💰 quantitative finance

Signature-Informed Transformer for Asset Allocation

Das Papier schlägt den Signature-Informed Transformer vor, ein vereinheitlichtes Deep-Learning-Modell, das Pfadsignaturen und spezialisierte Attention-Mechanismen integriert, um den Conditional Value at Risk direkt zu optimieren und dadurch herkömmliche, getrennte Forecasting- und Optimierungsansätze bei der Asset-Allokation zu übertreffen.

Ursprüngliche Autoren: Yoontae Hwang, Stefan Zohren

Veröffentlicht 2026-01-23

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Yoontae Hwang, Stefan Zohren

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, das perfekte Investmentportfolio aufzubauen, so wie man ein Team von Athleten zusammenstellt, um einen Marathon zu gewinnen.

Der alte Weg: Der „Versuch und Irrtum“-Fehler
Traditionell haben Anleger und Computermodelle einen zweistufigen Prozess verwendet, den die Autoren als „fehlerhafte Pipeline“ bezeichnen.

Schritt 1 (Der Prognostiker): Ein Computer versucht vorherzusagen, wie stark jede Aktie morgen steigen oder fallen wird. Er ist darauf trainiert, ein perfekter Ratender zu sein, indem er die Differenz zwischen seiner Schätzung und der Realität minimiert (wie ein Schüler, der versucht, die bestmögliche Note in einem Mathetest zu bekommen).
Schritt 2 (Der Optimierer): Ein separates System nimmt diese Schätzungen und entscheidet, wie viel Geld in jede Aktie investiert wird.

Das Problem: Die Autoren argumentieren, dass dies so ist, als würde man einen Wettervorhersager engagieren, um ein Picknick zu planen, aber der Vorhersager kümmert sich nur darum, ob die Temperatur stimmt, nicht ob es regnet. Wenn der Vorhersager einen winzigen Fehler macht (70 °F vorhersagt, obwohl es tatsächlich 72 °F sind), könnte der Optimierer in Panik geraten und alles Geld in eine einzige Aktie umschichten, was eine Katastrophe auslöst. Das Ziel, „ein guter Ratender zu sein“, passt nicht zum Ziel, „ein sicheres, profitables Portfolio aufzubauen“.

Die neue Lösung: Der Signature-Informed Transformer (SIT)
Die Autoren schlagen ein neues Modell vor, den Signature-Informed Transformer (SIT). Anstatt den Ratenden vom Planer zu trennen, kombiniert er sie zu einem intelligenten Entscheidungsträger. So funktioniert es, unter Verwendung einfacher Analogien:

1. Die „Form“ der Straße lesen (Pfad-Signaturen)

Finanzmärkte bewegen sich nicht nur in geraden Linien; sie wackeln, machen Schleifen und haben komplexe Verläufe.

Die Analogie: Stellen Sie sich zwei Autos vor, die auf einer Autobahn fahren. Das eine Auto beschleunigt, bremst ab und schlängelt sich. Das andere fährt gleichmäßig. Ein einfacher Tacho sagt einem nur, wie schnell sie jetzt gerade fahren.
Die SIT-Innovation: Dieses Modell verwendet etwas namens „Path Signatures“ (Pfad-Signaturen). Betrachten Sie dies als ein GPS, das nicht nur die Geschwindigkeit aufzeichnet, sondern die gesamte Form der Reise. Es erfasst die „Kurven und Wendungen“ und die Historie der Art und Weise, wie Assets sich gemeinsam bewegen. Es kann erkennen, ob Aktie A konsistent Aktie B anführt (wie ein führender Läufer, der das Tempo vorgibt) oder ob sie sich einfach nur zufällig bewegen. Dies verleiht dem Modell ein „geometrisches“ Verständnis des Marktes, das einfache Zahlen übersehen.

2. Der intelligente Aufmerksamkeitsmechanismus (Wer achtet auf wen?)

In einem Standard-KI-Modell wird jede Aktie etwa gleich behandelt, oder das Modell lernt, der Aufmerksamkeit rein zufällig nachzugehen.

Die Analogie: Stellen Sie sich einen Trainer in einer Umkleidekabine vor. Ein normaler Trainer könnte Anweisungen gleichzeitig an alle rufen.
Die SIT-Innovation: Der SIT verfügt über einen speziellen „Signature-Informed Attention“-Mechanismus (durch Signaturen informierte Aufmerksamkeit). Er nutzt die „Form“-Daten aus Schritt 1, um zu entscheiden, wem er zuhört. Wenn die „Form“ der Historie von Aktie A zeigt, dass sie ein zuverlässiger Anführer für Aktie B ist, dreht das Modell automatisch die Lautstärke für diese Verbindung auf. Es lernt, sich auf die Beziehungen zu konzentrieren, die tatsächlich wichtig sind (Lead-Lag-Effekte), anstatt auf bloßes Rauschen.

3. Training für das wahre Ziel (Risiko minimieren, nicht nur Fehler)

Dies ist die entscheidende Änderung.

Der alte Weg: Trainiere das Modell darauf, den „mittleren quadratischen Fehler“ (Mean Squared Error) zu minimieren (die Vorhersagezahlen so nah wie möglich an die realen Zahlen zu bringen).
Der SIT-Weg: Das Modell wird direkt darauf trainiert, das CVaR (Conditional Value-at-Risk) zu minimieren.
Die Analogie: Stellen Sie sich vor, Sie trainieren einen Piloten.
- Der alte Weg: Sie trainieren den Piloten darauf, das Flugzeug in 99 % der Fälle perfekt zu landen, aber es ist Ihnen egal, was in dem 1 % der Zeit passiert, wenn der Motor ausfällt.
- Der SIT-Weg: Sie trainieren den Piloten spezifisch darauf, die schlimmsten Stürme zu überleben. Es ist Ihnen egal, ob die Landung bei normalem Wetter „perfekt“ ist; Ihnen ist wichtig, dass das Flugzeug nicht abstürzt, wenn die Dinge schiefgehen.
  Durch das direkte Training auf das Szenario „Was passiert bei einem Absturz?“ lernt das Modell, ein Portfolio aufzubauen, das robust und sicher ist, anstatt eines, das auf dem Papier gut aussieht, aber zusammenbricht, wenn der Markt chaotisch wird.

Die Ergebnisse

Die Autoren haben diesen neuen „Alles-in-einem“-Trainer gegen die alten „Erst-raten-dann-planen“-Teams und traditionelle Investmentstrategien getestet.

Performance: Das SIT-Modell hat konsistent mehr Geld verdient und während schlechter Zeiten weniger verloren (höhere Sharpe- und Sortino-Ratios).
Stabilität: Die alten Methoden waren „zappelig“ – kleine Änderungen in ihren Vorhersagen führten zu riesigen, riskanten Änderungen in ihren Portfolios. Das SIT-Modell war ruhiger und zuverlässiger.
Warum es funktionierte: Das Paper beweist mathematisch, dass das Modell durch die Kombination der „Form“ der Daten mit einem Trainingsziel, das sich um Risiko kümmert, die Falle vermeidet, winzige Fehler in große Katastrophen zu verstärken.

Zusammenfassend:
Das Paper argumentt, dass man nicht einfach nur ein besserer Ratender sein muss, um an der Börse zu gewinnen. Man braucht ein System, das die Form der Marktbewegungen versteht und speziell darauf trainiert ist, die Worst-Case-Szenarien zu überleben – und das alles in einem einzigen, vereinten Gehirn.

Technisches Resümee: Signature-Informed Transformer für die Asset Allocation

1. Problemstellung

Die moderne quantitative Finanzwirtschaft steht vor einer zentralen Herausforderung bei der strategischen Asset Allocation: dem Aufbau von Portfolios, die gegenüber der komplexen, nicht-linearen und pfadabhängigen Natur der Finanzmärkte robust sind. Das vorherrschende Deep-Learning-Paradigma für diese Aufgabe verwendet eine entkoppelte, zweistufige Pipeline: Ein Prognosemodell sagt die Renditen von Vermögenswerten voraus (typischerweise optimiert auf statistische Metriken wie den mittleren quadratischen Fehler, MSE), und diese Vorhersagen werden anschließend in einen nachgeschalteten Portfolio-Optimierer eingespeist.

Die Autoren argumentieren, dass dieser Ansatz zwei kritische Mängel aufweist:

Mangel an finanziellem Induktionsbias: Allgemeine Forecasting-Architekturen versagen dabei, idiosynkratische Marktstrukturen zu modellieren, wie etwa die komplexen Lead-Lag-Beziehungen zwischen Assets, was es schwierig macht, echte Signale von Rauschen zu unterscheiden.
Zielkonflikt und Fehlerverstärkung: Die Optimierung auf Vorhersagegenauigkeit (z. B. Minimierung des MSE) ist blind gegenüber dem nachgeschalteten Ziel der Portfoliokonstruktion. Winzige Vorhersagefehler können durch den Optimierer in volatile, unpraktikable oder suboptimale Portfoliogewichte verstärkt werden. Darüber hinaus incentiviert ein MSE-Ziel Modelle implizit dazu, leicht vorhersagbare Assets zu bevorzugen, was die endgültige Allokation verzerren kann, indem schwerer vorhersagbare Assets mit größeren Schätzfehlern ignoriert werden.

Das Paper postuliert, dass eine robuste Lösung eine vereinheitlichte Policy erfordert, die eine End-to-End-Abbildung von Marktdaten direkt auf Portfoliogewichte lernt, während sie architektonisch darauf ausgelegt ist, die bekannten geometrischen Eigenschaften von Finanzzeitreihen zu modellieren.

2. Methodik: Der Signature-Informed Transformer (SIT)

Die Autoren schlagen den Signature-Informed Transformer (SIT) vor, ein Deep-Learning-Framework, das Merkmalsextraktion und Entscheidungsfindung vereinigt. Die Architektur basiert auf drei synergetischen Säulen:

A. Pfadweise Merkmalsrepräsentation

Anstatt roher Preisdaten nutzt SIT Rough Path Signatures, um Merkmale zu generieren. Für einen Pfad $X$ ist die Signatur $\text{Sig}(X)$ eine Sequenz von iterierten Integralen, die eine fundierte Zusammenfassung der Form des Pfades liefert und Trends sowie Oszillationen kodiert.

Erster Ordnungsterm erfassen Netto-Inkremente.
Zweiter Ordnungsterm kodieren gerichtete Flächen, welche die Autoren (Proposition 2.1) strikt als Erfassung von Lead-Lag-Beziehungen zwischen Assets nachweisen. Wenn Asset $X_1$ strikt führt vor $X_2$ , ist der Cross-Term zweiter Ordnung $A(X) = \int X_1 dX_2 - \int X_2 dX_1$ strikt positiv.
Das Modell konstruiert Input-Token durch die Fusion dieser Signature-Embeddings mit Zeit-Embeddings (Kalenderfeatures) und lernbaren, assetspezifischen Embeddings.

B. Signatur-augmentierte Attention

Um Abhängigkeiten zwischen Assets zu modellieren, führt SIT einen neuartigen Mechanismus der Signature-Informed Self-Attention ein.

Im Gegensatz zur Standard-Attention injiziert dieser Mechanismus einen dynamischen Bias-Term in die Attention-Logits, der auf der Cross-Signature von Asset-Paaren basiert.
Der Bias wird als Skalarprodukt zwischen einem dynamischen Query-Vektor (der den aktuellen Informationsbedarf eines Assets repräsentiert) und einem relationalen Embedding abgeleitet, das aus der paarweisen Signatur resultiert.
Theoretische Garantie: Theorem 2.2 beweist, dass die Richtungsableitung des Attention-Gewichts bezüglich des Signatur-Bias strikt positiv ist. Dies stellt sicher, dass, wenn eine durch die Signatur kodierte Beziehung mit dem aktuellen Zustand eines Assets übereinstimmt, das Modell die Attention auf dieses Gegenstück rigoros verstärkt. Ein lernbares Gate $\gamma$ steuert die Magnitude dieses Einflusses.

C. Entscheidungs-Alignment (Trainingsziel)

SIT verzichtet auf den zweistufigen „Predict-then-Optimize“-Ansatz. Stattdessen wird es End-to-End trainiert, um direkt das Conditional Value-at-Risk (CVaR) der Verlustverteilung des Portfolios zu minimieren.

Das Modell gibt vorhergesagte Renditen aus, die über eine Softmax-Funktion in Portfoliogewichte umgewandelt werden.
Die Verlustfunktion ist definiert als $\min_\theta E_\omega[\text{CVaR}_\alpha(\{L^{(k)}\}_{k=1}^K)]$ , wobei $L^{(k)}$ der Portfolioverlust über $K$ zukünftige Schritte ist.
Es werden keine Hilfs-Vorhersageverluste (wie MSE) verwendet. Dies stellt sicher, dass das Trainingsziel perfekt mit dem finanziellen Ziel der risikobereinigten Rendite abgestimmt ist und die in entkoppelten Pipelines inhärente Fehlerverstärkung vermeidet.

3. Kernbeiträge

Vereinheitlichte Architektur: Eine einzige Policy, die Marktdaten direkt auf Portfoliogewichte abbildet und somit den Zielkonflikt zwischen Forecasting und Optimierung eliminiert.
Geometrischer Induktionsbias: Die Integration von Pfad-Signaturen zur expliziten Kodierung von Lead-Lag-Beziehungen und höherwertigen Pfadabhängigkeiten, welche mathematisch bewiesen robuste Maße für Asset-Interaktionen sind.
Signature-Informed Attention: Ein neuartiger Attention-Mechanismus, der die Attention basierend auf geometrischen Asset-Beziehungen dynamisch verstärkt, inklusive eines theoretischen Beweises seiner Monotonie.
Risikobewusste Optimierung: Direkte Minimierung des Portfolio-CVaR, was sicherstellt, dass das Modell lernt, gegen Tail-Events abzusichern, an statt lediglich punktweise Vorhersagefehler zu minimieren.

4. Experimentelle Ergebnisse

Die Autoren evaluierten SIT über diverse Aktien-Universen hinweg (30, 40, 50 Assets aus dem S&P 100; 10, 20 aus dem DOW30; 50, 100 aus dem CSI 300), die Trainingsperioden (2000–2016), Validierungsperioden (2017–2019) und Testperioden (2020–2024) abdecken.

Performance: SIT übertraf sowohl traditionelle Strategien (Equal Weight, Global Minimum Variance, HRP) als auch fortgeschrittene Deep-Learning-Baselines (Autoformer, DLinear, iTransformer etc.) signifikant über alle Metriken hinweg: Sharpe Ratio, Sortino Ratio, Maximum Drawdown und Final Wealth Factor.
- Beispiel: Im 40-Asset-Universum erreichte SIT eine Sharpe Ratio von 0,6717 und übertraf damit die nächstbeste Deep-Learning-Baseline (RFormer mit 0,4901) sowie die traditionellen Baselines.
Ablationsstudien:
- Das Entfernen des CVaR-Ziels (Ersatz durch Maximierung der mittleren Rendite) führte zu einem signifikanten Leistungsabfall, was die Notwendigkeit des decision-focused Learning validiert.
- Das Entfernen der Signatur-basierten Attention oder des finanziellen Bias-Terms führte zu einer verschlechterten Performance, was bestätigt, dass geometrische Induktionsbiases überlegen gegenüber dem Erlernen dieser Beziehungen von Grund auf sind.
- Das Entfernen des lernbaren Gates $\gamma$ beeinträchtigte die Performance ebenfalls, was die Notwendigkeit unterstreicht, finanzielle Priors dynamisch zu modulieren.
Mechanismus-Validierung: Analysen zeigten eine starke positive Korrelation (Mittelwert ~0,54–0,61) zwischen der Signaturstärke und den eingehenden Attention-Gewichten, was bestätigt, dass das Modell aktiv Signatur-abgeleitete Signale nutzt, um Informationen zu routen.
Robustheit: SIT behielt eine überlegene Performance unter variierenden Transaktionskosten und Allokations-Konzentrationsparametern bei, was zeigt, dass seine Gewinne aus robusten Allokationsstrategien und nicht aus reiner Vorhersagegenauigkeit resultieren.

5. Bedeutung und Ansprüche

Das Paper behauptet, dass effektives quantitatives Portfoliomanagement robuste Allokations-Policies erfordert und nicht bloß optimierte Vorhersagegenauigkeit. Die Autoren argumentieren, dass das „Predict-then-Optimize“-Paradigma aufgrund des Zielkonflikts und der Fehlerverstärkung fundamental fehlerhaft ist.

Durch die Vereinigung von Merkmalsextraktion (via Signaturen), Interaktionsmodellierung (via Signature-Augmented Attention) und Entscheidungsfindung (via CVaR-Minimierung) bietet SIT einen Entwurf für den Übergang von Machine Learning im Finanzwesen von reinem Forecasting hin zu End-to-End, risikobewusster Kapitalallokation. Die Autoren behaupten, dass ihr Ansatz erfolgreich die Lücke zwischen theoretischen Finanzzielen und praktischer Deep-Learning-Implementierung schließt und ein Modell bietet, das architektonisch darauf ausgelegt ist, die zugrunde liegende Geometrie der Marktdynamik zu verstehen.

Die Arbeit wird als Schritt präsentiert, um Machine Learning in der Asset Allocation zu stabilerer Real-World-Performance zu führen; der Code wurde zur Reproduzierbarkeit zur Verfügung gestellt. Die Autoren merken an, dass das Framework theoretisch auf hochfrequente und Multi-Asset-Märkte erweiterbar ist.