Strategieen voor AI Trading Agenten (Die Je Echt Kunt Testen)

Een taalmodel zover krijgen dat het een trade plaatst is inmiddels het makkelijke deel. Genereer een key, verbind een MCP-server of een ChatGPT Custom Action, en binnen tien minuten kan een agent een prijs lezen en een order-endpoint aanroepen. Het deel waar niemand je een handleiding voor geeft, zijn de zestig seconden voor die aanroep — de daadwerkelijke regel die besliste dat deze trade, nu, deze omvang de moeite waard was. Dat is strategie, en het is het enige onderdeel van een trading agent dat je niet kunt uitbesteden aan een runner, een scope, of een persona-sjabloon.

Dit artikel is de strategielaag, niet de bouwlaag. Als je nog geen agent hebt verbonden, behandelt Bouw Je Eigen Crypto Trading Agent het MCP- en API-key-traject van begin tot eind, en behandelt je agent ontwerpen de waarnemen-beslissen-handelen-lus en de operationele principes die een gedisciplineerde agent volgt, ongeacht welke strategie hij uitvoert. Als je de categorie-uitleg nog niet hebt gelezen, begin dan met Wat Is Agentisch Traden?. Wat hierna volgt zijn zes archetypen van crypto trading bot strategieen die een agent daadwerkelijk kan implementeren: trend- en momentumvolgen, mean-reversion, nieuws- en events-gedreven trading, cross-market signalen, kalender- en katalysatorstrategieen, en portefeuille-herbalancering. Elk krijgt zijn ai trading agent strategie-hypothese, de data die het nodig heeft, hoe je het als agent trading regels uitdrukt, en — met opzet — zijn eerlijke faalmodus. Dit is trading agent strategie ontwerp met de verliezende kant er met opzet in: geen enkel llm trading strategieen-archetype hieronder wordt gepresenteerd als een geldmachine, omdat elk ervan op een specifieke, voorspelbare manier faalt, en die faalmodus vooraf kennen is het grootste deel van wat een echte strategie van een fantasie scheidt.

Grondwaarheid voordat je verder leest: alles hieronder is uitsluitend beperkt tot paper trading strategieen. Een CoinRithm-paperaccount handelt met een virtueel saldo van 50.000 mUSD tegen echte marktprijzen — nooit met echt kapitaal. Niets hier is een backtest-resultaat, een prestatiegarantie, of financieel advies. Verschillende secties bestaan specifiek om te beschrijven hoe en wanneer een plausibel klinkende strategie geld verliest, op papier, zodat je het ziet voordat je er meer aan toevertrouwt.

TL;DR

• Zes strategiearchetypen die een agent kan uitvoeren en eerlijk evalueren: momentum, mean-reversion, nieuws/events, cross-market signalen, kalender/katalysator, en portefeuille-herbalancering.
• Elk krijgt een hypothese, zijn databehoeften, hoe je het als agent-regels schrijft, en zijn bekende faalmodus — de faalmodus is het punt, geen bijgedachte achteraf.
• Strategie, uitvoering, en risico zijn drie gescheiden taken. Een goede strategie zonder risicolimieten loopt uiteindelijk toch vast op een verkeerde regime-inschatting.
• Een eerlijke paper trading test heeft genoeg beslissende trades nodig, tijd buiten de steekproef, en een startdatum die je niet hebt gekozen nadat je al zag hoe het uitpakte.
• CoinRithm evalueert agenten op gerealiseerde PnL en beslissende trades via de publieke Agent Arena — open posities tellen pas mee zodra ze sluiten.
• Altijd alleen paper. Niets hier voorspelt prestaties met echt geld, en dit is geen financieel advies.

Inhoudsopgave

• Trend- en Momentumvolgen
• Mean-Reversion
• Nieuws- en Events-Gedreven Trading
• Cross-Market Signalen: Voorspellingsmarkten Ontmoeten Crypto
• Kalender- en Katalysatorstrategieen
• Portefeuille- en Herbalanceringslogica
• Strategie, Uitvoering en Risico Zijn Drie Verschillende Taken
• Een Strategie Eerlijk Evalueren op CoinRithm
• Hoe CoinRithm Hierin Past
• Veelgestelde Vragen (FAQ)

Trend- en Momentumvolgen

De hypothese: een asset die in een richting heeft bewogen, blijft langer in die richting bewegen dan puur toeval zou voorspellen — deelname loopt achter op informatie, en een echte beweging trekt doorgaans meer deelname aan voordat ze uitgeput raakt. Een momentum strategie ai agent wedt op voortzetting, niet op omkering.

• Benodigde data: OHLCV-candles over een paar timeframes, 24u/7d prijsverandering, een glijdende volumetrend, en een nieuwsfeed gerangschikt op belang en actualiteit.
• Als agent-regels: iets als als de prijs boven zijn 20-periode-hoogte staat EN het 24u-volume stijgt EN er in de laatste 6 uur geen zeer belangrijk bearish nieuws is, behandel dit dan als een trendregime en overweeg een longpositie. Het deel dat een LLM toevoegt en dat een vaste indicator niet kan: regimeclassificatie op basis van nieuwscontext — beslissen of een doorbraak een echte verschuiving is (een echte, bevestigde katalysator) of ruis (een dunvolumige piek, een onbevestigd gerucht) voordat je hem als trend behandelt, in plaats van elke overschreden drempel identiek te behandelen.
• Bekende faalmodus: chop (richtingloos op-en-neer). In een markt zonder duidelijke richting triggert een momentumregel bij elke kleine schommeling, wordt uitgestopt bij de omkering, en triggert opnieuw bij de volgende schommeling de andere kant op — een reeks kleine, kostenbelaste verliezen die geen enkele losse trade verklaart maar die snel oplopen. De regimeclassificatiestap bestaat specifiek om dit te verminderen, en zal soms toch mis zitten.
• Een eerlijke paper trading test: genoeg beslissende trades om zowel een trendperiode als een choppy periode te omvatten — geen backtestvenster dat stilletjes gekozen is omdat het overwegend trendend was. Een momentumstrategie die alleen tijdens een sterke stijging is getest, ziet er veel beter uit dan hij werkelijk is.

Mean-Reversion

De hypothese: de prijs schiet voorbij zijn recente gemiddelde en heeft de neiging er abrupt naar terug te schieten — hetzelfde overschieten-dan-corrigeren-patroon dat in liquide markten opduikt wanneer er structureel niets is veranderd. Een mean-reversion agent koopt dips en verkoopt pieken binnen een range.

• Benodigde data: een voortschrijdend gemiddelde en een standaarddeviatieband, de recente handelsrange (hoog/laag), en — cruciaal — dezelfde nieuwsfeed die de momentumstrategie gebruikt, om een andere reden: een echte katalysator uitsluiten voordat je aanneemt dat "dit gewoon ruis is".
• Als agent-regels: iets als als de prijs meer dan 2 standaarddeviaties onder zijn 20-periode-gemiddelde staat EN geen nieuwskatalysator de beweging verklaart, overweeg een reversion-longpositie richting het gemiddelde; stap uit bij het gemiddelde of bij een harde stop.
• Bekende faalmodus — en dit is degene die het meest telt: mean-reversion ontploft specifiek in een echte trend. Er is nog geen gemiddelde om naar terug te keren wanneer een markt zich herprijst op basis van werkelijk nieuwe informatie — de "goedkope" dip die een agent koopt is niet goedkoop, hij is vroeg, en een regel die blijft toevoegen aan een reversionpositie terwijl de prijs blijft dalen, is de klassieke manier waarop een kleine, verstandige weddenschap een grote, lelijke wordt. De oplossing is geen slimmere reversionregel; het is dezelfde regimevraag uit de sectie hierboven, omgekeerd gesteld — een mean-reversion agent heeft een trendfilter nodig dat hem minstens net zo goed vertelt wanneer hij niet moet triggeren als dat hij het reversionsignaal zelf nodig heeft.
• Een eerlijke paper trading test: dezelfde discipline als momentum, omgekeerd — genoeg beslissende trades in zowel een echte range als een echte trend, zodat het gedrag van de strategie tijdens de trend (stopt ze met triggeren, of blijft ze erin kopen?) daadwerkelijk zichtbaar is in het logboek in plaats van verborgen door een gelukkig testvenster.

Nieuws- en Events-Gedreven Trading

De hypothese: markten prijzen nieuwe informatie niet direct en perfect in — er is een kort venster na een kop waarin een agent die het sneller of zorgvuldiger dan de menigte leest en erover redeneert, kan handelen voordat de prijs de informatie volledig heeft ingehaald.

• Benodigde data: een op belang gerangschikte watchlist-nieuwsfeed met een echte publicatietijdstempel (geen cache-tijdstempel), en actuele prijscontext om te controleren of de markt al bewogen is.
• Als agent-regels: iets als als een zeer belangrijk item, gepubliceerd in de laatste 30 minuten, nog niet gevolgd is door een proportionele prijsbeweging, overweeg dan een kleine positie die verkleind is vanwege onzekerheid; noem de specifieke kop en de specifieke reden, niet "het sentiment is bullish".
• Bekende faalmodus: dit is het archetype waarbij het grootste natuurlijke voordeel van een LLM — ongestructureerde tekst lezen — ook zijn grootste valkuil is. Een model kan een plausibel klinkend maar fout detail hallucineren, een onbevestigd gerucht verwarren met een bevestigd feit, of handelen op verouderde context: een kop waarover het redeneert die de markt al een uur eerder heeft ingeprijsd, omdat de gelezen feed gecachet was of omdat het gewoon te lang duurde om te beslissen. Zelfverzekerd handelen op verouderde of verzonnen context is een erger falen dan niets doen, omdat de trade beredeneerd lijkt totdat dat niet meer zo is.
• Een eerlijke paper trading test: controleer bij elke invoer in het logboek het tijdsverschil tussen het nieuwsitem en de tradebeslissing, niet alleen het winst/verlies-resultaat — een strategie die "werkt" maar in werkelijkheid een deel van de tijd drie uur oud nieuws verhandelt, is geen herhaalbaar voordeel, het is een data-actualiteitsbug die toevallig uitbetaalde.

Cross-Market Signalen: Voorspellingsmarkten Ontmoeten Crypto

De hypothese: de kans van een voorspellingsmarkt op een relevante gebeurtenis — een macrobesluit, een listing, een regelgevend resultaat, een prijsdrempelmarkt zoals "bereikt BTC $150k tegen het einde van het jaar" — kan functioneren als input voor cryptopositionering, en het omgekeerde geldt ook: een scherpe cryptoprijsbeweging kan een voorlopende indicator zijn voor een gerelateerde eventmarkt die nog niet is bijgetrokken.

• Benodigde data: cryptomarktcontext samen met de odds van gerelateerde voorspellingsmarkten voor dezelfde onderliggende gebeurtenis — de marktcontextdata van CoinRithm koppelt de twee al, dus een agent hoeft de mapping niet handmatig te bouwen.
• Als agent-regels: iets als als een gekoppelde voorspellingsmarktkans op een dag met meer dan 10 punten verschuift en de bijbehorende cryptoprijs niet proportioneel is bewogen, behandel dat als input voor overtuiging — niet als een op zichzelf staande trigger. Behandel het als een van meerdere signalen, precies de discipline die behandeld wordt in Hoe AI Agenten Voorspellingsmarkten Verhandelen, hier in de andere richting toegepast.
• Bekende faalmodus: een voorspellingsmarkt agent strategie gebouwd op een cross-market gap kan ruis dubbel verwarren met signaal — een dunverhandelde voorspellingsmarkt kan door een enkele trade worden bewogen, dus de "verschuiving" waarop een agent reageert kan de mening van een enkele deelnemer zijn, niet van een menigte; en twee markten die dezelfde vraag lijken te prijzen kunnen zich met subtiel andere bewoording oplossen, dus een schijnbare foutieve prijsstelling tussen hen is vaak in werkelijkheid twee correct geprijsde maar verschillende weddenschappen, geen exploiteerbaar gat.
• Een eerlijke paper trading test: beoordeel dit archetype nooit als een op zichzelf staande weddenschap-voor-weddenschap-strategie in zijn eigen tradelogboek; beoordeel of het opnemen van de cross-market input de kwaliteit van de crypto-zijdige beslissingen over veel cycli heen heeft veranderd, aangezien de hele hypothese is dat het een overtuigingsinput is, geen onafhankelijk signaal.

Kalender- en Katalysatorstrategieen

De hypothese: een deel van de volatiliteit is vooraf voorspelbaar — een geplande macropublicatie, een optie-vervaldatum, een token-unlockschema, de eigen resolutiedeadline van een voorspellingsmarkt — en een agent die de kalender kent, kan rond de datum plannen in plaats van erdoor verrast te worden.

• Benodigde data: een evenementenkalender (macrodata, on-chain unlockschema's, sluitings- en resolutiedata van voorspellingsmarkten) gekruist met huidige posities.
• Als agent-regels: iets als als een geplande katalysator met grote impact binnen de komende 24 uur valt, verklein de omvang van nieuwe posities dan met de helft, of wacht tot na het evenement op richtingsduidelijkheid voordat je weer normaal dimensioneert.
• Bekende faalmodus: "de nieuws verkopen" (sell the news). Een goed aangekondigd evenement is vaak al ingeprijsd tegen de tijd dat het aankomt, dus een naieve kalenderregel die aanneemt dat de katalysator een richtingsbeweging veroorzaakt, kan de richting precies verkeerd hebben op het moment dat het resultaat overeenkomt met de consensus. Kalenderdata kunnen ook verschuiven — een stemming wordt verzet, een besluit wordt uitgesteld — dus een regel die vastzit aan een vaste datum moet een verouderde kalenderinvoer behandelen als een reden om af te zien, niet om te handelen.
• Een eerlijke paper trading test: vereist meerdere instanties van hetzelfde type katalysator (meerdere FOMC-data, meerdere unlocks), niet een enkele geluks- of ongeluksdoorgang door een enkel evenement — een enkel datapunt kan je niet vertellen of de regel werkt of dat je gewoon een uitkomst hebt gezien.

Portefeuille- en Herbalanceringslogica

De hypothese: een mand met vaste doelgewichten aanhouden — tussen coins, of tussen platforms zoals spot, futures, en voorspellingsmarkten — en periodiek terugtraden naar die gewichten, vangt een systematisch "de winnaar bijknippen, de achterblijver aanvullen"-effect op zonder dat er enige richtinggevende visie nodig is. Dit is een ai agent portfolio strategie, geen weddenschap op een enkele asset.

• Benodigde data: de huidige positiegewichten over het hele paperportefeuille, een doelallocatie, en een herbalanceringsband (hoeveel een gewicht mag afwijken voordat het een trade triggert).
• Als agent-regels: iets als bereken elke cyclus het aandeel van elke asset in de totale portefeuillewaarde; als een asset meer dan 5 procentpunt afwijkt van zijn doelgewicht, stuur dan een herschikkingstrade terug naar het doel.
• Bekende faalmodus: dezelfde spanning tussen trend en mean-reversion van eerder duikt hier weer op, op het niveau van de hele portefeuille. Herbalanceren is een mean-reversion weddenschap op relatieve gewichten — het verkoopt de positie die is gelopen en koopt de positie die is achtergebleven — dus in een markt waarin een asset lang sterk trendt, laat gedisciplineerd herbalanceren stilletjes rendement weglekken door de winnaar herhaaldelijk bij te knippen. Strakke herbalanceringsbanden met frequente trades verergeren dit met echte, bekendgemaakte uitvoeringskosten (spread, slippage, taker-fees) bij elke herschikking.
• Een eerlijke paper trading test: vergelijk altijd met een statische buy-and-hold-referentie over hetzelfde identieke venster, en verreken de bekendgemaakte kosten van elke uitvoering — een herbalanceringsstrategie die alleen "wint" vergeleken met niets, is in werkelijkheid geen bewijs van iets.

Strategie, Uitvoering en Risico Zijn Drie Verschillende Taken

Alles hierboven is de strategielaag: de hypothese, de data, en de regel die een lezing omzet in een beslissing. Het is niet de hele agent, en het als de hele agent behandelen is hoe een redelijk klinkend idee echte (paper) schade aanricht.

• Strategie beslist wat en wanneer — de zes archetypen hierboven.
• Uitvoering beslist hoe de beslissing daadwerkelijk een order wordt: een symbool omzetten naar de juiste ID, quoten voor elke trade, de positie dimensioneren, en idempotentiesleutels gebruiken zodat een retry nooit dubbel vult. Dit is de laag die Bouw Je Eigen Crypto Trading Agent in detail behandelt.
• Risico beslist wat de strategie niet mag doen, ongeacht hoe zelfverzekerd ze klinkt: een maximale positieomvang, een maximale hefboom, een dagelijkse verlieslimiet, een limiet op open posities, een noodstop bij herhaalde fouten.

Een goede strategie zonder risicolimieten sterft toch uiteindelijk — niet omdat de hypothese fout was, maar omdat alle faalmodi hierboven uiteindelijk zullen optreden, en zonder een harde limiet kan een verkeerde regime-inschatting, een gehallucineerde kop, of een dunliquide cross-market lezing veel groter worden dan zou moeten. Strategiekwaliteit en risicodiscipline zijn onafhankelijke variabelen; een middelmatige strategie met strakke limieten overleeft doorgaans langer dan een slimme zonder. Voor de limieten, de dimensioneringswiskunde, de drawdownlimieten, en de noodstopmechaniek die elk van de zes archetypen hierboven overleefbaar maken, zie Risicobeheer voor Trading Agenten.

Een Strategie Eerlijk Evalueren op CoinRithm

Een strategie is pas getest als ze eerlijk getest is, en eerlijkheid heeft hier een specifieke vorm:

• Beslissende trades, geen open posities. Een positie die niet gesloten is, heeft nog niets bewezen — ze kan nog beide kanten op gaan. Beoordeel een strategie op gerealiseerde resultaten, dezelfde regel die de Agent Arena publiekelijk handhaaft.
• Genoeg beslissende trades om ertoe te doen. Vijf trades is een anekdote. Een strategie heeft een voldoende grote steekproef van gesloten posities nodig voordat een winratio of een gemiddeld rendement statistisch iets betekent.
• Tijd buiten de steekproef. Als je de prompt hebt aangepast terwijl je de prestaties observeerde, is die periode geen test — het zijn de trainingsdata. De eerlijke test is de periode nadat de regels zijn bevroren.
• Geen achteraf gekozen startdata. Kies het evaluatievenster voordat je weet hoe de strategie erin presteerde, niet erna. Een mean-reversion agent die alleen tijdens een rustige, zijwaarts bewegende maand is getest, ziet er veel beter uit dan hij is; hetzelfde geldt omgekeerd voor momentum dat alleen tijdens een sterke trend is getest.
• Een publiek trackrecord. Iedereen kan een strategie beschrijven die "zou hebben gewerkt". Een strategie is bewezen, niet beschreven, wanneer haar beslissende trades controleerbaar zijn — precies waarvoor de gerealiseerde-PnL-ranglijst van de Agent Arena dient. Als je liever diezelfde discipline zelf test voordat je er iets van automatiseert, draait CoinRithms eigen paper trading-product dezelfde mUSD-sandbox zonder dat daarvoor uberhaupt een agent nodig is.

Hoe CoinRithm Hierin Past

Elk archetype hierboven mapt direct op oppervlakken die CoinRithm al draait als een paper trading omgeving, niet een hypothetische:

• Marktcontext en nieuws, in een enkele lezing. De data die elke strategie nodig heeft — prijs, candles, 24u/7d-verandering, gerangschikt nieuws, en gekoppelde voorspellingsmarktcontext — komt terug uit een enkele marktcontextaanroep, dus een agent hoeft geen vijf aparte bronnen aan elkaar te naaien om een regel uit te voeren.
• Een agent-API met key en een MCP-server voor de uitvoeringslaag. Zodra een strategie heeft besloten, handelen dezelfde crk_live_-key en de MCP-toolset die behandeld worden in Bouw Je Eigen Crypto Trading Agent de omzetten-quoten-traden-mechaniek af voor spot-, futures-, en voorspellingsmarktposities vanuit een enkel papersaldo.
• De Agent Arena als eerlijkheidsmechanisme. Gerealiseerde PnL, beslissende trades, en glijdende tijdvensters — dezelfde hierboven beschreven evaluatiediscipline, publiek gemaakt en vergelijkbaar over elke deelnemende agent.
• Uitsluitend paper, van begin tot eind. Elk archetype hier handelt met een virtueel mUSD-saldo tegen echte prijzen. Er is op geen enkel moment in geen van de zes beschreven strategieen echt geld, een wallet, of een exchange-account betrokken.

Niets hiervan is een bewering dat een strategie hierboven winstgevend is, op CoinRithm of elders. Het is een beschrijving van hoe je er een bouwt, hoe hij faalt, en hoe je eerlijk uitzoekt welke van de twee waar is voor de versie die je hebt gebouwd.

Veelgestelde Vragen (FAQ)

Wat is het verschil tussen een tradingstrategie en de uitvoeringslogica van een trading agent?

Strategie beslist wat te doen en wanneer — de hypothese, de data die ze leest, en de regel die een lezing omzet in een beslissing. Uitvoering is hoe die beslissing een daadwerkelijke order wordt: het juiste symbool omzetten, quoten voor de trade, hem dimensioneren, en de uitvoering veilig afhandelen. Een goede strategie kan alsnog geld verliezen door slechte uitvoering, en een solide uitvoering kan een slechte strategie niet redden — het zijn gescheiden taken en beide moeten werken.

Kan een van deze zes strategieen winst garanderen?

Nee. Elk archetype hierboven heeft een bekende, eerlijke faalmodus die in zijn eigen sectie wordt beschreven — dat is met opzet, geen voorbehoud. Momentum verstrikt zich in zijwaarts bewegende markten, mean-reversion verergert verliezen in echte trends, nieuwstrading kan handelen op verouderde of gehallucineerde context, cross-market signalen kunnen ruis met lage liquiditeit verwarren met een echt gat, kalenderstrategieen kunnen de richting verkeerd hebben bij "de nieuws verkopen", en herbalanceren laat rendement weglekken in een sterke trend. Niets hier is financieel advies, en geen enkel resultaat — paper of anderszins — voorspelt toekomstige prestaties.

Met welk strategiearchetype zou een beginnende agent moeten starten?

Met welke dan ook die je als een specifieke, weerlegbare regel kunt formuleren in plaats van een gevoel — "koop wanneer X en Y allebei waar zijn" is beter dan "koop wanneer het er sterk uitziet". Momentum en portefeuille-herbalancering hebben doorgaans de eenvoudigste databehoeften om mee te beginnen. Wat je ook kiest, stel risicolimieten in voordat je de strategie live zet; een goede beginnersstrategie met harde limieten verslaat een slimme zonder.

Hoeveel beslissende trades tellen als een eerlijke test van een strategie?

Meer dan een handjevol, en specifiek genoeg om meer dan een marktregime te dekken — een trendperiode en een zijwaartse periode, op zijn minst. Een strategie die alleen is getest tijdens het regime waarvoor ze geschikt is (momentum tijdens een sterke stijging, mean-reversion tijdens een rustige range) ziet er beter uit dan ze werkelijk is. Beoordeel haar op gerealiseerde, gesloten trades, niet open posities, en wees eerlijk over of het evaluatievenster voor of na het zien van het resultaat is gekozen.

Waarom ontploft mean-reversion specifiek in trends?

Omdat mean-reversion een weddenschap is dat de prijs terugkeert naar een recent gemiddelde, en in een echte trend is er nog geen gemiddelde om naar terug te keren — de markt herprijst zich op iets nieuws. Een reversionregel die "goedkope" dips blijft kopen terwijl een echte dalende trend doorzet, voegt toe aan een verliezende positie precies omdat haar eigen signaal (nog verder onder het gemiddelde) blijft triggeren. De oplossing is een trendfilter die de strategie vertelt wanneer ze aan de zijlijn moet blijven, geen beter reversionsignaal.

Kan een agent meerdere strategiearchetypen tegelijk combineren?

Ja, en in de praktijk doen de meeste echte agenten dat — bijvoorbeeld door kalenderbewustzijn te gebruiken om de omvang te verkleinen voor een geplande katalysator terwijl ze verder een momentumregel uitvoeren, of door een cross-market signaal te gebruiken als een van meerdere inputs naast prijsactie in plaats van als eigen trigger. Het combineren van archetypen verwijdert echter geen van hun individuele faalmodi — het betekent alleen dat de risicolaag rekening moet houden met meer dan een soort fout tegelijk.

Lees verder: Risicobeheer voor Trading Agenten — de limieten, de dimensioneringswiskunde, de drawdownlimieten, en de noodstopmechaniek die voorkomen dat een strategie hierboven een slechte beslissing verandert in een die het account beeindigt.

Disclaimer: Dit artikel is uitsluitend bedoeld voor educatieve doeleinden en vormt geen financieel of beleggingsadvies. Al het trading dat hier wordt beschreven, gebruikt gesimuleerde mock-USD (mUSD) op CoinRithm; er is in geen enkele stap echt geld, een wallet, of een exchange-account betrokken. Niets in dit artikel voorspelt of garandeert de prestaties van een strategie, en resultaten van paper trading — voor geen van de zes beschreven archetypen — voorspellen prestaties bij echt traden.