Track (Stichprobengröße, Trefferquote, durchschnittlicher Trade, Sharpe, Sortino, maximaler Drawdown, Datumsbereich), Ihre Handelsplätze und Kontenarchitektur sowie Ihre kommerziellen Bedingungen. Entscheidend ist: Sie markieren jede Zahl entweder als [real] (gemessen) oder als klar gekennzeichnete zukunftsgerichtete Annahme (Hebel, Tranchenzahl, angenommene Tiefe, Slippage, Alpha-Verfall).

Die Regel, die das gesamte Kit vertrauenswürdig macht, wohnt hier: Alles, was Sie leer lassen, wird zu einem expliziten TODO-Platzhalter im Entwurf, niemals zu einer erfundenen Zahl. Wenn Sie eine Zahl nicht mit Ihren Exchange-Exporten belegen können, lassen Sie sie leer, und das Kit weigert sich, die Lücke zu übertünchen.

2. algo-financial-models — die ehrlichen Zahlen

Dieser Skill verwandelt Ihre gemessenen Eingaben in sechs quantitative Modelle, ausgegeben als einsatzfertige Markdown-Tabellen, jeweils mit einer ehrlichen ein- oder zweizeiligen Bildunterschrift:

• Erwartungswert und Positionsgröße — Erwartungswert, Sigma pro Trade, Payoff-Verhältnis, Kapazität, Netto-Edge und die Kelly-Fraktion.
• Die Rendite-Brücke — vier Sprossen vom rohen Edge pro Ereignis bis zur kapazitätsbereinigten, gebührenbereinigten, verfallsbereinigten Zahl. Sie zeigt immer beides, den rohen Edge und den kapazitätsbereinigten Edge, denn die rohe Zahl pro Ereignis ist keine fondsrealisierbare Rendite, und so zu tun als ob, ist genau die Art von Unehrlichkeit, deren Verhinderung das Kit existiert.
• High-Water-Mark-Gebührenmodell — nur Performancegebühr, erhoben auf neue Equity-Höchststände.
• Quant-Metriken — löst Sigma und Downside-Abweichung rückwärts auf, sodass Ihr gemessener Sharpe und Sortino exakt reproduziert werden. Es sind Durchleitungen; das Kit überschreibt oder beschönigt sie nicht.
• Monte-Carlo (GBM) — P5-/P50-/P95-Pfade plus Ruinwahrscheinlichkeit, mit eingerechnetem Alpha-Verfall.
• Alpha-Beständigkeit + Wilson-KI — ein Verfallsschema für den Edge und ein Konfidenzintervall für die Trefferquote bei kleiner Stichprobe, sodass eine Zahl von 62 % aus 80 Trades niemals so präsentiert wird, als wäre sie ein Naturgesetz.

Ein Detail, das ich wirklich scharf finde: Die effektive Exposition pro Ereignis wird als leverage / tranches (L / N) berechnet, und die Exposition-Sweep-Tabelle ist farbcodiert gegen Kelly — grün bei oder unter Half-Kelly, gelb bis Full-Kelly, rot darüber. Das verwandelt "Wie viel sollte ich setzen?" von einem Bauchgefühl in eine Tabelle, die Sie verteidigen können.

3. investor-proof-pack — Ehrlichkeit überprüfbar gemacht

Das ist der Teil, um den es Skeptikern wirklich geht. Das Proof-Pack stellt ein Transparenzpaket zusammen, das beweist, dass Ihr Live-Track echt ist, ohne die Geheimrezeptur zu verraten und ohne etwas zu erfinden:

• Eine Tabelle offengelegter Trades mit festen Spalten (# | Venue | Pair | Date | Side | PnL % | Hold time | Status), die alle Trades im Zeitfenster auflistet — Gewinner und Verlierer. Rosinenpickerei ist ausdrücklich verboten. Prozentsätze und Daten werden gezeigt; Dollarbeträge werden bewusst zurückgehalten, und das Kit benennt diese Grenze in klaren Worten.
• Eine unabhängige Abgleichsmethodik mit zwei Wegen, die übereinstimmen müssen: Order-ID-Abgleich über die REST-API der Börse (Neuberechnung des realisierten P&L exakt aus den Fills) und Kontoauszugsabgleich gegen den offiziellen Transaktionshistorie-Export der Börse (abgeglichen nach Symbol + Zeit + Vorzeichen innerhalb einer angegebenen Toleranz). Zwei unabhängige, übereinstimmende Abgleiche sind viel schwerer zu fälschen als einer.
• Ein schreibgeschütztes "Step 0"-Verifikationsangebot: ein Skript, das der Investor selbst gegen einen schreibgeschützten API-Schlüssel ausführt, den er erzeugt, und das die offengelegten Trades gegen die eigenen Daten der Börse abgleicht — bevor irgendein Trade-Berechtigungsschlüssel erteilt wird.
• Charts — synthetische Illustrationen (klar gekennzeichnet, um Trade-Mechanik zu erklären) neben echten Kerze-für-Kerze-Charts mit Ein-/Ausstiegsmarkierungen, die an die abgeglichenen Fills gebunden sind.

Und der Teil, der dies von einem Pitch Deck unterscheidet: Das Proof-Pack benennt seine eigene Grenze laut. Der Abgleich beweist die Authentizität und Größenordnung vergangener Live-Trades. Er beweist nicht zukünftige Renditen, er beweist nicht, dass der Edge bei großer Größe hält, und er ist kein vollständiges Audit. Der stärkste Beweis, sagt das Kit klar, ist ein zukünftiger Pilot auf dem eigenen Konto des Investors.

4. investor-proposal-build — der 14-teilige Bogen

Dieser Skill setzt ein einziges, in sich geschlossenes Markdown-Dokument zusammen, das ein feindseliger Investor als Ganzes in ein LLM einfügen und auseinandernehmen kann. Die Struktur ist ein bewusster 14-teiliger Bogen, der mit Risiko und Verwahrung beginnt, nicht mit Renditen:

1. These — mit dem Verwahrungsanker als Einzeiler im allerersten Absatz.
2. Woher der Edge kommt — die strukturelle Ineffizienz, mit einem ehrlichen Vorbehalt, dass externe Studien nicht als eigene Ergebnisse des Betreibers präsentiert werden.
3. Kernkennzahlen — Sharpe/Sortino/maximaler Drawdown, vermerkt als hebelinvariante Verhältnisse, Sortino-geführt, mit angehängtem Kleinstichproben-Vorbehalt.
4. Verwahrung und Betriebsmodell — Nur-Trade-API-Schlüssel, keine Abhebungsrechte, Ein-Klick-Widerruf als "Notbremse", angegeben als das einzige angebotene Modell.
5. Transparenz echter Trades — das Proof-Pack aus Schritt 3.
6. Kapitalstufen — Pilot (~50k $, Gebühr im Treuhandkonto, 0 % bis die High-Water-Mark sich erholt), Skalierung, dann Ziel.
7. Gebührenmodell — eine konkrete Performancegebühr als Prozentsatz des Netto-Gewinns, mit High-Water-Mark und ohne Managementgebühr.
8. Die zwei benannten Risiken — nicht-im-großen-Maßstab-getestet (Exit-Liquidität) und das ultrakurze Halte-Fenster, ohne Beschönigung genannt.
9. Eine quantifizierte Tabelle mit Ausfallszenarien — was der Investor in jedem Szenario verliert, gebunden an die N-Tranchen-Mathematik.
10. Haftung und Risikoallokation — einschließlich des ehrlichen Vorbehalts keine-Rechtsperson / begrenzter-Rückgriff.
11. Kapitalaufteilung auf N separate Top-Level-Konten (keine Unterkonten, die bei einem Einfrieren kaskadieren können), mit einem Cap pro Handelsplatz.
12. Alpha-Beständigkeit — die explizite Verfallsannahme und Kapazitätsgrenze, gerahmt als zukunftsgerichtete Annahme.
13. Betreiber — eine Person, ein Verantwortlicher, angegeben sowohl als Alignment-Merkmal als auch als Schlüsselpersonenrisiko.
14. Roadmap — ausdrücklich als "keine Versprechen" gekennzeichnet.

Das Ganze ist konstruktionsbedingt hype-arm. Wenn ein Satz wie ein Pitch Deck klingt, streicht der Skill ihn. Verwahrung und Notbremse kommen vor jeder Renditezahl, und jeder Abschnitt, der als Prahlerei gelesen werden könnte, wird im selben Atemzug durch das entsprechende Risiko ausbalanciert.

5. investor-doc-localize — Übersetzung ohne Drift

Optional, aber gut gestaltet. Es lokalisiert den fertigen Master nach en / ru / zh / ko (erweiterbar) und erzeugt sogar marktspezifische Varianten — zum Beispiel eine Isolierter-Markt-Variante, die den strukturellen Edge für ein Publikum sichtbar macht, das den Handelsplatz aus erster Hand versteht, gegenüber einer bereinigten öffentlichen Variante. Die Todsünde, gegen die es sich absichert: eine Zahl driften oder einen Vorbehalt weicher werden zu lassen, weil er sich in einer anderen Sprache "besser liest". Jeder Gebührensatz, jede Verwahrungsbedingung, jedes Ausfallszenario wird über die Sprachen hinweg identisch wiedergegeben, mit einem Rückübersetzungs-Stichprobencheck der Abschnitte zu Verwahrung, Gebühren und Haftung.

6. investor-proposal-audit — der verpflichtende Gate

Das ist der Skill, der das Kit zu mehr als einem Dokumentengenerator macht. Er simuliert genau die Prüfung, die ein seriöser Investor durchführt: Ein frischer, rein dokumentbasierter KI-Investor — kein Code, kein Track-Record, kein Vertrauensvorschuss — liest das Angebot und liefert ein strukturiertes Urteil zurück: satisfaction (0–100), wouldInvest, scamRisk (low / medium / high), Hauptbedenken, fehlende Infos, Red Flags und Stärken. Dann behebt ein Reviser-Agent, was der Skeptiker markiert hat — ehrlich — und die Schleife wiederholt sich.

Das Bewertungsraster geht standardmäßig von Skepsis aus. Es belohnt ehrliche Einschränkungen, konkrete Verifikationsmechanismen, explizite Gebühren- und Verwahrungsbedingungen sowie quantifizierten Nachteil. Es bestraft hart: Marketing-Adjektive, "vertraut uns" mit versteckten Zahlen, Vagheit beim Geld, unüberprüfbare Behauptungen und interne Widersprüche — der klassische ist, eine große Summe zu verlangen, während man zugibt, dass die Kapazität pro Ereignis winzig ist.

Die Regeln des Revisers sind der moralische Kern des gesamten Kits. Er bläht niemals eine Kennzahl auf, löscht niemals einen Vorbehalt, erfindet niemals einen Track-Record. Der Weg, "unüberprüfbar" zu beheben, besteht darin, anbietbaren Nachweis hinzuzufügen — schreibgeschützten API-Zugang, börsenexportierte Kontoauszüge, einen kleinen bezahlten Piloten, Performancegebühr-Treuhand — nicht darin, zu übertreiben. Ein Dokument ist erst dann "fertig", wenn satisfaction >= 88 und scamRisk nicht high ist, nach mindestens zwei Iterationen. Ein Angebot, das dieses Audit nicht bestanden hat, ist per Definition ein Entwurf und kein Liefergegenstand.

Die Designprinzipien (und warum sie einem Allokator wichtig sind)

Das Repo nennt vier nicht verhandelbare Prinzipien, und es lohnt sich, sie als Manifest für ehrliches Fundraising zu lesen:

• Niemals erfinden. Jede Zahl geht auf gemessene Daten oder eine klar gekennzeichnete zukunftsgerichtete Annahme zurück. Fehlende Fakten werden zu sichtbaren TODO-Platzhaltern, nicht zu erfundenen Zahlen.
• Ehrlichkeitsorientiert, hype-arm. Mit Risiko und Verwahrung beginnen. Einschränkungen benennen. Verifikation anbieten, statt um Vertrauen zu bitten.
• Verwahrung ist strukturell, nicht versprochen. Nur-Trade-API-Schlüssel auf investoreneigenen Konten, keine Abhebungsrechte, mit einem Klick widerrufbar.
• Der Audit-Gate ist verpflichtend. Ein Dokument ist erst fertig, wenn die Skeptischer-Investor-Schleife bestanden ist.

Wenn Sie jemals einen Algotrading-Pitch gelesen und mit jedem Superlativ Ihre Skepsis wachsen gespürt haben, verstehen Sie, warum diese Umkehrung funktioniert. Vertrauen wird nicht durch mehr Behauptungen aufgebaut; es wird aufgebaut, indem man genau das behauptet, was man beweisen kann, und indem man dem Leser die Werkzeuge in die Hand gibt, es selbst zu prüfen.

Wie ein Algo-Investor es tatsächlich nutzt

In der Praxis ist der Workflow kurz:

1. Öffnen Sie das Repo in Claude Code, damit die Skills automatisch laden.
2. Kopieren Sie die Intake-Vorlage und füllen Sie sie mit Ihrem gemessenen Track und explizit gekennzeichneten zukunftsgerichteten Annahmen, wobei Sie dort Lücken lassen, wo Sie keine Daten haben.
3. Fragen Sie Claude: "Bereite ein Investorendokument für meine Strategie vor." Das löst den investor-docs-Orchestrator aus, der die Pipeline von Anfang bis Ende durchläuft.
4. Der Audit-Gate läuft zuletzt und wiederholt sich, bis die Zufriedenheit hoch genug und das Betrugsrisiko nicht mehr hoch ist.

Was Sie herausbekommen, ist eine einzige Markdown-Datei: portabel, in sich geschlossen und darauf gebaut, den LLM-Einfügetest zu überstehen, dem ein echter Allokator sie ohnehin unterziehen wird.

Wo es ins Marketmaker- / KI-Agenten-Ökosystem passt

Wir haben in diesem Blog viel über KI-Agenten geschrieben, die Handelsentscheidungen treffen — Multi-Agenten-Fonds, LLM-Analystenkomitees, Reinforcement-Learning-Ökosysteme. algo-investor-skills liegt eine Ebene weiter außen, bei einem Problem, das jene Projekte meist ignorieren: Sobald eine automatisierte Strategie funktioniert, wie kommunizieren Sie sie glaubwürdig an Kapital? Es ist das agentische KI-Muster, gerichtet auf Investor Relations und Due Diligence statt auf Signalgenerierung. Die Form aus Orchestrator plus Spezialisten — ein Skill, der sequenziert, mehrere, die jeweils eine Stufe verantworten — ist dieselbe kombinierbare Agentenarchitektur, die wir immer wieder gewinnen sehen, hier angewandt auf eine Dokumentations- und Verifikationspipeline statt auf ein Orderbuch.

Für einen ernsthaften Algotrader ist das ein bedeutsames Stück Infrastruktur. Die Strategie ist Ihr Edge; das geprüfte, ehrlichkeitsorientierte Angebot ist das, was diesem Edge erlaubt, Kapital anzuziehen, ohne dass Sie zum Marketer werden oder Ihre Glaubwürdigkeit kompromittieren müssen. Die Haltung des Kits — Verifikation vor Vertrauen, Risiko vor Renditen, niemals erfundene Zahlen — ist genau die Haltung, die den Kontakt mit einem professionellen Allokator übersteht.

Ehrliche Vorbehalte

Dies ist ein Projekt in einer frühen Phase mit einem einzigen Maintainer, und das Repo sagt das auch. Das Referenzangebot und die Modelle sind anonymisierte illustrative Beispiele, keine echten Werte — der Wert des Kits liegt im Prozess und in der Disziplin, nicht in irgendwelchen mitgelieferten Zahlen. Die Audit-Schleife ist nur so gut wie das Modell, das sie ausführt, und eine bestandene Bewertung auf dem Papier ist immer noch eine Papierbewertung: Wie das Kit selbst betont, ist der stärkste Beweis immer ein zukünftiger Pilot auf dem eigenen Konto des Investors. Das Kit erstellt Dokumente; es gibt keine Finanz-, Rechts- oder Steuerberatung, und vergangene oder backgetestete Ergebnisse garantieren keine zukünftigen.

Nichts davon untergräbt die Kernidee. Die harte, ehrliche Arbeit der Vorbereitung von Investorendokumenten — reproduzierbare Zahlen berechnen, ein überprüfbares Proof-Pack bauen, mit Risiko beginnen und eine feindselige Prüfung überstehen — ist genau die Arbeit, die dieses Kit systematisiert.

Links

• GitHub: suenot/algo-investor-skills

Fazit

algo-investor-skills ist ein kleines Repo mit einer ungewöhnlich disziplinierten These: Der Weg, Kapital für eine Algotrading-Strategie einzuwerben, besteht nicht darin, härter zu pitchen, sondern überprüfbar ehrlich zu sein. Sechs Claude-Code-Skills verwandeln diese These in eine Pipeline — gemessene Fakten hinein, reproduzierbare Zahlen, ein verifizierbares Proof-Pack, ein 14-teiliges, risiko-zuerst-Angebot, optionale getreue Lokalisierung und ein verpflichtendes Skeptischer-Investor-Audit, das Schwächen behebt, indem es Nachweis hinzufügt, statt zu übertreiben.

Wenn Sie eine echte Strategie betreiben und jemals an der Investorendokument-Mauer stecken geblieben sind, ist das einen Nachmittag wert. Füllen Sie das Intake aus, führen Sie den Orchestrator aus, lassen Sie den Skeptiker Ihren Entwurf zerpflücken und liefern Sie ein Dokument, das genau das sagt, was Sie beweisen können — und dem Leser die Werkzeuge in die Hand gibt, es zu bestätigen.