📈 economics

Attention Without Estimation: Zero-Shot Time Series Foundation Models versus Long-Memory Econometrics in Realized Volatility Forecasting

Diese Arbeit etabliert einen strengen theoretischen und empirischen Rahmen zum Vergleich von Zero-Shot-Zeitreihen-Foundation-Modellen gegenüber klassischen Long-Memory-ökonometrischen Benchmarks für die Prognose der realisierten Volatilität und stellt fest, dass Foundation-Modelle zwar GARCH und EWMA übertreffen, aber letztlich eng mit HAR-Familien-Modellen konkurrieren, welche den Großteil des nutzbaren Signals in Volatilitätsdaten erfassen.

Ursprüngliche Autoren: Jayachandiran U, Janani Giridharan

Veröffentlicht 2026-07-10

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Jayachandiran U, Janani Giridharan

Originalarbeit lizenziert unter CC BY 4.0 (https://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, wie holprig eine Autofahrt morgen werden wird. In der Welt der Finanzen wird diese „Holprigkeit“ als Volatilität bezeichnet, und sie richtig einzuschätzen, ist entscheidend für die Preisgestaltung von Optionen, das Risikomanagement und die Sicherheit von Banken. Jahrzehntelang haben Experten dafür ein spezielles Set an mathematischen Werkzeugen namens Ökonometrie (denken Sie an erfahrene, altmodische Mechaniker) verwendet, um die Volatilität vorherzusagen. Vor kurzem ist ein neuer Herausforderer in die Werkstatt gekommen: Time Series Foundation Models (TSFMs). Dies sind riesige, superintelligente KI-Gehirne, die auf Millionen von verschiedenen Zeitreihenmustern trainiert wurden und versprechen, die Volatilität für jedes beliebige Asset vorherzusagen, ohne dafür jedes Mal neu abgestimmt werden zu müssen.

Dieses Paper ist ein strenger, sachlicher Wettkampf zwischen diesen beiden Ansätzen. Hier ist, was geschah, als sie auf die Rennstrecke gingen.

Die Rennstrecke: Eine synthetische Welt

Zuerst ein entscheidendes Detail: Die Autoren haben dies nicht an realen Aktienmärkten getestet (die unordentlich sind und voller Geheimnisse stecken). Stattdessen haben sie eine perfekt kontrollierte, synthetische Rennstrecke mithilfe einer Computersimulation gebaut. Sie erstellte 20 fiktive Assets (wie 20 verschiedene Autos), die nach einem strengen Regelwerk aus zufälligen Sprüngen und glatten Kurven bewegten.

15 dieser Autos wurden verwendet, um das KI-Gehirn (das TSFM) zu „trainieren“.
Die anderen 5 Autos wurden komplett geheim gehalten. Die KI hatte sie noch nie zuvor gesehen. Dies wird als Zero-Shot-Test bezeichnet – so als würde man einen Koch, der bisher nur italienisch gekocht hat, bitten, ein perfektes thailändisches Gericht zuzubereiten, ohne ihm ein Rezept zu geben.

Die Kontrahenten

Das alte Garde (Ökonometrie):
- GARCH & EWMA: Dies sind die grundlegenden, zuverlässigen Mechaniker. Sie schauen auf die jüngsten Erschütterungen und raten auf die nächste. Sie sind einfach, können aber manchmal das große Ganze übersehen.
- HAR-RV: Dies ist der „Star-Mechaniker“. Er schaut nicht nur auf den gestrigen Tag; er betrachtet gleichzeitig den letzten Tag, die letzte Woche und den letzten Monat. Er ist berühmt dafür, unglaublich schwer zu schlagen zu sein.
- HARQ & HAR-CJ: Dies sind die „Super-Mechaniker“. Es sind spezielle Versionen des Star-Mechanikers, die gezielt mit Messrauschen (wenn der Tacho glitcht) und plötzlichen Sprüngen (wenn ein Auto ein Schlagloch trifft) umgehen können.
Der neue Herausforderer (TSFM-Surrogate):
- Dies ist das KI-Gehirn. Es nutzt einen „Patch-Attention“-Mechanismus (stellen Sie sich vor, es blickt auf ganze Straßenabschnitte gleichzeitig, statt auf jeden einzelnen Zentimeter). Es wurde auf den 15 bekannten Autos trainiert und dann gebeten, die Erschütterungen für die 5 geheimen Autos vorherzusagen, ohne zusätzliches Tuning.

Die Ergebnisse: Wer hat gewonnen?

1. Die KI gegen die Basismechaniker
Das KI-Gehirn (TSFM-Surrogate) zerstörte die Basismechaniker (GARCH und EWMA).

In den Tests machte die KI signifikant weniger Fehler. Es wurde statistisch bewiesen, dass sie besser darin ist, die Erschütterungen vorherzusagen, als die alten Modelle.
Das Urteil: Die KI ist definitiv besser als die Basistools.

2. Die KI gegen die Super-Mechaniker (Die Wendung)
Hier wird es interessant. Als die KI gegen die HAR-Familie (HAR-RV, HARQ und HAR-CJ) antrat, war das Ergebnis im großen Bild ein Unentschieden, aber die Super-Mechaniker gewannen im direkten Vergleich.

Direkter Vergleich: Die HAR-Modelle (besonders jene, die Sprünge und Rauschen handhaben) waren statistisch besser als die KI. Die KI machte mehr Fehler bei der Vorhersage der exakten Größe der Erschütterungen als die HAR-Modelle.
Das große Ganze (Model Confidence Set): Wenn die Richter jedoch die gesamte Gruppe zusammen betrachteten, konnten sie nicht mit Sicherheit sagen, dass die HAR-Modelle definitiv besser als die KI waren. Die KI war statistisch ununterscheidbar von den besten HAR-Modellen.
Die Erkenntnis: Die KI ist gut genug, um in der „Hall of Fame“ mit den besten ökonometrischen Modellen zu stehen, aber sie hat sie noch nicht ganz geschlagen.

3. Der „Sprung“-Faktor
Die Simulation enthielt plötzliche „Sprünge“ (Schlaglöcher). Die HAR-Modelle, die speziell darauf ausgelegt sind, solche Sprünge zu erkennen (HAR-CJ), und das Rauschen zu handhaben (HARQ), schnitten am besten ab. Die KI, die nicht explizit darauf trainiert wurde, nach Sprüngen zu suchen, war nicht so gut wie diese spezialisierten Modelle. Dies deutet darauf hin, dass die KI mehr Daten oder besseres Training benötigt, um diese spezifischen Muster von selbst zu lernen.

Warum hat die KI nicht gewonnen?

Die Autoren schlagen einige Gründe vor, basierend auf ihrer Mathematik und ihren Simulationen:

Datenhunger: Die KI wurde nur auf 15 Assets trainiert. Das Paper argumentiert, dass Foundation Models normalerweise tausende oder millionen von Assets benötigen, um wirklich zu glänzen. Mit nur 15 Assets lernt die KI noch die Grundlagen, während die HAR-Modelle (die einfacher sind) aus der Geschichte eines einzigen Assets perfekt lernen können.
Kontextfenster: Die KI betrachtete die letzten 32 Tage der Daten. Die Autoren fanden heraus, dass die KI besser wurde, wenn sie ihr erlaubten, auf 64 Tage zurückzublicken. Dies deutet darauf hin, dass die KI einfach einen längeren „Lookback“ benötigt, um das vollständige Muster zu sehen, ähnlich wie die HAR-Modelle einen vollen Monat betrachten.
Spezialisierung: Die HAR-Modelle sind wie spezialisierte Werkzeuge, die eigens für Volatilität gebaut wurden. Die KI ist ein „Generalist“, der versucht, alles gleichzeitig zu lernen. In einer kontrollierten Simulation mit einem einzigen Regime gewinnt der Spezialist.

Was das Paper explizit ausschließt

Es ist KEIN Sieg der KI über alle Ökonometrie. Das Paper stellt explizit fest, dass die HAR-Familie weiterhin der am schwersten zu schlagende Benchmark bleibt.
Es ist KEIN Test von Realwelt-Modellen. Die hier verwendete KI ist ein „Surrogat“ (ein Stellvertreter), der von Grund auf neu erstellt wurde. Die Autoren haben nicht berühmte kommerzielle Modelle wie Chronos oder TimesFM getestet, da sie diese in ihrer Offline-Umgebung nicht herunterladen konnten. Sie sagen vorsichtig, dass ihre Ergebnisse für das Paradigma von Foundation Models gelten, nicht unbedingt für diese spezifischen Marken.
Es ist KEINE gelöste Aufgabe. Das Paper behauptet nicht, dass die KI die Ökonometrie ersetzt hat. Tatsächlich deutet es darauf hin, dass für ein einzelnes Asset in einem stabilen Markt die klassische Mathematik immer noch sehr schwer zu schlagen ist.

Das Fazte

In diesem simulierten Rennen bewies das Time Series Foundation Model, dass es ein ernstzunehmender Kontender ist, der die Basistools schlägt und mit den besten Experten Schritt hält. Es hat jedoch die HAR-Familie noch nicht entthront.

Das Paper legt nahe, dass die wahre Superkraft der KI nicht darin besteht, die Experten in einem kleinen, kontrollierten Raum zu besiegen, sondern in ihrer Fähigkeit, Zero-Shot (ohlik Retraining) über viele verschiedene, chaotische, reale Märkte hinweg zu funktionieren. Wenn man tausende von Assets und plötzliche Markteinbrüche (Regime Shifts) hat, könnte die KI schließlich die Nase vorn haben. Aber für den Moment, in dieser spezifischen Simulation, sind die Long-Memory-, Sprung-bewussten ökonometrischen Modelle immer noch die Könige des Hügels.

Die Autoren kommen zu dem Schluss, dass wir mehr Daten (mehr Assets) und längere Lookback-Fenster benötigen, um zu sehen, ob die KI die Spezialisten wirklich übertreffen kann. Bis dahin könnte die beste Strategie darin bestehen, die klassische Mathematik als Sicherheitsnetz zu behalten, während die KI die Grundlagen lernt.

Technisches Resümee: Aufmerksamkeit ohne Schätzung

Problemstellung

Die Prognose der realisierten Volatilität (Realized Volatility, RV) stellt eine fundamentale Herausforderung in der Finanzökonometrie dar, die für die Derivatepreisgestaltung, das Risikomanagement und die regulatorische Kapitalunterlegung entscheidend ist. Historisch gesehen wurde dieser Bereich von parametrischen Modellen dominiert, insbesondere dem Heterogenen Autoregressiven (HAR-RV) Framework und der GARCH-Familie, welche assetspezifische Parameterschätzungen erfordern. Jüngst sind Zeitreihen-Foundation-Modelle (Time Series Foundation Models, TSFMs) – große Transformer-Architekturen, die auf heterogenen Korpora vortrainiert und Zero-Shot eingesetzt werden – als potenzieller Paradigmenwechsel in den Fokus gerückt. Es mangelte jedoch an einem rigorosen, reproduzierbaren Vergleich zwischen diesen Zero-Shot-Foundation-Modellen und klassischen, sprungrobusten ökonometrischen Benchmarks. Diese Arbeit adressiert diese Lücke durch die Entwicklung eines mathematisch rigorosen Rahmens, um TSFMs in einem kontrollierten Offline-Setting gegen modernste ökonometrische Modelle zu vergleichen, in dem proprietäre Checkpoints nicht verfügbar sind.

Methodik

1. Ökonometrische Benchmarks und theoretische Erweiterungen

Die Autoren etablieren eine umfassende Suite von ökonometrischen Benchmarks, die über das Standard-HAR-RV und GARCH(1,1) hinausgehen:

HAR-RV: Eine lineare Regression auf tägliche, wöchentliche und monatliche RV-Durchschnitte. Das Paper beweist die Konsistenz und asymptotische Normalität des OLS-Schätzers unter Annahme einer Beinahe-Long-Memory-Regressoren-Abhängigkeit (Theorem 1).
HARQ (Quartizitäts-adjustiert): Integriert die realisierte Quartizität, um verrauschte tägliche Lags abzuwerten und so den Messfehler in der RV zu adressieren.
HAR-CJ (Sprungrobust): Zerlegt die RV in kontinuierliche und Sprung-Komponenten mittels Bipower Variation, um diese separat zu modellieren.
GARCH(1,1) & EWMA: Standardmäßige parametrische Modelle der bedingten Varianz.
Theoretische Garantien: Das Paper leitet eine Log-Normal-Bias-Korrektur für die Exponentierung von Log-RV-Prognosen her (Proposition 1) und etabliert die asymptotischen Eigenschaften der Schätzer.

2. TSFM-Paradigma und Surrogatmodell

Da proprietäre TSFM-Checkpoints (z. B. Chronos, TimesFM) in der Offline-Umgebung der Autoren nicht heruntergeladen werden können, konstruieren sie ein TSFM-Surrogat, das das TSFM-Paradigma getreu instanziiert, ohne den Anspruch auf Äquivalenz zu spezifischen proprietären Modellen zu erheben.

Architektur: Ein Patch-basierter Transformer (folgend auf PatchTST) mit Instanz-Normalisierung und einem Gaußschen probabilistischen Head.
Training: Vortraining von Grund auf auf einem Panel von 15 synthetischen Assets.
Inferenz: Strikt Zero-Shot evaluiert (eingefrorene Gewichte, keine Gradienten-Updates) auf 5 gehaltenen Assets.
Komplexitätsanalyse: Das Paper leitet die pro-Layer Rechenkomplexität her und zeigt, dass der Forward-Pass des Transformers zwar $O(P^2d)$ beträgt, aber die $O(n)$ -Kosten einer täglichen ökonometrischen Neuschätzung vermeidet, was einen Amortisationsvorteil in Multi-Asset-Settings bietet (Proposition 6).

3. Statistische Lerntheorie

Das Paper liefert formale Schranken, um zu charakterisieren, wann ein Zero-Shot-Transfer gerechtfertigt ist:

Rademacher-Komplexität: Eine normbasierte Generalisierungsschranke für die Patch-Transformer-Funktionsklasse (Theorem �2).
PAC-Bayesian Transfer Bound: Eine Schranke für das Zero-Shot-Transfer-Risiko von Trainings-Assets auf ein gehaltenes Asset, die In-Sample-Fit, Modellkomplexität und die Verteilungsdiskrepanz explizit trennt (Theorem 3). Dies formalisiert die Intuition, dass Foundation-Modelle große Vortrainingspanels benötigen, um Komplexitätsstrafen zu überwinden.

4. Evaluationsrahmen

Ein robuster statistischer Evaluationsapparat wird eingesetzt:

Verlustfunktionen: RMSE, MAE und QLIKE (bewiesen robust gegenüber verrauschten Volatilitätsproxy gemäß Patton [31]).
Probabilistisches Scoring: Continuous Ranked Probability Score (CRPS) für Gaußsche prädiktive Verteilungen.
Hypothesentests: Diebold–Mariano-Tests für paarweise Genauigkeit und ein stationärer Bootstrap Model Confidence Set (MCS) für den gemeinsamen Modellvergleich.
Daten: Ein realistisches synthetisches Panel von 20 Assets, generiert aus einem Heston-Stochastischen-Volatilitäts-Modell mit Sprüngen, was die direkte Berechnung von realisierter Quartizität und Bipower Variation aus Intraday-Pfaden ermöglicht.

Zentrale Ergebnisse

1. Performanz-Hierarchie

TSFM vs. GARCH/EWMA: Das TSFM-Surrogat übertrifft GARCH(1,1) und EWMA statistisch signifikant über alle Verlustfunktionen (RMSE, QLIKE) und Testverfahren (Diebold–Mariano, MCS) hinweg.
TSFM vs. HAR-Familie: Das TSFM-Surrogat wird von der gesamten HAR-Familie (HAR-RV, HARQ, HAR-CJ) in paarweisen Diebold–Mariano-Tests signifikant unterboten. HARQ und HAR-CJ erzielen die niedrigsten Fehlerraten, was den Wert von Sprung- und Messfehler-Robustheit im datengenerierenden Prozess der synthetischen Daten bestätigt.
Model Confidence Set (MCS): Entscheidend ist, dass während paarweise Tests zeigen, dass das TSFM schlechter als die HAR-Varianten ist, das gemeinsame Model Confidence Set (90 % Konfidenzintervall) das TSFM-Surrogat zusammen mit der gesamten HAR-Familie einschließt. Dies deutet darauf hin, dass das TSFM unter Berücksichtigung multipler Vergleiche statistisch ununterscheidbar von den besten ökonometrischen Modellen ist.

2. Kontextlänge und Architektur

Kontext-Ablation: Die Zero-Shot-Genauigkeit verbessert sich monoton mit zunehmendem Kontextfenster des Transformers (von $L=16$ bis $L=64$ ). Die $L=64$ -Variante übertrifft die $L=32$ -Baseline, was darauf hindeutet, dass das Modell die Vorteile längerer Rückblickhorizonte noch nicht gesättigt hat, was die Abhängigkeit von HAR von Multi-Monats-Lags widerspiegelt.
Kalibrierung: Die prädiktive Verteilung des TSFM-Surrogats (via CRPS) ist wettbewerbsfähig und etwas besser kalibriert als das einfache HAR-RV, was die Stärke seiner gelernten Unsicherheitsquantifizierung hervorhebt.

3. Recheneffizienz

Während der Single-Sample Forward-Pass des TSFM-Surrogats derzeit langsamer in der Wandzeit ist als das OLS-basierte HAR-Re-Fitting bei den verwendeten Stichprobengrößen ( $n \approx 1.250$ ), argumentiert das Paper, dass der praktische Vorteil in der Amortisation liegt: Ein einzelnes eingefrorenes Netzwerk dient allen Assets, ohne eine pro-Asset-Neuschätzung zu erfordern, wodurch die operationale Komplexität separater ökonometrischer Pipelines entfällt.

Bedeutung und Ansprüche

Das Paper beansprucht, einen nuancierten, mathematisch fundierten Vergleich zu liefern, statt eines einfachen „Gewinner-nimmt-alles“-Urteils. Seine primären Beiträge sind:

Verfeinerung der Paradigmen-Debatte: Die Ergebnisse legen nahe, dass langgedächtnis-basierte autoregressive Strukturen (HAR-Familie) auf stationären Single-Regime-Daten extrem schwer zu schlagen sind. Der stärkste Anspruch des TSFM besteht nicht darin, dass es HAR direkt „besiegt“, sondern dass es eine statistische Ununterscheidbarkeit von den besten Modellen erreicht und gleichzeitig den architektonischen Vorteil der Null-pro-Asset-Neuschätzung bietet.
Theoretische Rechtfertigung für Skalierung: Durch Theorem 3 (PAC-Bayes-Schranke) formalisiert das Paper, dass der aktuelle Nachteil des TSFM gegenüber HAR teilweise auf das kleine Vortrainingspanel ( $N=15$ ) zurückzuführen ist. Die Komplexitätsstrafe in der Schranke skaliert mit $1/\sqrt{n}$ , was impliziert, dass ein echter Uplift durch Foundation-Modelle wahrscheinlich ein Vortraining auf um Größenordnungen mehr heterogenen Daten erfordert, um den Komplexitätsterm vernachlässigbar zu machen.
Methodische Rigorosität: Das Paper etabliert ein reproduzierbares Protokoll zur Evaluierung von Foundation-Modellen in Offline-Settings und beweist, dass ein eigens trainiertes Surrogat das Paradigma (Patch-Attention, Zero-Shot-Transfer) valide testen kann, ohne proprietäre Checkpoints zu benötigen.
Sensitivität der Verlustfunktionen: Die Studie zeigt, dass die Modell-Rankings und die Zugehörigkeit zum Model Confidence Set nicht verlustinvariant sind. Das TSFM wird unter der quadratischen Fehlerverlustfunktion ausgeschlossen (aufgrund der Sensitivität gegenüber Volatilitätssprüngen), aber unter QLIKE eingeschlossen, was die Notwendigkeit robuster Verlustfunktionen wie QLIKE in der Volatilitätsprognose unterstreicht.

Zusammenfassend lässt sich sagen, dass das Paper postuliert, dass Foundation-Modelle zwar vielversprechend sind und eine hohe architektonische Ausdrucksstärke besitzen (bewiesen durch Proposition 5, die HAR-Strukturen einschließt), ihre praktische Überlegenheit gegenüber der klassischen Ökonometrie in der Volatilitätsprognose jedoch von der Skalierung (große, heterogene Vortrainingspanels) und den Einsatzbedingungen (Regimewechsel, Cross-Asset-Heterogenität) abhängt, die in dieser synthetischen Single-Regime-Studie nicht vollständig präsent waren.