Kürzlich wurde jemand auf X berühmt

Wenn du in letzter Zeit auf X (Twitter) unterwegs bist, bist du vielleicht schon über dieses Profil gestolpert: @aleabitoreddit, Nickname Serenity.

Die Beschreibung ist nur eine Zeile lang: ehemaliger bekannter Reddit WallStreetBets-Trader, AI-/Halbleiter-Lieferkettenanalyst, ehemaliges Mitglied der RISC-V Foundation, ehemaliger AI-Forschungswissenschaftler, jetzt spezialisiert auf den Handel mit „diesen übersehenen Engpassunternehmen".

Klingt nach einem typischen X-Angeberprofil? Aber die Daten sprechen für sich: Sie hat sich erst im Juli 2025 auf X registriert und bis Mai dieses Jahres über 350.000 Follower gewonnen, die Abonnentenzahlen nähern sich denen von Elon Musk.

Noch beeindruckender sind ihre Erfolge. Sie gibt an, eine annualisierte Rendite von bis zu +501% erzielt zu haben, die sich derzeit bei etwa +122% stabilisiert, und hat öffentlich mehr als 38 Aktien genannt. Jemand hat eigens eine Website namens „Serenity Tracker" erstellt, um ihr Portfolio zu verfolgen, und festgestellt, dass die angegebenen 3840% annualisierte Rendite hauptsächlich auf der vorzeitigen Positionierung in unbekannten kleinen Unternehmen der AI- und Halbleiter-Lieferkette beruhen.

Hat das jemand überprüft? Ja. In ihrer Reddit-Zeit wurde sie wegen der frühzeitigen Empfehlung von \(AXTI (von 12 \) auf 70 $) von den WallStreetBets-Moderatoren gesperrt, angeblich weil „die Kleinanleger zu viel verdienten, was die Moderatoren störte". Dieses Detail ist recht interessant.

Natürlich sollte man Screenshots von Gewinnen in sozialen Medien immer mit Vorsicht genießen. Aber allein was die Aktienauswahl betrifft, lauten die unabhängigen Überprüfungen zu den von ihr empfohlenen Titeln durchweg: tatsächlich sehr treffsicher. Also dachte ich mir: Kann ich ihre Tweet-Signale in Echtzeit in ein Handelssystem einspeisen?

Welchen Wert haben solche Informationen?

Vorab ein Hintergrund.

Im A-Aktienmarkt sind wir es gewohnt, Research-Berichte zu lesen, Hauptkapitalströme zu verfolgen und auf Nachrichten zu lauern. Aber im US-Aktien- und Kryptomarkt kann der Einfluss von KOLs auf X mitunter nicht geringer sein als der von institutionellen Research-Berichten – insbesondere bei denen, die in ihren Nischen tatsächlich etwas vorzuweisen haben.

Serenitys Kernmethodik heißt „Chokepoint-Theorie": Ausgehend von einer hochgradig bestimmten Endnachfrage (dem AI-Rechenleistungs-Boom) wird die Lieferkette Schritt für Schritt rückwärts analysiert, um die kleinen Unternehmen upstream zu identifizieren, die extrem hohe technische Barrieren und ein schwerwiegendes Angebots-Nachfrage-Ungleichgewicht aufweisen. Diese Unternehmen haben oft eine sehr geringe Marktkapitalisierung, werden von Institutionen nicht abgedeckt, aber sobald die Nachfrage explodiert, ist die Elastizität enorm.

Diese Logik ist klar, und sie (obwohl anonym) verfolgt ihre Empfehlungen kontinuierlich – kein Kurzzeit-Blogger, der etwas ruft und dann verschwindet.

Eine ähnliche Logik lässt sich auf viele Bereiche übertragen:

-- Ein Tweet von Elon Musk auf X kann Dogecoin innerhalb von Minuten explodieren lassen.
-- Wenn ein prominenter Krypto-Influencer einen Altcoin hyped, beginnt oft der Ausverkauf bei den Kleinanlegern (das kann man auch andersherum nutzen).
-- Manche Analysten aus dem traditionellen Finanzbereich offenbaren auf X ihre Portfolios, oft noch bevor öffentliche Berichte erscheinen.

Social-Media-Informationen sind selbst ein Alpha, nur dass die meisten Menschen sie nicht systematisch anzapfen.

Aber es gibt ein praktisches Problem: Wir können keine US-Aktien spot kaufen

Die von Serenity empfohlenen Titel sind meist US-Aktien wie NVDA, MRVL, AVGO, SIVE. Normale Nutzer haben kein US-Aktienkonto oder wollen diesen Weg nicht gehen. Was tun?

Hier ein Gedanke: Binance TradFi-Aktien-Perpetual-Swaps.

Binance hat eine Reihe von Perpetual-Swaps auf US-Aktien eingeführt, die in USDT abgerechnet werden, Long- und Short-Positionen erlauben, kein US-Aktienkonto benötigen und rund um die Uhr gehandelt werden können. Derzeit decken sie Dutzende gängige US-Aktien ab, darunter NVDA, MRVL, AMD, AVGO, META, MSFT, AMZN, GOOGL, und das Angebot wird ständig erweitert.

Das bedeutet: Wenn Serenity MRVL empfiehlt, muss ich kein US-Aktienkonto eröffnen, sondern kann direkt auf Binance einen Long-Kontrakt auf MRVL_USDT Perpetual eröffnen.

Natürlich unterscheiden sich solche Kontrakte vom direkten Halten von Aktien – es gibt keine Dividenden, sondern nur eine Preisverfolgung, und es fallen Funding-Rate-Kosten an. Aber für kurz- bis mittelfristige Richtungstrades reicht das vollkommen aus.

Die Gesamtidee des Systems

Nachdem ich mir das überlegt hatte, begann ich, dieses System zu entwerfen.

Insgesamt drei Schritte:

            
            
            
① Echtzeit-Abruf der Tweets von Serenity  
        ↓  
② Parsen der Tweet-Signale mit einem LLM (welcher Titel wird wie stark bewertet?)  
        ↓  
③ Abgleich mit Binance TradFi-Kontrakten, Ausführung der Trades + Risikomanagement  

Der erste Schritt ist der kritischste – wie bekommt man die Tweets in Echtzeit?

Die offizielle Twitter-API ist jetzt kostenpflichtig und nicht billig. Gibt es eine kostenlose Lösung?

Ja: RSSHub. Das ist ein Open-Source-Tool, das verschiedene Websites in RSS-Feeds umwandeln kann, einschließlich Twitter-Tweets. Mit dem Cookie des eigenen Accounts kann man die Tweets jedes beliebigen Nutzers in Echtzeit als RSS-Feed abrufen – im Grunde ruft man die Seite mit dem eigenen Account auf, völlig kostenlos.

Bereitstellung von RSSHub

Ich habe RSSHub auf einem ausländischen Server bereitgestellt, um Netzwerkprobleme zu vermeiden. Auf dem Server läuft Podman (ein gängiger Container-Runtime unter CentOS). Ein Befehl genügt:

            bash
            
            
podman run -d \  
  --name rsshub \  
  -p 1200:1200 \  
  -e NODE_ENV=production \  
  -e CACHE_TYPE=memory \  
  -e TWITTER_AUTH_TOKEN="dein_auth_token" \  
  -e TWITTER_COOKIE="auth_token=dein_auth_token; ct0=dein_ct0" \  
  diygod/rsshub:latest  

Dabei sind auth_token und ct0 Cookies des Twitter-Accounts, die in den Entwicklertools des Browsers zu finden sind (F12 → Application → Cookies → unter x.com).

Diese beiden Werte entsprechen den Anmeldeinformationen des Accounts. Verwende sie nur mit einem Nebenaccount und gib sie niemals weiter.

Überprüfung:

            bash
            
            
curl "http://localhost:1200/twitter/user/aleabitoreddit" | head -3  

Wenn man den mit <?xml beginnenden RSS-Content sieht, hat es geklappt. Die Strategie kann dann direkt per HTTP auf diese Adresse zugreifen, um die neueste Tweet-Liste zu erhalten.

Dynamischer Abruf der Kontrakttabelle

Binance bringt ständig neue TradFi-Kontrakte heraus, daher darf die Kontrakttabelle nicht fest codiert sein. Sie wird bei jedem Start und regelmäßig aktualisiert:

            python
            
            
def refresh_equity_contracts():  
    ms = exchange.GetMarkets()  
    new_map = {}  
    for key, market in ms.items():  
        info = market.get("Info", {}) or {}  
        sub_type = info.get("underlyingSubType", [])  
        # Filtere TradFi EQUITY Perpetual-Kontrakte  
        if (  
            ".swap" in key  
            and "TradFi" in sub_type  
            and info.get("underlyingType") == "EQUITY"  
        ):  
            ticker = key.replace("_USDT.swap", "")  
            new_map[ticker] = key   # {"NVDA": "NVDA_USDT.swap", ...}  
    return new_map  

So werden neu hinzugekommene Kontrakte automatisch erfasst, und das LLM erhält beim Parsen der Tweets die aktuelle Kontraktliste als Referenzbereich.

Das LLM die Sprache von Serenity verstehen lassen

Dieser Schritt ist der interessanteste des gesamten Systems und erfordert die meiste Feinarbeit.

Einfach das LLM zu bitten, „dieser Tweet ist bullish oder bearish" zu bestimmen, ist zu grob – Serenitys Ausdrucksweise ist sehr eigen, und wer sie nicht kennt, kann viel falsch interpretieren.

Zum Beispiel postet sie oft Tweets wie:

"Wow… new extremely transformative news got released today. Making a certain photonics company the effective upstream laser chokepoint for $NVDA NVLink fusion CPO ecosystem. Can anyone guess the name?"

Dieser Tweet dient im Wesentlichen dazu, Neugier zu wecken und Traffic zu generieren; der nächste Tweet enthält dann die eigentliche bullische Nennung. Wenn das LLM diese Gewohnheit nicht kennt, könnte es den Tweet als stark bullisches Signal für NVDA deuten – völlig daneben.

Daher muss im System-Prompt deutlich gemacht werden, wie sie sich ausdrückt:

            python
            
            
system_prompt = (
    "你是一个专门解读Twitter用户「Serenity」推文的交易信号提取器。"
    "该用户是AI与半导体供应链分析师，你需要理解 TA 特有的表达习惯：\n"
    "1. TA 很少直接说「买入」，而是通过描述公司供应链地位、壁垒来暗示看多\n"
    "2. 强烈看多的关键词：「I personally think」「undervalued」「going much higher」"
    "「chokepoint」「structural」「thesis validated」「go brrr」「bullish」\n"
    "3. 看空关键词：「avoid」「overvalued」「nuking」「ban」「bearish」\n"
    "4. 提问式推文（「Can anyone guess?」「Does anyone know?」）"
    "是卖关子引流，本身不构成交易信号，direction 应为 neutral\n"
    "5. 宏观趋势描述若未点名具体标的态度，不构成信号\n"
    "只输出合法 JSON，不输出任何其他内容。"
)

Einheitliches JSON-Format ausgeben:

            python
            
            
{
    "tickers": ["MRVL", "LITE"],  # nur vom Autor klar positionierte Papiere, müssen in der Kontraktliste sein
    "direction": "long",           # long / short / neutral
    "confidence": 85,              # 0-100, kombinierte Signalstärke
    "reason": "Der Autor äußert sich klar bullish zur Nachfrage nach AI-Netzwerk-Interkonnektivität"
}

Kriterien für die Konfidenz:

• Klare Positionierung + konkrete logische Begründung: 80-95
• Positive Fakten beschrieben, aber keine klare Positionierung: 55-75
• Frage/Spannungsaufbau/Interaktion: 10-40 (dann direction zwingend neutral)
• Makroskopische Beschreibung ohne konkretes Papier: 30-50 (tickers leer)

In der Praxis hat sich gezeigt, dass die Erkennung von "Lockbeiträgen" ziemlich genau ist – solche Tweets werden größtenteils korrekt herausgefiltert.

Risikomanagement-Design

Mit den Signalen ist die Orderlogik nicht besonders komplex – entscheidend ist ein stabiles Risikomanagement.

Positionsgrößen-Management:
-- Einzelposition: 5% des Kontokapitals
-- Maximal gleichzeitige Positionen: 5 Papiere
-- Hebel: 1x, kein Leverage

Stop-Loss:
-- Harter Stop-Verlust: 5% Verlust vom Einstiegskurs -> sofort glattgestellt, keine Ausnahme

Take-Profit: kein fester Take-Profit, nur Trailing-Stop basierend auf Drawdown

Dieses Design leitet sich von Serenitys Positionshaltungs-Stil ab – ihre Logik ist, auf das Eintreten von Angebots-Nachfrage-Ungleichgewichten zu warten, die Haltedauer ist oft relativ lang. Ein fester Take-Profit würde viele Gewinne abschneiden. Daher wird stattdessen ein gleitender Drawdown-Trailing-Stop verwendet:

            python
            
            
# Floating profit erreicht 8% → starte Trailing
# Tatsächliche Drawdown-Schwelle = max(30%, Peak × 35%)
# Je größer der Peak, desto mehr Drawdown wird erlaubt

giveback_pct = max(30, peak * 0.35)
drawdown = peak - pnl_pct
if drawdown >= giveback_pct:
    # Führe Glattstellung aus

Ein Beispiel zum besseren Verständnis:
-- Peak +20%, Schwelle = max(30%, 7%) = 7%, Ausstieg bei Drawdown auf +13%
-- Peak +80%, Schwelle = max(30%, 28%) = 28%, Ausstieg erst bei Drawdown auf +52%

Große Gewinner können voll laufen, kleine Verluste werden schnell gestoppt – diese Struktur passt zu Serenitys eigenem Haltungsstil.

Ein Sicherheitsventil: Erst benachrichtigen, dann handeln

Die Strategie läuft standardmäßig im "Nur Benachrichtigen"-Modus: Wenn ein Signal kommt, wird nur geloggt, kein echter Trade. Nach einer Beobachtungsphase, in der bestätigt wird, dass die LLM-Entscheidungen den eigenen Erwartungen entsprechen, wird manuell in den "Echt-Handel"-Modus umgeschaltet.

Das Dashboard enthält vier Tabellen:

Im Tweet-Verlauf gibt es eine Spalte "Signaltyp", die automatisch jeden Tweet als "💎 Starkes Signal" oder "🎭 Lockbeitrag/Frage" kennzeichnet – nützlich für die spätere Überprüfung der LLM-Qualität.

Einige weiterführende Gedanken

Dieses Framework struktuiert im Grunde eine bestimmte Informationsquelle in Echtzeit und bindet sie in das Handelssystem ein – Serenity ist nur ein Beispiel. Solange es RSS oder eine erfassbare Datenquelle gibt, kann theoretisch jede Quelle angebunden werden. RSSHub unterstützt bereits tausende Informationsquellen, nicht nur Twitter.

Natürlich bestimmt die Qualität der Signalquelle die Decke des Gesamtsystems. Wenn man jemanden mit wilden Calls auswählt, hilft auch das ausgeklügeltste System nichts. Serenity funktioniert, weil sie einen vollständigen Analyseframework hat, kein kurzfristiger Blogger, der ruft und rennt.

Abschließende Worte

Die meiste Zeit bei der Erstellung des gesamten Systems steckt in zwei Bereichen: Erstens die Bereitstellung von RSSHub (Server außerhalb Chinas + Cookie-Konfiguration), zweitens das Feintuning des LLM-Prompts (damit es die Ausdrucksgewohnheiten bestimmter KOLs genau versteht).

Der Code selbst ist nicht besonders komplex – das Framework der Erfinderplattform kapselt viele Details. Der Schwerpunkt liegt darauf, die Geschäftslogik klar zu durchdenken.

Neueinsteigern empfehle ich, zunächst den Benachrichtigungsmodus laufen zu lassen, anhand der Logs zu prüfen, ob die LLM-Bewertungen nicht grob daneben liegen, und erst dann auf echte Trades umzuschalten. Denn Handel auf Basis von Social-Media-Signalen bedeutet letztlich, auf die Urteilsfähigkeit des KOLs zu setzen – Positionen nicht zu groß, diversifizieren, Stop-Loss konsequent einhalten.

Strategiecode und vollständige Implementierung im Kommentarbereich. Austausch willkommen.

Strategiecode: Social-Media-KOL-Signal-Tracking_Binance-TradFi-Aktienkontrakte