Tyger Cho, Director of Business Development and Financial Services bei LG AI Research, sagte laut Wiremeldung gegenüber Bloomberg, das neueste Modell des Unternehmens könne kurzfristige Bewegungen an der koreanischen Börse schneller und präziser prognostizieren als ältere statistische Verfahren. Der Wiretext liefert dafür keine Kennzahlen oder unabhängige Validierung.
Eine Unternehmensangabe, kein Leistungsnachweis
Die Aussage stammt von einem LG-Manager. Ohne dokumentierte Testmethodik lässt sich nicht beurteilen, welcher Vergleichsmaßstab verwendet wurde und wie groß der behauptete Vorsprung ist. Der Begriff „ältere statistische Verfahren“ wird nicht näher definiert.
Die Meldung nennt weder Trefferquote noch Rendite, Fehlermaß oder Testzeitraum. Sie sagt auch nicht, ob das Modell bereits produktiv eingesetzt oder lediglich vorgestellt wurde.
Technische Details fehlen
Aus dem Wiretext gehen keine Modellarchitektur, Datenquellen, Aktualisierungsfrequenz oder Trainingsmethode hervor. Aussagen über Echtzeitverarbeitung, große Datensätze oder automatisch erzeugte Handelssignale wären daher Spekulation.
Ebenso ist nicht bekannt, ob das Modell einzelne Aktien, Indizes oder andere Marktgrößen prognostiziert und welchen Zeithorizont „kurzfristig“ bezeichnet.
Backtests müssten nachvollziehbar sein
Für eine belastbare Bewertung wären historische Tests mit klar getrennten Trainings- und Prüfdaten wichtig. Dabei müssten Transaktionskosten, Datenverfügbarkeit und mögliche Überanpassung berücksichtigt werden. Die Wiremeldung bestätigt nicht, dass LG einen solchen Backtest veröffentlicht hat.
Auch ein guter historischer Test wäre keine Garantie für künftige Ergebnisse. Marktbeziehungen können sich ändern, und Modelle können unter neuen Bedingungen an Genauigkeit verlieren.
Prognose ist nicht gleich Handelssystem
Ein Prognosemodell muss nicht automatisch Handelsentscheidungen ausführen. Zwischen einer Vorhersage und einer realen Order liegen Portfolioregeln, Risikolimits, Ausführung und Kontrolle. Zu diesen Punkten macht die Quelle keine Angaben.
Diese Informationen fehlen für eine Prüfung
- Genauer Prognosegegenstand und Zeithorizont
- Vergleichsmodelle und verwendete Qualitätskennzahlen
- Testzeitraum sowie Trennung von Training und Validierung
- Berücksichtigung von Kosten und Marktliquidität
- Produktstatus, Zielgruppe und unabhängige Überprüfung
Fazit
LG AI Research erhebt einen interessanten Leistungsanspruch, veröffentlicht in der vorliegenden Meldung aber nicht die Daten, die für seine Prüfung nötig wären. Bis solche Nachweise vorliegen, sollte die Aussage als Unternehmensangabe und nicht als belegte Überlegenheit behandelt werden.