FinBERT Trading
Serverless NLP- und Trading-Datenplattform mit Sentiment-Analyse als Entscheidungsunterstützung.
Ein Engineering-Case für Applied AI / Financial Data: automatisierte Datenpipelines, deutsches FinBERT für Sentiment-Analyse und Reinforcement-Learning-basiertes Paper-Trading – als Decision-Support, nicht als Versprechen profitablen automatisierten Tradings.
- Technische Herausforderung
- NLP-Modelle und Finanzdaten sollten zu einer belastbaren Entscheidungsunterstützung verbunden werden – als durchgängige Daten- und ML-Pipeline, mit ehrlicher Einordnung der Grenzen statt überzogener Versprechen.
- Architektur
- Eine vollständig serverless AWS-Plattform (CDK): RSS-Pipeline und deutsches FinBERT für Sentiment-Analyse, Datenaufbereitung mit Training inkl. Walk-Forward-Validierung und automatisiertes Paper-Trading mit Risikomanagement auf 16-Feature-Observations.
- Engineering-Challenges
- Datenqualität und -konsistenz über viele Quellen, nachvollziehbare Modellbewertung (Walk-Forward statt Backtest-Bias) und ein stabiler 24/7-Betrieb ohne manuelles Provisioning.
- Demonstrierte Kompetenzen
- NLP und Sentiment-Analyse, Reinforcement-Learning-Pipelines, automatisiertes Datenengineering und serverless AWS-Architektur mit CDK.
FinBERT Trading ist ein Riegel-Systems-Engineering-Case im Bereich Applied AI / Financial Data. Er demonstriert, wie sich NLP-Modelle, Finanzdaten und automatisierte Pipelines zu einer belastbaren Entscheidungsunterstützung verbinden lassen – als vollständig serverless System auf AWS.
Aufbau
- Datenquellen (RSS + Ticker)
- FinBERT Sentiment-Analyse
- Datenaufbereitung & Features
- PPO-Training (Walk-Forward)
- Paper Trading mit Risikomanagement
- Dashboard
Architektur
Engineering-Schwerpunkte
- Sentiment-Pipeline: Ein deutsches FinBERT-Modell klassifiziert laufend Nachrichten aus mehreren Quellen; Ergebnisse werden mit TTL gecacht.
- Training mit Walk-Forward-Validierung: Statt naivem Backtesting wird die Modellqualität zeitlich ehrlich bewertet – ein Kernstück für belastbare Aussagen.
- Paper Trading: Der Agent handelt in simulierten 5-Minuten-Intervallen mit 16-Feature-Observations, fünf Aktionen und explizitem Risikomanagement – ohne echtes Kapital.
- Serverless Betrieb: Infrastruktur als Code (CDK), Scale-to-zero, keine manuelle Provisionierung.
Ehrliche Einordnung
Finanzmärkte sind durch Daten allein nicht zuverlässig vorhersagbar. Der Wert dieses Cases liegt im robusten Engineering der Daten- und Analysepfade sowie in der nachvollziehbaren Bewertung der Modellgrenzen – ausdrücklich ohne Anlage- oder Renditeversprechen.
Technologien & Konzepte
Ein ähnliches Engineering-Projekt?
Wenn Ihr Vorhaben vergleichbare technische Tiefe braucht, besprechen wir Machbarkeit, Architektur und Aufwand – konkret statt im Pitch-Format.