Marcel Urban handelt täglich tausende ETF-Spreads vollautomatisiert und marktneutral - ohne Chartanalyse, ohne Fundamentalanalyse, im Millisekundenbereich. Ausgerechnet er sagt, dass die Maschine den entscheidenden Teil nicht übernimmt: Alpha verschwindet immer schneller, und was bleibt, ist der kreative Kopf, der entscheidet, was überhaupt ins Modell hineindarf.
Ein Gespräch über Kointegration, Machine-Learning-Clustering, Monte-Carlo-Simulationen statt klassischer Backtests - und über die Frage, wie lange Alpha in einem immer stärker automatisierten Markt überhaupt noch überlebt.
Marcel Urban ist Quantitative Researcher bei Stratbench und sucht den ganzen Tag nach Mikroineffizienzen zwischen ETFs, die denselben Index abbilden. Was er dabei beschreibt, ist kein Geheimtipp, sondern ein industrieller Prozess - vom Datensammeln über Machine-Learning-Clustering bis zur Post-Trade-Analyse.
🤖 Frag [Bulle & Mensch]
Was hat Marcel Urban zu diesem Thema gesagt? Die KI durchsucht diese Folge und alle anderen nach seinen Original-Aussagen – mit Timestamp und Fundstelle.
Jetzt fragenKapitel
- 00:00:00Einleitung: Was institutionelles KI-Trading wirklich ist
- 00:01:25Vom Retail-Trader zum Quantitative Researcher
- 00:07:42Quantitativer Handel: Mythos gegen Realität
- 00:15:10Tick-Level & High-Frequency: die Infrastruktur dahinter
- 00:23:45⚡ ETF-Spreads & Arbitrage: wie Mikroineffizienzen handelbar werden
- 00:32:10Warum klassische Chartanalyse im institutionellen Trading versagt
- 00:41:05Kointegration & Mean Reversion mathematisch erklärt
- 00:52:30Machine Learning & Clustering bei der ETF-Klassifizierung
- 01:04:15⚡ Der große Backtesting-Fehler: warum Monte-Carlo dominiert
- 01:14:40⚡ Wo Regime-Modelle an ihre Grenzen stoßen
- 01:22:15Risikomanagement im vollautomatisierten Handel und der Black Swan
- 01:31:55Post-Trade-Analyse: wie der eigene Edge gemessen wird
- 01:42:10Psychologie & Disziplin beim Betrieb automatisierter Systeme
- 01:51:05Fazit und die wichtigsten Learnings für ambitionierte Trader
Aufnahmedatum: 05.05.2026
Bekomm die besten Denkweisen, Buchtipps & Systeme aus dem Podcast kompakt in dein Postfach. Kostenlos.
Kostenlos, jederzeit abbestellbar. Mit dem Eintragen akzeptierst du unsere Datenschutzerklärung.
Die wichtigsten Erkenntnisse
- Arbitrage als Infrastruktur, nicht als Parasitentum: Marcel Urbans Firma handelt ETFs gegeneinander und hilft mit, dass sich der ETF-Preis so nah wie möglich am Wert des zugrundeliegenden Aktienkorbs bewegt - ein Beitrag zur Markteffizienz, von dem am Ende auch der ETF-Käufer profitiert.
- Kointegration ist das Eintrittsticket: Ohne belastbare Kennzahl dafür, wie stark zwei Produkte miteinander verlinkt sind, wird kein Paar gehandelt - inklusive Multi-Timeframe-Tests, damit der Spread auf allen Zeithorizonten Mean-Reverting bleibt.
- Gleicher Index reicht nicht: Verglichen werden nur ETFs mit gleicher Replikationsmethode, gleicher Ausschüttungslogik und passender Währung - Microsoft gegen Apple wäre für dieses Spiel schon viel zu weit auseinander.
- Machine Learning ohne Vorurteil: Rund 8.000 ETFs liegen im Roster, jedes Merkmal geht mit gleichem Gewicht ins Clustering - die Vorauswahl, welche Merkmale überhaupt ökonomisch Sinn ergeben, trifft aber der Mensch.
- Monte Carlo statt Equity-Kurve: Statt eines einzelnen Backtests simuliert das Team sehr viele mögliche Realisationen der Equity-Kurve und beurteilt die Verteilung - danach folgt ein Stresstest auf Slippage, Fill-Quote und Latenz.
- Order-Flow-Realität: Im Schnitt gingen letztes Jahr rund 40.000 Orders pro Tag in den Markt - ausgeführt wurden davon rund 4.000. Gehandelt werden seit gut eineinhalb Jahren im Wesentlichen dieselben 150 bis 200 Spreads.
- Regime-Modelle begleiten Signale, sie erzeugen sie nicht: Marcel Urban hält sie für häufig überbewertet und für einen Lagging Indicator - sie als eigenständigen Einstiegspunkt zu lesen, ist einer der verbreitetsten Fehler.
- Der Mensch bleibt der kreative Regisseur: Ausführung und Signalgenerierung übernimmt die Maschine, aber die Idee, die Datenauswahl und die Frage, welcher Baustein im System fehlt, kommen vom Menschen - genau das hält er für den entscheidenden Edge gegen Alpha-Decay.
Was das für dich heißt
Marcel Urban entwickelt als Quant automatisierte ETF-Strategien. Die Maschine führt aus, aber seine Arbeitsweise beginnt bei ihm selbst:
- Er arbeitet bewusst nach vorher festgelegten Regeln, weil er weiß, dass er zum Überdenken neigt. Welche deiner Schwächen fängt dein Regelwerk eigentlich ab?
- Er gewichtet einen Spread typischerweise mit 0,5 bis 1 Prozent, mit einer harten Obergrenze von 5 Prozent. Wo liegt deine feste Obergrenze für eine einzelne Position?
- Er geht laufen, wenn er bei der Arbeit nicht weiterkommt. Was tust du, wenn du feststeckst: weitermachen oder erst einmal rausgehen?
- Er stellt Fragen, statt sich dumm zu fühlen. Wann hast du zuletzt eine Frage nicht gestellt, weil sie dir zu einfach vorkam?
📚 Begriffe aus dieser Folge
🎙️ Profis antworten
Diese Frage stellt Mario vielen Gästen. Lies die Antwort von Marcel Urban neben denen der anderen Profis:
- Wie bist du zur Börse gekommen?Marcel Urban: Das Weihnachtsgeld in einer Woche
Wie Marcel Urban vom verlorenen Weihnachtsgeld zum Quant Research kam
Der Einstieg war eine Niederlage: In der 10. Klasse spielte Marcel Urban mit zwei Freunden beim Planspiel Börse mit und landete weit hinten. Mit 17 entdeckte er binäre Optionen und fuhr sein komplettes Weihnachtsgeld innerhalb einer Woche an die Wand - was blieb, war der Reiz, die Sache wirklich verstehen zu wollen. Dazwischen lagen vier Jahre als Tourschlagzeuger, bevor ihn "The Big Short" und die Frage nach dem Plan B zurück an die Finanzmärkte brachten.
Der erste Job in der Branche war ernüchternd: eine sehr hierarchische, nach seiner Beschreibung toxische Kultur, in der Ideen nicht gefragt waren. Erst in kleineren Boutique-Firmen fand Marcel Urban das Umfeld, das er suchte - eines, in dem er Ideen einbringen, kreativ sein und, in seinen eigenen Worten, auch unheimlich oft falsch liegen darf. Gelernt hat er über Bücher, Mentoren und sehr viel Trial and Error.
So funktioniert Marcels ETF-Arbitrage-Strategie
Strategie: Statistische Arbitrage über ETF-Paare auf Basis von Kointegration und Mean Reversion, vollautomatisiert bis auf einen Kill-Switch, der bisher noch nie ausgelöst werden musste.
Märkte: Ausschließlich hochliquide ETFs, rund 8.000 im Roster, gehandelt über einen Prime Broker in England mit Zugang zu mehreren europäischen Börsenplätzen.
Auswahlprozess: Daten sammeln und klassifizieren, per Machine-Learning-Clustering ähnliche ETFs gruppieren, Permutationen im Cluster auf Mean Reversion testen, Kointegration über mehrere Zeithorizonte prüfen - und alles aussortieren, was nach Transaktionskosten nicht mehr handelbar ist.
Edge: Monte-Carlo-Simulationen statt klassischer Backtests, Stresstests auf Fill-Quote und Slippage sowie eine laufende Post-Trade-Analyse, die geprüfte Annahmen zurück in die Optimierung spielt.
Risiko: Gewichtung nach Stabilität und Backtest-Profitabilität, typischerweise 0,5 bis 1 Prozent pro Spread, mit einer harten Policy-Obergrenze von 5 Prozent, die in der Praxis nie erreicht wurde. In volatilen Regimen wie der Earnings Season wird das Signal passiver gestellt, nicht abgeschaltet.
Marcel Urban als Quant: Overthinking, Regeln und Keep Calm
Marcel Urban beschreibt sich selbst als jemanden, der zum Überdenken neigt - und genau deshalb bewusst regelbasiert arbeitet, weil vorher festgelegte Regeln ihn davor schützen, sie im Eifer des Gefechts über Bord zu werfen.
„Ich glaube, ich persönlich bin jemand, der oft Sachen überdenkt und ein großer Overthinker ist."
Der Druck bleibt trotzdem: Was ihn abends beschäftigt, ist die Frage, wo die nächste Ineffizienz herkommt und ob sie lange genug hält. Bricht etwas weg, wird der Zeitdruck hoch, und Angst gehört für ihn ausdrücklich dazu. Sein Gegenmittel ist unspektakulär - viel Musik beim Arbeiten, laufen gehen, wenn eine Blockade da ist, und die Bereitschaft, Fragen zu stellen, statt sich dumm zu fühlen. Sein Satz für den Bildschirm, der in jeder Marktphase gilt: "Keep Calm."
