LLM-Features in ML-Zeitreihenmodelle Text trifft auf klassische Quant-Pipeline.

Textsignale aus LLMs - Sentiment, Themen, Narrativ-Einschätzungen - entfalten ihre Kraft selten allein. Ihren eigentlichen Wert zeigen sie erst, wenn sie als zusätzliche Merkmale in ein klassisches Quant-Modell einfließen, das Preis-, Volumen- und Fundamentaldaten verarbeitet. Genau hier scheitern aber viele Projekte: Die hybride Pipeline, die Text und Zahlen zusammenführt, ist tückisch. Zeitstempel passen nicht zusammen, Look-Ahead-Bias schleicht sich ein, weil ein Textsignal zum Bewertungszeitpunkt noch gar nicht verfügbar war, und die neuen Features korrelieren stark mit bestehenden, ohne echten Mehrwert zu liefern. Eine technisch unsauber gebaute hybride Pipeline produziert im Backtest beeindruckende Ergebnisse, die im Livebetrieb zusammenbrechen - oft genau wegen dieser Fallstricke. Dieser Beitrag zeigt, wie LLM-erzeugte Features sauber in eine Zeitreihen-ML-Pipeline integriert werden: vom korrekten Alignment der Zeitstempel über die Vermeidung von Leakage bis zur Feature-Selektion, die echte Information von redundantem Rauschen trennt.

Warum Text und Zahlen sich ergänzen.

Klassische Quant-Modelle arbeiten mit strukturierten Zeitreihen: Kurse, Volumina, Volatilität, Fundamentalkennzahlen, technische Indikatoren. Diese Daten sind präzise, gut verfügbar und maschinell sauber zu verarbeiten. Was ihnen fehlt, ist der Kontext, der in Texten steckt - die Stimmung in den Nachrichten, die Einordnung einer Meldung, das vorherrschende Marktnarrativ.

LLMs können diesen Kontext in Zahlen übersetzen. Aus einem Nachrichtenstrom entsteht ein Sentiment-Wert, eine Themen-Zuordnung, eine Einschätzung der Tonalität. Diese textbasierten Merkmale tragen Information, die in reinen Preisdaten nicht oder erst verzögert sichtbar ist. Die Hoffnung ist, dass ein Modell, das beides sieht - die harte Zahl und den weichen Kontext -, bessere Vorhersagen trifft als eines, das nur einen der beiden kennt.

Diese Hoffnung ist berechtigt, aber an Bedingungen geknüpft. Textsignale sind verrauschter, seltener und unregelmäßiger als Preisdaten. Sie müssen sorgfältig aufbereitet und integriert werden, sonst stiften sie mehr Verwirrung als Nutzen. Der Mehrwert entsteht nicht dadurch, dass man Textsignale irgendwie hinzufügt, sondern dadurch, dass man sie technisch sauber und ohne Verzerrung in die bestehende Pipeline einbettet. Genau an dieser Sauberkeit entscheidet sich, ob aus der guten Idee ein tragfähiges Modell wird.

Das Alignment der Zeitstempel.

Der erste und unterschätzte Knackpunkt ist die Zeit. Preisdaten kommen in regelmäßigen Intervallen - jede Minute, jede Stunde, jeden Tag. Textsignale kommen unregelmäßig, in Schüben, oft gehäuft zu Handelsschluss oder bei Ereignissen. Beide auf eine gemeinsame Zeitachse zu bringen, ist die Grundlage für alles Weitere - und eine häufige Fehlerquelle.

Entscheidend ist die Frage: Welcher Zeitstempel zählt für ein Textsignal? Nicht der Zeitpunkt des Ereignisses, über das berichtet wird, sondern der Zeitpunkt, zu dem die Nachricht tatsächlich verfügbar war. Eine Meldung über ein gestriges Ereignis, die erst heute morgen erscheint, darf erst ab heute morgen ins Modell - nicht rückwirkend. Dieser Unterschied klingt selbstverständlich, wird in der Praxis aber ständig verletzt, weil viele Datenquellen das Ereignisdatum statt des Veröffentlichungsdatums liefern.

Beim Zusammenführen auf die Zeitachse der Preisdaten muss man außerdem entscheiden, wie man Textsignale über die Zeit fortschreibt. Ein Sentiment-Wert von heute morgen gilt nicht für immer - er sollte mit der Zeit verblassen, etwa über ein abklingendes Zeitfenster. Wie schnell ein Signal an Relevanz verliert, ist eine Modellierungsentscheidung mit echtem Einfluss auf das Ergebnis. Wer Textsignale einfach bis zur nächsten Meldung konstant hält, baut künstliche Plateaus ein, die das Modell in die Irre führen.

Leakage - der gefährlichste Fehler.

Kein Fehler ruiniert eine hybride Pipeline so zuverlässig und so unbemerkt wie Look-Ahead-Bias. Er entsteht, wenn ein Feature zum Vorhersagezeitpunkt Information enthält, die in der Realität noch nicht verfügbar war. Das Modell lernt dann aus der Zukunft, der Backtest glänzt, der Livebetrieb enttäuscht. Bei Textfeatures lauert Leakage an mehreren Stellen besonders.

• Verfügbarkeitszeitpunkt: Wenn das Veröffentlichungsdatum eines Textes falsch oder zu früh angesetzt ist, fließt die Information verfrüht ein - der häufigste Leakage-Pfad bei Textdaten.
• Rückwirkende Annotation: Wenn das LLM, das die Textsignale erzeugt, mit Wissen oder einem Modellstand arbeitet, der zum historischen Zeitpunkt noch nicht existierte, ist das Signal von der Zukunft kontaminiert.
• Revisionen: Texte und Daten werden nachträglich korrigiert. Wer die korrigierte statt der ursprünglich verfügbaren Version nutzt, leakt.
• Normalisierung über den Gesamtzeitraum: Wer Textfeatures mit Statistiken skaliert, die den ganzen Datensatz inklusive Zukunft einbeziehen, schleust Zukunftsinformation in jedes einzelne Sample.

Der Schutz ist konzeptionell einfach, in der Umsetzung anspruchsvoll: Jedes Feature muss strikt nur aus Information bestehen, die zum jeweiligen Zeitpunkt real verfügbar war - eine Point-in-Time-Sicht über die gesamte Pipeline. Das gilt auch für die Erzeugung der Textsignale selbst. Ein sauberer Test ist, die Pipeline ausschließlich vorwärts laufen zu lassen und an keiner Stelle auf spätere Daten zuzugreifen, auch nicht für scheinbar harmlose Normalisierungen.

Multikollinearität vermeiden.

Selbst wenn das Timing stimmt, lauert das nächste Problem: redundante Features. LLM-erzeugte Textsignale korrelieren oft stark untereinander und mit bestehenden Merkmalen. Ein Sentiment-Score, ein Tonalitäts-Wert und eine Narrativ-Einschätzung messen womöglich weitgehend dasselbe. Und nicht selten korreliert ein Textsignal stark mit einer Preisbewegung, die es im Grunde nur nachzeichnet.

Hohe Korrelation zwischen Features - Multikollinearität - schadet auf mehrere Weisen. Sie macht Modelle instabil, erschwert die Interpretation, welches Feature wirklich wirkt, und bläht die Dimensionalität auf, ohne Information hinzuzufügen. Im schlimmsten Fall überschätzt man den Beitrag der Textsignale, weil man dasselbe Signal mehrfach zählt.

Der erste Schritt ist eine ehrliche Korrelationsanalyse: Wie stark hängen die neuen Textfeatures untereinander und mit den bestehenden Preis- und Volumenfeatures zusammen? Features, die fast vollständig durch andere erklärt werden, sollten zusammengefasst oder entfernt werden. Besonders wichtig ist die Frage, ob ein Textsignal eine eigenständige, der Preisbewegung vorlaufende Information trägt oder ob es ihr nur hinterherläuft. Letzteres ist im Trading wertlos bis schädlich - ein Feature, das eine Bewegung nur bestätigt, nachdem sie passiert ist, suggeriert Vorhersagekraft, wo keine ist.

Feature-Selektion mit Augenmaß.

Mehr Features bedeuten nicht mehr Vorhersagekraft. Gerade bei der Integration von Textsignalen ist die Versuchung groß, möglichst viele abgeleitete Merkmale zu erzeugen - Sentiment je Quelle, je Zeitfenster, je Thema. Schnell hat man Dutzende Textfeatures, von denen die meisten nichts beitragen außer Rauschen und Überanpassungsrisiko.

Eine disziplinierte Feature-Selektion trennt die wenigen wertvollen von den vielen wertlosen. Bewährte Ansätze prüfen den marginalen Beitrag jedes Features - wie viel verbessert es das Modell gegenüber dem Stand ohne dieses Feature, sauber out-of-sample gemessen. Modellbasierte Wichtigkeitsmaße helfen bei der Vorauswahl, sollten aber mit Vorsicht gelesen werden, weil sie bei korrelierten Features täuschen können.

Das Leitprinzip ist Sparsamkeit. Ein hybrides Modell mit einer Handvoll gut gewählter, eigenständiger Textfeatures ist fast immer robuster als eines mit dreißig redundanten. Die Frage bei jedem Feature lautet nicht 'könnte es helfen?', sondern 'trägt es nachweislich eigenständige Information bei, die out-of-sample Bestand hat?'. Wer im Zweifel ein Feature weglässt, baut das stabilere Modell. Die wenigen Textsignale, die diese strenge Prüfung überstehen, sind dann aber oft genau die, die im Livebetrieb wirklich tragen.

Validierung der hybriden Pipeline.

Eine hybride Pipeline braucht eine besonders sorgfältige Validierung, weil sie mehr Möglichkeiten bietet, sich selbst zu täuschen. Die übliche Aufteilung in Trainings- und Testzeitraum reicht nicht; bei Zeitreihen muss die Validierung die zeitliche Ordnung respektieren und das reale Vorgehen nachbilden.

Sinnvoll ist eine vorwärtsgerichtete Validierung, die das Modell immer nur auf Vergangenheit trainiert und auf der jeweils folgenden Periode testet - so, wie es im Livebetrieb tatsächlich liefe. Zwischen Trainings- und Testdaten gehört eine zeitliche Lücke, um zu verhindern, dass eng benachbarte, überlappende Beobachtungen die Trennung aufweichen.

Der entscheidende Test ist der Vergleich: Wie schlägt sich das hybride Modell gegen ein reines Preismodell ohne Textfeatures? Nur wenn die Textsignale einen klaren, stabilen Mehrwert über mehrere out-of-sample-Perioden liefern, haben sie ihre Berechtigung. Ein einmaliger Vorsprung in einem günstigen Zeitfenster zählt nicht. Skepsis ist hier eine Tugend: Wenn das hybride Modell im Backtest deutlich besser ist, sollte die erste Frage nicht Freude sein, sondern die Suche nach Leakage. Ein zu gutes Ergebnis ist im Trading öfter ein Warnsignal als ein Grund zum Feiern.

Realistischer Nutzen und Aufwand.

Wer eine hybride Pipeline aufbaut, sollte mit nüchternen Erwartungen herangehen. Textsignale liefern in den meisten Fällen keinen dramatischen, sondern einen graduellen Mehrwert - eine moderate Verbesserung der Vorhersagequalität, die sich über viele Entscheidungen summiert. Das ist wertvoll, aber kein Wundermittel, und es rechtfertigt nicht jeden Aufwand.

Der Aufwand selbst steckt weniger im LLM-Teil als in der sauberen Pipeline. Die Erzeugung der Textsignale ist heute der einfachere Schritt; die Disziplin bei Zeitstempeln, Leakage-Vermeidung und Validierung ist der schwierige. Realistisch sind mehrere Wochen, bis eine erste hybride Pipeline steht, die man der eigenen Validierung wirklich glaubt - und ein erheblicher Teil davon entfällt auf das Aufspüren subtiler Leakage-Pfade.

Die ehrliche Empfehlung: Textsignale lohnen sich als Ergänzung eines bereits funktionierenden Quant-Modells, nicht als Rettung eines schlechten. Wer ein solides Preismodell hat und es gezielt um wenige, sauber integrierte Textfeatures erweitert, kann einen echten Zusatznutzen heben. Wer hofft, dass LLM-Features ein schwaches Grundmodell tragen, wird enttäuscht. Die Reihenfolge zählt: erst das fundierte quantitative Modell, dann die textbasierte Verfeinerung - nie umgekehrt.

Sie wollen LLM-Textsignale in Ihre bestehende Quant-Pipeline integrieren, ohne sich Leakage und Scheingenauigkeit einzuhandeln? Unverbindlich anfragen — wir schauen gemeinsam auf Ihre Datenarchitektur und Validierung und bauen eine hybride Pipeline, die Zeitstempel sauber alignt, Look-Ahead-Bias ausschließt und nur die Features behält, die out-of-sample wirklich tragen.