Neuronale Netze versprechen ultimative Kursprognosen. Sind sie schlauer als der Mensch? Oder einfach nur eine intelligente Börsen-Software?
Keine Frage: Wer genau weiß, welche Faktoren die Aktienkurse bestimmen, verfügt über die Lizenz zum Gelddrucken. Sind es die US- Zinsen? Wachstumsprognosen? Die Stimmung an der Wall Street? Oder gar die Green Card? Sicher ist, es gibt viele unterschiedliche Faktoren - zu viele, um sie im Kopf durchzurechnen. Doch nun scheinen findige Finanzmathematiker einen Weg gefunden zu haben, das menschliche Hirn zu entlasten: Computerprogramme sollen die Kapitalmärkte entschlüsseln.
Die Idee ist simpel: Ein Hochleistungsrechner durchforstet Unmengen von Finanzmarktdaten aus der Vergangenheit - Inflationsraten, Zinsentwicklungen, Börsenindizes - nach möglichen statistischen Abhängigkeiten. Etwa: Steigt der Dax, wenn am Vortag der Dow Jones stieg? Beeinflusst die Arbeitslosenquote den Kurs des Euros? Gefundene Zusammenhänge verarbeitet der Computer zur Prognose: über den Dax, den Euro-Kurs oder was sonst gefragt sein könnte.
Ist der Mensch dadurch überflüssig? Früher hatten wir den Rechnern etwas voraus, das für viele Entscheidungen, auch an der Börse, unentbehrlich ist: das Lernen aus Erfahrung. Je komplexer und chaotischer das System war, je mehr Einflussfaktoren sich permanent änderten, umso überlegener war der Mensch der Maschine. Weil unsere Gehirne eines sehr gut können: Komplexität reduzieren. Doch neuronale Netze, die den menschlichen Denkprozess in Bits und Bytes abzubilden vermögen, kommen dem menschlichen Hirn recht nahe.
Ein PC und ein Reuters-Terminal
bringen die Power des neuronalen Netzes. Die österreichische Siemens-Niederlassung hat ein solches Börsen-Tool entwickelt: Die Trefferquote, so heißt es, liegt bei 60 bis 70 Prozent, die Rechenleistung wird von Siemens auf 700 (!) Rechnern übernommen. Die Daten für die Rechnerei liefert Reuters, der weltweit führende Anbieter von Finanzinformationen: "Wir rechnen aus diesem riesigen Daten-Universum die Zeitreihen heraus, die den größten Einfluss auf die Kurse haben. Dabei verkleinern wir die Reuters-Datenbank so, dass das Ganze beim Kunden auf dem PC laufen kann", erklärt Johann Eibenberger, der bei Siemens für das neue Produkt mit dem Namen "Fincast" verantwortlich ist. Der Kunde braucht dazu einen handelsüblichen PC und ein Reuters-Terminal.
Wer so ausgestattet ist, dem sagt Fincast die wichtigsten Wechselkurse, Aktien- und Anleihe-Indizes vorher. Das System prognostiziert aber auch die Entwicklungen einzelner Börsentitel. Über einen Monat in die Zukunft hinaus wagen sich die Fincast-Prognosen jedoch nicht. Denn die Bedeutung einzelner Faktoren ändert sich ständig. So ist es durchaus möglich, dass sich in manchen Monaten hohe Zinsen negativ auf Aktienkurse auswirken, in anderen Monaten aber keine Rolle spielen. "Wir durchforsten mit unseren Algorithmen täglich die Daten, um signifikante Abweichungen festzustellen", erklärt Eibenberger. Stellt sich heraus, dass die Einflussfaktoren neu gewichtet werden müssen, wird das Modell angepasst, und der Kunde bekommt ein Update. Das Modell wird automatisch überarbeitet, sobald die Trefferquote der Prognosen unter die 60-Prozent-Marke fällt.
Die Systementwickler nennen sich Kurpfuscher
- sie spüren nur Trends auf.
Eigentlich macht das Programm damit nichts anderes als ein Mensch in einem permanenten Lernprozess.
Wenn der Verdacht aufkommt, dass die Zusammenhänge nicht mehr stimmen, sucht das neuronale Netz nach neuen Informationen und Korrelationen. "Genau wie ein Aktienhändler, der aufgrund seiner Erfahrungen die unterschiedlichen Faktoren immer wieder neu gewichtet", so Rolf Daxhammer, Professor für Investmentbanking an der European School of Business in Reutlingen. Eine weitere Stärke der neuronalen Netze: "Sie lösen sich von vermuteten Kausalitäten und lassen einfach die Daten sprechen."
In der Tat ist es Entwicklern solcher Börsen-Software egal, ob die herausgefilterten Zusammenhänge nun logisch sind oder nicht. "Die hätten kein Problem damit, zu sagen, die Dax-Entwicklung korreliert mit der Geburtenquote in China", weiß Rolf Daxhammer. Die Siemens-Leute stehen dazu: "Wir sind da vergleichbar mit Kurpfuschern", sagt Eibenberger freimütig. "Wir spüren nur Trends auf." Die Ursachen für die Kursentwicklung interessieren sie nicht.
Vielleicht haben die Prognosen ja stets nur zufällig hingehauen. Wenn ich eine Aktie kaufe, liegt die Zufallswahrscheinlichkeit, damit einen Gewinn zu machen, bei 50 Prozent. Wenn alle anderen auch auf den Zufall setzen, wird es aber immer welche geben, die bessere Gewinne erzielen als ich - so lehrt es die Statistik. Weswegen auch "ein Affe, der einen Dart-Pfeil wirft, zwei oder drei Jahre lang besser sein kann als der beste Aktienhändler", so Daxhammer. Wenn wie bei Fincast bemerkenswerte Trefferquoten von 60 bis 70 Prozent herauskommen, könne man zunächst "nicht auseinanderhalten, ob das Zufall ist oder tatsächlich systematische Prognosefähigkeit", urteilt er.
Einzig tauglicher Maßstab sei hier die Zeit. Wie gut Fincast und vergleichbare Börsen-Software wirklich ist, lässt sich also erst nach mehreren Jahren beurteilen. "Wenn sie nach vier bis fünf Jahren immer noch so gut sind, kann man das kaum noch durch Zufall erklären", meint Daxhammer. Kommt Zeit, kommt Urteil. In Deutschland ist Fincast seit Februar diesen Jahres auf dem Markt.
Bevor es so weit war, mussten sich sämtliche Modelle erst einmal im so genannten Backtesting beweisen. Etwas, das auch die meisten Kunden zuerst einmal machen, wenn sie sich mit Fincast auseinander setzen: Sie prüfen, was die Fincast-Prognosen in der Vergangenheit geleistet hätten. Die Modelle werden mit alten Daten durchgerechnet. Die Frage dabei ist immer: Wie viel Geld hätte ich damit verdient?
Zumindest die Branche ist sehr interessiert an der Technologie: In der Kundenliste finden sich Namen wie Julius Bär, Deutsche Bank, UBS oder Crédit Lyonnais. Das typische Fincast-Zielpublikum rekrutiert sich aus Händlern, Portfolio- Managern und Research-Leuten bei Banken und Versicherungen.
Für die Experten unter den Börsianern bietet das Produkt der Österreicher noch ein besonderes Schmankerl: Wer meint, seine Erfahrung sei nicht von neuronalen Netzen zu schlagen, kann ein völlig leeres Modell bekommen. Im Gegensatz zu den Fincast-Standardprognosen kann man dann selbst die Faktoren bestimmen, die der eigenen Meinung nach den Dax oder den Pfund-Kurs - oder was auch immer man prognostizieren will - beeinflussen.
"Für Puristen der Konzeption neuronaler Netze ist das der absolute Sündenfall", urteilt Daxhammer. "Das Modell soll die Regeln ja selbst herausfinden. Es soll mich von meinen Fehleinschätzungen und meiner Kurzsichtigkeit erlösen. Von der Logik des Ansatzes her ist das daher falsch. Aus Marketing-Gesichtspunkten ist es jedoch super-geschickt", sagt Daxhammer.
"Schließlich sind wir Menschen so gebaut: Wir haben immer das Gefühl, dass wir einer Maschine im Zweifel überlegen sind."
Der Text ist nun fast genau 5 Jahre alt!
