Level 3 KI im Trading · Teil 2/8

Daten und Bars: die Stichprobe entscheidet

Bevor ein Modell irgendetwas lernen kann, muss aus dem laufenden Strom von Abschlüssen eine Tabelle mit Zeilen werden. Diese Entscheidung fällt fast immer stillschweigend – 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. Märkte handeln aber nicht gleichmäßig über die Zeit. Die erste Handelsstunde enthält ein Vielfaches der Aktivität der Mittagsstunde, und rund um eine Notenbankentscheidung 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 Zeile gepresst. Für ein Modell sind die Zeilen der Tabelle damit nicht vergleichbar – 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. Das gleicht die Zahl der Ereignisse aus, ignoriert aber deren Größe – und da heute vieles 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 der Abschlüsse.

Dollar-Bars. Eine neue Zeile nach jeweils n gehandelten Geldeinheiten. Der wesentliche Vorteil gegenüber Volumen-Bars: Bei stark gestiegenem Kurs entspricht dasselbe Stückvolumen einem viel größeren Kapitaleinsatz. Über lange Zeiträume und bei Aktienrückkäufen oder Neuemissionen bleiben Dollar-Bars deshalb am längsten 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 Schritt weiter: 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 wird kleiner, aber jede Zeile ist relevant. Modelle, die auf hunderttausend Zeilen ereignisloser Kursbewegung trainieren, lernen vor allem, den Normalzustand zu reproduzieren.

Was das für die Praxis heißt

Für die Musterstatistiken aus Level 2 folgt daraus eine unbequeme Konsequenz: Eine Auswertung auf Tagesbalken misst nicht das Muster, sondern das Muster plus die Abtastentscheidung. Zwei Untersuchungen desselben Musters mit unterschiedlicher Balkendefinition lassen sich nicht vergleichen.

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 dass die Erinnerung der Reihe verloren geht.