Maschinelles Lernen in der Finanzwelt weckt ebenso viele Fantasien wie Missverständnisse. Diese Lektion zielt auf das Gegenteil: ehrlich zu erklären, was ein Modell kann — und vor allem, was es nie können wird.
Was ein Modell tatsächlich tut
Ein Modell des maschinellen Lernens sucht statistische Regelmäßigkeiten zwischen Eingangsgrößen (den „Features“: Momentum, Volatilität, Bewertung, Volumina …) und einem beobachteten Ergebnis (der Rendite über N Tage). Es hat kein Verständnis von Wirtschaft: Es erkennt Zusammenhänge in vergangenen Daten.
Warum die Finanzwelt das schlechteste Spielfeld für ML ist
- Das Signal-Rausch-Verhältnis ist katastrophal: Nahezu die gesamte Kursbewegung ist Rauschen.
- Die Daten sind nicht stationär: Marktregime ändern sich, und was gestern funktionierte, hört auf zu funktionieren.
- Das System ist reflexiv: Funktioniert eine Strategie und verbreitet sie sich, zerstört ihre Nutzung sie.
- Daten sind rar: nur einige Jahrzehnte Historie, wo andere Felder Milliarden Beispiele haben.
Das Versprechen, vor dem man fliehen sollte
Jedes Modell, das eine hohe Genauigkeit bei der Kursprognose ankündigt, ist entweder überangepasst oder unredlich. Ein ehrliches Modell weist einen GERINGEN, aber statistisch realen Vorteil aus — und das ist bereits enorm, denn es ist dieser geringe, wiederholte Vorteil, der die Wertentwicklung aufbaut.
Erklärbarkeit: die eigentliche Frage
Eine Vorhersage ohne Erklärung ist unbrauchbar: Man kann nicht wissen, ob das Modell einen echten Mechanismus erfasst hat oder ein Artefakt der Daten. SHAP-Werte erlauben es, den Beitrag jedes Faktors zu einer gegebenen Vorhersage zu messen — und so die Kontrolle zu behalten.
Earnnests Haltung
Ein Modell hat in Earnnest nur Platz, wenn es gemessen wird, und es wird entfernt, wenn es nicht standhält. Was angezeigt wird, bleibt eine sachliche Diagnose: Die App sagt nie „kaufen“, weil kein Modell das sollte, und weil sie neutral und nicht personalisiert bleibt.
Die richtige Haltung
Ein Modell ist ein Assistent, kein Orakel. Es verarbeitet mehr Daten als Sie und ohne Emotion; aber es versteht nichts von der Welt, ist blind für alles, was nicht in seinen Daten steht, und es wird sich irren. Nutzen Sie es, um eine Entscheidung zu erhellen, nie um sie zu ersetzen.
À retenir
- ✓ML erkennt statistische Regelmäßigkeiten; es versteht die Wirtschaft nicht.
- ✓Die Finanzwelt ist feindliches Gelände: massives Rauschen, Nichtstationarität, Reflexivität, wenige Daten.
- ✓Misstrauen Sie starken Genauigkeitsversprechen; verlangen Sie Erklärbarkeit (SHAP).