KI-Trading-Bots
Im professionellen Handel wird maschinelles Lernen tatsächlich eingesetzt. Die Systeme, die Privatanlegern angeboten werden, haben damit meistens wenig zu tun und scheitern an denselben Grundproblemen wie jede andere Strategie.
Vorweg: Große Handelsfirmen setzen tatsächlich lernende Systeme ein, und das mit Erfolg. Das ist kein Marketing. Mit dem, was dir im Internet für 99 € im Monat angeboten wird, haben diese Systeme aber wenig zu tun.
Der Unterschied liegt in den Zutaten. Professionelle Systeme arbeiten mit Daten, die viel Geld kosten, führen Aufträge in Millisekunden aus und werden von ganzen Teams betreut. Der Vorteil steckt in diesen Zutaten und nicht im Wort künstliche Intelligenz.
Für ein verkauftes System gilt außerdem die Frage aus Automatisierter Handel: Warum verkauft es jemand, statt es selbst zu benutzen? Ein System, das funktioniert, verdient mit eigenem Geld mehr als mit Kunden.
Und ein Grundproblem bleibt, egal wie gut die Technik ist. Ein Modell lernt aus der Vergangenheit. Je mehr Stellschrauben es hat, desto besser beschreibt es diese Vergangenheit und desto größer ist die Gefahr, dass es nur sie beschreibt.
An Finanzdaten ist maschinelles Lernen besonders schwer, weil das echte Signal winzig ist und das Rauschen riesig. Es gibt nur begrenzt viele unabhängige Beobachtungen, aber sehr viele mögliche Merkmale, und das lädt zum Overfitting ein. Außerdem ändern sich die Zusammenhänge. Sobald viele ein Muster ausnutzen, verschwindet es.
Der Vorsprung der Profis liegt vor allem außerhalb des Modells: teure oder exklusive Daten, Technik mit extrem kurzen Wegen zur Börse, günstige Ausführung und die Möglichkeit, viele schwache Signale über sehr viele Positionen zu bündeln. All das haben Privatanleger nicht, und keine Software kann es ersetzen.
Bei angebotenen Systemen helfen die üblichen Prüffragen: Gibt es eine vollständige Aufstellung aller Ergebnisse über mehrere Jahre, mit Kosten, die jemand Unabhängiges prüfen kann? Wird gesagt, wie viele Varianten getestet wurden? Hält das Ergebnis, wenn man die Einstellungen etwas ändert? Und gibt es einen wirtschaftlichen Grund, warum es funktionieren sollte? Fehlt eins davon, kannst du das System nicht beurteilen.
Zusammenfassung
- Der Vorsprung der Profis liegt in Daten und Technik und nicht im Modell.
- Finanzdaten haben wenig Signal und viel Rauschen, das lädt zum Overfitting ein.
- Dass ein System verkauft wird, verrät, woher das Geld seines Anbieters kommt.
Hast du es verstanden?
Warum ist maschinelles Lernen an Finanzdaten besonders schwierig?
Wenig Signal, viel Rauschen, wenige unabhängige Beobachtungen und Zusammenhänge, die sich ändern.
Worin liegt der Vorteil professioneller Anwender?
In Daten, Technik, günstiger Ausführung und darin, viele schwache Signale zu bündeln, und nicht im Modell selbst.
Was ist Nichtstationarität?
Dass sich Zusammenhänge über die Zeit ändern, unter anderem weil Marktteilnehmer sie ausnutzen und sie dadurch verschwinden.
Passt dazu
- Warum Preise sich bewegenStufe 1
- Warum Nachrichten schon im Preis steckenStufe 4
- Meme-CoinsHype-Einordnung