🤖 machine learning

Deployment-Side Adaptiveness in Multi-Horizon Volatility Forecasting

Diese Arbeit zeigt, dass bei der Multi-Horizont-Volatilitätsprognose die auf ein trainiertes Multi-Output-Modell angewendete Deployment-Strategie ebenso entscheidend ist wie die Modellarchitektur selbst, wobei nachgewiesen wird, dass eine validierungsbasierte Auswahl der Rollout-Regeln zur Inferenzzeit die Genauigkeit und Kosteneffizienz signifikant verbessern kann, während gleichzeitig aufgezeigt wird, dass optimale Policies sowohl von der spezifischen Architektur als auch von der gewählten Evaluationsmetrik abhängig sind.

Ursprüngliche Autoren: Riku Green, Zahraa S. Abdallah, Telmo M Silva Filho

Veröffentlicht 2026-06-29

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Riku Green, Zahraa S. Abdallah, Telmo M Silva Filho

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 besitzen eine sehr intelligente, hochtrainierte Finanz-Kristallkugel. Sie haben Wochen damit verbracht, diese Kristallkugel darauf zu trainieren, vorherzusagen, wie viel Volatilität (die „Sprunghaftigkeit“ der Preise) in den nächsten 10, 20 oder 30 Tagen auftreten wird.

In der Vergangenheit haben Sie die Kristallkugel, sobald Sie das Training abgeschlossen hatten, einfach genau so verwendet, wie sie konzipiert wurde: Sie hat sich die heutigen Daten angesehen und eine einzige, riesige Vorhersage für den gesamten zukünftigen Zeitraum auf einmal ausgespuckt. Die Autoren dieser Arbeit nennen diesen Ansatz „Default MIMO“.

Die große Idee: Die Kristallkugel hat eine Geheimkarte

Die Autoren argumentieren, dass Sie das Potenzial Ihrer trainierten Kristallkugel eigentlich verschwenden. Nur weil Sie sie darauf trainiert haben, eine 30-Tage-Vorhersage in einem Rutsch zu liefern, bedeutet das nicht, dass Sie sie auch genau so verwenden müssen.

Stellen Sie sich Ihren trainierten Modell wie einen Meisterkoch vor, der gelernt hat, ein riesiges 30-Gänge-Bankett in einem Aufwasch zuzubereiten. Der „Standard“-Weg ist es, das ganze Bankett auf einmal zu servieren. Aber die Arbeit legt nahe, dass derselbe Koch auch dazu gebracht werden könnte:

Zuerst nur die ersten 5 Gänge zu kochen, sie zu probieren, die nächste Portion basierend darauf anzupassen und dann die nächsten 5 zu kochen.
Oder die ersten 10 Gänge zu kochen, eine Pause zu machen und dann fortzufahren.

Selbst wenn der Koch (das Modell) über exakt dieselben Fähigkeiten und dasselbe Wissen (die trainierten Parameter) verfügt, ändert die Art und Weise, wie Sie ihn bitten zu kochen (die „Rollout-Regel“), den endgültigen Geschmack des Essens.

Was sie herausgefunden haben

Die Forscher haben diese Idee an 20 verschiedenen Aktien unter Verwendung verschiedener Arten von KI-Modellen (von einfachen mathematischen Formeln bis hin zu komplexen „Transformer“-Netzwerken) getestet. Hier ist, was sie herausgefunden haben, unter Verwendung einfacher Analogien:

Die „Einheitslösung“-Falle: Sie stellten fest, dass die Standardmethode, das Modell zu verwenden (das volle 30-Gänge-Bankett), oft nicht der beste Weg ist. Manchmal führt die Anweisung an den Koch, in kleineren Chargen zu kochen (wie z. B. 5 Gänge auf einmal), zu einem schmackhafteren Essen (genaueren Vorhersagen).
Kein einziges bestes Rezept: Es gibt jedoch keine einzelne „beste“ Chargengröße. Für eine bestimmte Art von Koch (Modell) und ein bestimmtes Bankett (Vorhersagehorizont) mag das Kochen in Chargen von 5 perfekt sein. Für einen anderen Koch oder einen anderen Zeitraum könnten Chargen von 10 besser sein. Es ist so, als würde man sagen: „Scharfes Essen ist immer besser“, obwohl man manchmal mild und manchmal scharf möchte. Da sich die beste Wahl so stark verändert, kann man nicht einfach eine neue Regel wählen und diese für immer beibehalten.
Die „Geschmackstest“-Strategie (Validierung): Da man die perfekte Regel nicht im Voraus kennen kann, schlagen die Autoren eine kluge Strategie vor: Bevor Sie das fertige Essen Ihren Kunden (dem echten Markt) servieren, führen Sie einen „Geschmackstest“ an einer Übungsmenü (Validierungsdaten) durch. Sie probieren verschiedene Chargengrößen aus und wählen diejenige, die für diesen spezifischen Koch am besten schmeckt.
- Der günstige Sieg: Manchmal liefert die Wahl der einzelnen besten Chargengröße (ein „Singleton“) ein besseres Essen bei fast gar keinem zusätzlichen Aufwand.
- Die Gruppenumarmung (Ensembles): Manchmal liefert das Mischen der Vorhersagen aus ein paar verschiedenen Chargengrößen zusammen (wie ein Komitee von Köchen, die abstimmen) ein noch besseres Ergebnis, obwohl dies etwas mehr Zeit in der Berechnung erfordert.
Der „Metrik“-Mismatch: Dies ist ein entscheidender Punkt. In der Finanzwelt gibt es verschiedene Wege, um zu beurteilen, ob eine Vorhersage „gut“ ist.
- MSE (Mean Squared Error): Dies ist so, als würde man ein Gericht danach beurteilen, wie nah die Temperatur am Zielwert liegt.
- QLIKE: Dies ist eine finanzspezifische Metrik, die beurteilt, wie gut das Gericht mit dem Risiko der Zutaten umgeht.
- Das Problem: Die Chargengröße, die das Essen gemäß dem Temperaturtest (MSE) „perfekt“ schmecken lässt, macht das Essen nicht unbedingt so sicher oder profitabel gemäß dem Risiko-Test (QLIKE). Wenn Sie Ihre Strategie basierend auf einem Test auswählen, könnte sie beim anderen Test scheitern.

Das Fazteregebnis

Die Arbeit kommt zu dem Schluss, dass die Art und Weise, wie Sie ein trainiertes Modell verwenden, genauso wichtig ist wie das Modell selbst.

Anstatt ein trainiertes KI-Modell als ein einzelnes, starres Werkzeug zu betrachten, das man einfach nur einschaltet, sollten Sie es als ein flexibles Toolkit betrachten. Indem Sie ändern, wie Sie die Vorhersagen „ausrollen“ (die Chargengrößen) und diese in einer Übungsrunde testen, können Sie oft bessere Ergebnisse erzielen, ohne die KI neu trainieren oder ein neues Modell bauen zu müssen.

Es ist so, als würde man erkennen, dass Ihr trainierter Koch ein besseres Abendessen zubereiten kann, wenn man ihn nicht dazu zwingt, das gesamte Menü auf einmal zu kochen, sondern ihm erlaubt, in kleineren, klügeren Schritten zu kochen, basierend auf dem, was während der Übung am besten funktioniert hat.

Technisches Resümee: Deployment-seitige Adaptivität in der Multi-Horizont-Volatilitätsprognose

1. Problemstellung

In der Finanzprognose, insbesondere bei der Multi-Horizont-Volatilitätsprognose, geht das Standard-Evaluationsparadigma davon aus, dass ein trainiertes Modell einen einzelnen einsatzfähigen Prädiktor definiert. Dieses Paper stellt diese Annahme infrage und argumenttiert, dass für Multi-Input-Multi-Output (MIMO)-Forecaster der Trainingsprozess nur die halbe Geschichte ist. Die Methode, mit der das Modell eingesetzt wird – also die Rollout-Regeln zur Inferenzzeit –, verändert die Leistung, die Genauigkeit und die Rechenkosten des Prädiktors grundlegend.

Das zentrale Problem ist die Frage, ob ein einzelner trainierter MIMO-Forecaster durch Variation der Einsatzstrategie zur Inferenzzeit (z. B. durch Änderung der Blockgröße der verpflichteten Ausgaben) eine Familie von distinkten, einsatzfähigen Prädiktoren erzeugen kann, ohne neu trainiert werden zu müssen. Die Autoren untersuchen, ob das „Standard“-Direkt-MIMO-Deployment optimal ist oder ob alternative Rollout-Regeln bessere Prädiktoren unter spezifischen Randbedingungen (Latenz, Rechenbudget) und Evaluierungsmetriken (MSE vs. QLIKE) induzieren.

2. Methodik

2.1 Die induzierte Regel-Familie

Die Autoren schlagen vor, einen trainierten MIMO-Modell nicht als festen Prädiktor, sondern als Generator einer Familie von Prädiktoren zu betrachten.

Mechanismus: Ein Standard-MIMO-Modell prognostiziert einen vollen Horizont $H$ in einem Durchgang. Die Autoren führen ein „block-rekursives“ Deployment ein, bei dem das Modell pro Aufruf nur $s$ Schritte ( $1 \le s \le H$ ) verpflichtet.
Rollout-Prozess: Die verpflichteten $s$ Vorhersagen werden an das Eingabefenster angehängt, der Zustand wird aktualisiert und dieselbe trainierte Funktion $f_\theta$ wird erneut aufgerufen, um die nächsten $s$ Schritte vorherzusagen. Dies wiederholt sich, bis der volle Horizont abgedeckt ist.
Induzierte Prädiktoren: Durch Variation der Blockgröße $s$ (oder des Rollout-Verhältnisses $r = s/H$ ) generieren dieselben fixen Parameter $\theta$ unterschiedliche effektive Prädiktoren $g_{\theta, s}$ . Dies erzeugt eine „Regel-Familie“ von einsatzfähigen Prognosen, die von vollständig rekursiv ( $s=1$ ) bis zum Standard-MIMO ( $s=H$ ) reicht.

2.2 Experimentelles Setup

Daten: Tägliche Aktienvolatilitätsserien aus dem VOLARE-Archiv (20 univariate Serien). Das Ziel ist die logarithmische realisierte Varianz (berechnet aus 5-Minuten-Subsampling-Daten).
Horizonte: Drei Prognosehorizonte ( $H \in \{10, 20, 30\}$ Tage).
Architekturen: Fünf Modellklassen, die von Linear bis Deep Learning reichen: LinearNet, MLP, LSTM, N-BEATS und PatchTST.
Training: Alle Modelle werden als direkte Multi-Output-Forecaster trainiert (Prognose des vollen $H$ in einem Durchgang) unter Verwendung des Adam-Optimierers und des MSE-Loss.
Evaluierungsmetriken:
- MSE: Mean Squared Error auf der Log-Volatilitäts-Skala (primäres Trainingsziel).
- QLIKE: Quasi-Likelihood-Loss auf der ursprünglichen Varianz-Skala (Finanzstandard-Metrik).
- Kosten: Inferenzzeit, gemessen an der Anzahl der Modellaufrufe ( $\lceil H/s \rceil$ ).

2.3 Deployment-Policies

Die Studie evaluiert verschiedene Policies zur Auswahl oder Kombination von Regeln aus der induzierten Familie:

Default MIMO: Das Standard- $s=H$ Deployment.
Singletons: Einsatz einer einzelnen, nicht-standardmäßigen Regel ( $s < H$ ).
Validierungs-selektierter Singleton: Wahl der einen besten $s$ basierend auf dem Validierungs-MSE.
Teilmengen-Ensembles (Subsets):
- Einfach: Gleichmäßige Mittelwertbildung einer Teilmenge von Regeln.
- Linear: Gewichtete Mittelwertbildung, bei der die Gewichte mittels Ordinary Least Squares (OLS) auf Validierungsdaten gelernt werden.
- Die Auswahl erfolgt mittels Greedy Forward Selection, um den Validierungs-MSE für eine feste Teilmengengröße $k$ zu optimieren.
Vollständige Ensembles: Aggregation der gesamten Regel-Pools.

3. Zentrale Beiträge

Die Sichtweise des induzierten Regelsystems für MIMO: Das Paper führt das Konzept ein, dass ein einzelner trainierter MIMO-Forecaster durch die Wahl der Rollout-Strategien zur Inferenzzeit eine Familie von einsatzfähigen Prädiktoren definiert, statt eines einzigen statischen Prädiktors.
Deployment-Spielraum (Headroom): Die Autoren zeigen, dass nicht-standardmäßige Rollout-Regeln in Bezug auf den MSE häufig das Standard-MIMO-Deployment übertreffen. Der optimale feste Regeltyp hängt jedoch stark von der Modellarchitektur und dem Prognosehorizont ab, was eine einzige „globale“ Ersatzregel unzuverlässig macht.
Validierungsbasierte Policies: Die Studie zeigt, dass die Auswahl über die Validierung (Singletons) und kleine Teilmengen-Ensembles (z. B. $k=3$ ) diesen Spielraum nutzen können, um signifikante MSE-Verbesserungen gegenüber dem Default-MIMO zu erzielen – und das zu einem Bruchteil der Kosten vollständiger Ensembles.
Metrik-Sensitivität: Eine kritische Erkenntnis ist, dass Deployment-Policies metrik-sensitiv sind. Policies, die für den Validierungs-MSE optimiert wurden, übertragen sich nicht einheitlich auf die QLIKE-Performance. Insbesondere gelernte lineare Kombinationen erzielen oft starke MSE-Gewinne, aber weniger konsistente QLIKE-Verbesserungen im Vergleich zu einfacheren Policies (Singletons oder einfache Mittelwertbildung).
Kosteneffizienz vs. Retraining: Das Paper vergleicht induzierte Policies mit einer alternativen „Rule Sweep“-Methode (Training separater Modelle für jede Blockgröße). Induzierte Policies erreichen eine nahezu gleichwertige Vorhersageleistung bei wesentlich geringerem Retraining-Aufwand (nur ein trainiertes Modell statt eines pro Kandidat-Blockgröße).

4. Kernergebnisse

Regel-basierte Performance: Nicht-MIMO-Singleton-Regeln schlagen das Default-MIMO häufig (Gewinnraten oft >60-80 % für fortgeschrittene Modelle wie PatchTST), aber die gewinnende Blockgröße variiert signifikant zwischen Architekturen und Horizonten.
Genauigkeits-Kosten-Trade-off:
- Validierungs-selektierte Singletons: Bieten kostengünstige Verbesserungen (oft <2x Inferenzkosten von MIMO) mit moderaten MSE-Gewinnen.
- Kleine Teilmengen ( $k=3$ ): Stellen einen starken Mittelweg dar. Greedy-lineare Teilmengen der Größe 3 erzielen die größten medianen MSE-Reduktionen (oft Reduktion des Fehlers um 5-15 % relativ zu MIMO) bei moderaten Inferenzkosten (z. B. ~10-20x MIMO-Kosten, aber immer noch weit günstiger als vollständige Ensembles).
- Vollständige Ensembles: Obwohl sie den niedrigsten Fehler bieten, ist der Grenznutzen gegenüber kleinen Teilmengen oft gering im Verhältnis zum signifikanten Anstieg der Inferenzkosten.
Metrik-Transfer:
- Über MSE ausgewählte Policies garantieren keine QLIKE-Verbesserung.
- Einfache Policies (Singletons, einfache Mittelwertbildung) zeigen einen zuverlässigeren Transfer zwischen MSE und QLIKE.
- Gelernte lineare Kombinationen, obwohl mächtig für MSE, sind weniger robust, wenn der operative Loss QLIKE ist.
Induziert vs. Separat trainiert: Separat trainierte Modelle für spezifische Blockgrößen bieten nur marginale MSE-Verbesserungen gegenüber induzierten Policies. Das „Oracle Ratio“ (Kosten von induziert vs. separat trainiert) legt nahe, dass induzierte Policies nur etwa ~10-30 % des Retraining-Aufwands für vergleichbare Leistung benötigen.

5. Bedeutung und Behauptungen

Das Paper behauptet, dass die Deployment-Zeit ein bedeutsames Instrument der Adaptivität in der Finanzprognose ist. Die primäre Bedeutung liegt in der Verschiebung des Fokus der Evaluation: weg von der Frage „Welche Modellarchitektur ist am besten?“ hin zu „Wie wird das trainierte Modell eingesetzt?“.

Praktische Implikation: Praktiker sollten nicht davon ausgehen, dass der Standard-MIMO-Output das fertige Endprodukt ist. Indem man das trainierte Modell als kompakten Deployment-Raum betrachtet, kann man eine Policy (Singleton oder kleine Teilmenge) wählen, die Genauigkeit, Kosten und den spezifischen operativen Loss (MSE vs. QLIKE) ausbalanciert, ohne den hohen Aufwand eines erneuten Trainings mehrerer Modelle zu betreiben.
Evaluationsdesign: Die Autoren argumentieren, dass die Deployment-Policy zusammen mit der Modellarchitektur evaluiert werden sollte. Das wahre Potenzial eines Modells wird erst durch die Optimierung der Deployment-Strategie für die spezifischen Randbedingungen und Verlustfunktionen des Finanzanwendungsfalls realisiert.
Bescheidenheit: Die Autoren räumen Einschränkungen ein und merken an, dass die Ergebnisse auf univariater täglicher Volatilität basieren und sich auf die Prognosegenauigkeit beziehen, nicht auf die nachgelagerte Portfolio-Utility oder das Risikomanagement. Sie behaupten nicht, eine neue Volatilitätsarchitektur vorzuschlagen, sondern eine neue Perspektive auf die Nutzung bestehender trainierter Modelle.