Level 3 KI im Trading · Teil 2/8

Daten und Bars: die Stichprobe entscheidet

Bevor ein Modell irgendetwas lernen kann, muss aus dem kontinuierlichen Strom von Abschlüssen eine Tabelle mit Zeilen werden. Diese Entscheidung wird fast immer stillschweigend getroffen – und sie ist folgenreicher als die Wahl des Modells.

Das Problem mit Zeitintervallen

Der Standard ist der Zeitbalken: eine Zeile pro Minute, Stunde oder Tag. Der Markt handelt aber nicht gleichmäßig über die Zeit. Die erste Handelsstunde enthält ein Vielfaches der Aktivität der Mittagsstunde; um eine Notenbankentscheidung herum passiert in Minuten mehr als sonst an ganzen Tagen.

Die Folge: In ruhigen Phasen entstehen viele fast leere Beobachtungen, in hektischen wird sehr viel Information in eine einzige gepresst. Für ein Modell heißt das, dass die Zeilen der Tabelle nicht vergleichbar sind – manche enthalten kaum Information, andere zu viel.

Statistisch schlägt sich das messbar nieder: Renditen aus Zeitbalken sind stärker schiefverteilt und deutlich langschwänziger als Renditen aus aktivitätsbasierten Stichproben.

Die Alternativen

Tick-Bars. Eine neue Zeile nach jeweils n Abschlüssen. Gleicht die Zahl der Ereignisse aus, ignoriert aber die Größe der Abschlüsse – und da vieles heute in kleine Teilausführungen zerlegt wird, ist die Zählung leicht verzerrt.

Volumen-Bars. Eine neue Zeile nach jeweils n gehandelten Einheiten. Näher an der ökonomischen Aktivität als die reine Anzahl.

Dollar-Bars. Eine neue Zeile nach jeweils n gehandelten Geldeinheiten. Der wesentliche Vorteil gegenüber Volumen: Bei stark gestiegenem Kurs entspricht dasselbe Stückvolumen einem viel größeren Kapitaleinsatz. Über lange Zeiträume und bei Aktienrückkäufen oder Neuemissionen bleiben Dollar-Bars deshalb am ehesten vergleichbar.

Der Effekt ist unspektakulär und wirksam: Die Abschnitte werden unterschiedlich lang, tragen dafür aber jeweils vergleichbar viel Information. Die daraus gebildeten Renditen liegen näher an einer Normalverteilung – und genau das setzen fast alle nachgelagerten Verfahren voraus.

Ereignisbasierte Stichproben

Ein weiterer Schritt: Nicht in gleichmäßigen Abständen abtasten, sondern nur dann, wenn etwas passiert ist. Ein gebräuchliches Kriterium ist eine kumulierte Bewegung, die eine Schwelle überschreitet (ein CUSUM-Filter). Das Modell bekommt dann ausschließlich Situationen zu sehen, in denen überhaupt eine Entscheidung anstünde.

Der Nebeneffekt ist wichtiger, als er klingt: Die Stichprobe ist kleiner, aber jede Zeile ist relevant. Modelle, die auf hunderttausend Zeilen ereignisloser Kursbewegung trainiert werden, lernen vor allem, den Normalzustand zu reproduzieren.

Was das für die Praxis heißt

Für die Auswertung von Chartmustern aus Level 2 folgt daraus eine unbequeme Konsequenz: Eine Musterstatistik auf Tagesbalken misst nicht das Muster, sondern das Muster plus die Abtastentscheidung. Zwei Untersuchungen desselben Musters mit unterschiedlicher Balkendefinition sind nicht vergleichbar.

Wer keine Tickdaten hat – und das ist der Normalfall – kann wenigstens das Bewusstsein dafür behalten: Tagesbalken sind eine Konvention aus der Zeit gedruckter Kurslisten, keine natürliche Einheit des Marktes.

Weiterlesen

Die nächste Hürde: Kursreihen sind nicht stationär, Modelle brauchen aber Stationarität – ohne die Erinnerung zu verlieren.