Janus-Q: End-to-End Event-Driven Trading via Hierarchical-Gated Reward Modeling

Janus-Q ist ein end-to-end Framework für den ereignisgesteuerten Handel, das durch den Aufbau eines großen ereigniszentrierten Datensatzes und eine optimierte Feinabstimmung mit einem hierarchisch gegliederten Belohnungsmodell (HGRM) die Handelsentscheidungen von Sprachmodellen präziser, interpretierbarer und profitabler macht.

Das Wesentliche

🌟 Die große Idee: Warum Zahlen allein nicht reichen

Stell dir den Finanzmarkt wie ein riesiges, chaotisches Orchester vor. Die meisten Computerprogramme, die heute versuchen, Aktien zu handeln, hören nur auf die Musiknoten (die historischen Kurse, das Volumen, die Charts). Sie versuchen, die nächste Note vorherzusagen, indem sie nur auf die letzten Töne schauen.

Aber das Problem ist: Oft wird die Musik nicht durch die Noten selbst verändert, sondern durch einen plötzlichen Schrei im Publikum oder einen Witz des Dirigenten. Das sind die „Ereignisse" – Nachrichten wie „Das Unternehmen hat einen neuen CEO", „Es gab einen Skandal" oder „Ein neues Patent wurde erteilt".

Die alten Computerprogramme verstehen diese Schreie nicht richtig. Sie sehen nur, dass die Musik lauter oder leiser wurde, aber nicht warum.

🧠 Janus-Q: Der zweiköpfige Finanz-Detektiv

Die Forscher haben Janus-Q entwickelt. Der Name kommt von „Janus", dem römischen Gott mit zwei Gesichtern: eines schaut in die Vergangenheit, das andere in die Zukunft.

Janus-Q ist wie ein Super-Detektiv, der nicht nur auf die Noten (Zahlen) hört, sondern auch den Text der Nachrichten (die Geschichte) liest und versteht. Er macht zwei Dinge gleichzeitig:

1. Er liest die Nachricht und versteht die Bedeutung (Ist das gut? Ist das schlecht? Ist es ein Skandal?).
2. Er weiß genau, wie der Markt auf solche Nachrichten in der Vergangenheit reagiert hat.

🛠️ Wie funktioniert das? (Die zwei Schritte)

Stell dir vor, du willst einen jungen Lehrling zum besten Aktienhändler der Welt ausbilden. Janus-Q macht das in zwei Phasen:

Schritt 1: Das riesige Lernbuch (Daten-Erstellung)

Bevor der Lehrling lernen kann, braucht er ein riesiges Lehrbuch. Die Forscher haben 62.400 Nachrichtenartikel gesammelt und von echten Finanzexperten wie mit einem roten Stift markiert lassen.

• Was ist passiert? (z. B. „Risiko-Warnung" oder „Dividende").
• Welche Firma?
• Wie hat der Markt reagiert? (Ist der Kurs gestiegen oder gefallen? Wie stark?)

Das ist wie ein Kochbuch, in dem nicht nur das Rezept steht, sondern auch genau notiert ist: „Wenn du zu viel Salz nimmst, schmeckt es zu salzig. Wenn du zu wenig nimmst, ist es fade."

Schritt 2: Das Training mit dem „Klugscheißer-Coach" (HGRM)

Jetzt kommt der Lehrling ins Spiel. Er liest eine Nachricht und sagt: „Ich denke, die Aktie wird steigen!"
Aber wie weiß er, ob er recht hat? Hier kommt der HGRM (Hierarchical Gated Reward Model) ins Spiel. Stell dir das wie einen strengen, aber fairen Trainer vor, der drei Fragen stellt, bevor er Punkte gibt:

1. Die Richtungs-Wächter-Tür (Hard Gate): „Hast du die Richtung richtig verstanden?" Wenn der Lehrling sagt „Steigen", aber die Aktie fällt, gibt es sofort 0 Punkte. Er darf nicht einmal versuchen, Geld zu verdienen, wenn er die Richtung falsch einschätzt. Das verhindert dumme Fehler.
2. Der Kontext-Check (Soft Gate): „Hast du die Art der Nachricht richtig erkannt?" Wenn es eine „Risiko-Warnung" war und er denkt, es sei eine „Dividende", bekommt er weniger Punkte. Er muss verstehen, was passiert ist, nicht nur dass etwas passiert ist.
3. Der Gewinn-Check (Trading Reward): „Hast du wirklich Geld verdient?" Hier wird berechnet, ob der Trade nach Abzug der Kosten (wie Gebühren) profitabel war.

Der Trainer belohnt den Lehrling nur, wenn er alles richtig macht: Die Nachricht richtig lesen, die Art der Nachricht verstehen und die richtige Handelsentscheidung treffen.

🏆 Das Ergebnis: Warum ist das besser?

Wenn man Janus-Q gegen die alten Computerprogramme (die nur auf Zahlen schauen) und gegen die neuesten KI-Modelle (die zwar gut lesen können, aber keine Erfahrung mit dem Markt haben) antreten lässt, gewinnt Janus-Q deutlich.

• Die alten Programme waren wie ein Blindgänger, der nur auf das Ticken einer Uhr hört.
• Die neuen KI-Modelle waren wie ein Philosoph, der schöne Texte schreibt, aber keine Ahnung hat, wie man damit Geld verdient.
• Janus-Q ist wie ein erfahrener Trader, der die Nachrichten liest, versteht, was sie bedeuten, und genau weiß, wie der Markt darauf reagiert.

Die Zahlen sprechen für sich:

• Janus-Q hat die Richtung der Märkte zu 17,5 % genauer vorhergesagt als die besten Konkurrenten.
• Das Sharpe-Verhältnis (eine Art Maß für „wie viel Gewinn pro Risiko") hat sich um 102 % verbessert. Das bedeutet: Mehr Gewinn bei weniger Panik.

🎯 Zusammenfassung in einem Satz

Janus-Q ist wie ein KI-System, das gelernt hat, nicht nur die Musiknoten (Preise) zu hören, sondern auch die Geschichte dahinter (Nachrichten) zu verstehen, um genau zu wissen, wann man tanzen (kaufen) und wann man aufhören (verkaufen) soll – und das mit einer Genauigkeit, die menschliche Experten oft übertrifft.

Technische Zusammenfassung

1. Problemstellung

Traditionelle Finanzmarktmodelle basieren oft auf reinen Zeitreihenanalysen (Preise, Volumen, technische Indikatoren). Diese Ansätze stoßen an Grenzen, da Finanzmärkte stark von diskreten, interpretierbaren Ereignissen (z. B. Gewinnmitteilungen, Fusionen, Risikowarnungen) getrieben werden, die zu plötzlichen und heterogenen Kursbewegungen führen.

Die aktuellen Herausforderungen bei lernbasierten Handelssystemen sind:

• Fehlende granulare Daten: Es gibt keine großen Datensätze, die Nachrichtensemantik (Ereignistyp, Sentiment) direkt mit statistisch fundierten Marktreaktionen (z. B. kumulierte abnormalen Renditen, CAR) verknüpfen.
• Fehlende Ausrichtung (Misalignment): Sprachmodelle (LLMs) können zwar Text gut interpretieren, aber ihre semantischen Urteile stimmen oft nicht mit der realisierten Marktperformance überein. Rein überwachtes Lernen erfasst oft nur oberflächliche Korrelationen, während reines Reinforcement Learning (RL) zu spurious (trügerischen) Strategien führen kann, die kurzfristiges Rauschen ausnutzen.

2. Methodik: Das Janus-Q Framework

Janus-Q ist ein End-to-End-Framework, das Finanznachrichtenereignisse von Hilfsmerkmalen zu primären Entscheidungseinheiten erhebt. Es folgt einem zweistufigen Paradigma:

Stufe I: Ereigniszentrischer Datenaufbau

Die Autoren konstruierten einen großen Datensatz mit 62.400 manuell annotierten Finanznachrichtenartikeln.

• Annotation: Experten annotierten 10 feingranulare Ereignistypen (z. B. Risiko, Fusion, Dividende), zugehörige Aktien, semantische Polarität und die kumulierte abnormalen Rendite (CAR).
• CAR-Berechnung: Die CAR wird durch ein mehrstufiges Modell berechnet:
  1. Marktmodell (MR): Entfernung des allgemeinen Markteinflusses.
  2. Risikomodell (RM): Neutralisierung von Stil- und Industriesektoreffekten (Barra-Faktoren).
  3. Aggregation über ein definiertes Ereignisfenster, um den reinen, ereignisbedingten Preisimpuls zu isolieren.

Stufe II: Entscheidungsorientiertes Fine-Tuning

Das Modell wird in zwei Phasen trainiert, um semantisches Verständnis mit handelbaren Aktionen abzugleichen:

1. Supervised Fine-Tuning (SFT): Das Modell lernt, von Ereignisbeschreibungen auf die erwartete CAR, Richtung und Stärke zu schließen. Dies etabliert eine stabile, verständnisbasierte Basis.
2. Reinforcement Fine-Tuning (GRPO): Zur Optimierung der Handelsentscheidungen wird Group Relative Policy Optimization (GRPO) eingesetzt.

Kerninnovation: Hierarchical-Gated Reward Model (HGRM)
Das HGRM ist der Schlüssel zur Überbrückung der Lücke zwischen Semantik und Marktrealität. Es strukturiert die Belohnung (Reward) hierarchisch, um trügerische Strategien zu unterdrücken:

• Hard Gate (Richtung): Wenn die vorhergesagte Richtung (Long/Short) falsch ist, wird der gesamte Reward auf Null gesetzt. Dies verhindert, dass das Modell für falsche Vorhersagen belohnt wird, auch wenn der Betrag zufällig stimmt.
• Soft Gate (Ereignistyp-Konsistenz): Ein Diskontfaktor reduziert den Reward, wenn der vorhergesagte Ereignistyp nicht mit dem Ground Truth übereinstimmt. Dies erzwingt ein korrektes semantisches Verständnis.
• Handels-Reward (PnL): Basierend auf der realisierten CAR unter Berücksichtigung von Transaktionskosten.
• Magnitude & Prozess-Reward: Zusätzliche Belohnungen für die Genauigkeit der CAR-Schätzung und die Qualität des Denkprozesses (Chain-of-Thought).

3. Wichtige Beiträge

• Neuer Datensatz: Erstellung eines umfassenden, feingranularen Datensatzes für ereignisbasiertes Trading, der Semantik und ökonomische Auswirkungen (CAR) vereint.
• Janus-Q Framework: Der erste End-to-End-Ansatz, der Finanznachrichten direkt in Handelsentscheidungen übersetzt, anstatt sie nur als Zusatzinformation zu nutzen.
• HGRM: Ein neuartiger Reward-Mechanismus, der semantisches Reasoning mit ökonomisch sinnvollen Zielkonflikten (Risiko vs. Rendite, Richtung vs. Größe) in Einklang bringt.

4. Ergebnisse

Die Experimente wurden auf einem Testzeitraum (Nov 2024 – Feb 2025) durchgeführt und verglichen Janus-Q mit Marktindizes, zeitreihenbasierten LLMs, finanzspezifischen LLMs und allgemeinen LLMs.

• Handelsperformance: Janus-Q erreichte einen Sharpe Ratio von 1,3088, was eine Steigerung von 102,0 % gegenüber der besten konkurrierenden Strategie (QwQ-32B) darstellt.
• Genauigkeit:
  • Die Richtungspräzision (Direction Accuracy) verbesserte sich um 17,5 % gegenüber den stärksten Baselines.
  • Die Ereignistyp-Genauigkeit (Event Type Accuracy) stieg um 18,2 %.
  • Der Fehler bei der CAR-Vorhersage (MAE) wurde um 50,6 % gegenüber finanzspezifischen LLMs reduziert.
• Robustheit: Im Gegensatz zu vielen Baselines, die in negativen Sharpe Ratios landeten, zeigte Janus-Q konsistent positive risikoadjustierte Renditen und behielt eine vergleichbare maximale Drawdown-Rate bei.
• Human Alignment: In einer Studie mit menschlichen Experten zeigte Janus-Q eine hohe Übereinstimmung bei der Interpretation von Ereignissen (Tie-Rate 40–52 %, Verlustrate < 25 %).

5. Bedeutung und Fazit

Janus-Q demonstriert, dass die explizite Modellierung von Finanzereignissen als primäre Entscheidungseinheit überlegene Ergebnisse liefert als traditionelle Zeitreihenansätze oder reine Textanalyse.

• Paradigmenwechsel: Der Ansatz verschiebt den Fokus von der Vorhersage von Preisen basierend auf historischen Mustern hin zur direkten Ableitung von Handelsentscheidungen aus der Semantik von Nachrichtenereignissen.
• Interpretierbarkeit: Durch die Hierarchie des Reward-Modells und die Forderung nach Reasoning-Chains sind die Entscheidungen des Modells besser nachvollziehbar und weniger anfällig für das Ausnutzen von Datenrauschen.
• Praktische Relevanz: Die Ergebnisse belegen, dass die Kombination aus überwachtem Lernen (für semantisches Verständnis) und Reinforcement Learning (gesteuert durch HGRM) notwendig ist, um LLMs für den realen Finanzhandel zu optimieren.

Zusammenfassend bietet Janus-Q einen robusten, interpretierbaren und profitablen Rahmen für den ereignisbasierten Handel, der die Komplexität menschlicher Marktreaktionen auf Nachrichten besser abbildet als bestehende State-of-the-Art-Modelle.