Investing Is Compression

Die Arbeit zeigt, dass Investieren im Kern ein Kompressionsproblem ist, bei dem die Maximierung des langfristigen Vermögenswachstums durch die Minimierung der Divergenz zwischen der gewählten und der wahren Verteilung erreicht wird, was die Optimalität des Kelly-Kriteriums bestätigt.

Das Wesentliche

🎲 Die große Entdeckung: Investieren ist wie ein Rucksack-Problem

Stell dir vor, du hast einen Rucksack und eine Welt voller Schätze. Deine Aufgabe ist es, herauszufinden, wie du dein Geld (deinen Rucksack) auf verschiedene Schätze (Aktien, Startups, Krypto) verteilst, damit du am Ende des Tages so reich wie möglich bist.

Die meisten Leute denken: „Ich muss den besten Gewinner finden!" oder „Ich muss das Risiko minimieren!"
Der Autor dieses Papers, Oscar Stiffelman, sagt jedoch: Nein, Investieren ist eigentlich ein Problem der Datenkompression.

Klingt verrückt? Nicht ganz. Hier ist die Geschichte dahinter, einfach erklärt.

1. Der alte Streit: Der Glücksspieler vs. Der Ökonom

In den 1950ern gab es einen klugen Mann namens John Kelly (ein Ingenieur bei Bell Labs). Er sagte: „Wenn du wetten willst, solltest du nicht einfach versuchen, den höchsten durchschnittlichen Gewinn zu machen. Das führt früher oder später zum Bankrott. Stattdessen solltest du versuchen, dein Wachstum über die Zeit zu maximieren."

Er nannte das die Kelly-Strategie. Sie ist wie ein perfekter Taktgeber für Wetten.

Dann kam ein berühmter Ökonom namens Paul Samuelson. Er sagte: „Das ist Unsinn! Das ist nur eine willkürliche Formel. Warum sollte man Logarithmen verwenden? Das ist zu konservativ." Und weil Samuelson sehr mächtig war, ignorierte die Wirtschaftswissenschaft die Idee von Kelly jahrzehntelang.

Aber Samuelson hatte unrecht.
Ein anderer Genie, Tom Cover (ein Professor an der Stanford University), bewies später: Kelly hatte recht. Die Kelly-Strategie ist nicht nur „eine gute Idee", sie ist objektiv die beste Methode, um reich zu werden, ohne pleitezugehen. Sie ist sogar die beste Methode, um gegen jeden anderen Wettbewerber zu gewinnen, egal wie kurz oder lang das Spiel dauert.

2. Die magische Brille: Vom Produkt zur Summe

Wie hat Cover das bewiesen? Er hat eine mathematische Brille aufgesetzt, die das Investieren völlig neu betrachtet.

Stell dir vor, du investierst über 10 Jahre.

• Die alte Sichtweise: Du denkst: „Ich multipliziere meine Gewinne Jahr für Jahr." (Produkt von Summen). Das ist kompliziert und undurchsichtig.
• Cover's neue Sichtweise: Er hat die Formel umgedreht. Er sagte: „Stell dir vor, du hast nicht einen Rucksack, sondern eine unvorstellbar große Anzahl von parallelen Universen."

In jedem dieser Universen läuft das Spiel anders ab. Manchmal gewinnt Aktie A, manchmal B. Cover zeigte, dass man das Problem so umschreiben kann, als würdest du dein Geld auf alle möglichen Kombinationen dieser Universen verteilen.

Das ist der Clou: Wenn du das machst, wird das Investieren zu einem Kompressionsproblem.

3. Warum ist Investieren „Kompression"?

Stell dir vor, die wahre Zukunft ist ein riesiges, chaotisches Buch voller Daten.

• Die wahre Verteilung (P): Das ist das Buch, wie es wirklich ist. Niemand kennt es genau.
• Deine Verteilung (W): Das ist dein Rucksack-Plan. Wie du dein Geld verteilst.

Der Paper sagt nun: Dein Erfolg hängt davon ab, wie gut dein Plan (W) das wahre Buch (P) komprimiert.

Der Autor zerlegt den Erfolg in drei Teile:

1. Der Geld-Teil: Wie viel Geld ist im Spiel? (Das kannst du nicht ändern).
2. Der Unsicherheits-Teil (Entropie): Wie chaotisch ist der Markt? (Das kannst du auch nicht ändern).
3. Der Reibungs-Teil (Divergenz): Das ist der wichtige Teil!

Die Analogie:
Stell dir vor, du versuchst, einen Satz in einer fremden Sprache zu übersetzen.

• Wenn deine Übersetzung (dein Portfolio) genau dem Original (der wahren Marktwahrscheinlichkeit) entspricht, gibt es keine Reibung. Du bist perfekt.
• Wenn deine Übersetzung falsch ist, entsteht „Reibung". Du verlierst Energie.

In der Informationstheorie nennt man diesen Unterschied Divergenz (gemessen in Bits).

• Je weniger Bits du verlierst (je besser du komprimierst), desto mehr Geld machst du.
• Investieren ist also nichts anderes als das Finden der kürzesten, effizientesten Beschreibung der Zukunft. Wenn du die Zukunft besser „vorhersagen" (komprimieren) kannst als der Markt, gewinnst du.

4. Das praktische Ergebnis: Der „Gewinner-Anteil"

Da wir die Zukunft nie genau kennen, wie finden wir den perfekten Plan?
Stiffelman schlägt einen cleveren Trick vor, besonders für Dinge wie Venture Capital (Startups), wo man nicht weiß, welche Firma gewinnen wird.

Die Idee:
Statt zu versuchen, den exakten Gewinn jeder Firma zu berechnen (was unmöglich ist), fragst du dich nur: „Wie hoch ist die Wahrscheinlichkeit, dass diese Firma gewinnt?"

Nenne das den „Gewinner-Anteil".

• Wenn du glaubst, Startup A hat 80% Chance zu gewinnen und Startup B nur 20%, dann investierst du 80% deines Geldes in A.
• Das ist nicht perfekt, aber es ist sehr gut.

Warum funktioniert das?
Der Autor beweist mathematisch, dass der Unterschied zwischen deinem „Gewinner-Anteil"-Plan und dem perfekten Plan durch die Entropie (die Unordnung) deiner Vorhersage begrenzt ist.

• Wenn du nur wenige Optionen hast (z.B. 2 Startups), ist die Entropie niedrig, und dein Plan ist fast perfekt.
• Wenn du 1000 Optionen hast und keine Ahnung hast, wer gewinnt, ist die Entropie hoch, und du verlierst mehr.

5. Was bedeutet das für dich?

Hier ist die Zusammenfassung in einfachen Sätzen:

1. Vergiss das „Risiko vs. Rendite"-Diagramm. Das ist veraltet. Der wahre Schlüssel ist das Wachstum.
2. Investieren ist ein Puzzle der Wahrscheinlichkeiten. Du musst nicht wissen, wie viel Geld eine Aktie bringt, sondern nur, wie wahrscheinlich es ist, dass sie gewinnt.
3. Fehler kosten Bits. Jeder Fehler in deiner Einschätzung der Zukunft kostet dich Geld. Das ist wie ein „Reibungsverlust".
4. Die beste Strategie ist die, die der Wahrheit am nächsten kommt. Wenn du deine Geldverteilung so anpasst, dass sie der wahren Wahrscheinlichkeit des Marktes entspricht, maximierst du deinen Reichtum.

Das Fazit:
Der Markt ist wie ein riesiger, verschlüsselter Code. Die Kelly-Strategie (und die daraus abgeleiteten Ideen) ist der Schlüssel, um diesen Code zu knacken. Wer den Code am besten „komprimiert" (also die Zukunft am effizientesten vorhersagt), gewinnt am Ende das Spiel.

Es geht nicht darum, den lautesten Schrei zu hören, sondern darum, das leiseste Rauschen der Wahrheit zu verstehen.

Technische Zusammenfassung

1. Problemstellung und Motivation

Das Paper adressiert die fundamentale Frage der optimalen Kapitalallokation in unsicheren Märkten. Der Ausgangspunkt ist die historische Debatte um das Kelly-Kriterium, das 1956 von John Kelly vorgeschlagen wurde. Während Kelly zeigte, dass die Maximierung des erwarteten logarithmischen Vermögens (statt des linearen Erwartungswerts) das langfristige Wachstum maximiert und das Ruinrisiko minimiert, wurde diese Idee von Ökonomen wie Paul Samuelson lange Zeit abgelehnt. Samuelson argumentierte, die logarithmische Nutzenfunktion sei willkürlich und subjektiv.

Das Hauptproblem, das Stiffelman angeht, ist die mangelnde intuitive und theoretische Verbindung zwischen dem Kelly-Kriterium und der Informationstheorie in ihrer allgemeinsten Form. Während Thomas Cover an der Stanford University bereits gezeigt hatte, dass das Kelly-Kriterium objektiv optimal ist (sowohl langfristig als auch kurzfristig im spieltheoretischen Sinne), fehlte eine allgemeine Zerlegung des Investitionsproblems, die dessen Informationsstruktur für beliebige, nicht-stationäre Märkte offenlegt. Stiffelman stellt die These auf, dass Investieren im Kern ein Kompressionsproblem ist.

2. Methodik

Die Methodik des Papers basiert auf der Anwendung von Konzepten aus der Informationstheorie, insbesondere der Universal Compression und der Asymptotischen Equipartitionseigenschaft (AEP), auf die Portfolio-Theorie.

• Transformation des Investitionsproblems: Der zentrale methodische Schritt ist die Umformulierung des mehrperiodigen Investitionsproblems. Traditionell wird das Endvermögen als Produkt von Summen dargestellt (Produkt der periodischen gewichteten Renditen). Stiffelman nutzt eine Technik von Tom Cover, um dieses „Produkt von Summen" in eine Summe von Produkten umzuwandeln.
• Typenklassen (Type Classes): Durch diese Transformation wird das Problem so dargestellt, als ob das Kapital auf eine exponentielle Anzahl von „Pferderennen"-Szenarien (mutuell ausschließende Ereignisse pro Periode) verteilt wird. Die Sequenzen dieser Szenarien werden nach ihren empirischen Häufigkeiten gruppiert (Typenklassen).
• Asymptotische Analyse: Mittels der Stirling-Approximation und der Analyse der Kullback-Leibler-Divergenz (KL-Divergenz) wird gezeigt, dass das Gewicht (die Wahrscheinlichkeit) der Investitionsszenarien exponentiell auf die Typenklasse konzentriert, deren Häufigkeitsverteilung mit dem gewählten Portfolio-Weight-Vektor übereinstimmt.
• Zerlegung der Wachstumsrate: Auf Basis dieser Konzentration wird die erwartete logarithmische Wachstumsrate $g(W)$ in drei Terme zerlegt, die unabhängig voneinander analysiert werden können.

3. Wichtige Beiträge und Ergebnisse

Das Paper liefert mehrere theoretische und praktische Beiträge:

A. Die Drei-Terme-Zerlegung (The Three-Term Decomposition)

Stiffelman zeigt, dass die erwartete logarithmische Wachstumsrate $g(W)$ in der allgemeinsten Form wie folgt faktorisiert:
$$g(W) = \text{Geld-Term} - H(P^*) - D_{KL}(P^* || W)$$

1. Geld-Term (Money Term): Hängt von den Spielregeln und den Auszahlungen ab (z. B. $\log(\bar{R}_T(P^*))$). Dieser Term ist unabhängig von der gewählten Allokation $W$.
2. Entropie-Term (Entropy Term): $H(P^*)$, wobei $P^*$ die wahre, unbekannte Verteilung der Marktrisiken ist. Auch dieser Term ist für alle Strategien in einem gegebenen Backtest konstant.
3. Divergenz-Term (Divergence Term): $D_{KL}(P^* || W)$. Dies ist die KL-Divergenz zwischen der wahren Verteilung $P^*$ und der vom Investor gewählten Verteilung $W$.

Ergebnis: Da die ersten beiden Terme konstant sind, ist die einzige Möglichkeit, die Wachstumsrate zu maximieren, die Minimierung der KL-Divergenz. Das bedeutet, der Investor muss seine Allokation so wählen, dass sie der wahren Verteilung der Märkte so nahe wie möglich kommt. Investieren ist somit äquivalent zur Minimierung des „Reibungsverlusts" durch Informationsdifferenz – ein Kompressionsproblem.

B. Neuinterpretation von Backtesting

Da der Geld-Term und der Entropie-Term in einem Backtest für alle Strategien gleich sind, ist die Differenz der logarithmischen Wachstumsraten zweier Strategien ($g(W_B) - g(W_A)$) direkt proportional zur Differenz ihrer Divergenzen zur wahren Verteilung.

• Ergebnis: Backtests können nicht als absolute statistische Mittelwerte interpretiert werden, sondern als Maß für die relative „Divergenz-Verbesserung" in Bits. Dies bietet eine robustere Metrik für den Vergleich von Strategien in nicht-stationären Märkten.

C. Der „Winner Fraction"-Heuristik und die Entropie-Schranke

Für komplexe Szenarien wie Venture Capital, wo die gemeinsame Verteilung der Renditen unbekannt ist, führt Stiffelman eine neue Heuristik ein:

• Konzept: Kapital wird proportional zur Wahrscheinlichkeit allokiert, dass ein Asset die anderen im Kandidatensatz dominiert („Winner Fraction").
• Theoretische Bound: Der Paper beweist, dass der Wachstumsmangel dieser Heuristik im Vergleich zum optimalen Kelly-Portfolio durch die Entropie der Winner-Fraction-Verteilung nach oben beschränkt ist:
  $$g(W^*) - g(W') \leq H(W')$$
• Bedeutung: Diese Heuristik ist besonders effektiv, wenn der Kandidatensatz klein ist oder die Renditen extrem sind (niedrige Entropie), da dann die Schranke klein ist. Dies ist ein originärer Beitrag des Autors.

4. Signifikanz und Fazit

Das Paper hat eine tiefgreifende Bedeutung für die Finanztheorie und die Verbindung von Informatik und Ökonomie:

1. Objektive Optimalität: Es widerlegt Samuelsons Kritik endgültig, indem es zeigt, dass das Kelly-Kriterium keine subjektive Präferenz ist, sondern die objektiv optimale Strategie zur Maximierung des langfristigen Vermögens und zur Minimierung des Ruinrisikos, basierend auf informationstheoretischen Prinzipien.
2. Paradigmenwechsel: Es verschiebt den Fokus von der klassischen Risiko-Rendite-Optimierung (Markowitz) hin zu einer informationsbasierten Sichtweise. Investieren wird nicht als statistisches Mittelwertproblem, sondern als Kompressionsproblem verstanden: Der Investor versucht, die Unsicherheit des Marktes so effizient wie möglich zu „komprimieren" (d.h. seine Verteilung der wahren Verteilung anzunähern).
3. Praktische Anwendung: Die Ergebnisse bieten neue Werkzeuge für das Backtesting (Fokus auf relative Divergenz statt absolute Werte) und für Investitionsstrategien in unsicheren Umgebungen (Venture Capital), wo vollständige Verteilungsmodelle unmöglich sind.

Zusammenfassend stellt das Paper fest: „Fundamentally, investing is a compression problem." Die Fähigkeit, Kapital effizient zu vermehren, hängt direkt davon ab, wie gut es gelingt, die Informationsdifferenz zwischen der eigenen Strategie und der Realität zu minimieren.