Themen

Die Themen sind nach Arbeitsfeldern geordnet. Wer ein Feld lesen möchte, beginnt mit dem ersten Artikel und folgt dem Prozess; wer gezielt sucht, findet Stichworte in der Übersicht.

Arbeitsfeld 1 — Signalerkennung

Modelle des maschinellen Lernens können wiederkehrende Muster in Renditereihen kennzeichnen. Die Artikel dieses Feldes erklären, wie solche Signale entstehen, wie sie von Rauschen unterschieden werden und warum ein Signal allein noch keine Umschichtung auslöst. Der Prozess beginnt mit der Frage, welches Muster überhaupt gesucht wird, und endet mit der Kennzeichnung der Grenzen des Verfahrens.

• Signale ohne Übersteuerung — wie ein Hinweis als Anstoß zur Prüfung dient, nicht als automatischer Handelsbefehl.
• Rauschen und Regime — warum ein Modell, das in einem Marktregime funktioniert, im nächsten scheitern kann.

Arbeitsfeld 2 — Gewichtung und Drift

Eine Zielallokation driftet, sobald Teilmärkte unterschiedlich laufen. Hier wird beschrieben, wie Clustering-Verfahren Abweichungen von der Soll-Gewichtung sichtbar machen und wann eine Umschichtung überhaupt erst sinnvoll wird. Der Ablauf folgt dem Prozess: Drift messen, Schwelle prüfen, Umschichtung abwägen.

• Drift messen — Kennzahlen für die Abweichung von der Zielallokation.
• Schwellen abwägen — wann eine Umschichtung die Kosten wert ist und wann Abwarten die bessere Wahl bleibt.

Arbeitsfeld 3 — Nachvollziehbarkeit

Ein Modell, das sich nicht nachvollziehen lässt, taugt nicht zur redaktionellen Begleitung. Dieser Bereich behandelt, wie Entscheidungswege dokumentiert werden und wo schwarze Boxen bewusst als solche gekennzeichnet bleiben. Der Prozess legt offen, was ein Modell zeigt und was daraus an Umschichtungsentscheidungen folgen könnte.

• Wege dokumentieren — wie Eingänge, Schwellen und Ausgänge eines Modells festgehalten werden.
• Grenzen benennen — wo ein Verfahren versagt und wie das im Text sichtbar bleibt.