{"format":"alysly-page/1","url":"https://alysly.com/de/lernen/feature-importance/","json":"https://alysly.com/json/de/lernen/feature-importance/index.json","lang":"de-DE","title":"Feature Importance und Bet Sizing im Finanz-ML","description":"MDI, MDA und Single-Feature-Importance, der Substitutionseffekt – und wie aus einer Modellwahrscheinlichkeit eine Positionsgröße wird.","published":"2026-08-02T15:54:51+02:00","modified":"2026-11-01T18:26:04+01:00","alternates":[{"lang":"en-US","url":"https://alysly.com/learn/feature-importance/","json":"https://alysly.com/json/learn/feature-importance/index.json"}],"about":"Maschinenlesbare Fassung der Seite unter url. Enthalten sind die dort veröffentlichten Texte, Tabellen und Kennzahlen, nicht die interaktiven Diagramme und Werkzeuge.","breadcrumb":[{"name":"Grundlagen: Investieren & Trading","url":"https://alysly.com/de/lernen/"},{"name":"Level 3","url":"https://alysly.com/de/lernen/#level-3"},{"name":"Merkmalsbedeutung und Positionsgröße","url":"https://alysly.com/de/lernen/feature-importance/"}],"content":[{"type":"paragraph","text":"Level 3 KI im Trading · Teil 9/9"},{"type":"heading","level":1,"text":"Merkmalsbedeutung und Positionsgröße"},{"type":"paragraph","text":"Von Alexander Bock, Gründer & Datenanalyst","links":[{"text":"Alexander Bock","href":"https://alysly.com/de/ueber-uns/"}]},{"type":"paragraph","text":"Zum Abschluss zwei Fragen, die über die Modellgüte hinausgehen: Woran liegt es, dass ein Modell funktioniert? Und wie wird aus seiner Ausgabe eine Position?"},{"type":"heading","level":2,"id":"warum-merkmalsbedeutung-wichtiger-ist-als-genauigkeit","text":"Warum Merkmalsbedeutung wichtiger ist als Genauigkeit"},{"type":"paragraph","text":"Bei einem Signal-Rausch-Verhältnis wie an Finanzmärkten sagt die Genauigkeit eines Modells nur begrenzt etwas aus. Zwei Modelle mit identischer Trefferquote können auf völlig verschiedenen Merkmalen beruhen: eines auf einer ökonomisch plausiblen Größe, das andere auf einem Artefakt der Datenaufbereitung."},{"type":"paragraph","text":"Die Analyse der Merkmalsbedeutung ist deshalb kein Schritt für die Nachbereitung, sondern das eigentliche Forschungsergebnis. Sie ist die einzige Stelle, an der ein Modell etwas erklärt."},{"type":"heading","level":2,"id":"drei-verfahren","text":"Drei Verfahren"},{"type":"paragraph","text":"Mean Decrease Impurity (MDI). Bei Baumverfahren: Wie stark hat ein Merkmal über alle Bäume hinweg die Trennschärfe verbessert? Schnell, aber mit zwei bekannten Verzerrungen: Merkmale mit vielen möglichen Ausprägungen werden bevorzugt und die Werte beziehen sich nur auf die Trainingsdaten."},{"type":"paragraph","text":"Mean Decrease Accuracy (MDA). Die Werte eines Merkmals werden nachträglich zufällig durchmischt. Dann misst man, wie stark die Güte auf den Testdaten fällt. Das bezieht sich auf ungesehene Daten und funktioniert bei jedem Modell. Es muss allerdings auf gepurgten Aufteilungen laufen, sonst misst man das Datenleck mit."},{"type":"paragraph","text":"Single Feature Importance. Jedes Merkmal wird einzeln als alleiniger Prädiktor bewertet. Das umgeht den Substitutionseffekt vollständig, übersieht dafür Merkmale, die nur im Zusammenspiel wirken."},{"type":"heading","level":2,"id":"der-substitutionseffekt","text":"Der Substitutionseffekt"},{"type":"paragraph","text":"Das ist die wichtigste Fehlerquelle bei der Interpretation. Sind zwei Merkmale stark korreliert, etwa ein 20- und ein 25-Perioden-Durchschnitt, teilen sie sich die Bedeutung. Beide erscheinen mittelmäßig, obwohl die zugrunde liegende Information zentral ist. Umgekehrt kann ein einzelnes, unkorreliertes Merkmal groß aussehen, ohne besonders wertvoll zu sein."},{"type":"image","src":"https://alysly.com/img/ta/feature-substitution.7f23c85c24826d92b19e2ee463933cca4f1c3c8800bfd7dea9589595491d07be.webp","alt":"Wichtigkeit dreier Merkmale, wenn zwei davon dasselbe messen, und nach dem Zusammenfassen"},{"type":"paragraph","text":"Links stehen drei Merkmale, von denen zwei fast dasselbe messen – etwa ein 20-Tage- und ein 22-Tage-Durchschnitt. (1) Beide bekommen nur einen kleinen Wichtigkeitswert, weil der Wald mal das eine und mal das andere zieht und die Wirkung sich aufteilt. (2) Merkmal C erscheint dadurch als das wichtigste, obwohl es das nicht ist. (3) Fasst man die beiden Zwillinge zu einer Gruppe zusammen und misst die Gruppe als Ganzes, kehrt sich das Bild um. Das ist der Substitutionseffekt: Eine Rangliste einzelner Merkmale misst nicht nur Nutzen, sondern auch, wie viele Verwandte ein Merkmal hat."},{"type":"paragraph","text":"Dieselbe Falle beschreibt Level 2 bereits informell: Fünf Indikatoren aus derselben Kursreihe sind keine fünf unabhängigen Meinungen.","links":[{"text":"Level 2","href":"https://alysly.com/de/lernen/macd-und-trendstaerke/"}]},{"type":"paragraph","text":"Der übliche Umgang damit: korrelierte Merkmale vorab zu Gruppen zusammenfassen und die Bedeutung je Gruppe messen. Die Antwort lautet dann nicht mehr „Merkmal 17 ist wichtig“, sondern „die Gruppe der Trendmaße ist wichtig“. Diese Aussage trägt auch morgen noch. Wie stark Größen zusammenlaufen, lässt sich für Märkte direkt in der Korrelationsmatrix ablesen.","links":[{"text":"Korrelationsmatrix","href":"https://alysly.com/de/tools/korrelationen/"}]},{"type":"heading","level":2,"id":"von-der-wahrscheinlichkeit-zur-position","text":"Von der Wahrscheinlichkeit zur Position"},{"type":"paragraph","text":"Ein Klassifikationsmodell liefert eine Wahrscheinlichkeit, keine Stückzahl. Der Schritt, der beides verbindet, entscheidet über das Ergebnis mit."},{"type":"paragraph","text":"Zwei Grundgedanken:"},{"type":"paragraph","text":"Größe proportional zur Sicherheit. Statt jede Position gleich groß zu handeln, leitet man die Größe aus der Modellwahrscheinlichkeit ab: nahe 50 Prozent nahe null, mit steigender Sicherheit wachsend. Die verbreitete Umsetzung bildet die Abweichung von 50 Prozent über eine Normalverteilungsfunktion auf einen Wert zwischen 0 und 1 ab."},{"type":"paragraph","text":"Die Obergrenze kommt aus dem Risiko, nicht aus der Wahrscheinlichkeit. Die Modellsicherheit bestimmt den Anteil der maximalen Position. Die maximale Position selbst kommt aus der Risikorechnung von Level 1. Ein sehr sicheres Signal rechtfertigt keine Position, die bei einem Fehlschlag das Depot beschädigt.","links":[{"text":"Level 1","href":"https://alysly.com/de/lernen/risiko-und-positionsgroesse/"}]},{"type":"paragraph","text":"Hinzu kommt eine praktische Frage, die in Backtests gern verschwindet. Laufen mehrere Signale gleichzeitig, müssen ihre Größen zusammengeführt werden. Sonst summieren sich viele kleine, korrelierte Positionen zu einem einzigen großen Risiko."},{"type":"heading","level":2,"id":"zum-abschluss-des-kurses","text":"Zum Abschluss des Kurses"},{"type":"paragraph","text":"Drei Stufen, ein durchgehender Faden: Level 1 beschreibt, was ein Chart zeigt. Level 2 macht die Muster präzise genug, um sie prüfen zu können. Level 3 zeigt, wie eine ernst genommene Prüfung aussieht. Dazu gehören die vielen Wege, sich dabei selbst zu täuschen."},{"type":"paragraph","text":"Die nüchterne Zusammenfassung: Der größte Teil der Arbeit in diesem Feld dient nicht dem Finden von Vorteilen, sondern dem Ausschließen von Scheinvorteilen. Wer diesen Teil überspringt, findet immer etwas und behält es nicht."},{"type":"heading","level":2,"id":"werkzeuge-auf-dieser-seite","text":"Werkzeuge auf dieser Seite"},{"type":"list","ordered":false,"items":[{"text":"Backtester: Portfolio-Ideen gegen historische Daten","links":[{"text":"Backtester","href":"https://alysly.com/de/tools/backtest/"}]},{"text":"Monte-Carlo-Rechner: Bandbreite statt Einzelverlauf","links":[{"text":"Monte-Carlo-Rechner","href":"https://alysly.com/de/tools/monte-carlo/"}]},{"text":"Korrelationsmatrix: wie stark Märkte zusammenlaufen","links":[{"text":"Korrelationsmatrix","href":"https://alysly.com/de/tools/korrelationen/"}]},{"text":"Renditedreieck: Ergebnis in Abhängigkeit von Ein- und Ausstiegszeitpunkt","links":[{"text":"Renditedreieck","href":"https://alysly.com/de/tools/return-triangle/"}]}]},{"type":"heading","level":2,"id":"quellen","text":"Quellen"},{"type":"paragraph","text":"Die Verfahren dieser Stufe stammen aus der Literatur zum Financial Machine Learning, insbesondere von Marcos López de Prado. Grundlage sind Advances in Financial Machine Learning (Wiley 2018) und die zugehörige Vorlesungsreihe ORIE 5256. Dazu kommen The 7 Reasons Most Machine Learning Funds Fail und The Probability of Backtest Overfitting (Bailey, Borwein, López de Prado, Zhu). Darstellung, Beispiele und Grafiken sind hier eigenständig erstellt."},{"type":"paragraph","text":"Zurück Backtest-Overfitting: Die Zahl der Versuche zählt mit","href":"https://alysly.com/de/lernen/backtest-overfitting/"},{"type":"heading","level":2,"text":"Indizes"},{"type":"table","caption":"Indizes, Wertentwicklung im gewählten Zeitraum","columns":["Index","1M"],"rows":[[{"text":"MSCI World","href":"https://alysly.com/de/maerkte/indizes/msci-world/"},{"text":"-2,0 %","data":{"m1":"-2,0 %","m3":"-2,4 %","m6":"+3,7 %","ytd":"+10,0 %","max":"+35,0 %"}}],[{"text":"DAX","href":"https://alysly.com/de/maerkte/indizes/dax/"},{"text":"+1,8 %","data":{"m1":"+1,8 %","m3":"-5,0 %","m6":"-1,2 %","ytd":"-2,0 %","max":"+36,7 %"}}],[{"text":"S&P 500","href":"https://alysly.com/de/maerkte/indizes/sp500/"},{"text":"-2,6 %","data":{"m1":"-2,6 %","m3":"-2,2 %","m6":"+4,2 %","ytd":"+10,6 %","max":"+35,6 %"}}],[{"text":"MSCI ACWI","href":"https://alysly.com/de/maerkte/indizes/msci-acwi/"},{"text":"-3,3 %","data":{"m1":"-3,3 %","m3":"-3,0 %","m6":"+2,3 %","ytd":"+10,2 %","max":"+41,5 %"}}]]},{"type":"heading","level":2,"text":"ETFs"},{"type":"table","caption":"ETFs, Wertentwicklung im gewählten Zeitraum","columns":["Fonds","1M"],"rows":[[{"text":"iShares Core MSCI World UCITS ETF USD (Acc) EUNL","links":[{"text":"iShares Core MSCI World UCITS ETF USD (Acc)","href":"https://alysly.com/de/maerkte/etfs/ishares-core-msci-world-ucits-etf-usd-acc/"}]},{"text":"-2,0 %","data":{"m1":"-2,0 %","m3":"-2,3 %","m6":"+4,3 %","ytd":"+10,6 %","max":"+487,5 %"}}],[{"text":"iShares Core S&P 500 UCITS ETF (Acc) SXR8","links":[{"text":"iShares Core S&P 500 UCITS ETF (Acc)","href":"https://alysly.com/de/maerkte/etfs/ishares-core-sp-500-ucits-etf-acc/"}]},{"text":"-2,6 %","data":{"m1":"-2,6 %","m3":"-2,0 %","m6":"+4,7 %","ytd":"+11,4 %","max":"+764,3 %"}}],[{"text":"Xtrackers MSCI Emerging Markets UCITS ETF 1c XMME","links":[{"text":"Xtrackers MSCI Emerging Markets UCITS ETF 1c","href":"https://alysly.com/de/maerkte/etfs/xtrackers-msci-emerging-markets-ucits-etf-1c/"}]},{"text":"-9,4 %","data":{"m1":"-9,4 %","m3":"-4,1 %","m6":"-3,3 %","ytd":"+14,0 %","max":"+93,0 %"}}]]},{"type":"heading","level":2,"text":"Einzelaktien"},{"type":"table","caption":"Einzelaktien, Wertentwicklung im gewählten Zeitraum","columns":["Aktie","1M"],"rows":[[{"text":"Siemens Energy N AG ENR","links":[{"text":"Siemens Energy N AG","href":"https://alysly.com/de/maerkte/aktien/siemens-energy-ag/"},{"text":"Deutschland","href":"https://alysly.com/de/maerkte/aktien/browse/?country=Deutschland"}]},{"text":"–","data":{"m1":"–","m3":"–","m6":"–","ytd":"–","max":"–"}}],[{"text":"Deutsche Bank Aktiengesellschaft DBK","links":[{"text":"Deutsche Bank Aktiengesellschaft","href":"https://alysly.com/de/maerkte/aktien/deutsche-bank-aktiengesellschaft/"},{"text":"Deutschland","href":"https://alysly.com/de/maerkte/aktien/browse/?country=Deutschland"}]},{"text":"–","data":{"m1":"–","m3":"–","m6":"–","ytd":"–","max":"–"}}],[{"text":"Novo Nordisk A/S Class B NOVO B","links":[{"text":"Novo Nordisk A/S Class B","href":"https://alysly.com/de/maerkte/aktien/novo-nordisk-class-b/"},{"text":"Dänemark","href":"https://alysly.com/de/maerkte/aktien/browse/?country=D%c3%a4nemark"}]},{"text":"–","data":{"m1":"–","m3":"–","m6":"–","ytd":"–","max":"–"}}]]},{"type":"paragraph","text":"Datenhinweis 1","href":"#dn-1"},{"type":"heading","level":2,"text":"Weitere Studien"},{"type":"list","ordered":false,"items":[{"text":"21.07.2026 Sachwerte ×5,4 für dieselben Karten, Matched-Model-Index, 03/2022 – 08/2026 Ist der Markt für Pokémon-Karten eine Blase? 4.159 Verkäufe geben eine Antwort Die Preise PSA-bewerteter Karten haben sich vervielfacht. Gemessen an denselben Karten stiegen sie um 438 %, der rohe Median zeigt 786 %, weil später teurere Karten verkauft wurden.","href":"https://alysly.com/de/analyse/pokemon-karten-blase/"},{"text":"19.05.2026 Krypto 45,6 % annualisierte Schwankung von Bitcoin, 07/2024 – 09/2026 Ist Bitcoin zu einer normalen Depotposition geworden? Bitcoin ist ruhiger geworden und schwankt noch immer etwa dreimal so stark wie der Aktienmarkt. Er läuft mit Aktien, nicht mit Gold.","href":"https://alysly.com/de/analyse/bitcoin-normaler-anlagewert/"},{"text":"17.03.2026 Vermögen 1,2 Mio. € nötig für 3.000 € im Monat, dauerhaft, bei 3 % Realrendite Von der Rendite leben: Was dafür wirklich nötig ist Das nötige Kapital ist Arithmetik. Die unterstellte Rendite ist eine Vermutung. Sie kann die Antwort verdreifachen.","href":"https://alysly.com/de/analyse/von-der-rendite-leben/"}]},{"type":"paragraph","text":"Alle Studien ansehen","href":"https://alysly.com/de/analyse/#studien"},{"type":"heading","level":2,"text":"Lernen"},{"type":"list","ordered":false,"items":[{"text":"Was sind ETFs? Einfach erklärt Ein ETF bündelt viele Aktien in einem Fonds, der wie eine Aktie gehandelt wird. Wie ETFs funktionieren und was sie kosten.","href":"https://alysly.com/de/lernen/was-sind-etfs/"},{"text":"Was ist ein Index? Regeln statt Auswahl Ein Index ist ein regelbasierter Wertpapierkorb – das, was ein ETF abbildet. Wie die Regeln aussehen und warum Börsenwert die Gewichte setzt.","href":"https://alysly.com/de/lernen/was-ist-ein-index/"}]},{"type":"paragraph","text":"Zur Kursübersicht","href":"https://alysly.com/de/lernen/"},{"type":"paragraph","text":"Aktualisiert am 01.11.2026 · Inhalt und Zahlen geprüft am 19.10.2026"},{"type":"heading","level":2,"id":"note-legend-h","text":"Datenhinweise"},{"type":"paragraph","text":"Alle Auswertungen laufen automatisiert und sind keine Anlageberatung."},{"type":"list","ordered":true,"items":[{"id":"dn-1","text":"Renditen automatisiert aus der Kursreihe berechnet, ohne Dividenden, Steuern und Kosten."}]},{"type":"paragraph","text":"Daten & Methodik: Alysly · Verantwortlich: Alexander Bock","links":[{"text":"Alysly","href":"https://alysly.com/de/methodik/"},{"text":"Alexander Bock","href":"https://alysly.com/de/ueber-uns/"}]},{"type":"paragraph","text":"Alle Datenhinweise ansehen","href":"https://alysly.com/de/hinweise/"}],"structured_data":[{"@context":"https://schema.org","@graph":[{"@type":"Organization","@id":"https://alysly.com/#org","name":"Alysly","url":"https://alysly.com/","logo":{"@type":"ImageObject","url":"https://alysly.com/img/icon-512.png","width":512,"height":512},"description":"Datengetriebene Einblicke, transparente Analysen und leistungsstarke Tools für langfristige Anleger.","email":"mail@alysly.com","contactPoint":{"@type":"ContactPoint","contactType":"customer support","email":"mail@alysly.com","availableLanguage":["de","en"]},"address":{"@type":"PostalAddress","addressLocality":"Haltern am See","postalCode":"45721","addressCountry":"DE"},"founder":{"@id":"https://alysly.com/#founder"},"sameAs":["https://www.linkedin.com/company/alyslycom/","https://www.youtube.com/@alyslycom","https://x.com/alyslycom"],"publishingPrinciples":"https://alysly.com/de/methodik/"},{"@type":"Person","@id":"https://alysly.com/#founder","name":"Alexander Bock","jobTitle":"Gründer & Datenanalyst","url":"https://alysly.com/de/ueber-uns/","sameAs":["https://www.linkedin.com/in/abxk/"]},{"@type":"WebSite","@id":"https://alysly.com/#site","url":"https://alysly.com/de/","name":"Alysly","alternateName":"Alysly Investment Analysis","inLanguage":"de-DE","publisher":{"@id":"https://alysly.com/#org"},"potentialAction":{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https://alysly.com/de/maerkte/aktien/browse/?q={search_term_string}"},"query-input":"required name=search_term_string"}},{"@type":"WebPage","@id":"https://alysly.com/de/lernen/feature-importance/#webpage","url":"https://alysly.com/de/lernen/feature-importance/","name":"Merkmalsbedeutung und Positionsgröße – Alysly","description":"MDI, MDA und Single-Feature-Importance, der Substitutionseffekt – und wie aus einer Modellwahrscheinlichkeit eine Positionsgröße wird.","inLanguage":"de-DE","isPartOf":{"@id":"https://alysly.com/#site"},"dateModified":"2026-11-01T18:26:04+01:00","publisher":{"@id":"https://alysly.com/#org"},"mainEntity":{"@id":"https://alysly.com/de/lernen/feature-importance/#entity"},"primaryImageOfPage":{"@type":"ImageObject","url":"https://alysly.com/img/ta/feature-substitution-og.769867ba70c21a723929ee1e9475fed17121df649388931e4283bfa92031427b.png","width":1200,"height":630}}]},{"@context":"https://schema.org","@type":"BreadcrumbList","itemListElement":[{"@type":"ListItem","position":1,"name":"Grundlagen: Investieren & Trading","item":"https://alysly.com/de/lernen/"},{"@type":"ListItem","position":2,"name":"Merkmalsbedeutung und Positionsgröße"}]},{"@context":"https://schema.org","@type":"Article","@id":"https://alysly.com/de/lernen/feature-importance/#entity","headline":"Merkmalsbedeutung und Positionsgröße","description":"MDI, MDA und Single-Feature-Importance, der Substitutionseffekt – und wie aus einer Modellwahrscheinlichkeit eine Positionsgröße wird.","inLanguage":"de-DE","mainEntityOfPage":"https://alysly.com/de/lernen/feature-importance/","image":[{"@type":"ImageObject","height":630,"url":"https://alysly.com/img/ta/feature-substitution-og.769867ba70c21a723929ee1e9475fed17121df649388931e4283bfa92031427b.png","width":1200},{"@type":"ImageObject","height":500,"url":"https://alysly.com/img/ta/feature-substitution.7f23c85c24826d92b19e2ee463933cca4f1c3c8800bfd7dea9589595491d07be.webp","width":1280}],"isPartOf":{"@type":"CreativeWorkSeries","name":"Grundlagen: Investieren & Trading","url":"https://alysly.com/de/lernen/"},"educationalLevel":"Level 3","author":{"@id":"https://alysly.com/#founder"},"publisher":{"@id":"https://alysly.com/#org"},"datePublished":"2026-08-02T15:54:51+02:00","dateModified":"2026-11-01T18:26:04+01:00"}],"notice":"© 2026 Alysly.com. Keine Anlageberatung. Alle Daten ohne Gewähr. Auswertung und Darstellung der Finanzinformationen erfolgen teilweise KI-gestützt."}