Fractional Differentiation Stationaritaet ohne Memory-Verlust.

Fast jedes Machine-Learning-Modell auf Marktdaten steht vor demselben Zielkonflikt. Rohe Preisreihen sind nicht-stationär — Mittelwert und Varianz wandern —, und die meisten Lernverfahren mögen das nicht: Sie extrapolieren schlecht und lernen Scheinmuster. Die klassische Antwort ist, Renditen zu bilden, also den Preis einmal voll zu differenzieren. Das macht die Reihe stationär, löscht aber zugleich fast die gesamte „Erinnerung“ des Preises — das Niveau-, Trend- und Memory-Signal, das gerade für Prognosen wertvoll ist. Fraktionale Differenzierung, von Marcos López de Prado prominent gemacht, sucht den Mittelweg: Man differenziert nicht ganzzahlig (0 oder 1), sondern mit einem reellen Exponenten d zwischen 0 und 1 — gerade so stark, dass Stationarität erreicht wird, aber so wenig wie möglich Memory verloren geht. Dieser Beitrag erklärt die Idee, den praktischen Ablauf, die Wahl von d und die ehrlichen Grenzen dieses oft unterschätzten Feature-Engineering-Schritts.

Das Dilemma — Stationarität gegen Erinnerung.

Stationarität bedeutet vereinfacht, dass die statistischen Eigenschaften einer Reihe über die Zeit stabil bleiben. Viele Verfahren — von linearer Regression über Gradient Boosting bis zu neuronalen Netzen — funktionieren auf stationären Eingängen deutlich verlässlicher, weil sie aus der Vergangenheit auf die Zukunft schließen und das nur trägt, wenn sich die Verteilung nicht ständig verschiebt.

Der Standardweg, Renditen zu bilden, erzeugt Stationarität, wirft dabei aber das Kind mit dem Bade aus. Eine Renditereihe hat praktisch keine Autokorrelation über das aktuelle Inkrement hinaus — sie „weiß“ nicht mehr, wo der Preis steht oder wie weit er von einem langfristigen Niveau entfernt ist. Genau diese Niveau- und Memory-Information ist aber oft das, was Mean-Reversion-, Trend- oder Carry-Signale tragen.

Fraktionale Differenzierung formuliert das als kontinuierliches Problem statt als Entweder-oder. Der Differenzierungsgrad d wird zur stellbaren Größe: d = 0 ist die rohe, nicht-stationäre Preisreihe mit voller Erinnerung; d = 1 ist die stationäre Renditereihe ohne Erinnerung. Werte dazwischen — typisch 0,2 bis 0,6 — liefern eine stationäre Reihe, die einen großen Teil der ursprünglichen Memory behält.

Wie fraktionale Differenzierung rechnerisch funktioniert.

Technisch ist die fraktionale Differenzierung eine gewichtete Summe vergangener Werte. Der Differenzierungsoperator wird über eine Binomialreihe entwickelt, deren Koeffizienten von d abhängen. Bei d = 1 hat diese Reihe nur zwei von null verschiedene Gewichte (heute minus gestern) — daraus entsteht die einfache Rendite. Bei einem nicht-ganzzahligen d entstehen unendlich viele, aber rasch abklingende Gewichte, die immer weiter in die Vergangenheit zurückreichen.

Diese Gewichte haben ein charakteristisches Muster: Das aktuellste hat das größte Gewicht, die älteren nehmen monoton ab, wechseln dabei aber das Vorzeichen. Je kleiner d, desto langsamer klingen die Gewichte ab — die Reihe behält länger zurückreichende Erinnerung. Je größer d, desto schneller das Abklingen, desto weniger Memory.

In der Praxis kappt man die unendliche Summe mit einer Schwelle: Sobald die kumulierte Gewichtssumme einen Toleranzwert unterschreitet, werden die übrigen Gewichte verworfen. Diese „Fixed-Width-Window“-Variante hält das Gewichtsfenster konstant und vermeidet, dass frühere Beobachtungen unterschiedlich stark einfließen — ein wichtiger Punkt, damit das resultierende Feature über die Zeit vergleichbar bleibt und keine versteckte Verzerrung einbaut.

Das optimale d finden — Stationarität bei maximaler Memory.

Die Kernfrage ist, welches d man wählt. Das gängige Vorgehen ist systematisch: Man differenziert die Reihe für eine Folge von d-Werten — etwa 0,0, 0,1, 0,2 bis 1,0 — und prüft jeweils mit einem Stationaritätstest, üblicherweise dem Augmented-Dickey-Fuller-Test (ADF), ob die Reihe stationär geworden ist. Gesucht ist das kleinste d, bei dem der ADF-Test Stationarität anzeigt. Kleiner heißt mehr behaltene Erinnerung.

In der Praxis liegt dieses minimale d für viele Aktien- und Indexpreisreihen erstaunlich niedrig — häufig im Bereich 0,3 bis 0,5, manchmal darunter. Das ist die zentrale, oft überraschende Erkenntnis: Man muss in der Regel nicht voll auf d = 1 differenzieren, um Stationarität zu erreichen. Der übliche Sprung zu Renditen wirft also deutlich mehr Memory weg als nötig.

Eine ergänzende Kontrolle ist die Korrelation zwischen der differenzierten und der ursprünglichen Reihe: Beim minimalen stationären d bleibt diese Korrelation oft hoch (häufig über 0,9), was bestätigt, dass viel vom ursprünglichen Verlauf erhalten ist. Wichtig bleibt, d nicht für jedes Sample neu zu optimieren, sondern stabil zu halten — sonst entsteht ein versteckter Look-Ahead.

Wo der Schritt im ML-Workflow sitzt.

Fraktionale Differenzierung ist ein Vorverarbeitungsschritt, der vor das eigentliche Feature-Engineering und Modelltraining gehört. Typisch ist die Reihenfolge: Rohpreis bereinigen (Corporate Actions, Bad Prints), fraktional differenzieren bis zur Stationarität, daraus weitere Features ableiten (gleitende Statistiken, Volatilitätsmaße, Cross-Asset-Verhältnisse), und erst dann das Modell trainieren.

Der entscheidende disziplinarische Punkt ist die Kausalität. Die Gewichte greifen ausschließlich auf vergangene Werte zu — das macht das Verfahren grundsätzlich frei von Look-Ahead, solange das Gewichtsfenster und der Schwellenwert vorab fixiert und nicht aus dem Testzeitraum gelernt werden. Wer d auf dem gesamten Datensatz inklusive Testperiode optimiert, baut allerdings leise Zukunftsinformation ein; sauber ist, d nur auf dem Trainingsfenster zu bestimmen.

In Walk-Forward-Setups bestimmt man d also auf dem jeweiligen Trainingsfenster, friert es ein und wendet es auf das Folgefenster an. Das kostet etwas Buchhaltung, hält die Auswertung aber ehrlich.

Was der Mehrwert realistisch ist — und was nicht.

Der Nutzen fraktionaler Differenzierung ist real, aber selten spektakulär. In der Praxis äußert er sich darin, dass Features mehr nutzbare Information tragen als reine Renditen, ohne die Stabilitätsprobleme roher Preise mitzuschleppen. Das kann sich in etwas besseren, vor allem aber robusteren Out-of-Sample-Ergebnissen niederschlagen — Modelle, die über verschiedene Zeiträume konsistenter bleiben.

Realistisch ist das ein inkrementeller Edge unter vielen, kein Alleinstellungsmerkmal. Wer ein Modell hat, das ohnehin keinen Edge findet, repariert das nicht durch eine bessere Differenzierung. Der Mehrwert entsteht dort, wo Niveau- und Memory-Information tatsächlich Signal trägt — etwa bei Mean-Reversion-artigen Strategien oder Spread-Handel —, und bleibt dort gering, wo das Signal ohnehin in den kurzfristigen Inkrementen steckt.

Ehrlich ist auch: Der Effekt ist schwer isoliert zu messen, weil er mit dem restlichen Feature-Engineering verwoben ist. Man sollte ihn als sinnvolle Standard-Hygiene betrachten — eine Möglichkeit, weniger Information wegzuwerfen als der reflexhafte Sprung zu Renditen —, nicht als Wundermittel.

Grenzen und Fallstricke.

Mehrere Punkte verdienen ehrliche Erwähnung. Erstens ist die Stationarität, die der ADF-Test bescheinigt, nur statistisch und im Beobachtungszeitraum gültig. Strukturbrüche — Regimewechsel, Krisen — können eine zuvor stationäre Reihe wieder nicht-stationär machen; d ist dann nicht mehr passend, und der Test sollte rollierend wiederholt werden.

Zweitens ist die Methode sensibel gegenüber der Fensterbreite und dem Schwellenwert. Ein zu kurzes Fenster kappt relevante Memory, ein zu langes bläht die Rechenlast auf und schleppt sehr alte, kaum relevante Beobachtungen mit. Hier gibt es keinen universell richtigen Wert; er hängt von d und der Reihe ab.

• Nicht-ganzzahliges d ist kein Garant für Vorhersagekraft — es bewahrt Information, erzeugt aber kein Signal, wo keines ist.
• Mehrere Reihen brauchen ggf. unterschiedliche d — ein über alle Assets gemitteltes d kann einzelne Reihen unter- oder überdifferenzieren.
• Die Interpretierbarkeit leidet — eine fraktional differenzierte Reihe ist anschaulich weniger greifbar als „der Preis“ oder „die Rendite“, was die Kommunikation erschwert.
• Rechenaufwand ist moderat, aber bei sehr vielen Instrumenten und langen Fenstern nicht vernachlässigbar.

Unterm Strich ist fraktionale Differenzierung ein solides, gut begründetes Werkzeug für den Übergang von Preis zu modellierbarem Feature — mit klarem Nutzen, aber ohne übertriebene Versprechen.

Sie wollen wissen, ob Ihre Preis-Features unnötig viel Memory verlieren und ob fraktionale Differenzierung Ihrer Strategie hilft? Unverbindlich anfragen — wir schauen gemeinsam auf Ihre Datenpipeline, bestimmen sinnvolle d-Werte und prüfen leakage-frei, ob der Schritt Ihr Modell stabiler macht.