DART: Domain Aware Relational Transformer for Stock Prediction

Stellen Sie sich vor, Sie versuchen das Wetter vorherzusagen, aber anstatt in die Wolken zu schauen, beobachten Sie den Aktienmarkt. Dies ist die Welt der quantitativen Finanzwissenschaft, in der Wissenschaftler und Investoren versuchen zu erraten, welche Aktien morgen steigen oder fallen werden. Lange Zeit dachten die Menschen, der Markt sei wie ein vollkommen fairer Münzwurf, bei dem niemand die Zukunft wirklich vorhersehen konnte, weil bereits alles bekannt war. Doch dann erkannten kluge Köpfe, dass Menschen keine perfekten Roboter sind; wir werden verängstigt, aufgeregt und folgen der Masse, was den Markt etwas chaotisch und tatsächlich in gewisser Weise vorhersagbar macht. Heute nutzen wir leistungsstarke Computer und „Deep Learning“ (eine Art künstliche Intelligenz, die aus Mustern lernt), um diese verborgenen Signale im Rauschen zu finden. Das große Problem ist jedoch, dass es Tausende von Aktien gibt, die sich alle auf komplizierte Weise gegenseitig beeinflussen. Zu versuchen herauszufinden, wie jede einzelne Aktie mit jeder anderen kommuniziert, ist wie der Versuch, jedem Gespräch in einem Stadion gleichzeitig zuzuhören – das ist zu viel Information, die ein Computer verarbeiten kann, ohne überfordert zu werden.

Hier kommt eine neue Studie mit einer cleveren Lösung namens DART (Domain-Aware Relational Transformer) ins Spiel. Stellen Sie sich den Aktienmarkt wie eine riesige, lärmende Party vor. Wenn man in der Vergangenheit wissen wollte, wer mit wem spricht, hätte man versuchen können, jedem einzelnen Gespräch gleichzeitig zuzuhören. Das dauert ewig und bereitet einem Kopfschmerzen. Die Forscher hinter DART erkannten, dass Menschen meistens mit Personen in ihrer eigenen Gruppe sprechen – wie den Kindern am Snacktisch oder den Erwachsenen am Punschstand. Sie schreien normalerweise nicht über den Raum hinweg zu jemandem in einer völlig anderen Gruppe. Anstatt also dem ganzen Raum zuzuhören, hört DART nur den Menschen in derselben „Branchengruppe“ zu (wie etwa Tech-Unternehmen, die mit anderen Tech-Unternehmen sprechen). Dies macht die Aufgabe des Computers viel, viel schneller.

Die Arbeit legt nahe, dass das Modell durch diese „Gruppen-Zuhörstrategie“, kombiniert mit einer speziellen Art, die Zeit zu betrachten (das gleichzeitige Prüfen von kurzfristigen, mittelfristigen und langfristigen Trends), Aktienrenditen besser vorhersagen kann als ältere Methoden. In Tests mit realen Daten von NASDAQ, NYSE und S&S 500 zeigte das DART-Modell, dass es intelligentere Investitionsentscheidungen treffen und Risiken besser handhaben kann. Es bewies zudem, dass der Computer durch das Ignorieren des „Rauschens“ nicht verwandter Aktien seine Arbeit mit etwa 84 % weniger Energie leisten konnte als zuvor. Obwohl das Modell kein magisches Kristallkugel-Instrument ist, das Gewinne garantiert, deuten die Autoren darauf hin, dass es ein wesentlich praktischeres und effizienteres Werkzeug ist, um sich in der komplexen, überfüllten Welt des Aktienmarktes zurechtzufinden.

Die Geschichte von DART: Eine klügere Art, dem Markt zuzuhören

Das Problem: Zu viel Rauschen, zu viele Verbindungen

Stellen Sie sich vor, Sie sind auf einem riesigen Konzert mit Tausenden von Menschen. Wenn Sie wissen wollen, welches Lied gerade spielt, könnten Sie versuchen, auf jede einzelne Stimme gleichzeitig zu hören. Aber das ist unmöglich; es ist einfach eine Wand aus Lärm. Dies ist genau das Problem, vor dem Computer stehen, wenn sie versuchen, Aktien vorherzusagen. Es gibt Tausende von Aktien, und jede einzelne ist mit jeder anderen verbunden. Alte Computermodelle versuchten, jedem gleichzeitig zuzuhören. Dies wird als „Full Attention“ (volle Aufmerksamkeit) bezeichnet. Es ist theoretisch sehr genau, aber so langsam und teuer, dass es für den realen Handel mit Tausenden von Aktien praktisch unmöglich zu verwenden ist. Es ist, als würde man versuchen, ein Puzzle zu lösen, indem man jedes einzelne Teil gegen jedes andere prüft; das Puzzle wird zu groß und das Gehirn (oder der Computer) stürzt ab.

Die Lösung: Die „Branchen-Nachbarschafts-Regel“

Die Forscher schlugen eine einfache, aber kraftvolle Idee vor: Aktien in derselben Branche sind beste Freunde; Aktien in verschiedenen Branchen sind nur flüchtige Bekannte.

Betrachten Sie den Aktienmarkt als eine riesige Stadt, die in Stadtteile unterteilt ist. Es gibt das „Tech-Viertel“, das „Lebensmittel-Viertel“ und das „Auto-Viertel“. Menschen im Tech-Viertel sprechen ständig miteinander, weil sie dieselben Nachrichten und Trends teilen. Aber die Menschen im Tech-Viertel führen selten ein direktes, dringendes Gespräch mit den Menschen im Lebensmittel-Viertel.

Das DART-Modell nutzt diese Regel. Anstatt der ganzen Stadt zuzuhören, hört es nur den Gesprächen innerhalb jedes Viertels zu. Dies wird als Domain-Knowledge-Guided Sparse Attention (DSA) bezeichnet.

• Wie es funktioniert: Der Computer schaut sich eine Aktie an, fragt: „In welchem Viertel befindet sie sich?“ und achtet dann nur auf die anderen Aktien in demselben Viertel.
• Das Ergebnis: Er ignoriert das nutzlose Rauschen von nicht verwandten Aktien. Die Arbeit zeigt, dass dies die Arbeitslast des Computers um etwa 84 % senkt (speziell von 0,23 GFLOPs auf 0,04 GFLOPs in ihren Tests). Es ist wie der Wechsel vom Versuch, ein Flüstern in einem Hurrikan zu hören, zum bloßen Zuhören eines leisen Gesprächs in einem Café.

Die Zeitmaschine: Die Vergangenheit in Schichten sehen

Die Vorhersage der Zukunft geht nicht nur darum, wer mit wem spricht; es geht auch darum, wann Dinge passieren. Aktien bewegen sich auf unterschiedlichen Uhren. Einige bewegen sich schnell (Minute für Minute), einige mittelschnell (tägliche Trends) und einige langsam (monatliche oder jährliche Trends).

Alte Modelle versuchten oft, die Zeit mit nur einer Brille zu betrachten, was bedeutete, dass sie entweder das große Ganze oder die kleinen Details übersahen. DART verwendet ein Multi-Scale Temporal Fusion (MSTF) Modul.

• Die Analogie: Stellen Sie sich vor, Sie schauen einen Film. Sie haben ein Zoom-Objektiv, mit dem Sie die winzigen Details im Gesicht eines Schauspielers sehen können (kurzfristig), ein Weitwinkelobjektiv, das die gesamte Szene zeigt (mittelfristig), und eine Drohnenaufnahme, die die ganze Stadt zeigt (langfristig). DART nutzt alle drei Objektive gleichzeitig.
• Die Magie: Es verwendet dann ein spezielles „Progressive Temporal Fusion“-Netzwerk, um diese Ansichten übereinanderzustapeln. Es ist wie der Bau eines Sandwiches, bei dem jede Schicht mehr Geschmack hinzufügt, was dem Computer hilft zu verstehen, wie eine kleine Änderung heute zu einem großen Trend morgen werden kann.

Was sie fanden: Schneller und klüger

Die Forscher testeten ihr neues Modell, DART, gegen mehrere andere berühmte Modelle (wie LSTM, GCN und sogar neuere wie MambaStock) unter Verwendung realer Daten aus dem US-Aktienmarkt (NASDAQ, NYSE und S&P 500) von 2020 bis 2024.

Hier ist das, was die Daten nahelegen:

1. Bessere Renditen: DART hat nicht nur besser geraten; es half dabei, ein besseres „Portfolio“ (eine Sammlung von Aktien) aufzubauen. In Tests erreichte es die höchste Sharpe Ratio (ein Wert, der misst, wie viel Geld man im Verhältnis zum Risiko verdient) beim NASDAQ und S&P 500. Beispielsweise erreichte DART beim NASDAQ eine Sharpe Ratio von 2,432, während der nächstbeste Wert bei 1,827 lag.
2. Top-Auswahl: Wenn das Modell die Top-10-Aktien auswählte, von denen es glaubte, dass sie am besten abschneiden würden, lag es häufiger richtig als die anderen (eine Kennzahl namens Precision@10). Beim NYSE lag es bei 58,7 % seiner Top-Auswahlen richtig und schlug damit die Konkurrenz.
3. Die „No-Go“-Zone: Die Studie zeigte explizit, dass das Modell viel schlechter abschneidet, wenn man die „Nachbarschafts-Regel“ entfernt und den Computer versucht, jedem zuzuhören (Full Attention). Dies beweist, dass das Ignorieren irrelevanter Verbindungen tatsächlich gut für das Modell ist.

Das Fazit

Die Arbeit legt nahe, dass DART ein praktisches, effizientes Werkzeug für die Zukunft des Investierens ist. Es behauptet nicht, ein Zauberstab zu sein, der garantiert, dass man reich wird, aber es zeigt, dass Computer durch die Nutzung kluger Regeln (wie das nur in der eigenen Nachbarschaft zuzuhören) und das Betrachten der Zeit in Schichten den chaotischen Aktienmarkt viel besser verstehen können. Es löst das Problem der „zu vielen Daten“, indem es selektiv vorgeht, was es ermöglicht, leistungsstarke KI auf Tausende von Aktien anzuwenden, ohne das Budget oder den Computer zu sprengen.

Wie die Autoren anmerken, gibt es noch Raum für Wachstum. Momentan betrachtet das Modell „Nachbarschaften“ basierend auf statischen Branchenlisten. In Zukunft hoffen sie, diese Nachbarschaften dynamisch zu gestalten, sodass das Modell sehen kann, wenn ein Technologieunternehmen plötzlich anfängt, sich wie ein Lebensmittelunternehmen zu verhalten, oder wenn Nachrichten die Verbindung zwischen zwei völlig unterschiedlichen Gruppen herstellen. Aber für den Moment ist DART ein starker, effizienter Schritt nach vorn, um Computern beizubringen, wie sie sich in der Finanzwelt zurechtfinden.