💻 computer science

FinMamba: Market-Aware Graph Enhanced Multi-Level Mamba for Stock Movement Prediction

FinMamba ist ein neuartiges Mamba-GNN-Framework, das die Herausforderungen der geringen Signal-Rausch-Rate und der dynamischen Komplexität von Finanzdaten durch den Einsatz eines marktadaptiven dynamischen Graphen und eines mehrstufigen selektiven Mechanismus adressiert, um eine hoch effiziente und speicherschonende Aktienkursvorhersage auf dem Stand der Technik zu erreichen.

Ursprüngliche Autoren: Yifan Hu, Peiyuan Liu, Yuante Li, Dawei Cheng, Naiqi Li, Tao Dai, Jigang Bao, Shu-Tao Xia

Veröffentlicht 2026-06-24

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Yifan Hu, Peiyuan Liu, Yuante Li, Dawei Cheng, Naiqi Li, Tao Dai, Jigang Bao, Shu-Tao Xia

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen vorherzusagen, welche Aktien morgen steigen oder fallen werden. Es ist wie der Versuch, das Wetter vorherzusagen, aber anstatt Wolken und Wind haben Sie es mit menschlichen Emotionen, Schlagzeilen und komplexen Finanzdaten zu tun.

Das Paper stellt ein neues KI-Tool namens FinMamba vor, das darauf ausgelegt ist, diese Vorhersagen zu verbessern. So funktioniert es, erklärt durch einfache Analogien:

Die zwei großen Probleme, die FinMamba löst

Die Autoren sagen, dass aktuelle Tools aus zwei Hauptgründen scheitern:

Aktien bewegen sich nicht in einer geraden Linie; sie tanzen zusammen.
- Das Problem: Auf dem Aktienmarkt bewegen sich Unternehmen oft synchron. Wenn der gesamte Markt abstürzt, neigen selbst Unternehmen aus verschiedenen Branchen dazu, gemeinsam zu fallen. Wenn der Markt boomt, könnten sie alle steigen. Alte Computermodelle behandeln diese Beziehungen jedoch als statisch (wie eine feste Landkarte) oder lassen sich durch „Rauschen“ (zufällige, einmalige Ereignisse) verwirren. Sie verstehen nicht, dass sich die „Tanzpartner“ ändern, je nachdem, ob der Markt glücklich oder verängstigt ist.
- Die Analogie: Stellen Sie sich einen Highschool-Tanz vor. Wenn die Musik langsam und traurig ist, kauern sich alle in kleinen, engen Gruppen zusammen. Wenn die Musik schnell und aufregend ist, verteilen sich die Leute und tanzen mit anderen Partnern. Alte Modelle haben nur ein Foto der Tanzfläche aus einem ganz bestimmten Moment. FinMamba hingegen hat einen Live-Video-Feed, der die Musik (den Marktindex) beobachtet und sofort aktualisiert, wer mit wem tanzt.
Das richtige Muster in einem Meer aus Rauschen finden.
- Das Problem: Aktienkurse sind chaotisch. Sie haben viel „Statik“ (Rauschen) und sehr wenig klares Signal. Um die Zukunft vorherzusagen, muss man ähnliche Muster aus der Vergangenheit finden (z. B. „Diese Aktie sah vor 3 Jahren so aus, und dann stieg sie an“). Alte KI-Modelle (wie Transformer) betrachten alles auf einmal, was dazu führt, dass sie durch seltsame, einmalige Ausreißer abgelenkt werden. Zudem werden sie sehr langsam und speicherhungrig, wenn sie lange Historien betrachten.
- Die Analogie: Stellen Sie sich vor, Sie versuchen, ein bestimmtes Lied in einer riesigen Bibliothek von Aufnahmen zu finden. Eine alte KI ist wie ein Bibliothekar, der jedes einzelne Wort in jedem Buch liest, um das Lied zu finden, und dabei vom Rauschen überwältigt wird. FinMamba ist wie ein intelligenter Bibliothekar, der genau weiß, in welchem Regal er suchen muss, das Hintergrundgeplapper ignoriert und in der Lage ist, schnell durch tausende Jahre an Geschichte zu blättern, ohne müde zu werden.

Wie FinMamba funktioniert: Die Zwei-Schritte-Magie

FinMamba kombiniert zwei intelligente Komponenten, um diese Probleme zu lösen:

1. Der „Markt-bewusste Graph“ (Der dynamische Tanzboden)

Dieser Teil erstellt eine Karte davon, wie Aktien miteinander verbunden sind.

Statisches Wissen: Er weiß, dass ein Autounternehmen und ein Reifenunternehmen miteinander verwandt sind (wie das Wissen, dass sie zur selben Familie gehören).
Dynamisches Wissen: Er beobachtet die täglichen Aktienkurse, um zu sehen, wer heute tatsächlich zusammen sich bewegt.
Der Markt-Filter: Dies ist das Geheimrezept. Das Modell betrachtet den allgemeinen Marktindex (wie den S&P 500).
- Wenn der Markt abstürzt: Das Modell erkennt, dass alle in Panik geraten und sich eng aneinanderklammern. Es behält mehr Verbindungen auf seiner Karte, weil alles korreliert ist.
- Wenn der Markt boomt: Das Modell erkennt, dass sich die Menschen verteilen. Es „beschneidet“ (pruned) die schwachen Verbindungen und behält nur die stärksten Beziehungen.
- Ergebnis: Es erstellt eine ständig aktualisierte Karte, die die aktuelle Stimmung des Marktes widerspiegelt, nicht nur eine statische Liste von Branchen.

2. Das „Multi-Level Mamba“ (Der Muster-Detektiv)

Sobald die Karte bereit ist, muss das Modell die Historie der Aktien lesen.

Die Mamba-Engine: Dies ist eine neue Art von KI-Architektur. Im Gegensatz zu älteren Modellen, die durch Ausreißer (seltsame Spitzen) verwirrt werden, nutzt Mamba einen „selektiven Mechanismus“. Es fungiert wie ein intelligenter Filter, der die wichtigen Muster erinnert und den irrelevanten Lärm vergisst.
Multi-Level: Aktien bewegen sich auf unterschiedlichen Zeitskalen.
- Mikro-Ebene: Minute-für-Minute-Zuckungen, verursacht durch Nachrichten oder Gerüchte.
- Makro-Ebene: Monat-für-Monat-Trends, verursacht durch Wirtschaftswachstum oder Zinssätze.
- FinMamba betrachtet die Daten gleichzeitig durch verschiedene „Linsen“ (Ebenen). Es schaut nicht nur auf das tägliche Chart; es versteht, wie das tägliche Chart in die monatlichen und jährlichen Trends passt.

Die Ergebnisse

Die Autoren testeten FinMamba auf echten Aktienmärkten in den USA (wie NASDAQ) und China (wie CSI 300).

Genauigkeit: Es sagte Aktienbewegungen besser voraus als fast jede andere Methode, die sie getestet haben, einschließlich älterer KI-Modelle und traditioneller Anlagestrategien.
Profit: Wenn sie eine Handelsstrategie simulierte, die auf FinMamba basierte, machte sie mehr Geld und hatte weniger „Einbrüche“ (Drawdowns) als die anderen.
Geschwindigkeit: Aufgrund der Mamba-Architektur ist es sehr schnell und benötigt keinen Supercomputer, um zu laufen, selbst wenn es lange Datengeschichten betrachtet.

Zusammenfassend

FinMamba ist ein Werkzeug zur Aktienvorhersage, das zwei Dinge besser als jeder andere versteht:

Kontext: Es weiß, dass sich die Regeln des Spiels ändern, wenn der Markt beängstigend oder aufgeregt wird, und aktualisiert daher seine Karte der Aktienbeziehungen in Echtzeit.
Fokus: Es ignoriert das Rauschen und erinnert sich an die richtigen historischen Muster über verschiedene Zeitskalen hinweg, was es ermöglicht, intelligentere, schnellere und profitablere Vorhersagen zu treffen.

Technisches Resümee: FinMamba

Problemdefinition

Die Vorhersage von Aktienbewegungen ist eine kritische, aber anspruchsvolle Aufgabe im quantitativen Handel, bedingt durch die hohe Volatilität von Finanzdaten, niedrige Signal-Rausch-Verhältnisse und die komplexe, vielschichtige Natur von Markteinflüssen. Bestehende Deep-Learning-Ansätze stehen vor zwei primären Einschränkungen:

Statische oder verzerrte Inter-Aktien-Beziehungen: Aktuelle Modelle verlassen sich oft auf statisches Vorwissen (z. B. Branchensektoren) oder rein datengesteuerte posteriore Korrelationen (z. B. Pearson-Koeffizienten), ohne die dynamischen Marktbedingungen angemessen zu berücksichtigen. Insbesondere versäumen sie es, zu erfassen, wie sich die Korrelationen zwischen Aktien während Marktabschwüngen (systemisches Risiko) intensivieren und während Aufwärtsbewegungen abschwächen – ein Phänomen, das durch makroökonomische Faktoren getrieben wird.
Ineffizienz und Mustererkennung: Traditionelle Sequenzmodelle wie Transformer haben aufgrund ihrer quadratischen Komplexität Schwierigkeiten mit langen historischen Daten und überbetonen oft Ausreißer anstatt wiederkehrender Muster. Umgekehrt fehlt ihnen die Fähigkeit, Abhängigkeiten über mehrere Zeitskalen hinweg (von mikroskopischen minütlichen Schwankungen bis hin zu makroökonomischen Trends) effizient zu modellieren, während gleichzeitig die für den Echtzeithandel erforderliche geringe Latenz beibehalten werden muss.

Methodik

Die Autoren schlagen FinMamba vor, ein Framework, das einen Market-Aware Graph (MAG) und eine Multi-Level Mamba (MLM) Architektur integriert, um diese Einschränkungen zu adressieren.

1. Market-Aware Graph (MAG)

Das MAG-Modul modelliert interaktive Aktienbeziehungen dynamisch, indem es statisches Vorwissen mit dynamischen posterioren Korrelationen fusioniert, die durch Marktindex-Feedback verfeinert werden.

Generierung des dynamischen Aktien-Korrelationsgraphen: Das Modell konstruiert eine Adjazenzmatrix $A_t$ $A_{t}$ , indem es Folgendes kombiniert:
- Posteriore Korrelationen ( $Q$ ): Täglich berechnet mittels des Spearman-Koeffizienten über ein Lookback-Fenster $L$ , um kurzfristige Sequenzähnlichkeiten zu erfassen.
- Prior-Beziehungen ( $D$ ): Eine „Industry Decay Matrix“, die langfristige strukturelle Beziehungen basierend auf Primär- und Sekundärbranchen klassifiziert und Aktien innerhalb derselben Branche höhere Gewichte zuweist.
- Die finale Adjazenzmatrix wird als $A_t = Q_t \cdot D$ berechnet.
Market-Aware Graph Sparsification (Graph-Sparsifizierung): Um sich an die Marktvolatilität anzupassen, nutzt das Modell einen Pruning-Mechanismus. Es berechnet einen Sparsitätsgrad $\kappa_t$ $κ_{t}$ basierend auf dem Marktindex $M_t$ $M_{t}$ (repräsentiert durch den Mittelwert der Zielaktienmenge). Mithilfe eines Inception-Blocks und einer Sigmoid-Funktion bestimmt das Modell, wie viele Kanten beibehalten werden.
- Mechanismus: Wenn der Marktindex niedrig ist (hohe Volatilität/Krise), behält das Modell mehr Kanten bei (höhere Korrelation). Wenn der Index hoch ist, werden mehr Kanten entfernt (Pruning), was die Divergenz der Aktienperformance widerspiegelt.
Graph Attention Aggregation: Ein Multi-Head-Attention-Mechanismus aggregiert Nachrichten von benachbarten Knoten im geprunten Graphen, um verfeinerte Aktien-Embeddings zu generieren.

2. Multi-Level Mamba (MLM)

Das MLM-Modul verarbeitet die Aktien-Embeddings, um zeitliche Abhängigkeiten über verschiedene Granularitäten hinweg zu erfassen.

Multi-Level Projektion: Der Input wird über lineare Abbildungen auf $k$ unterschiedliche Ebenen projiziert. Dies ermöglicht es dem Modell, gleichzeitig feingliedrige lokale Details (Mikro-Ebene) und breitere globale Muster (Makro-Ebene) zu extrahieren.
Selektiver State-Space-Mechanismus: Jede Ebene wird von einem Mamba-Block verarbeitet. Im Gegensatz zu Transformern nutzt Mamba einen selektiven Mechanismus, der es dem Modell ermöglicht, relevante historische Muster für den aktuellen Input abzurufen und irrelevante Informationen zu verwerfen. Dies befähigt das Modell, lange Sequenzen mit linearer Zeitkomplexität und Speicherverbrauch zu verarbeiten.
Output: Die Outputs aller Ebenen werden re-projiziert, konkateniert und durch eine lineare Schicht geleitet, um die Ranking-Scores für den nächsten Handelstag vorherzusagen.

3. Optimierung

Das Modell wird End-to-End unter Verwendung einer kombinierten Verlustfunktion trainiert:

Rank & Prediction Loss ( $L_{RP}$ ): Eine Kombination aus dem Mean Squared Error (MSE) für die punktweise Regression und einem Pairwise-Ranking-Loss, um die relative Ordnung der Aktien zu optimieren.
Graph Information Bottleneck (GIB) Loss ( $L_{GIB}$ ): Ein Regularisierungsterm, der darauf abzielt, die gegenseitige Information (Mutual Information) zwischen den aggregierten Graph-Embeddings und dem ursprünglichen Input zu minimieren, um sicherzustellen, dass das Modell die wesentlichen Korrelationen beibehält und Rauschen herausfiltert.

Kernbeiträge

Das Paper beansprucht die folgenden Beiträge:

Market-Aware Graph Konstruktion: Dies ist die erste Arbeit, die die Modellierung von Inter-Aktien-Beziehungen unter spezifischen makroökonomischen Marktbedingungen explizit verbessert. Sie integriert statische Priors (Branche) und dynamische Posteriori (Preissequenzen) und verfeinert diese durch Marktindex-Feedback, um Korrelationen adaptiv an Markttrends anzupassen.
FinMamba Framework: Der Vorschlag einer neuartigen Architektur, die den Market-Aware Graph mit einer Multi-Level Mamba kombiniert. Dieses Framework modelliert effektiv musterorientierte Abhängigkeiten über mehrere Zeitskalen hinweg (Mikro bis Makro) bei gleichzeitiger Beibehaltung hoher Recheneffizienz.
State-of-the-Art Performance: Umfangreiche Experimente auf US-amerikanischen (S&P 500, NASDAQ 100) und chinesischen (CSI 300, CSI 500) Aktienmärkten zeigen, dass FinMamba im Vergleich zu bestehenden quantitativen Investmentmethoden und allgemeinen Zeitreihenprognosemodellen eine überlegene Vorhersagegenauigkeit und Handelsrentabilität erreicht, während es eine geringe Komplexität beibehält.

Experimentelle Ergebnisse

Die Autoren evaluierten FinMamba gegen eine breite Palette von Baselines, einschließlich klassischer quantitativer Strategien (BLSW, CSM), Deep-Reinforcement-Learning-Methoden (AlphaStock) sowie verschiedener Deep-Learning-Architekturen (Transformer, Mamba, THGNN, PatchTST etc.).

Leistungsmetriken: Das Modell wurde mittels Annual Return Ratio (ARR), Annual Volatility (AVol), Maximum Draw Down (MDD), Annual Sharpe Ratio (ASR) und Information Ratio (IR) bewertet.
Ergebnisse:
- FinMamba erzielte bei den meisten Metriken die besten oder zweitbesten Ergebnisse über alle vier Datensätze hinweg, insbesondere bei ARR, ASR und IR.
- Es übertraf allgemeine Zeitreihenprognosemodelle (z. B. Crossformer, iTransformer), denen das Graph-basierte Modell der Inter-Aktien-Beziehungen fehlt.
- Es übertraf andere graphbasierte Methoden (z. B. THGNN, VGNN) durch die effektive Integration von Marktindex-Feedback in die Graphstruktur.
- Ablationsstudien: Das Entfernen der Industry Decay Matrix, der Market-Aware Sparsification oder der Multi-Level Mamba Struktur führte zu einer signifikanten Verschlechterung der Leistung, was die Notwendigkeit jeder Komponente bestätigt.
- Effizienz: FinMamba demonstrierte eine geringere Inferenzzeit und einen niedrigeren Speicherverbrauch im Vergleich zu Transformer-basierten Modellen, insbesondere bei zunehmendem Lookback-Horizont, was den Vorteil der linearen Komplexität validiert.
- Fallstudie: Eine Analyse des UAW-Streiks im Jahr 2023 zeigte, dass FinMamba die sich entwickelnde Korrelationsdynamik zwischen traditionellen Automobilherstellern (GM, Ford) und Tesla erfolgreich erfasst hat, was den Übergang von distinkten Marktpositionen zu intensiver Wettbewerb widerspiegelt.

Bedeutung und Ansprüche

Das Paper positioniert FinMamba als signifikanten Fortschritt im quantitativen Handel, indem es die dualen Herausforderungen der dynamischen Marktanpassbarkeit und der Recheneffizienz adressiert. Die Autoren behaupten, dass durch die direkte Integration von makroökonomischem Marktfeedback in den Prozess der Graphkonstruktion das Modell die Marktdynamik, insbesondere in Zeiten der Volatilität, besser verstehen kann. Darüber hinaus ermöglicht die Verwendung der Multi-Level Mamba Architektur die effiziente Extraktion von Multi-Skalen-Temporalmustern ohne die Rechenlast von Attention-Mechanismen, was den Ansatz für den algorithmischen Echtzeithandel geeignet macht. Die Arbeit legt nahe, dass die Kombination von graphbasierten strukturellen Priors mit der selektiven State-Space-Modellierung von Mamba ein robustes Paradigma für die Finanzzeitreihenprognose bietet.