KI und Volatilität: Prognosen, wie stark ein Markt sich bewegt — nicht wohin

Stell fast jede Maschine, die auf einen Markt gerichtet ist, dieselbe Frage, und sie wird zuversichtlich antworten: Wohin geht der Preis als Nächstes? Das ist die Frage mit den Screenshots und den viralen Threads — und es ist die, bei der maschinelles Lernen am schlechtesten ist, weil ein liquider Markt bereits aufgenommen hat, was das Modell gerade erst bemerkt hat. Es gibt jedoch eine andere Frage, die du dieselbe Maschine stellen kannst — leiser und viel nützlicher: nicht wohin, sondern wie weit. Wie stark wird sich dieser Vermögenswert voraussichtlich im nächsten Tag bewegen? Das ist eine Volatilitätsprognose, und im Gegensatz zu einem Kursziel ist es etwas, das ein Modell tatsächlich liefern kann — und, genauso wichtig, etwas, das du danach auch daran messen kannst.
Das ist der ehrliche Heimatort für KI in Märkten — und es ist etwas ganz anderes als Vorhersage. Es lohnt sich, das sorgfältig durchzugehen, weil der Unterschied zwischen einem Volatilitäts-forecast, der etwas bedeutet, und einem, der nur Deko ist, messbar ist — und die meisten Vertreter des Genres scheitern an der Messung.
Warum Richtung die falsche Frage für einen liquiden Markt ist
Ein tiefer Markt ist kein stillstehendes Rätsel. Er ist ein Gegner, der bereits alles eingepreist hat, was dein Modell gerade entdeckt hat. Wenn in den Daten ein Richtungsmuster sichtbar wird, ist es für alle sichtbar, die dieselben Daten haben — und der Preis spiegelt es wider. In so einem Umfeld die Richtung der nächsten Bewegung vorherzusagen, ist fast so, als würde man eine Münze nennen, die der Markt längst schon umgedreht hat.
Das ist keine Einschränkung, die ein größeres Modell einfach entfernt. Es ist die Struktur des Problems. Die Information, die dir verraten würde, in welche Richtung der Preis gleich gehen wird, ist genau die Information, die ein liquider Markt am schnellsten „wegkonkurriert“. Also ist ein System, das für diese Frage gebaut ist, so gebaut, langsam zu verlieren — auf eine Weise, die erst dann auffällt, wenn man genug Calls gesammelt hat, dass es unpraktisch wird, sie zu zählen.
Volatilität ist vorhersagbar, auf eine Weise, wie Renditen es nicht sind
Volatilität ist anders — und der Unterschied ist eine echte statistische Eigenschaft: Sie bleibt bestehen. Ruhige Tage häufen sich mit ruhigen Tagen, heftige Tage mit heftigen Tagen, und ein Schock heute erhöht die Wahrscheinlichkeit für eine große Bewegung morgen. Renditen sind nahe dran, unvorhersagbar zu sein; die Größe der Bewegungen nicht. Diese Autokorrelation der Größenordnung — Volatilitäts-Clustering — ist stabil genug, um daraus lernen zu können.
Gib einem Modell realisierte Volatilität über mehrere Lookbacks, optionsimplizite Oberflächen, sofern sie existieren, Finanzierungssätze und Open Interest — dann kann es eine Vorhersage-Spanne zurückgeben, die auch Information trägt, selbst wenn der Mittelpunkt dieser Spanne tatsächlich nicht zuverlässig bekannt sein kann. Beachte, wie viel bescheidener diese Ausgabe ist als ein Pfeil auf einem Diagramm. Sie sagt nicht, was passieren wird. Sie sagt, wie breit man die Ergebnisse erwarten soll. Und diese eine Schätzung hängt davon ab, worauf alles Folgende angewiesen ist: wie groß eine Position das Risiko konstant hält, wo ein Stop Lärm ist und wo er real ist, wann man sich in Stellung bringt, bevor eine heftige Session losgeht, statt nach ihr zusammenzuzucken.
Das Band, das die meisten zeichnen, ist in beide Richtungen falsch
Hier trennt sich Messung von Bauchgefühl. Der Standardweg, eine Volatilitätszahl in ein Band zu verwandeln, besteht darin, sie mit der Quadratwurzel des Zeithorizonts zu multiplizieren — Sigma mal root-t. Es ist eine Codezeile, es ist überall, und bei Assets mit fetten Tails bewertet es die Verteilung falsch — auf eine Weise, die es präzise zu benennen lohnt.
Wir haben es mit der gesamten Binance-Historie verglichen, nicht mit einem schmeichelhaften, aktuellen Fenster — 3.261 tägliche Candles für Bitcoin bis zurück zu 2017. Von Interesse ist das Verhältnis eines empirisch gemessenen 80%-Bandes zum Sigma-root-t-Band in jedem Zeithorizont. Bei Bitcoin liegt es etwa bei 0,80 nach einem Tag, ungefähr bei 0,88 nach sieben Tagen und etwa bei 1,00 nach dreißig Tagen. Lies das sorgfältig: In kurzen Zeithorizonten ist das parametrische Band zu breit, und bis zu einem Monat passt es ziemlich genau. Der Fehler wechselt das Vorzeichen, je weiter der Horizont reicht, daher gibt es keinen einzigen Korrekturfaktor, der ihn behebt.
Der Grund, warum das Band für kurze Zeithorizonte zu breit ist, obwohl die Daten tatsächlich fette Tails haben, liegt darin, dass die überschüssige Kurtosis — etwa sechzehn bei täglichen Renditen, gegenüber drei für eine Normalverteilung — in den extremen Tails steckt, nicht in den Schultern des 10.-bis-90.-Perzentils. Also ist das 80%-Intervall tatsächlich enger, als es ein Gaußsches Modell vermuten ließe, während das 99%-Intervall viel breiter ist. Fette Tails und ein schmales 80%-Band existieren nebeneinander. Eine parametrische Abkürzung versteckt genau das — und genau dieses Verstecken führt dazu, dass ein Band stillschweigend falsch über das hinausliegt, was es weiß.
Lies das Band aus den Daten ab — und zähle deine Stichproben ehrlich
Die Lösung ist aufzuhören, den Parameter zu parametrisieren, und das Intervall direkt aus der empirischen Verteilung realisierter Bewegungen über den passenden Horizont abzulesen — wobei man den Mittelpunkt nur mit einer Momentum-Neigung verschiebt, die greift, sobald ein Trend-Trigger die Schranke überschreitet, niemals mit einer von Hand gezeichneten Linie. Jede Zahl hat dann eine angegebene Quelle: Sie ist ein Quantil der realen Historie, nicht eine Annahme.
Bei so etwas gibt es eine Falle — und sie ist subtil. Die Mehrtagesbewegungen überlappen sich: aufeinanderfolgende 30-Tage-Fenster teilen 29 Tage Daten — daher sind die Stichproben stark autokorreliert. Wenn du die rohe Anzahl überlappender Fenster als deine Stichprobengröße ausgibst, übertreibst du deine Evidenz ungefähr um den Zeithorizont. Das 30-Tage-Band von Bitcoin, basierend auf etwa 3.231 überlappenden Fenstern, ruht eigentlich nur auf rund 107 unabhängigen Monaten. Das ist ein wesentlich anderes epistemisches Objekt — und die beiden zusammenzuführen, ist genau so, wie ein Backtest eine Sicherheit herstellt, die er nicht verdient hat. Wir drucken die unabhängige Anzahl auf jedem Chart genau aus diesem Grund aus: Ein Band soll zeigen, wie viel echte Historie tatsächlich dahintersteht — nicht, wie viel es scheinen kann.
Coverage: das Ehrlichkeitsmaß, das in beide Richtungen schneidet
Das Maß für einen Band-Forecast ist Coverage — und sein wichtigstes Merkmal ist, dass er in beide Richtungen scheitert. Wenn du einen 50%-Bereich behauptest, sollte das Ergebnis in vielen Tagen etwa zur Hälfte innerhalb liegen — nicht in den meisten Fällen. Ein Band, das den Preis neunzig Prozent der Zeit enthält, ist nicht präzise: es ist gepaddet. Und Padding ist Feigheit, verkleidet als Vertrauen — es kann nie dabei erwischt werden, falsch zu liegen, und genau deshalb ist es wertlos. Ein zu schmales Band wird sofort erwischt. Beide sind Fehlschläge, und der einzige Weg herauszufinden, welches von beiden du gerade ansiehst, ist, denselben Forecaster über viele Out-of-Sample-Tage hinweg gegen Ergebnisse zu bewerten, die im Voraus feststehen.
Das ist das Maß, an dem ein Volatilitätsmodell hängt oder scheitert — und es ist das, über das fast kein öffentliches Markt-Research berichtet, denn es zu berichten heißt, die Zeitpunkte zu veröffentlichen, in denen das Band danebenlag. Überdeckung muss als Fehlversuch zählen, sonst ist die ganze Sache Theater. Sag es in genau diesen Worten — oder die Zahl bedeutet nichts.
Warum ein Volatilitäts-Forecast festgelegt sein muss, bevor das Ereignis eintritt
Ein Forecast ist nur dann ein Beleg, wenn er vor dem Ereignis existierte. Das ist das Offensichtlichste im Feld und zugleich das am routiniertesten Ignorierte: Das ganze „AI called this move“-Genre überlebt auf Screenshots, die danach aufgenommen wurden, bei Spannen, die nie niedergeschrieben waren, bis sie gut aussahen.
Die Lösung ist kein besseres Modell. Es ist ein Zeitstempel. Wir schreiben jeden Forecast zuerst auf, serialisieren ihn, hashen ihn mit SHA-256 und verankern diesen Hash über OpenTimestamps in der Bitcoin-Blockchain, bevor irgendetwas davon öffentlich ist. Dann werten wir ihn offen aus: die Verfehlungen auf derselben Seite wie die Treffers, ohne einen Filter, der sie versteckt. Der Bitcoin-Block beweist nicht, dass der Forecast gut war — das tut die Coverage-Bewertung. Er beweist, dass die Zahl existierte, bevor das Ergebnis da war — und das ist die eine Behauptung, die keine nachträgliche Erzählung fälschen kann. Eine praktische Randnotiz aus dem Aufbau: Es ist genau die Art Detail, die ein ehrliches Protokoll leise entwertet. Hashe die exakten Bytes, die du veröffentlichst. Schreibe die Datei, hashe die Datei, timestamp die Datei — wenn ein Leser den Hash selbst ausführt und einen anderen Digest erhält, weil du zwischenzeitlich erneut serialisiert hast, liest es sich als Betrug, selbst wenn nichts falsch war.
Was ein Volatilitätsmodell nicht ist
Die Deflation gehört hierher, weil man sie weglässt, wie das Genre sich selbst durchkommen lässt. Das ist alles kein Vorteil. Eine gute Volatilitätsinterpretation senkt die Kosten, falsch zu liegen; sie sagt dir nicht die Zukunft, und sie wird auch nicht den Markt schlagen. Keine Methode schlägt zuverlässig einen liquiden Markt, und wer das verspricht, verkauft etwas — meist ein Abo, manchmal einen Token, immer einen Screenshot.
Was dir ein ehrliches Volatilitätsmodell kauft, ist keine Prophezeiung. Es ist ein Band, dessen Breite bedeutet, was es sagt — gemessen im Offenen, wo es schlecht aussehen darf, festgelegt, bevor die Kerze geschlossen hat, sodass das Protokoll später nicht kuratiert werden kann. Ein Forecast ist ein Risikoobjekt, bevor er irgendetwas anderes ist. Die Maschine verdient sich ihren Unterhalt nicht im Pfeil im Diagramm, sondern in der ehrlichen Breite des Bandes darum herum — und darin, danach beweisen zu können, dass die Breite ehrlich war.
Bildungsinhalte — keine Finanzberatung.