Gaussian Processes Prognose plus Unsicherheits-Band.
Die meisten Prognosemodelle liefern eine Zahl: erwarteter Return, geschätzter Preis, Klassenwahrscheinlichkeit. Was sie selten ehrlich mitliefern, ist, wie sicher sie sich dieser Zahl sind. Gerade im Trading ist diese fehlende Unsicherheit teuer — eine Prognose mit weitem Konfidenzband verlangt nach kleinerer Position als eine mit engem Band, selbst wenn der Punktwert identisch ist. Gaussian Processes (GPs) sind eine der wenigen Methoden, die Prognose und kalibriertes Unsicherheitsband in einem Guss liefern, ohne dass man die Unsicherheit nachträglich anflanschen müsste. Sie sind besonders dort stark, wo Daten knapp und teuer sind und wo man wenig über die funktionale Form weiß — beides typisch für Finanzfragestellungen. Der Preis ist eine kubische Rechenkomplexität, die GPs bei großen Datensätzen unpraktisch macht, plus eine nicht zu unterschätzende Sensibilität gegenüber der Kernel-Wahl. Dieser Beitrag erklärt die Idee, die realistischen Einsatzfelder im Trading, die Skalierungsgrenzen und wann ein GP die richtige — und wann die falsche — Wahl ist.
Die Grundidee — eine Verteilung über Funktionen.
Ein Gaussian Process ist, vereinfacht, eine Wahrscheinlichkeitsverteilung nicht über Zahlen, sondern über ganze Funktionen. Statt eine einzelne Kurve durch die Datenpunkte zu legen, betrachtet ein GP alle plausiblen Kurven, die zu den beobachteten Punkten passen, und gewichtet sie nach Wahrscheinlichkeit. An Stellen mit vielen Daten sind diese Kurven eng gebündelt — die Unsicherheit ist klein. In datenfreien Bereichen fächern sie auf — die Unsicherheit wächst.
Das ist der entscheidende Reiz: Das Unsicherheitsband ist keine nachträgliche Schätzung, sondern fällt direkt aus dem Modell. Für jeden Vorhersagepunkt liefert ein GP nicht nur einen Erwartungswert, sondern eine vollständige Normalverteilung — Mittelwert plus Varianz. Daraus lassen sich unmittelbar Konfidenzbänder, Quantile und damit risikoadjustierte Entscheidungen ableiten.
Konkret heißt das: Bewegt sich die Vorhersage in einen Bereich, den das Modell selten oder nie gesehen hat — etwa eine ungewöhnliche Kombination von Marktbedingungen —, wächst die ausgewiesene Unsicherheit automatisch. Ein GP „weiß“ also, wann er extrapoliert, und sagt es. Das unterscheidet ihn von vielen Standardmodellen, die auch im Niemandsland selbstbewusst eine Punktzahl ausgeben.
Der Kernel — wo das ganze Vorwissen steckt.
Das Herzstück eines GP ist die Kovarianzfunktion, der Kernel. Er legt fest, wie ähnlich sich zwei Eingaben sind und damit, wie glatt, wie wellig oder wie periodisch die zulässigen Funktionen sein dürfen. Die Wahl des Kernels ist keine technische Nebensache — sie ist die zentrale Modellierungsentscheidung und bestimmt das Ergebnis stärker als fast alles andere.
Gängige Bausteine, die sich auch kombinieren lassen:
| Kernel | Annahme über die Funktion | Typischer Trading-Einsatz |
|---|---|---|
| RBF (Squared Exponential) | sehr glatt | Glättung, Interpolation |
| Matérn | weniger glatt, realistischer | verrauschte Finanzreihen |
| Periodic | wiederkehrende Muster | saisonale/intraday Effekte |
| Linear | Trend | Drift-Komponente |
Für Finanzdaten ist der Matérn-Kernel oft die ehrlichere Wahl als der sehr glatte RBF, weil Marktreihen rauer sind, als eine unendlich glatte Funktion unterstellt. Kernel lassen sich addieren und multiplizieren — etwa Trend plus Periodik plus Rauschen —, was viel Flexibilität gibt, aber auch das Risiko, sich eine Form zurechtzubauen, die im Backtest schön aussieht und out-of-sample nicht trägt.
Warum GPs gerade bei knappen Daten glänzen.
Der natürliche Lebensraum von GPs sind Probleme mit wenigen, aber teuren Datenpunkten. Im Trading gibt es davon mehr, als man denkt: Strategie-Parameter-Optimierung, bei der jede Auswertung einen kompletten Backtest kostet; die Modellierung von Größen, die nur selten oder grob beobachtbar sind; oder Fragestellungen auf höheren Zeitebenen, wo es schlicht wenig unabhängige Beobachtungen gibt.
Hier spielt der GP seine Stärke aus: Er kommt mit kleinen Stichproben zurecht, weil er nicht Tausende Parameter schätzt, sondern über den Kernel Glattheitsannahmen einbringt, die die Daten ergänzen. Und er macht die wachsende Unsicherheit in datenarmen Regionen explizit, statt sie zu verschweigen.
Ein prominentes Beispiel ist die Bayessche Hyperparameter-Optimierung, die intern oft auf GPs aufsetzt: Sie nutzt das Unsicherheitsband, um zu entscheiden, wo sich die nächste teure Auswertung am meisten lohnt — dort, wo entweder vielversprechende Werte oder große Unsicherheit liegen. Genau dieselbe Logik macht GPs für teure Backtest-Suchen attraktiv.
Das Skalierungsproblem — die kubische Wand.
Die zentrale Schwäche von GPs ist ihre Rechenkomplexität. Das Training erfordert die Invertierung einer Kovarianzmatrix, deren Größe quadratisch mit der Datenmenge wächst; der Rechenaufwand skaliert mit der dritten Potenz der Beobachtungszahl, der Speicher mit dem Quadrat. In der Praxis heißt das: Bis einige Tausend Datenpunkte ist ein exakter GP komfortabel; im Bereich von etwa zehntausend wird es zäh; jenseits davon ist der exakte GP ohne Approximationen kaum noch praktikabel.
Für tickbasierte oder hochfrequente Daten mit Millionen Beobachtungen ist der exakte GP damit schlicht das falsche Werkzeug. Es gibt Näherungsverfahren — etwa Sparse GPs mit sogenannten Inducing Points oder strukturierte Kernel-Interpolation —, die die Komplexität deutlich senken. Sie sind aber kein freies Mittagessen: Sie führen zusätzliche Annahmen und Approximationsfehler ein und verlangen mehr Sorgfalt beim Tuning.
Die praktische Konsequenz ist eine klare Einsatz-Heuristik: GPs gehören dorthin, wo Daten knapp und Unsicherheit teuer ist — nicht dorthin, wo es um Millionen Datenpunkte und Geschwindigkeit geht. Wer einen GP auf einen großen, hochfrequenten Datensatz zwingen will, kämpft gegen die Mathematik.
Realistische Einsatzfelder im Trading.
Aus den Eigenschaften ergeben sich konkrete, sinnvolle Anwendungen — und solche, von denen man die Finger lassen sollte. Gut geeignet:
- Parameter- und Strategieoptimierung, bei der jede Auswertung teuer ist und man gezielt suchen will (Bayessche Optimierung).
- Prognosen auf höheren Zeitebenen mit wenigen Beobachtungen, bei denen das Unsicherheitsband direkt ins Sizing einfließt.
- Glättung und Interpolation verrauschter oder lückenhafter Reihen mit ehrlichem Konfidenzband.
- Sensitivitäts- und Was-wäre-wenn-Analysen, bei denen die ausgewiesene Extrapolations-Unsicherheit selbst die wertvolle Information ist.
Weniger geeignet sind hochfrequente Prognosen auf großen Datensätzen, Probleme mit sehr vielen Eingangsdimensionen (GPs leiden unter dem Fluch der Dimensionalität) und Situationen, in denen Geschwindigkeit und Datenmenge wichtiger sind als ein kalibriertes Unsicherheitsband.
Wichtig ist die nüchterne Einordnung: Auch ein GP findet keinen Edge, wo keiner ist. Sein Beitrag ist nicht magische Vorhersagekraft, sondern ehrlich quantifizierte Unsicherheit — und die ist im Risikomanagement oft mehr wert als eine etwas genauere Punktprognose ohne Fehlerband.
Grenzen, Annahmen und ehrliche Vorbehalte.
Drei Vorbehalte gehören klar benannt. Erstens die Gauß-Annahme: Ein Standard-GP unterstellt normalverteiltes Rauschen. Finanzreturns sind aber notorisch fat-tailed — extreme Bewegungen treten häufiger auf, als die Normalverteilung vorhersagt. Das kann die ausgewiesene Unsicherheit in den Rändern unterschätzen, gerade dort, wo es im Trading am meisten zählt. Es gibt robustere Likelihood-Varianten, aber sie verkomplizieren das Modell.
Zweitens die Kernel-Abhängigkeit: Die Wahl von Kernel und Hyperparametern bestimmt das Ergebnis stark, und es ist verführerisch, sie so lange zu drehen, bis der Backtest gut aussieht — klassisches Overfitting. Hyperparameter werden zwar oft per Marginal-Likelihood automatisch geschätzt, doch auch das kann auf zu wenig Daten in die Irre laufen.
Drittens die Stationaritäts-Implikation vieler Standardkernel: Sie unterstellen, dass dieselben Ähnlichkeitsbeziehungen über die ganze Reihe gelten. Bei Regimewechseln stimmt das nicht, und das Modell überträgt alte Muster auf eine veränderte Welt. Ein GP signalisiert in solchen Fällen zwar Unsicherheit, sobald er Neuland betritt — aber er erkennt nicht von selbst, dass sich die zugrunde liegende Dynamik strukturell gedreht hat. Auch hier gilt: Das Modell ist ein gutes Werkzeug innerhalb klar abgesteckter Grenzen, kein Selbstläufer.
Sie haben eine datenarme, aber wichtige Trading-Fragestellung und brauchen Prognose plus ehrliches Unsicherheitsband? Unverbindlich anfragen — wir prüfen gemeinsam, ob ein Gaussian Process zur Datenlage und zum Rechenrahmen passt, oder ob ein schlankeres Verfahren der bessere Weg ist.