MIT's Complete Poker Roadmap for Traders.

0:01 Poker ist einer der wichtigsten Cheat-Codes im Handel, so sehr, dass Susquehanna, die über 800 Milliarden Dollar verwalten und 2025 geschätzte Handelseinnahmen von über 20 Milliarden hatten, Poker zur Ausbildung ihrer Trader nutzt. Und sie sind nicht allein. Jane Street nimmt Poker in sein Handelspraktikum auf und sie sind eine der größten Quant-Firmen, die es gibt . Das MIT hat dazu sogar einen ganzen Kurs entwickelt. Zu den Gastdozenten zählen Bill Chen, ein Quant bei Susquehanna mit zwei World Series of Poker-Armbändern, und Matt Lauer, ein ehemaliger Trader, der über eine Million Dollar bei einem einzigen Pokerturnier gewann. Und da war Aaron Brown, damals Risikomanager bei AQR. Nun denken Sie vielleicht: Was hat Poker mit Geldverdienen im Handel zu tun? Nun, sehr viel mehr, als Sie tatsächlich denken würden. Ich habe vier Ideen aus den MIT-Vorlesungen und der Erklärung eines Susquehanna-Quants genommen und sie in einen Fahrplan für Sie verwandelt, wie Sie unter Nutzung

0:47 einiger Pokerprinzipien über den Handel nachdenken können. Ich werde in dieses Video ein Pokerbeispiel einbauen , das Ihre Sicht auf Gewinnserien beim Handel komplett verändern wird. In dem Video von Susquehanna erklärt Jared Tendler, warum sie Poker zur Ausbildung von Tradern einsetzen. Er arbeitete im Hochfrequenzhandel für Aktien und Optionen und spielte zuvor professionell Poker. Er ist außerdem Co-Autor des Buches "The Mathematics of Poker" zusammen mit Bill Chen, der auch in den MIT-Vorlesungen vorkommt. Er ist also jemand, der dies von beiden Seiten erklären kann, da er die Arbeit selbst gemacht hat. Wir beginnen damit, was Ihnen die Handlungen der anderen Person sagen. Dann schauen wir uns an, wie viele Beweise Sie tatsächlich haben, bevor Sie Geld auf diese Einschätzung oder diesen Trade setzen. Von dort aus gehen wir dazu über, eine Strategie zu entwickeln, der Sie folgen können, und dann, wie man Ergebnisse bewertet und mit der Varianz umgeht, wenn Sie alles richtig machen und trotzdem Geld verlieren. Jared begann damit, die Informationen, die man beim Poker hat,

1:33 zu trennen, weil man seine eigenen Karten hat und die Karten, die jeder andere sehen kann. Und dann gibt es noch die Informationen, die Sie durch das Verhalten der anderen Spieler erhalten. Ein hoher Einsatz von jemandem, der ständig blufft, bedeutet definitiv etwas anderes als derselbe Einsatz von jemandem, der niemals blufft. Ihre Gewinnchancen hängen also davon ab, wer den Einsatz gemacht hat und wie er spielt. Nehmen wir an, wir sind am River, es kommen also keine Karten mehr und es sind 150 $ im Pot, einschließlich ihres Einsatzes. Sie haben eine Hand, die ihre Bluffs schlägt, aber verliert, wenn sie eine starke Hand setzen. Es kostet Sie 50 $, mitzugehen, Sie riskieren also 50 $, um die 150 $ zu gewinnen, die bereits im Pot sind. Teilen Sie 50 durch 200, erhalten Sie etwa 25%, was bedeutet, dass Sie nur in einem Viertel der Fälle gewinnen müssen, um ein Nullsummenspiel zu erreichen. Nehmen wir nun an, Spieler A blufft in 40%der Fälle, wenn er diesen Einsatz bringt. Sie gewinnen 150 $ bei diesen Bluffs

2:18 und verlieren 50 $ in den restlichen 60 %der Fälle, was zu einem erwarteten Gewinn von etwa 30 $ aus dieser Transaktion führt. Wenn Spieler B jedoch nur in 10%der Fälle blufft, verliert exakt dasselbe Mitgehen nun im Schnitt 30 $, obwohl sich Ihre Karten und der eingesetzte Betrag überhaupt nicht geändert haben. Der Unterschied liegt einfach darin, gegen wen Sie spielen. Offensichtlich wählen wir diese Bluff-Raten, aber in einem echten Spiel muss man sie beispielsweise anhand dessen schätzen, was man tatsächlich gesehen hat, und genau da wird es deutlich interessanter. Er kommt also daher und möchte beispielsweise eine Option oder ein anderes Produkt kaufen. Und wir als Market Maker haben die Aufgabe herauszufinden, dass die Sache, die wir ihm verkaufen, 305 wert ist, und wir möchten sie ihm dann für 307 verkaufen, um zwei Cent zu verdienen– das ist unser Geschäft. Und wir

3:05 können diesen Handel beide eingehen. Er kann sein Risiko für wenig Geld absichern, und wir können einen kleinen Betrag bei einem Handel ohne großes Risiko verdienen. So können also beide Seiten bei diesem Geschäft gewinnen. Also, potenziell zwei Cent Vorteil vor Kosten . Der Käufer sichert möglicherweise nur ein Geschäftsrisiko ab, daher kann es für ihn sinnvoll sein, ein wenig mehr für diesen Schutz zu zahlen. Sie können profitieren, ohne dass die andere Person zwangsläufig ein Idiot ist oder einen schlechten Handel macht. Nehmen wir aber an, der Käufer weiß etwas, das Ihrem Modell entgangen ist. Und unter Berücksichtigung dieser Information liegt der Erwartungswert bei 3,10 $. Sie haben es für 307 verkauft, was also wie ein Vorteil aussah, ist in Wirklichkeit ein erwarteter Verlust. Und genau das bedeutet hier die adversen Selektion, denn die Geschäfte, die Sie bekommen, können genau die sein, die Sie falsch bewertet haben. Genau wie bei dem Einsatz im Poker entscheidet sich jemand, mit Ihren Informationen zu handeln, und Ihre Schätzung muss dies berücksichtigen. Um dies nutzbar zu

3:50 machen, brauchen Sie eine Vorstellung davon, wie sich die anderen Spieler verhalten, aber Jared weist darauf hin, dass selbst ein paar hundert Hände mit jemandem nur einen Bruchteil dessen abdecken, was beim Poker tatsächlich passiert. Man muss also auch von anderen Spielern lernen, die sich ähnlich verhalten, was einem mehr Informationen liefert. Die Schwierigkeit besteht darin zu entscheiden, was ähnlich genug ist, denn völlig verschiedene Spieler zusammenzufassen, kann zu falschen Ergebnissen führen. Und wenn Sie beim Aufbau eines vollständig algorithmischen Live-Handelssystems mithelfen möchten, schauen Sie sich die unten verlinkte Crypto Momentum Group an. Aber kehren wir dazu zurück, wie wir diese Spieler gruppieren. Wenn man alle in eine Gruppe steckt, hat man zwar viele Daten, aber man mittelt die aggressiven Bluff-Spieler mit denen, die nur bei starken Händen setzen. Dieser Durchschnitt beschreibt also möglicherweise keinen der beiden besonders gut. Wenn man jedoch für jeden Spieler, jedes Board und jede Einsatzhöhe ein separates Modell erstellt, hat man am Ende kaum Beispiele in der jeweiligen Gruppe. Ein paar ungewöhnliche Hände verändern also die Einschätzung komplett. Man

4:36 versucht hier, Informationen zwischen Situationen auszutauschen, die ähnlich genug sind, um tatsächlich nützlich zu sein. Und dem Modell mehr Details hinzuzufügen hilft nur, wenn man genügend Belege hat, um diese Details auch zu stützen. Jared führt dasselbe Argument bezüglich wiederkehrender Trades an. Was wie eine neue Information aussieht, könnte nur ein Trade sein, den viele Leute zu dieser Zeit ohnehin tendenziell tätigen. Zum Beispiel können ein geplantes Rebalancing und eine Reaktion auf Nachrichten beide einen Kaufauftrag auslösen, aber für den Preis völlig unterschiedliche Dinge bedeuten. Man kann beobachtbare Informationen wie das Timing nutzen, um sie zu trennen und dann prüfen, ob diese Gruppen dem Modell bei späteren Daten helfen. In der Vorlesung über Entscheidungsfindung am MIT erzählt Matt Lorincz, ehemaliger Susquehanna-Trader und World Series of Poker-Gewinner, von jemandem, der verzweifelt das Preisgeld erreichen will. Matt glaubt, dieser Spieler würde fast alles folden, also geht er mit Vier-Zwei All-in. Nun, der Typ sagt

5:21 , er wusste, dass Matt das tun würde, callt ohne hinzusehen, zeigt dann Neun-Zwei und gewinnt. Matt versuchte, sein Verhalten vorherzusagen, während der andere bereits vorwegnahm, was Matt tatsächlich tun würde. Also, ich schaue runter und sehe Vier-Zwei offsuit. Ähm, und wir haben beide so mittlere Stacks, aber ich habe diesen verdammt guten Read auf diesen Typen, oder? Also gehe ich All-in. Er sagt: „Ich wusste, dass du das tun würdest. Ich gehe blind mit.“ Er callt ohne auf seine Karten zu schauen, weil er wusste, dass ich All-in gehen würde. Es ist der stärkste Read, den ich je hatte. Er deckt seine Hand auf. Er hat Neun-Zwei offsuit. Er dominiert mich mit einer schrecklichen Hand. Später in der Vorlesung erklärt Matt, dass eine kleine Menge an Beweisen eine kleine Anpassung erfordert. Dann können Sie erwägen, weiter zu gehen, wenn die Beweise zunehmen. Andernfalls setzen Sie zu viel auf eine Einschätzung, die falsch sein könnte. Wenn Sie beispielsweise eine

6:07 Handelsineffizienz entdecken, testen Sie diese mit einer kleinen Größe, prüfen Sie Ihr Gefühl und die Kosten, bevor Sie aufstocken; und seien Sie beim Hebel vorsichtig, denn eine profitable kurze Handelsfolge kann enorme Verluste oder Extremrisiken übersehen, und dieser Vorteil kann bei einer Skalierung sehr schnell verschwinden. Sie müssen dies auch während des laufenden Spiels anwenden, da Sie eine Hand nicht pausieren können, um den Gegner zu analysieren. Jareds Ziel ist es, dass Ihre schnelle Entscheidung derjenigen nahekommt, die Sie nach einer gründlichen Analyse treffen würden. MIT-Dozent Kevin Desmond erklärt in seiner Einführungsvorlesung, dass man nicht über alle Informationen, einen Taschenrechner oder viel Zeit verfügt, um tatsächlich eine Entscheidung zu treffen. Daher müssen Sie Regeln üben , die Sie anwenden können. Mit einem Algorithmus können Sie diese Regeln im Voraus erforschen und sie dann live auf Handelsdaten anwenden lassen. Matt illustriert dies anhand eines Münzwurfspiels, bei dem beide Spieler 1 Dollar einsetzen und nur Sie die Münze sehen können. Kopf bedeutet, dass Sie gewonnen haben, während Zahl

6:53 bedeutet, dass Sie bei der Enthüllung verlieren. Jeder Spieler zahlt einen Dollar Einsatz. Es gibt zwei Spieler, und dann werfen Sie eine Münze. Wenn es Kopf ist, gewinnen Sie. Wenn es Zahl ist, gewinnt Ihr Gegner. Es gibt jedoch eine Setzrunde. Nur Sie sehen die Münze nach dem Wurf. Dann können Sie setzen oder passen. Sie entscheiden sich also, einen Dollar zu setzen oder zu passen, und Ihr Gegner kann nur passen. Wenn Sie passen, muss er seine Hand aufdecken. Oder mitgehen. Wenn Sie setzen, muss er entweder einen Dollar mitgehen oder aussteigen. Sie wissen also, ob Sie gewinnen oder nicht. Ihr Gegner weiß nicht, ob er beim Showdown gewinnt. Das ist das Konzept dieses Spiels. Das Offensichtliche wäre nun, immer zu setzen, wenn man Kopf bekommt, und zu passen, wenn man Zahl bekommt, denn dann ist jede Wette eine gewinnende Hand. Aber sobald der andere Spieler das durchschaut, kann er jedes Mal aussteigen, wenn Sie setzen, sodass Sie diesen zusätzlichen Dollar durch das Mitgehen nie erhalten. Ihre Regel hat die Entscheidung letztendlich unglaublich einfach gemacht. Die

7:38 ausgeglichene Strategie setzt also immer noch bei jedem Kopf, aber Sie brauchen auch einige Bluffs, damit der andere Spieler nicht genau herausfinden kann, wann Sie gewinnen werden. Nehmen wir an, Sie bluffen in einem Drittel der Fälle, was einen Bluff für drei Wertwetten ergibt. Das bedeutet, dass etwa 25%aller Wetten Bluffs sind, wodurch Mitgehen und Aussteigen für den Gegner gleichermaßen wertvoll werden. Aber nehmen wir nun an, sie gehen bei zwei von drei Versuchen mit, was bedeutet, dass dein Bluff in einem von drei Fällen 2 $ gewinnt und in zwei von drei Fällen 1 $ verliert, was im Durchschnitt bei null liegt. Wenn beide Spieler diesen Regeln folgen, kann sich keiner verbessern, indem er nur seine Strategie ändert. Diese Bluffs beeinflussen, wie viel du mit deinen guten Händen verdienst, weil sie dem Gegner einen Grund zum Mitgehen geben. Matts Punkt hier ist also, die gesamte Strategie und die Reaktion, die sie hervorruft, zu betrachten. Für einen Market Maker ändert die Anpassung des Kurses, welche Aufträge mit ihm gehandelt werden. Sie müssen

8:24 sich also die Ausführungen ansehen, die diese Regel erzeugt. Nachfolgende Preise und Kosten könnten darauf zurückzuführen sein, dass sie ihren Kurs tatsächlich ändern. Märkte sind komplex, aber man kann nicht davon ausgehen, dass die Reaktion aller anderen gleich bleibt, wenn man seine Strategie ändert. Nun, diese Zahl vom Anfang stammt aus Jareds Beispiel für Heads-up Limit Hold'em, wo ein ordentlicher Vorteil bei etwa 0,02 Big Bets pro Hand liegen könnte. Ein „ Big Bet“ ist in diesem Spiel eine größere feste Einsatzgröße. Okay, ich gebe dir ein Beispiel aus dem Limit Hold'em, einem Spiel, das nicht mehr so oft gespielt wird, aber in diesem Spiel, in einem Heads-up-Duell, weißt du, wäre ein ziemlich ordentlicher Vorteil gegenüber einem Gegner etwa 0,02 Big Bets pro Hand. Wobei die Standardabweichung einer bestimmten Hand 2,5 Big Bets pro Hand betragen würde. Die Standardabweichung pro Hand liegt jedoch bei 2,5 Big Bets, was dir zeigt,

9:10 wie stark die tatsächlichen Ergebnisse um diesen winzigen durchschnittlichen Gewinn schwanken können. Wenn man 2,5 durch 0,02 teilt, ist dieses Rauschmaß 125-mal größer als der Vorteil. Du siehst also, warum es sehr wenig darüber aussagt, wie gut eine Strategie tatsächlich ist, wenn man nur darauf achtet, ob eine Hand gewonnen oder verloren wurde. Lass uns diese Zahlen verwenden und davon ausgehen, dass die Hände unabhängig sind und der Vorteil gleich bleibt. Nach 100 Händen würdest du etwa zwei Big Bets Gewinn erwarten, aber die Standardabweichung der Summe beträgt 25. Es gibt also eine große Unsicherheit bezüglich dieses Ergebnisses. Unter Verwendung einer einfachen Glockenkurven-Approximation ergibt sich eine Chance von etwa 40%, mit einem Minus abzuschließen, obwohl du einen positiven Vorteil hast. Dies ist unsere Veranschaulichung unter Verwendung von Jareds Input, aber sie zeigt dir, warum eine verlustreiche Session für sich allein nicht aussagt, ob deine Strategie schlecht oder gut ist. Und wenn du versuchst, den durchschnittlichen Gewinn einer Hand zu schätzen, liegt der Standardfehler bei

9:56 100 Händen bei 0,25 Big Bets, was immer noch viel größer ist als der Vorteil von 0,02, den wir zu messen versuchen. Aber selbst bei 10.000 Händen sinkt diese Unsicherheit nur auf 0,025. Wenn man also 100-mal mehr Hände sammelt, erhält man eine 10-mal höhere Genauigkeit. Deshalb sind kleine Verbesserungen allein anhand des Gewinns so schwer zu beurteilen, besonders im Handel, wo sich die Bedingungen während der Datenerfassung schnell ändern können. Nun gibt es hier noch eine weitere Sache zu beachten, denn dreimaliges Setzen während derselben Pokerhand liefert keine drei unabhängigen Beweise. Sie haben es immer noch mit denselben Karten und demselben Ergebnis zu tun. Dasselbe gilt, wenn ein Trade auf 10 Ausführungen aufgeteilt wird, denn das sind keine 10 unabhängigen Tests Ihres Signals. Wenn Jared davon spricht, genügend Handelsentscheidungen zu treffen, um dem langfristigen Ergebnis näher zu kommen, meint er spezifisch unabhängige Entscheidungen. Poker

10:41 hilft dabei, sich an diese Varianz zu gewöhnen, denn unser früherer Call hat einen erwarteten Gewinn von 30 $, verliert aber dennoch in 60%der Fälle. Die Mathematik zu kennen, lässt einen das nicht unbedingt besser fühlen, aber wenn man das viele, viele Male durchspielt, gewöhnt man sich an diese Art von Varianz. Jared beschreibt Poker als Trainingsgelände genau dafür, wo man die richtige Entscheidung treffen und trotzdem Geld verlieren kann. Das wiederholte Durchleben trainiert den Umgang mit dieser Frustration, ohne dass sie bestimmt, wie man die nächste Hand spielt. Poker ist also ein gutes Trainingsgelände für Situationen, in denen man das Richtige tut und trotzdem verliert. Es zu erleben, damit umzugehen und sich selbst darauf zu trainieren, zu sagen: „Das ist in Ordnung.“ Man kann sich dann nach Marktschluss schlecht fühlen, oder wenn das Spiel vorbei ist; aber bei der

11:27 nächsten Hand, beim nächsten Trade, trifft man weiterhin gute Entscheidungen mit dem Prozess, den man aufgebaut hat und der profitabel sein wird. Teuer wird es allerdings, wenn man anfängt, schwächere Hände zu callen, weil man das Geld zurückhaben will, oder wenn man beim Trading nach einem Verlust den Hebel erhöht. Diese Frustration hat keine bessere Gelegenheit geschaffen, aber sie hat die Entscheidungen verändert, die man jetzt trifft. Selbst mit einem Algorithmus könnte man nach einer schlechten Woche noch in die Positionsgröße eingreifen oder das System wechseln. Wenn man Einstiegsregeln und Risikolimits vorher festlegt, hat man eine Vorgabe, an die man sich halten kann, während man prüft, ob Verluste den Erwartungen entsprechen oder ob sich tatsächlich etwas geändert hat. Natürlich kann man nicht jeden Verlust als Pech bezeichnen, denn mit den richtigen Quoten Pech zu haben ist etwas anderes, als bei jemandem einen Bluff zu 40%zu vermuten, wenn er tatsächlich nur zu 10%blufft. In diesem Fall muss Ihre Einschätzung korrigiert werden. Und genau auf dieses Risiko weist Jared hin

12:13 , wenn die andere Person etwas weiß, das du nicht weißt, denn der Trade hatte vielleicht nie den Vorteil, den du erwartet hattest. Neben der Bewältigung von Kursschwankungen musst du ständig die Annahmen hinter der eigentlichen Strategie überprüfen. Deshalb legt er so viel Wert darauf, mit anderen Spielern über Hände zu sprechen, denn wenn du erklärst, was du beim Gegner vermutet hast und warum du so gehandelt hast, können Annahmen aufgedeckt werden, die du nie hinterfragt hast. Desmond lässt die MIT-Klasse auch ihre Handhistorie speichern, damit sie diese Entscheidungen analysieren können. Beim Trading bringt das Speichern von Modelleingaben und tatsächlichen Ausführungen nichts, wenn du nicht herausfindest, was sich hätte ändern sollen. So hängt also alles zusammen: Du nutzt die Aktion der anderen Person als Information, lernst aus ähnlichen Situationen und entwickelst eine Strategie, die berücksichtigt, wie andere darauf reagieren. Dann musst du beurteilen, ob es funktioniert, und mit Pechsträhnen umgehen, ohne die nächste Entscheidung dadurch zu verschlechtern. Poker bietet dir Übung in all dem gegen Leute, die versuchen,

12:59 dich zu schlagen, weshalb es bei all diesen großen Firmen ein so gutes Trainingsfeld ist. Und wenn du Hilfe beim Aufbau deines ersten Live-Algorithmus, beim Code, den Vorlagen und der Anleitung suchst, schau dir die Crypto Momentum Group an, die unten verlinkt ist. Lass mich wissen, an welchem dieser vier Punkte du am meisten arbeiten musst, und ich werde den MIT-Kurs sowie Jareds Vortrag unten in der Beschreibung verlinken. Ich verlinke außerdem ein Video darüber, wie man Backtests durchführt , damit du deine Strategie besser testen und verstehen kannst, ob sie im Live-Betrieb tatsächlich funktioniert.