AlphaVue-Update: Von KI-Aktienforschung zum Anlage-Entscheidungssystem

AlphaVue war schon immer in einer Sache gut: aus einem Ticker eine strukturierte Research-Note zu machen. Sie geben ein Unternehmen ein, und die Plattform stellt die Finanzzahlen, die Bewertung, die Risiken und die Quellen zu etwas zusammen, das man tatsächlich lesen kann. Diese Fähigkeit ist weiterhin vorhanden und nach wie vor wichtig. Was dieses Release hinzufügt, ist alles, was passiert, nachdem die Note veröffentlicht wurde.

Eine Research-Note ist ein Schnappschuss, und Schnappschüsse altern. Unternehmen berichten weiter, Kurse bewegen sich, Schätzungen werden laufend angepasst, und eine Schlussfolgerung, die vor drei Monaten noch Sinn machte, kann ohne ein einzelnes dramatisches Ereignis plötzlich nicht mehr haltbar sein. Die eigentliche Schwierigkeit bei Aktienrecherche ist selten die erste Lektüre. Es geht darum, nachzuhalten, was sich geändert hat, zu entscheiden, ob die ursprüngliche Argumentation noch trägt, und zu verstehen, was eine neue Tatsache für die Aktien bedeutet, die man bereits hält.

Genau die zweite Hälfte betrifft dieses Update: eine KI-gestützte Aktien-Rechercheplattform in ein Investitionsentscheidungs-System zu verwandeln. AlphaVue hält jetzt dauerhaften Zustand um seine Analysen herum: Versionen der Research-Note, die Belege hinter jeder Version, die daraus resultierenden Ergebnisse und die daraus folgenden Alerts. Das Produkt ist um eine Schleife herum organisiert, und jede neue Oberfläche in diesem Release fügt sich irgendwo in diese Schleife ein:

Entdecken → Recherchieren → Folgen → Veränderungen verstehen → Validieren → Vorwärtstest → Portfolio‑Auswirkung sehen → Erneut prüfen.

Hier ist, was ausgeliefert wurde, was jedes Element macht und wie man es verwendet.

Warum ein Bericht nicht ausreicht

Die Begrenzung der meisten KI-Tools zur Aktienrecherche ist nicht die Qualität einer einzelnen Antwort. Es ist das, was die Antwort danach für Sie tut.

Ein typischer Arbeitsablauf sieht so aus: Sie verlangen eine Analyse, Sie lesen sie, speichern sie vielleicht, und dann endet der Prozess. Der Bericht erinnert sich nicht an sich selbst. Er sagt Ihnen nicht, wenn eine neue Einreichung eine seiner Annahmen widerlegt. Er läuft nicht automatisch neu, wenn der Markt die Aktie neu bewertet. Wenn Sie drei Wochen später zurückkommen, fangen Sie im Effekt wieder von vorn an, und wenn Sie keine Notizen gemacht haben, bemerken Sie womöglich nicht einmal, dass die ursprüngliche Schlussfolgerung stillschweigend nicht mehr haltbar ist.

Investoren brauchen nicht mehr Berichte. Sie brauchen Antworten auf eine kleinere Menge wiederkehrender Fragen:

• Was hat sich verändert, seit ich dieses Unternehmen zuletzt betrachtet habe?

• Welche neue Behauptung wird durch Beweise gestützt, und wo sind diese Beweise?

• Hätte diese Idee historisch funktioniert und unter welchen Bedingungen?

• Funktioniert die Idee zukünftig, ohne den Vorteil der Rückschau?

• Was bedeutet eine Veränderung für ein Portfolio, das die Aktie bereits hält?

Diese Fragen haben eine Gemeinsamkeit: Sie alle erfordern Zustand. Sie brauchen die alte Version der Analyse, um sie mit der neuen zu vergleichen. Sie brauchen eingefrorene Eingabedaten, um eine Entscheidung fair wieder abzuspielen. Sie brauchen ein Startdatum, das dem Ergebnis vorgelagert ist, um einen Test ehrlich nennen zu können. Ein Werkzeug, das nur Berichte erzeugt, kann keine dieser Fragen beantworten.

Also wurde AlphaVue um eine Schleife herum neu aufgebaut statt um ein Dokument. Entdecken Sie ein Unternehmen, recherchieren Sie es, folgen Sie ihm, verstehen Sie, was sich ändert, validieren Sie die Hypothese, beobachten Sie die Entwicklung in der Vorwärtsrichtung, prüfen Sie die Auswirkungen auf das Portfolio und überprüfen Sie die gesamte Kette erneut. Die Analyse ist weiterhin der Motor. Das Produkt ist die Schleife.

Überlegen Sie, wie ein typischer Fehler entsteht. Sie lesen im April eine Analyse eines Unternehmens. Der Bericht ist solide, und die Bewertung erscheint angemessen. Zwei Monate später senkt das Unternehmen seine Prognose, die Aktie fällt, und die ursprüngliche These bricht stillschweigend zusammen. Der Bericht sagt Ihnen das nie, denn ein einmal geschriebener Bericht kann Ihnen nichts mehr sagen. Was Sie nicht brauchten, war im April ein besserer Bericht. Sie brauchten ein System, das die Änderung der Prognose bemerkt, sie mit der These verknüpft, Ihnen die Belege für die neue Schlussfolgerung zeigt und erklärt, was die Änderung für eine Position bedeutet, die Sie halten. Diese Lücke schließt diese Veröffentlichung.

Today: ein Entscheidungs‑Feed, der Ihnen sagt, was sich geändert hat

Das Erste, was Sie nach dem Einloggen sehen, ist nicht mehr ein generisches Dashboard. Es ist Today, ein personalisierter Feed, der aus den Unternehmen aufgebaut wird, denen Sie folgen.

Ein Eintrag erscheint im Feed, wenn etwas Wesentliches passiert: neue Belege, die die aktuelle These stützen oder untergraben, eine Risikoänderung, ein Katalysator, ein beobachtetes Ergebnis oder eine Veränderung der Forschungsposition selbst. Jede Änderung erzeugt ein einzelnes, dedupliziertes Update, statt eines Haufens sich überschneidender Benachrichtigungen. Das Update zeigt, was sich verändert hat, warum es wichtig ist, die aktuelle These, die unterstützenden Belege und, sofern verfügbar, was die Änderung für ein Portfolio bedeutet, das die Position hält.

Der Feed beruht auf einem einfachen Prinzip: Wenn sich nichts geändert hat, sollten Sie nichts sehen. Das klingt offensichtlich, aber die meisten Benachrichtigungssysteme verletzen das täglich, indem sie Masse statt Signal senden. AlphaVue behandelt ein Update als ein seltenes, lesenswertes Ereignis, nicht als Marketing‑Kontaktpunkt. Updates, die Sie bereits geprüft haben, bleiben im Hintergrund, und der Feed lädt in Chargen, sodass er auch bei wachsender Follow‑Liste reaktionsfähig bleibt.

Folgen ist der Weg, wie der Feed entsteht. Sie folgen den Unternehmen, die Sie interessieren, aus dem Forschungs‑Arbeitsbereich, und die Registrierung ist bewusst schlank: Sie erhält das Symbol, das Sie sich angesehen haben, und das Update, das Sie gelesen haben, und bringt Sie nach der Anmeldung an dieselbe Stelle zurück. Dieser Rückkehrpfad ist wichtiger, als er aussieht. In dem Moment, in dem sich ein Besucher registriert, sollte das Produkt die Aufgabe fortsetzen, die er bereits erledigte, und ihn nicht auf einen generischen Willkommen‑Bildschirm werfen.

Benachrichtigungen folgen derselben Disziplin. Präferenzen werden pro Unternehmen und Kanal eingestellt: In‑App‑Alerts, eine E‑Mail‑Zusammenfassung, Ruhezeiten. Das Abbestellen bedeutet wirklich Abbestellen, und eine einzelne wesentliche Änderung erzeugt eine einzelne Zustellung, die auf die exakte Fallversion verweist. Duplikate und Ereignisse ohne Änderung erzeugen nichts.

Die Evidenzleiter auf der Startseite

Die Startseite führt jetzt dieselbe Idee in vereinfachter Form an: Forschung, Validieren, Beobachten, Entscheiden. Es ist kein Slogan. Jede Sprosse dieser Leiter entspricht einer Oberfläche im Produkt, und die Reihenfolge ist beabsichtigt.

Forschung ist der Bereich, in dem Sie sich eine Sicht auf ein Unternehmen bilden. Validieren ist der Bereich, in dem Sie diese Sicht an der Vergangenheit messen, anstatt die Narrative einfach zu übernehmen. Beobachten ist der Bereich, in dem Sie die überlebende Sicht einfrieren und die Echtzeit Belege produzieren lassen. Entscheiden ist der Bereich, in dem Sie handeln — mit einer Aufzeichnung dessen, was Sie geglaubt haben und was seitdem passiert ist. Die Leiter sagt in anderen Worten: Eine KI‑Meinung wird erst nützlich, wenn sie durch überprüfbare Stufen geht.

Diese Einrahmung veränderte, was das Produkt verspricht. Die alte Startseite beschrieb eine KI-Plattform und ließ den Prozess für sich sprechen. Die neue verlangt ein kleineres, konkreteres Engagement: Testen Sie eine These, folgen Sie den Beweisen und prüfen Sie, ob die Argumentation standhält. Der Unterschied ist wichtig, denn ein Produkt, das um ein geringeres Engagement bittet, wird von einem ernsthaften Investor eher ausprobiert.

Der Unternehmensforschungs-Arbeitsbereich ist jetzt ein Terminal

Wenn Sie ein Unternehmen öffnen, erhalten Sie einen Arbeitsbereich mit Registerkarten statt einer langen Scroll-Seite. Die Registerkarten trennen Aufgaben, die früher vermischt waren:

• Übersicht — die aktuelle Schlussfolgerung, eine Datenintegritätsprüfung und die Historie beider.

• KI-Forschung — der tiefgehende, multiperspektivische Forschungsprozess, der als zentrale analytische Ebene erhalten bleibt.

• Daten & Bewertung — die Zahlen, die finanziellen Trends und die Bewertungsansicht.

• Ereignisse & Belege — Einreichungen, Katalysatoren und die ursprünglichen Quellen.

• Validierung — Regeln, Backtests, KI-Replay und zukünftige Beobachtungen.

Die Registerkarte Übersicht folgt jetzt einer bewussten Lesereihenfolge: zuerst die aktuelle Schlussfolgerung, dann eine Datenintegritätsprüfung und danach die historische Rückschau. Das vorherige Layout stapelte mehrere "was denken wir"-Blöcke übereinander, die jeweils ungefähr dieselbe Frage aus einem leicht anderen Blickwinkel beantworteten. Die neue Darstellung macht die Antwort zuerst eindeutig und zeigt dann, wie sie zustande gekommen ist.

Der Entscheidungs-Update-Block sitzt oben in der Übersicht. Er nennt die aktuelle Sicht, was sich seit der letzten Version geändert hat und welche Beweise die Änderung stützen. Darunter sagt die Datenintegritätsprüfung, welche Abschnitte vollständig sind, welche teilweise und welche sich noch in Vorbereitung befinden, sodass Sie nie raten müssen, ob ein leerer Bereich "keine Daten" oder "noch nicht erhoben" bedeutet. Die darunterliegende historische Rückschau verbindet die gegenwärtige Sicht mit der Zeitachse des Falls, sodass Sie sehen können, wie sich die These entwickelt hat, anstatt jeden Besuch als Neustart zu behandeln.

Es gibt auch eine Registerkarte für Unternehmensnachrichten. Schlagzeilen werden kontextualisiert statt einfach hingeworfen: Der Arbeitsbereich unterscheidet gemeldete Unternehmensfakten von Interpretationen Dritter, und wichtige Nachrichten werden, sofern die Quelle dies zulässt, mit der zugrunde liegenden Bekanntmachung oder Einreichung verlinkt. Eine Schlagzeile sollte nicht automatisch zur These werden, aber sie sollte auf das Dokument verweisen, das überprüft werden sollte.

Die vierdimensionale Gesundheitsprüfung, die früher auf vagen Punkten und nackten Mini-Diagrammen beruhte, ist jetzt explizit. Jede Kennzahl zeigt ihren Wert, ihre Richtung, ihren Zeitraum und ihre Datendimension. Das Diagramm für finanzielle Trends lässt Sie Kennzahl, Einheit und Zeitbereich wählen, zeigt den aktuellsten Wert und erklärt, was sich geändert hat. Wenn eine Dimension keine zuverlässigen Daten hat, bleibt sie verborgen, statt mit einem neutralen Platzhalter gefüllt zu werden. Das Darstellen von Abwesenheit als Beweis war eine stille Verwirrungsquelle; das Entfernen davon gehörte zu den aufrichtigeren Änderungen in dieser Version.

Der Unternehmens-One-Pager bleibt der schnelle Weg: Marktkontext, berichtete Fakten, finanzielle Historie, Einreichungen und bevorstehende Ereignisse in einer strukturierten Ansicht. Er ist der richtige Ausgangspunkt, wenn Sie eine dreißigsekündige Orientierung brauchen. In den Tab-Arbeitsbereich wechseln Sie, wenn die Frage konkret wird.

Aktualität wird als Teil des Inhalts behandelt, nicht als Detail. Die Research-Snapshot zeigt, wann sie erzeugt wurde und ob sie aktuell, veraltet oder teilweise ist, sodass Sie nie raten müssen, ob die Ansicht vor Ihnen die letzte Einreichung widerspiegelt. Die Falltimeline bewahrt jede Version der These mit einer strukturierten Darstellung dessen, was sich zwischen ihnen geändert hat: die vorherige Schlussfolgerung, die neue und die Belege, die die Änderung ausgelöst haben.

Die Evidenz-Schublade liegt hinter den Behauptungen. Jede wesentliche Aussage trägt ihre Quelle und ihren Erfassungsstatus, und beim Öffnen einer Behauptung wird das ursprüngliche Material angezeigt, anstatt Sie zu bitten, der Zusammenfassung zu vertrauen. Das ist die Ebene, die aus „die KI hat es gesagt“ ein „die KI hat es gesagt, und hier ist die Einreichung, auf der das beruht“ macht.

Strategy Lab: testen Sie die Regel, bevor Sie der Idee vertrauen

Die meisten Aktienideen sind in Wahrheit als Handelsregeln getarnt. „Dieses Unternehmen ist unterinvestiert“ wird zu „kaufe, wenn der Markt es falsch bewertet.“ „Der Sektor dreht“ wird zu „kaufe die Führenden, meide die Nachzügler.“ Strategy Lab dient dazu, jene zweite Ebene zu testen, den Teil, den Sie tatsächlich messen können.

Sie können einen Backtest für Aktien mit technischen Regeln durchführen, ohne Code zu schreiben. Wählen Sie eine Regel oder eine Kombination von Regeln, bestimmen Sie das Universum und den Datumsbereich, setzen Sie Benchmark und Kosten, und die Plattform führt den Job asynchron aus und liefert ein Ergebnis, das mit einem verständlichen Urteil beginnt. Die Statistiken sind vorhanden, aber sie kommen nach der Antwort, nicht an deren Stelle.

Unterhalb des Urteils erhalten Sie die Annahmen, die Stichprobe, den Benchmark-Vergleich, Drawdown, Robustheitsmaße und Gebühren. Walk-Forward-Fenster und Parameterempfindlichkeit zeigen, ob das Ergebnis Änderungen der Eingaben übersteht oder nur einmal zufällig funktioniert hat. Die Unterscheidung ist wichtig: Eine Regel, die nur mit einer bestimmten Lookback-Periode funktioniert, beschreibt Glück, nicht eine Strategie.

Ein konkretes Beispiel hilft. Angenommen, Sie möchten eine einfache Trendregel testen: kaufen, wenn der 50-Tage-Durchschnitt den 200-Tage-Durchschnitt nach oben kreuzt, verkaufen, wenn er wieder nach unten kreuzt. Strategy Lab lässt Sie diese Regel einstellen, das Universum und den Datumsbereich wählen und sie gegen den SPY-Benchmark laufen. Das Ergebnis sagt Ihnen nicht nur die Rendite, sondern auch, wie viele Trades die Regel tatsächlich ausgeführt hat, wie sich die Equity-Kurve in Drawdowns verhalten hat, wie empfindlich das Ergebnis gegenüber den beiden Lookback-Fenstern ist und was Kosten damit anrichten würden. Sie können entscheiden, dass die Regel in Ordnung ist, oder dass der Vorteil durch Gebühren aufgezehrt wird. In beiden Fällen wissen Sie es vorher, bevor Sie etwas riskieren.

Der No-Code-Strategie-Builder wird mit sinnvollen Voreinstellungen ausgeliefert. Daten sind vorausgefüllt, eine Einstiegsregel ist bereits vorhanden, und eine gestaffelte Fortschrittsanzeige macht deutlich, wo ein langer Lauf steht. Wenn ein Backtest keine Signale produziert oder ein All-Hold-Ergebnis liefert, erklärt der Arbeitsbereich, warum, anstatt ein leeres Diagramm zu zeigen. Der Benchmark ist auf SPY gesperrt, was eine häufige Quelle stiller Verzerrung ausschaltet: Sie können nicht heimlich eine Benchmark wählen, die die Strategie besser dastehen lässt.

Validierung geht über einen einzelnen Lauf hinaus. Der Workspace berichtet über die Abdeckung, sodass Sie erkennen können, ob ein Ergebnis auf einer Handvoll Trades oder auf Hunderten basiert, und er markiert die Stichprobenqualität, statt sie zu verbergen. Ereignisstudien isolieren, wie die Strategie sich um bestimmte Marktereignisse verhielt. Berichte können exportiert werden, und gespeicherte Läufe können nebeneinander verglichen werden, wodurch ein einmaliger Test zu einer kleinen eigenen Forschungssammlung wird.

Eine Grenze wird im Produkt klar benannt: Ein Backtest ist keine Vorhersage. Er ist eine Beschreibung davon, wie eine Regel auf historischen Daten gearbeitet hat, wobei Gebühren, Survivorship-Bias und Regimewechsel das Bild verzerren können. Strategy Lab versucht, diese Verzerrungen sichtbar zu machen. Die Urteilslinie, die Stichprobennotiz und die Aufschlüsselung der Gebühren existieren aus diesem Grund.

KI-Historienwiedergabe: Forschung zu einem früheren Zeitpunkt erneut ausführen

Backtests prüfen Regeln. Die KI-Historienwiedergabe prüft die Forschung selbst.

Die Idee ist einfach: Man nimmt einen KI-Forschungsdurchlauf und wiederholt ihn bezogen auf ein früheres Datum, wobei nur die Belege und Daten-Snapshots verwendet werden, die zu diesem Zeitpunkt verfügbar waren. Die Wiedergabe zeigt, zu welchen Schlussfolgerungen das System gekommen wäre, bevor das Ergebnis bekannt war: welche Modellversion, welches Prompt, welche Datenversionen und Quellen es nutzte und welche Risiken es als wesentlich kennzeichnete. Das ist nützlich, um eine frühere Entscheidung zu prüfen. Hat die Forschung zur damaligen Zeit die richtigen Fragen gestellt, oder wirkt sie nur im Nachhinein beeindruckend?

Die Wiedergabe ist bewusst vom deterministischen Backtesting getrennt. Ein Backtest spielt eine feste Regel ab; eine Wiedergabe führt einen offenen Forschungsprozess erneut aus. Sie beantworten unterschiedliche Fragen und sind im Produkt unterschiedlich gekennzeichnet, damit Sie eine Forschungswiedergabe nie mit einem statistischen Test verwechseln.

Wenn einer veröffentlichten Entscheidung kein eingefrorenes Forschungsbündel anhängt, greift die Plattform auf die neueste private Analyse zurück, statt einen Fehler zurückzugeben, und sie gibt offen an, welche Version sie wiedergegeben hat. Das Ergebnis zeigt stets die verwendeten Modell-, Prompt- und Datenversionen, denn eine Wiedergabe, die sich nicht reproduzieren lässt, ist kaum eine Prüfung. Wiedergaben basieren auf Credits und sind in Universum und Kosten begrenzt, was das Feature nutzbar hält, ohne in eine unbegrenzte Rechenkostenrechnung auszuarten.

Forward-Test: der einzige Test, der nicht schummeln kann

Hier ist der Unterschied zwischen einem Backtest und einem Forward-Test in einem Satz: Ein Backtest fragt, ob die Idee funktioniert hätte; ein Forward-Test fragt, ob sie ab jetzt funktioniert.

Rückblick ist der schwerste Bias, den man aus Backtests entfernen muss. Sie wissen, was passiert ist, also wissen Sie, welche Parameter zu wählen sind, welches Regime hervorzuheben ist und welchen Zeitraum man als normal bezeichnet. Keine noch so strikte Walk-Forward-Disziplin hebt diesen Vorteil vollständig auf. Ein Forward-Test beseitigt ihn durch seine Konstruktion: Die Strategie wird eingefroren, bevor die Ergebnisse existieren, und die Ergebnisse können schlicht nicht nachträglich ergänzt werden.

Wenn Sie einen Forward-Test starten, friert AlphaVue die Strategieversion, ihre Parameter, den Datenvertrag, das Startkapital, die Benchmark und den Startzeitpunkt ein. Ab diesem Moment führt die Plattform ein Papier-Ledger — Orders, Ausführungen, Nettovermögenswert, Checkpoints — nach dem echten Marktkalender. Sie können den Test pausieren, fortsetzen oder stoppen, und jedes Ereignis ist unveränderlich. Es gibt keinen Mechanismus, die Vergangenheit umzuschreiben, weil es keine Geschichte gibt: der Datensatz beginnt bei der Erstellung und wächst nur nach vorne.

Forward-Tests liefern etwas, das Backtests nicht können: Beobachtungen, die vor dem Ergebnis gemacht werden. Nach genügend Kontrollpunkten kann ein materielles Forward-Ergebnis ein Update im Entscheidungs-Feed auslösen und damit die Schleife zwischen Validierung und täglichem Monitoring schließen. Das ist der Teil des Produkts, der am direktesten das Versprechen der Veröffentlichung erfüllt: zu wissen, was sich geändert hat, und ob die These gehalten hat.

Auswirkungen auf das Portfolio: was eine Änderung für Ihre Bestände bedeutet

Ein Entscheidungs-Update kann korrekt und dennoch nutzlos sein, wenn es ignoriert, dass Sie die Aktie bereits besitzen. Die Portfolioauswirkung ist die Brücke zwischen Forschung und Ihren tatsächlichen Positionen.

Sie können ein Portfolio manuell erstellen oder aus einer CSV importieren, inklusive Positionen, Anschaffungskosten und Liquidität. AlphaVue berechnet deterministisch Exposure, Konzentration, Sektoraufteilung, Korrelation und Risikobeitrag. Es geht nicht darum, besonders raffiniert zu klingen. Es geht darum, eine konkrete Frage zu beantworten: Wenn diese These fehlschlägt, wie viel meines Portfolios ist betroffen und durch welche Positionen?

Jedes Entscheidungs-Update, das eine Position betrifft, kann durch drei Szenarien betrachtet werden: die derzeitige Lage, die Lage, falls die These scheitert, und die Lage, falls sich die Position verändert. Die Historie der Portfolioauswirkung hält diese Ansichten im Zeitverlauf fest, sodass Sie sehen können, wie sich Ihr Risikoprofil parallel zur Forschung verschoben hat, anstatt sich auf Ihr Gedächtnis zu verlassen.

Ein Beispiel macht es greifbar. Sie halten eine Position in einem Unternehmen, dessen Forschungsmeinung gerade vorsichtiger geworden ist. Die Portfolioansicht zeigt, wie groß diese Position im Verhältnis zum Gesamtwert ist, wie viel des Portfolios im gleichen Sektor liegt und welche Konsequenzen die Szenario-Berechnungen haben, falls die These scheitert. Das sind Fakten, die Sie abwägen können. Sie sind keine Verkaufsanweisungen, und das Produkt gibt nie vor, solche zu sein.

Das Produkt zieht hier eine klare Linie. Es erklärt, was eine Änderung für ein Portfolio bedeutet, und es erteilt niemals personalisierte Handelsanweisungen. Szenario-Berechnungen beschreiben, was unter den angegebenen Annahmen passieren würde; sie sagen Ihnen nicht, was zu tun ist. Diese Grenze ist Teil des Designs, nicht eine Fußnote, denn der Unterschied zwischen „hier ist die Auswirkung“ und „Sie sollten verkaufen“ ist genau der Punkt, an dem ein Forschungstool entweder hilfreich ist oder in eine Beratung übergeht, für die es nicht lizenziert ist.

Forschungsbibliothek, gespeicherte Fälle und Teilen

Forschung, die Sie nicht wiederfinden können, ist Forschung, die Sie nicht gemacht haben. Der Bereich „Gespeichert“ sammelt die Dinge, zu denen Sie zurückkehren möchten: Unternehmen, die Sie untersuchen, Investmentfälle mit ihren Historien, Validierungsdurchläufe, Forward-Tests und Exporte. Der Entscheidungs-Posteingang bewahrt die Updates, die Sie noch nicht geprüft haben, damit der Feed sich auf das Neue konzentrieren kann, statt alte Einträge erneut auszuliefern.

Beim Teilen wurde in dieser Version dem Datenschutz Rechnung getragen. Sie können eine Forschungsquittung teilen: einen schreibgeschützten Schnappschuss dessen, zu dem die Recherche gelangte, wobei private Felder geschwärzt und die öffentlichen Belege angehängt sind. Der Empfänger sieht das Fazit, die Belege und die Zuordnung, ohne Ihr Portfolio, Ihre Notizen oder Ihre Identität zu sehen, es sei denn, Sie entscheiden sich anders. Früher bedeutete das Teilen einer Schlussfolgerung, Screenshots einzufügen oder ein Dokument zu exportieren, das mehr Kontext enthielt, als Sie beabsichtigt hatten. Die Quittung gibt Ihnen eine Möglichkeit, jemanden auf die Argumentation hinzuweisen, ohne den Rest Ihres Arbeitsbereichs offenzulegen.

Ein Arbeitsablauf, den es sich zu kopieren lohnt

Die neuen Oberflächen sind einzeln nützlich, aber sie sind darauf ausgelegt, in Folge verwendet zu werden. Eine disziplinierte Version dieser Schleife sieht so aus:

1. Entdecken. Verwenden Sie die Entdeckungsfunktion, um ein Unternehmen zu finden, das Ihre Zeit wert ist. Nicht jede Aktie verdient eine vollständige Recherche, und der schnellste Weg, einen Vormittag zu verschwenden, ist die Recherche eines Unternehmens, um das Sie sich eigentlich nicht kümmern sollten.

2. Analysieren. Öffnen Sie den Unternehmensarbeitsbereich und beginnen Sie mit der Übersicht. Lesen Sie die aktuelle Schlussfolgerung, bevor Sie sich Ihre eigene bilden, und prüfen Sie dann, welche Teile der Daten vollständig sind.

3. Verifizieren. Öffnen Sie die Registerkarte "Ereignisse & Belege" und sehen Sie sich die Originalquellen für die relevanten Aussagen an. Eine Zusammenfassung ist ein Ausgangspunkt, kein Ersatz für die Einreichung.

4. Validieren. Bevor Sie einer Idee vertrauen, prüfen Sie sie im Strategy Lab. Testen Sie die Regel, nicht nur die Erzählung. Überprüfen Sie die Abdeckung, den Benchmark und die Gebührannahmen, bevor Sie das Ergebnis Ihre Meinung ändern lassen.

5. Beobachten. Wenn die Idee die Validierung besteht, frieren Sie sie als Forward-Test ein und lassen Sie das Papierkonto reale Beobachtungen sammeln. Die Aufzeichnung ist anfangs kurz. Das ist beabsichtigt.

6. Überprüfen. Wenn eine wesentliche Aktualisierung eintrifft, prüfen Sie die Auswirkungen auf das Portfolio, und sehen Sie sich dann die Fallhistorie erneut an, um festzustellen, ob die These bestätigt oder in Frage gestellt wird.

Die Checkliste ist kein Versprechen für bessere Renditen. Sie ist eine Methode, den Prozess reproduzierbar zu machen, was langfristig mehr zählt als jeder einzelne Aufruf. Ein reproduzierbarer Prozess ist außerdem der einzige Weg, aus Fehlern zu lernen, weil er Ihnen eine Aufzeichnung dessen liefert, was Sie geglaubt haben, wann Sie es geglaubt haben und was als Nächstes geschah.

Was gleich geblieben ist

Nicht alles wurde neu aufgebaut, und die Teile, die beibehalten wurden, sind es wert, genannt zu werden.

AI Research bleibt der analytische Kern. Es ist der Prozess, der die tiefgehende, multiperspektivische Analyse hinter der Entscheidungsschicht liefert, und er wurde nicht geschwächt, um Platz für die neuen Oberflächen zu schaffen. Quellenangaben laufen weiterhin durch das Produkt: jede wesentliche Aussage lässt sich bis zu dem Material zurückverfolgen, aus dem sie stammt. Die Plattform unterstützt weiterhin mehrere Sprachen, darunter Englisch, Chinesisch und Japanisch, weitere Sprachräume folgen. Das responsive Design funktioniert weiterhin vom Mobiltelefon bis zum großen Desktop-Monitor, und die Barrierefreiheitsprüfung in dieser Version umfasste die neuen Arbeitsbereiche, nicht nur die Marketingseiten.

Der Grund, diese Punkte zu nennen, ist, dass ein Funktionsupdate leichter Vertrauen genießt, wenn klar ist, was sich nicht geändert hat. Die Entscheidungsschicht ist eine Ergänzung um eine Analyse-Engine, die bereits vorhanden war.

Was AlphaVue weiterhin nicht tut

Es ist wichtig, die Grenzen klar zu benennen, denn sie gehören zur Ehrlichkeit des Produkts.

AlphaVue verspricht keine marktübertreffenden Renditen und stellt Modellvertrauen nicht als statistische Gewinnrate dar. Es erteilt keine personalisierten Handelsanweisungen, und nichts in der Recherche ist eine Empfehlung zum Kauf oder Verkauf eines Wertpapiers. Szenarioergebnisse beschreiben, was unter den angegebenen Annahmen passieren würde; sie berücksichtigen nicht Ihre Ziele, Ihre Steuersituation oder Ihre Risikotoleranz.

Die Datenabdeckung variiert je nach Unternehmen, Quelle und Berichtsgewohnheiten. Einige Datensätze werden auf Abruf erhoben, sodass ein Abschnitt teilweise oder noch in Vorbereitung sein kann; der Arbeitsbereich zeigt diesen Status an, statt vorzutäuschen, die Daten seien vollständig. Geschätzte Ereignistermine sind als Schätzungen gekennzeichnet und sollten über Investor-Relations-Materialien verifiziert werden. KI-Ausgaben können Fehler enthalten oder relevanten Kontext auslassen, und Marktdaten können verzögert sein oder durch vorhergelagerte Probleme beeinträchtigt werden. Die richtige Art, dieses Produkt zu nutzen, ist als ein Input in einem Prozess, der auch Originalunterlagen und Ihr eigenes Urteil umfasst.

Häufig gestellte Fragen

Was ist AlphaVue?

AlphaVue ist eine KI-gestützte Aktienforschungsplattform für selbstgesteuerte US-Aktienanleger. Sie erstellt strukturierte Unternehmensrecherchen mit zitierten Quellen und ergänzt diese nun um eine Entscheidungsschicht: einen persönlichen Feed mit wesentlichen Änderungen, Strategievalidierung, KI-Historienwiedergabe, Forward-Testing und Portfolio-Auswirkungsanalyse.

Was ist der AlphaVue-Entscheidungsfeed?

„Today“ ist ein persönlicher Feed mit wesentlichen Aktualisierungen für die von Ihnen verfolgten Unternehmen. Eine Aktualisierung erscheint, wenn sich Beweise, Risiken, ein Katalysator, ein Ergebnis oder die Rechercheposition ändert. Jede Aktualisierung verlinkt auf die unterstützenden Belege und zeigt die aktuelle These, sodass der Feed eine Frage beantwortet: Was hat sich seit Ihrem letzten Blick verändert?

Kann ich eine Aktienstrategie ohne Programmierung backtesten?

Ja. Das Strategy Lab unterstützt Backtests ohne Programmieraufwand mit einem visuellen Strategie-Editor und technischen Regeln. Sie wählen die Regeln, das Universum, den Datumsbereich und die Benchmark; die Plattform führt den Test asynchron aus und erklärt das Ergebnis in einfacher Sprache, einschließlich Drawdown, Robustheit, Gebühren und Einschränkungen.

Worin besteht der Unterschied zwischen einem Backtest und einem Forward-Test?

Ein Backtest prüft eine Regel anhand historischer Daten und ist stets dem Rückblick-Bias ausgesetzt. Ein Forward-Test friert eine Strategie bei der Erstellung ein und zeichnet nur auf, was danach auf einer Papieraufzeichnung passiert. Forward-Test-Ergebnisse können nicht rückwirkend ergänzt werden, daher bieten sie keinen Rückschau-Vorteil.

Was ist KI-Historienwiedergabe?

Die KI-Historienwiedergabe führt einen KI-Rechercheprozess zu einem früheren Stichtag erneut aus, wobei ausschließlich die zu diesem Zeitpunkt verfügbaren Beweise und Datenschnappschüsse verwendet werden. Es handelt sich um eine Überprüfung der Recherche und nicht um einen deterministischen Backtest; sie zeigt das Modell, den Prompt und die verwendeten Datenversionen, sodass das Ergebnis reproduzierbar ist.

Wie funktioniert die Portfolio-Auswirkungsanalyse?

Sie legen ein Portfolio manuell an oder importieren es per CSV. AlphaVue berechnet Exposure, Konzentration, Sektoraufteilung, Korrelation und Risikobeitrag und zeigt dann, was eine Entscheidungsaktualisierung für das Portfolio unter verschiedenen Szenarien bedeuten würde, einschließlich des Falls, dass die These scheitert.

Ist AlphaVue eine Anlageberatung?

Nein. AlphaVue stellt Rechercheinformationen und Werkzeuge bereit. Es berücksichtigt nicht Ihre individuellen Ziele, Ihre finanzielle Situation, Ihre Steuersituation oder Ihre Risikotoleranz und erteilt keine personalisierten Handels­empfehlungen.

Garantiert AlphaVue Renditen?

Nein. Die Plattform verspricht keine marktübertreffenden Renditen, und Validierungs- sowie Forward-Test-Ergebnisse beschreiben das Verhalten unter den angegebenen Annahmen, statt die zukünftige Performance vorherzusagen.

Welche Unternehmen deckt AlphaVue ab?

Die Research-Abdeckung konzentriert sich auf in den USA gelistete Unternehmen und variiert je nach Verfügbarkeit der Daten. Die Abdeckung kann während der Erfassung von Datensätzen teilweise sein, und der Workspace zeigt den Erfassungsstatus jeder Sektion an, damit Sie nicht im Unklaren gelassen werden.

Wie viel kostet AlphaVue?

AlphaVue bietet eine kostenlose Stufe und einen Pro-Plan. Die kostenlose Stufe bietet eingeschränkte Analysen und eine begrenzte Anzahl an Validierungsläufen; Pro erhöht Kontingente, liefert tiefere Beweislage, mehr Follows, Portfolio-Auswirkungen und längere Forward-Test-Historie. Siehe die Preisübersichtsseite für aktuelle Details.

Wie vermeidet AlphaVue Look-Ahead-Bias?

Validierungsläufe verwenden versionierte Datensnapshots und eingefrorene Eingaben, sodass die Analyse nur das widerspiegelt, was zum Stichtag bekannt war. Forward-Tests gehen weiter: Die Strategie wird bei Erstellung eingefroren, und Ergebnisse können nicht nachträglich ergänzt werden, wodurch Nachsicht per Konstruktion ausgeschlossen ist. Das KI-Historien-Replay zeigt das verwendete Modell, Prompt und die Datenversionen, sodass der Prozess reproduzierbar ist.

Sind mein Portfolio und meine Research-Daten privat?

Portfoliopositionen, Notizen und gespeicherte Fälle sind privat in Ihrem Konto. Geteilte Research-Berichte sind schreibgeschützt, private Felder werden geschwärzt, und sie zeigen nur die Schlussfolgerung und die öffentlichen Belege, die Sie freigeben möchten.

Beginnen Sie mit der Veränderung, nicht mit dem Bericht

Der einfachste Weg, um zu sehen, was dieses Update bedeutet, ist, ein Unternehmen zu öffnen, dem Sie bereits folgen, und mit der Übersicht zu beginnen. Lesen Sie die aktuelle Schlussfolgerung. Prüfen Sie, was sich geändert hat. Schauen Sie sich die Belege an. Wenn die Idee für Sie relevant ist, führen Sie eine Validierung durch und wenn sie diese besteht, frieren Sie sie in einem Forward-Test ein, damit die nächste Überprüfung etwas Reales zum Ansehen hat.

AlphaVue ist weiterhin eine KI-basierte Aktien-Research-Plattform. Sie ist nur nicht länger eine Sackgasse nach der Antwort.

Öffnen Sie ein Unternehmen in AlphaVue und beginnen Sie mit der neuen Übersicht.