Confluence Trading im Krypto-Markt: Signale kombinieren, Bias vermeiden und Setups professionell bewerten

1. Was bedeutet Confluence im Trading?

Confluence beschreibt, dass mehrere Analysefaktoren dieselbe Trading-These unterstützen.

Beispiel:

• Daily Uptrend,
• Pullback in Daily Support,
• Sell-Side Liquidity Sweep,
• 1H Reclaim,
• Open Interest Flush.

Diese Informationen stammen aus unterschiedlichen Ebenen:

• Regime,
• Location,
• Liquidity,
• Price Action,
• Derivatives Positioning.

Genau das ist:

qualitativ bessere Confluence.

2. Confluence ist kein Beweis

Selbst wenn zehn Faktoren dieselbe Richtung unterstützen, kann der Trade verlieren.

Warum?

Weil Märkte:

• probabilistisch,
• dynamisch,
• von neuen Informationen beeinflusst

werden.

Confluence bedeutet deshalb:

stärkere Hypothese – keine Gewissheit.

3. Die größte Confluence-Falle: Redundanz

Angenommen ein Trader verwendet:

• RSI,
• Stochastic RSI,
• MACD,
• Momentum Oscillator.

Er glaubt:

vier Bestätigungen.

Tatsächlich messen alle vier Instrumente in unterschiedlicher Form:

Momentum beziehungsweise Preisveränderung.

Damit besitzt der Trader möglicherweise:

eine Information viermal.

4. Independent Confluence

Besser ist, Informationen aus unterschiedlichen Kategorien zu kombinieren.

Diese Faktoren sind nicht vollständig unabhängig, aber sie beschreiben:

unterschiedliche Aspekte des Marktes.

5. Die sechs KryptoPath Confluence-Dimensionen

Für KryptoPath trennen wir Confluence in:

1. REGIME
2. STRUCTURE
3. LOCATION
4. LIQUIDITY / ORDERFLOW
5. POSITIONING
6. TRIGGER / RISK

Dadurch vermeiden wir:

Indicator Stacking.

6. Regime Confluence

Regime beantwortet:

In welchem Marktumfeld handeln wir?

Beispiele:

• Uptrend,
• Downtrend,
• Range,
• Transition.

Ein Mean-Reversion-Signal besitzt in einer Range möglicherweise mehr Relevanz als in einem starken Trend.

Deshalb:

Signal ohne Regime ist unvollständige Information.

7. Structure Confluence

Marktstruktur beschreibt:

• Higher Highs,
• Higher Lows,
• Lower Highs,
• Lower Lows,
• Ranges,
• Breakouts.

Beispiel:

Daily Uptrend + 4H Higher Low liefert:

strukturelle Long-Confluence.

8. Location Confluence

Gute Trades entstehen häufig nicht mitten im Nirgendwo.

Relevante Locations können sein:

• Weekly Support,
• Daily Resistance,
• Range Extremes,
• Breakout Levels,
• Previous High / Low,
• AVWAP.

Location beantwortet:

Wo sollte ich überhaupt aufmerksam werden?

9. Liquidity Confluence

Ein Level wird interessanter, wenn dort zusätzlich:

• Equal Highs,
• Equal Lows,
• Previous Day High / Low,
• Range Liquidity

liegen.

Ein Sweep dieser Struktur kann zusätzliche Information liefern.

Aber:

Liquidity Sweep ≠ Entry.

10. Orderflow Confluence

Orderflow kann analysieren:

• Volume,
• Delta,
• CVD,
• Absorption,
• Exhaustion.

Beispiel:

• Support wird gesweept,
• massives Sell Delta,
• Preis fällt kaum weiter.

Dann kann:

Orderflow die Price-Action-These ergänzen.

11. Positioning Confluence

Derivatedaten liefern eine weitere Ebene:

• Open Interest,
• Funding,
• Liquidationen,
• Spot / Perpetual Divergence.

Beispiel:

• Daily Support,
• Long Liquidation Flush,
• OI fällt stark,
• Funding normalisiert.

Das kann:

einen konstruktiveren Pullback-Kontext

erzeugen.

12. Trigger Confluence

Der Trigger beantwortet:

Wann wird aus Analyse ein potenzieller Trade?

Mögliche Trigger:

• Reclaim,
• Structure Shift,
• Break + Retest,
• Higher Low,
• Lower High.

Der Trigger ist:

die Verbindung zwischen Thesis und Execution.

13. Risk Confluence

Ein Setup kann analytisch attraktiv sein und trotzdem:

ein schlechter Trade.

Beispiel:

• perfekte Location,
• perfekte Struktur,
• perfekter Trigger,
• aber Stop 8 % entfernt,
• realistisches Target nur 5 % entfernt.

Dann:

kein attraktives R:R.

14. Confluence ist keine Anzahl

Trader fragen häufig:

„Wie viele Bestätigungen brauche ich?“

Die bessere Frage lautet:

Welche Informationen brauche ich?

Drei hochwertige unterschiedliche Datenpunkte können wertvoller sein als zehn ähnliche Indikatoren.

15. Confirmation Bias

Confirmation Bias beschreibt die Tendenz, Informationen zu bevorzugen, die eine bestehende Überzeugung bestätigen.

Beispiel:

Trader möchte Long gehen.

Er sieht:

• RSI bullish,
• Support,
• positive Funding-Normalisierung.

Gleichzeitig ignoriert er:

• Daily Structure Break,
• massives Spot Selling,
• Acceptance unter Support.

Das Ergebnis:

Confluence wird zur Rechtfertigung.

16. CFA und Confirmation Bias

Der CFA-Lehrstoff zählt Confirmation Bias ausdrücklich zu den typischen Verhaltensfehlern, die aktives Investmentmanagement beeinflussen können.

Genau deshalb sollte ein Tradingprozess nicht nur fragen:

Was bestätigt meine These?

Sondern:

Welche Information würde meine These widerlegen?

17. Disconfirmation Checklist

Vor jedem Trade:

• Was spricht gegen meine Position?
• Welche Struktur wäre bearish/bullish gegen mich?
• Welches Datenstück widerspricht meiner These?
• Was müsste passieren, damit ich nicht mehr einsteigen darf?

Dadurch wird:

aktive Widerlegung

Teil des Prozesses.

18. Confirmation Bias Beispiel

BTC fällt stark.

Trader ist bullish.

Er findet:

• RSI oversold,
• Fibonacci,
• runde Zahl,
• kleine CVD Divergence.

Er ignoriert:

• Daily Lower Low,
• steigendes Sell Volume,
• Acceptance unter ehemaligem Support.

Das ist:

kein Confluence Trading.

Das ist:

Bias Confirmation.

19. Indicator Overload

Ein Chart mit:

• RSI,
• MACD,
• Stochastic,
• CCI,
• ADX,
• Bollinger Bands,
• EMA 20,
• EMA 50,
• EMA 100,
• EMA 200

sieht analytisch komplex aus.

Aber:

Komplexität ist nicht automatisch Qualität.

20. Information Overlap

Viele Indikatoren basieren letztlich auf:

• Preis,
• Volumen,
• Zeit.

Werden mehrere stark korrelierte Transformationen derselben Inputs verwendet, entsteht:

scheinbare Confluence.

Aber möglicherweise:

kaum zusätzliche Information.

21. Eine Datenquelle pro Funktion

Eine elegante Lösung:

Dadurch bleibt:

jede Analyseebene funktional getrennt.

22. Weighted Confluence

Nicht jeder Faktor muss dasselbe Gewicht besitzen.

Beispiel:

• Daily Structure = hohe Gewichtung,
• Funding = mittlere Gewichtung,
• 5m RSI = geringe Gewichtung.

Das ist logischer als:

jedes Signal mit einem Punkt gleichzusetzen.

23. Hard Conditions vs. Soft Conditions

Ein professionelles Setup kann Bedingungen aufteilen.

Hard Conditions

Müssen vorhanden sein.

Beispiel:

• HTF Trend,
• relevante Location,
• klarer Trigger,
• definierte Invalidierung.

Soft Conditions

verbessern das Setup, sind aber nicht zwingend.

• Funding neutralisiert,
• positive CVD Divergence,
• Volume Expansion.

24. Warum Hard Conditions wichtig sind

Ohne Hard Conditions kann ein Trader:

fehlende Kernlogik mit zusätzlichen Indikatoren kompensieren.

Beispiel:

Kein relevanter Support.

Aber:

• RSI oversold,
• MACD bullish,
• Stochastic bullish.

Drei Soft Signals ersetzen nicht:

fehlende Location.

25. Confluence Score – falsche Methode

Beispiel:

• RSI = +1
• MACD = +1
• Stochastic = +1
• Momentum = +1

Score:

4/4.

Problem:

Alle vier Faktoren messen ähnliche Dinge.

26. Confluence Score – bessere Methode

Maximum:

16 Punkte.

27. Der KryptoPath Confluence Score

Beispielhafte Klassifikation:

• 14–16 = A-Setup
• 11–13 = B-Setup
• 8–10 = C-Setup
• <8 = No Trade

28. Setup Quality vs. Outcome

Ein A-Setup kann verlieren.

Ein C-Setup kann gewinnen.

Deshalb dürfen Trades nicht nach Ergebnis rückwirkend bewertet werden.

Richtige Frage:

Habe ich mein System korrekt ausgeführt?

Nicht:

Habe ich Geld verdient?

29. Outcome Bias

Ein schlechter Trade kann zufällig gewinnen.

Ein guter Trade kann zufällig verlieren.

Wer nur Ergebnisse bewertet, kann:

schlechte Prozesse verstärken.

Deshalb:

Prozessqualität und Ergebnis trennen.

30. Overconfidence

CFA zählt auch Overconfidence zu relevanten Behavioral Biases im aktiven Investmentmanagement.

Confluence kann dieses Problem verschärfen:

Je mehr Signale ein Trader findet, desto sicherer fühlt er sich.

Dadurch kann er:

• Positionsgröße erhöhen,
• Stop verschieben,
• Risiko unterschätzen.

Deshalb:

Setup Confidence darf Risk Limits nicht verändern.

31. A-Setup ≠ mehr Risiko

Ein häufiger Fehler:

Trader sieht perfektes Setup.

Er riskiert:

dreimal so viel.

Problem:

Selbst ein scheinbar perfektes Setup besitzt:

unbekannte echte Wahrscheinlichkeit.

Deshalb sollte:

Risk Management separat vom emotionalen Confidence-Level

definiert werden.

32. Probability Stacking – Vorsicht

Angenommen:

Signal A funktioniert angeblich:

60 %.

Signal B:

60 %.

Daraus darf man nicht schließen:

A + B = 84 % Gewinnwahrscheinlichkeit.

Warum?

Weil:

• Signale korreliert sein können,
• Sample Sizes unterschiedlich sind,
• Regimeabhängigkeit existiert,
• bedingte Wahrscheinlichkeiten fehlen.

33. Conditional Probability

Die wichtige statistische Frage lautet:

Nicht:

Wie gut funktioniert Signal B?

Sondern:

Wie gut funktioniert Signal B, wenn Signal A bereits vorhanden ist?

Das ist:

conditional probability.

Genau hier muss Confluence empirisch getestet werden.

34. Incremental Edge

Ein neuer Filter ist nur dann wertvoll, wenn er:

zusätzlichen Nutzen

gegenüber dem bestehenden System liefert.

Beispiel:

System A

• HTF Support
• Reclaim

Expectancy:

+0,30R.

System B

• HTF Support
• Reclaim
• CVD Divergence

Expectancy:

+0,31R.

Dann liefert CVD möglicherweise:

kaum incremental edge.

35. More Filters = Fewer Trades

Jede zusätzliche Bedingung reduziert normalerweise:

die Anzahl verfügbarer Setups.

Das kann gut sein, wenn:

Qualität steigt.

Es kann schlecht sein, wenn:

Overfitting entsteht.

36. Overfitting

Beispiel:

Trader untersucht 30 historische Gewinner und stellt fest:

• RSI unter 42,
• Funding zwischen -0,003 und +0,002,
• OI -7 bis -11 %,
• 15m CVD divergence,
• Mittwoch oder Donnerstag.

Das System passt:

perfekt zur Vergangenheit.

Aber möglicherweise:

nicht zur Zukunft.

37. Simpler Is Often Better

Ein robustes Setup könnte nur benötigen:

• Regime,
• Location,
• Trigger,
• Risk.

Alles Weitere:

muss einen messbaren Mehrwert liefern.

38. Confluence und Multi-Timeframe Analysis

Timeframes können selbst Confluence erzeugen.

Beispiel:

• Weekly bullish,
• Daily support,
• 4H pullback,
• 1H trigger.

Aber:

Weekly und Daily sind nicht vollständig unabhängige Variablen.

Deshalb:

Timeframe Alignment nicht mehrfach überbewerten.

39. Confluence und Trend Pullbacks

Hochwertiges Pullback-Beispiel:

• Daily Uptrend,
• 4H Higher Low Zone,
• Sell-Side Sweep,
• OI Flush,
• 1H Reclaim.

Diese Faktoren bilden:

strukturell unterschiedliche Confluence.

40. Confluence und Breakouts

Breakout-Beispiel:

• Weekly Resistance,
• mehrwöchige Compression,
• Breakout Close,
• Volume Expansion,
• Retest Acceptance.

Hier entsteht:

Level + Structure + Participation + Confirmation.

41. Confluence und Liquidity Sweeps

Sweep allein:

schwache Information.

Sweep +

• HTF Support,
• Reclaim,
• Absorption,
• OI Flush

liefert:

breiteren Kontext.

42. Confluence und Ranges

Range-Long:

• klar definierte Range,
• Range Low,
• Liquidity Sweep,
• Reentry,
• negatives Funding nach Long Flush.

Aber:

wenn:

Acceptance unter Range Low

entsteht, wird die gesamte Mean-Reversion-Confluence invalidiert.

43. Confluence und Support / Resistance

Beispiel:

• Weekly Support,
• Previous Month Low,
• AVWAP,
• 4H Reclaim.

Wichtig:

die ersten drei Faktoren beschreiben teilweise:

dieselbe Location.

Deshalb sollte man:

Location nicht dreifach zählen.

44. Confluence und Volume/CVD

Orderflow sollte:

zusätzliche Information liefern.

Nicht:

nur den Preis anders darstellen.

Beispiel:

aggressives Sell Delta + kein Preisfortschritt ist informativer als:

„CVD ist rot.“

45. Confluence und OI/Funding

Derivate-Confluence sollte ebenfalls:

zur eigentlichen Thesis passen.

Beispiel:

• Uptrend,
• Pullback,
• OI Flush,
• Funding normalisiert,
• Support hält.

Hier erklärt Derivatedata:

die Qualität der Korrektur.

46. Event Risk als Negativ-Confluence

Confluence muss nicht nur positive Faktoren enthalten.

Beispiel:

• perfektes Long Setup,
• CPI in 5 Minuten.

Event Risk:

reduziert die Setupqualität.

Deshalb benötigt ein Score:

negative Faktoren.

47. Portfolio Risk als Negativ-Confluence

BTC Long sieht perfekt aus.

Aber Portfolio enthält bereits:

• ETH Long,
• SOL Long,
• AVAX Long.

Dann kann ein weiterer BTC Long:

gutes Setup, aber schlechte Portfolioentscheidung

sein.

48. Positive und negative Confluence

Professionelle Analyse:

zählt beide Seiten.

49. Net Confluence

Eine Möglichkeit:

Positive Faktoren werden durch:

negative Risikofaktoren reduziert.

Beispiel:

• Setup Score = 14
• Event Risk = -2
• Portfolio Risk = -2

Net Score:

10.

Auch dieses Modell muss:

statistisch validiert werden.

50. Vollständige Long-Fallstudie

Hypothetisches BTC-Beispiel:

Risk:

1.800 USD.

Reward:

5.400 USD.

Planned R:R:

3:1.

Warum die Confluence hochwertig ist

• Regime = Trend.
• Location = HTF Support.
• Liquidity = Sweep.
• Orderflow = Selling verliert Wirkung.
• Positioning = Leverage Flush.
• Trigger = Reclaim.

Diese Faktoren messen:

unterschiedliche Marktinformationen.

51. Vollständige Short-Fallstudie

Planned R:R:

3:1.

52. Schlechte Confluence-Fallstudie

Trader möchte BTC Long handeln.

Seine Argumente:

• RSI oversold,
• Stochastic oversold,
• MACD dreht,
• Momentum Oscillator steigt.

Gleichzeitig:

• Daily Downtrend,
• kein Support,
• kein Reclaim,
• kein strukturierter Stop.

Ergebnis:

viele Signale, wenig Information.

53. Full Confluence vs. Minimal Confluence

Minimal Model

• Regime
• Location
• Trigger
• Risk

Full Model

• Regime
• Structure
• Location
• Liquidity
• Orderflow
• OI / Funding
• Trigger
• Event Risk
• Portfolio Risk

Die zentrale Frage:

verbessert das Full Model wirklich die Expectancy?

54. Feature Ablation

Ein professioneller Weg zur Prüfung:

einzelne Faktoren aus dem Modell entfernen.

Beispiel:

Baseline

Structure + Location + Trigger.

Test 1

+ CVD.

Test 2

+ OI.

Test 3

+ Funding.

Dann vergleichen:

• Expectancy,
• Win Rate,
• Average R,
• Drawdown,
• Trade Frequency.

Dadurch wird sichtbar:

welcher Faktor tatsächlich Mehrwert liefert.

55. Sample Size

Fünf Trades reichen nicht, um Confluence zu beurteilen.

Zehn Trades:

ebenfalls kaum.

Je mehr Filter ein Setup besitzt, desto weniger Trades entstehen häufig.

Dadurch kann:

statistische Unsicherheit steigen.

56. Out-of-Sample Testing

Regeln sollten nicht nur auf den Daten getestet werden, aus denen sie entstanden sind.

Besser:

• Entwicklungsperiode,
• Testperiode,
• später Live-Sample.

Dadurch reduziert sich:

Overfitting-Risiko.

57. Regime Segmentation

Confluence kann in unterschiedlichen Regimen unterschiedlich funktionieren.

Deshalb getrennt analysieren:

• bull trend,
• bear trend,
• range,
• high volatility,
• low volatility.

Ein Filter, der in Ranges hervorragend funktioniert, kann:

in Trends wertlos sein.

58. Confluence Journal

Sinnvolle Felder:

• Asset
• Regime
• Structure Score
• Location Score
• Liquidity Score
• Orderflow Score
• Positioning Score
• Trigger Score
• Event Risk
• Portfolio Risk
• Total Score
• Entry
• Stop
• Target
• Planned R
• Realized R
• MAE
• MFE

59. Was das Journal beantworten soll

• Funktionieren A-Setups wirklich besser?
• Welche Confluence-Kategorie liefert den größten Mehrwert?
• Ist CVD überhaupt nötig?
• Verbessert Funding die Ergebnisse?
• Wie stark wirken Event-Risiken?
• Wie stark reduziert Portfolio-Risk die Performance?
• Welche Filter reduzieren nur Trade Frequency ohne zusätzlichen Edge?

60. Negative Evidence dokumentieren

Ein besonders professionelles Journal dokumentiert nicht nur:

warum man den Trade genommen hat.

Sondern auch:

welche Informationen gegen den Trade sprachen.

Beispiel:

• Long Setup,
• aber Funding noch hoch,
• Spot Nachfrage schwach.

Danach kann analysiert werden:

wie stark negative Faktoren die Ergebnisse beeinflussen.

61. KryptoPath Confluence Checklist

• ☐ Welches Marktregime liegt vor?
• ☐ Was zeigt die Higher-Timeframe-Struktur?
• ☐ Ist die Location relevant?
• ☐ Welche Liquidität liegt dort?
• ☐ Gibt es Sweep oder Reclaim?
• ☐ Liefert Volume zusätzliche Information?
• ☐ Liefert CVD zusätzliche Information?
• ☐ Was zeigt Open Interest?
• ☐ Was zeigt Funding?
• ☐ Gibt es Liquidationen?
• ☐ Ist der Move Spot- oder Derivate-getrieben?
• ☐ Existiert ein klarer Trigger?
• ☐ Welche Informationen sprechen GEGEN den Trade?
• ☐ Sind meine Signale unabhängig oder redundant?
• ☐ Gibt es Event Risk?
• ☐ Gibt es Portfolio Risk?
• ☐ Wo liegt Invalidierung?
• ☐ Ist Planned R:R akzeptabel?
• ☐ Habe ich den Score vor Entry festgelegt?
• ☐ Habe ich meine Meinung bereits vor der Analyse festgelegt?

62. KryptoPath Confluence Decision Tree

Regime klar?

Nein → NO TRADE.

Ja ↓

Relevante Location?

Nein → WAIT.

Ja ↓

Mehrere unabhängige Informationskategorien?

Nein → WEAK CONFLUENCE.

Ja ↓

Negative Evidence geprüft?

Nein → REASSESS.

Ja ↓

Trigger vorhanden?

Nein → WAIT.

Ja ↓

Invalidierung klar?

Nein → NO TRADE.

Ja ↓

Event / Portfolio Risk akzeptabel?

Nein → REDUCE / NO TRADE.

Ja ↓

Risk / Reward akzeptabel?

Nein → NO TRADE.

Ja ↓

EXECUTE ACCORDING TO PLAN.

63. Das KryptoPath Confluence Framework

1. REGIME
   Marktumfeld bestimmen.
2. STRUCTURE
   Trend, Range und relevante Swings analysieren.
3. LOCATION
   hochwertigen Entscheidungsbereich bestimmen.
4. LIQUIDITY
   Highs, Lows und mögliche Sweep-Strukturen analysieren.
5. PARTICIPATION
   Volume und CVD auf zusätzlichen Informationswert prüfen.
6. POSITIONING
   OI, Funding und Liquidationen einordnen.
7. INDEPENDENCE
   redundante Signale entfernen.
8. DISCONFIRMATION
   aktiv nach Gegenargumenten suchen.
9. TRIGGER
   Preisbestätigung abwarten.
10. INVALIDATION
    definieren, wann die Thesis falsch ist.
11. EVENT RISK
    Makro- und Newsrisiken prüfen.
12. PORTFOLIO RISK
    Korrelation und bestehendes Exposure prüfen.
13. RISK / REWARD
    mathematische Trade-Struktur bewerten.
14. EXECUTION
    nach vorher definierten Regeln handeln.
15. JOURNAL
    positive und negative Faktoren dokumentieren.
16. ABLATION
    einzelne Filter separat testen.
17. VALIDATE
    prüfen, ob zusätzliche Confluence tatsächlich zusätzlichen Edge erzeugt.

64. Was du aus diesem Kapitel mitnehmen solltest

1. Confluence bedeutet mehrere unterstützende Informationen – nicht automatisch mehrere Indikatoren.
2. mehr Signale bedeuten nicht automatisch höhere Wahrscheinlichkeit.
3. redundante Indikatoren können dieselbe Information mehrfach messen.
4. unterschiedliche Informationskategorien sind wertvoller als reines Indicator Stacking.
5. Regime ist eine eigene Confluence-Dimension.
6. Structure und Location sollten getrennt bewertet werden.
7. Liquidity und Orderflow liefern unterschiedliche Informationen.
8. OI und Funding bilden Positionierung ab, nicht automatisch Richtung.
9. Trigger verbindet Analyse mit Execution.
10. Risk ist Teil der Setupqualität.
11. Confirmation Bias kann Confluence in Selbstbestätigung verwandeln.
12. professionelle Analyse sucht aktiv nach Gegenargumenten.
13. Hard Conditions sollten von Soft Conditions getrennt werden.
14. mehrere Soft Signals ersetzen keine fehlende Kernbedingung.
15. Setup Confidence darf nicht automatisch zu höherem Risiko führen.
16. Signalwahrscheinlichkeiten dürfen nicht einfach miteinander multipliziert werden.
17. entscheidend ist der zusätzliche – inkrementelle – Edge eines neuen Filters.
18. mehr Filter reduzieren normalerweise die Trade Frequency.
19. zu viele Filter können Overfitting erzeugen.
20. Feature Ablation kann zeigen, welche Faktoren wirklich Mehrwert liefern.
21. Confluence sollte in unterschiedlichen Marktregimen separat getestet werden.
22. positive und negative Faktoren sollten dokumentiert werden.
23. Event Risk kann ein gutes Setup deutlich verschlechtern.
24. Portfolio Risk kann einen isoliert guten Trade unattraktiv machen.
25. erst Journaldaten zeigen, ob höhere Confluence-Scores tatsächlich bessere Ergebnisse erzeugen.

Fazit: Qualität schlägt Quantität

Confluence Trading wird häufig falsch verstanden als:

möglichst viele Bestätigungen sammeln.

Professioneller ist:

möglichst wenige, aber hochwertige und unterschiedlichartige Informationen miteinander zu verbinden.

Der vollständige Prozess:

REGIME → STRUCTURE → LOCATION → LIQUIDITY → PARTICIPATION → POSITIONING → DISCONFIRMATION → TRIGGER → INVALIDATION → RISK → EXECUTION

Die entscheidende Frage lautet nicht:

„Wie viele Gründe habe ich, diesen Trade zu nehmen?“

Sondern:

„Wie viele wirklich unterschiedliche Informationen verbessern meine Entscheidung – und welche davon besitzen nachweisbar einen zusätzlichen Edge?“

Erst wenn diese Frage mit echten Daten beantwortet wird, wird aus Confluence:

ein systematisches Entscheidungsmodell.

Quellen & weiterführende Literatur

1. CFA Institute – Active Equity Investing: Strategies
   CFA nennt Confirmation Bias, Illusion of Control, Availability Bias, Loss Aversion, Overconfidence und weitere Verhaltensverzerrungen als relevante Faktoren im aktiven Investmentmanagement.
   CFA Institute – Active Equity Investing
2. CFA Institute – From Tweets to Trades: The Risks of Social Media in Investing
   CFA beschreibt Confirmation Bias als die Tendenz, Informationen zu bevorzugen, die bestehende Überzeugungen bestätigen, während widersprechende Informationen leichter ausgeblendet werden.
   CFA Institute – Confirmation Bias
3. CFA Institute – Technical Analysis Revisited
   CFA diskutiert technische Analyse und Moving-Average-Strategien und weist zugleich darauf hin, dass technische Analyse weiterhin kontrovers beurteilt wird.
   CFA Institute – Technical Analysis Revisited
4. CME Group – Technical Analysis
   CME behandelt technische Marktanalyse, Trends, Support, Resistance, Momentum und verschiedene Chartmodelle als Bestandteil seiner Ausbildungsressourcen.
   CME Group – Technical Analysis
5. CME Group – Trade and Risk Management
   CME behandelt Position Sizing, Risk Limits, Stops und strukturierte Tradingplanung als zentrale Bestandteile eines kontrollierten Tradingprozesses.
   CME Group – Trade and Risk Management

Methodischer Hinweis

Der Begriff:

Confluence

ist im diskretionären Trading weit verbreitet, besitzt aber keine universelle, wissenschaftlich standardisierte Definition.

Die in diesem Kapitel verwendeten Modelle:

• KryptoPath Confluence Dimensions,
• KryptoPath Confluence Score,
• KryptoPath Net Confluence,
• KryptoPath Confluence Decision Tree,
• KryptoPath Confluence Framework

sind:

redaktionelle Lern- und Analysemodelle.

Sie sind keine:

wissenschaftlich validierten Prognosekennzahlen.

Insbesondere darf nicht angenommen werden, dass mehrere Signale ihre individuellen Trefferwahrscheinlichkeiten einfach addieren oder multiplizieren.

Signale können:

• korreliert,
• redundant,
• regimeabhängig

sein.

Ein zusätzlicher Filter sollte deshalb nur dann als Verbesserung betrachtet werden, wenn er in ausreichend großen Stichproben tatsächlich:

• Expectancy verbessert,
• Drawdown reduziert,
• oder andere relevante Systemeigenschaften verbessert.

Auch eine rückwirkend perfekte Kombination kann durch:

Overfitting

entstanden sein.

Deshalb sollten:

• Out-of-Sample-Daten,
• unterschiedliche Marktregime,
• Fees,
• Slippage,
• Funding

in der Validierung berücksichtigt werden.

Risikohinweis

Dieser Artikel dient ausschließlich Bildungs- und Informationszwecken und stellt keine Anlage-, Finanz-, Portfolio- oder Tradingberatung dar.

Die dargestellten:

• Confluence Scores,
• Kurswerte,
• Entries,
• Stops,
• Targets,
• R:R-Beispiele

sind illustrative Beispiele und keine Handelssignale.

Auch Setups mit vielen scheinbar bestätigenden Faktoren können vollständig scheitern.

Kryptowährungen sowie insbesondere gehebelte Produkte können erhebliche bis vollständige Verluste verursachen.

Confirmation Bias, Overconfidence und andere Entscheidungsverzerrungen können zu höherem Risiko und schlechten Handelsentscheidungen führen.

Historische, hypothetische und simulierte Ergebnisse garantieren keine zukünftige Performance.

Verwende niemals Kapital, dessen Verlust du finanziell nicht tragen kannst.