Modelle lernen aus der Vergangenheit. Die Vergangenheit der Finanzmärkte ist jedoch nicht stationär: Relationen, die über Jahre stabil schienen, können sich innerhalb weniger Wochen auflösen. Das ist keine Schwäche eines konkreten Modells, sondern eine Eigenschaft des Gegenstands.
Was Nicht-Stationarität bedeutet
Eine stationäre Zeitreihe behält ihre statistischen Eigenschaften über die Zeit. Eine nicht-stationäre Reihe nicht. Finanzmarktrenditen sind in der Regel nicht-stationär: ihre Volatilität schwankt, ihre Korrelationen verschieben sich und ihre Mittelwerte driften. Ein Modell, das auf einer langen Strecke stabiler Relationen trainiert wurde, trifft in einer Phase veränderter Relationen Aussagen, die sich auf eine Welt beziehen, die nicht mehr besteht.
Drei Folgen für die Rebalancierung
Erstens können Signale, die in einer Phase stabil waren, in einer neuen Phase häufiger oder seltener auslösen, ohne dass sich die zugrunde liegende Anlagepolitik geändert hat. Zweitens können Schwellen, die in einer Phase als robust galten, in einer anderen Phase zu häufig oder zu selten auslösen. Drittens kann die Richtung der Umschichtung von einer Korrelation abhängen, die sich aufgelöst hat.
Woran saubere von unsauberen Annahmen zu erkennen sind
Ein redaktionell sauberer Beitrag nennt die Annahme, die einem Modell zugrunde liegt. Er sagt nicht, dass das Modell funktioniert, sondern dass es unter einer bestimmten Annahme funktioniert. Ein unsauberer Beitrag verschweigt die Annahme und behauptet, das Modell funktioniere. Die Differenz ist nicht technisch, sie ist redaktionell.
Was ein Beitrag nicht leistet
Ein Beitrag kann beschreiben, dass ein Modell in einer bestimmten Phase eine bestimmte Eigenschaft hatte. Er kann nicht behaupten, dass dies in der nächsten Phase so bleiben wird. Wer eine solche Aussage liest, sollte sie als redaktionelle Einordnung verstehen, nicht als Vorhersage.