Analytics – Erfolgsmessung

Wie gut performt das ML-System? Alle Werte relativ zum jeweiligen Index-Benchmark.

Prediction Accuracy

Wie oft lag das ML-Modell richtig? Jede BUY-Empfehlung wird nach Ablauf des Zeithorizonts gegen den tatsächlichen Kursverlauf geprüft. Alpha-Hit (BUY) = % der BUY-Signale, bei denen die Aktie den Index schlug. Alpha-Hit (SELL) = % der SELL-Signale, bei denen die Aktie den Index schlug. Edge = Differenz zwischen BUY und SELL — zeigt die echte Vorhersagequalität. Wenn BUY und SELL gleich oft den Index schlagen, hat das Modell keine Vorhersagekraft. Ein positiver Edge bedeutet: Das Modell erkennt tatsächlich, welche Aktien outperformen werden.

Portfolio Performance

Wie performt das Paper-Trading-Portfolio insgesamt? Die blaue Linie zeigt die kumulative Rendite aller geschlossenen Trades, die graue gestrichelte Linie den Benchmark (S&P 500 im gleichen Zeitraum). Alpha = Portfolio-Rendite minus Benchmark-Rendite. Positives Alpha bedeutet: das ML-System schlägt den Markt. Sharpe = Rendite pro Risikoeinheit (>1 = gut, >2 = sehr gut). Der rote Bereich darunter zeigt den Drawdown (maximaler Wertverlust vom Höchststand).

Signal-Qualität (Alpha vs. Index)

Welche Signale funktionieren am besten? Avg Alpha = durchschnittliche Outperformance vs. Index. Alpha > 0 = Anteil der Signale die den Index schlagen. Aufschlüsselung nach Zeithorizont, Confidence-Band und Region zeigt, wo das Modell stark oder schwach ist. Die Top Features zeigen, welche SHAP-Werte bei Gewinner- vs. Verlierer-Trades unterschiedlich sind.

Modell-Trend

Wird das Modell besser oder schlechter? Precision (Kauf-Trefferquote) = % der BUY-Signale die korrekt waren. Recall (Erkennungsrate) = % der tatsächlichen Kaufgelegenheiten die gefunden wurden. F1 = Kombination aus beiden. Der Gap zeigt die Differenz zwischen Live-Performance und Backtest.