Grundlagenkurs: Daten & Bias
250 €
Video-Lektionen, Arbeitsblätter zur Datenprüfung, kein Live-Trading.
- 4 Module à ca. 45 Min.
- Checklisten für Datenpipelines
- Zugang 12 Monate (vorgeschlagen)
DataWeave Anlagebildung
Checkliste und Bildungskurse zu Datenqualität, Trainingsbias und Grenzen von KI in quantitativen Anlagemodellen — ohne individuelle Produktempfehlung.
Bevor Sie einem KI-Signal vertrauen: Woher stammen die Daten, welche Labels wurden trainiert, und welche Verzerrungen bleiben im Modell?
Warum Datenqualität KI-Anlagemodelle prägt
Feature-Engineering auf schiefen Kursreihen, fehlende Corporate-Actions oder veraltete Fundamentaldaten verzerren Backtests. Wir erläutern, wie sich Datenlücken in Scores und Rankings fortsetzen.
Im Fokus: Survivorship Bias in Universen, Look-ahead durch verzögerte Meldungen und die Trennung von Research- und Execution-Daten — typische Stolperstellen bei ML-Pipelines für Portfolios.
Checkliste: Bias in KI-Anlagemodellen erkennen
Prüfpunkte für Teams, die Modelle nur intern nutzen — keine Bewertung einzelner Wertpapiere.
1
Trainingszeitraum vs. Regimewechsel
Wurde das Modell in Niedrigzins- oder Krisenphasen trainiert? Dokumentieren Sie Out-of-sample-Zeiträume getrennt nach Volatilitätsregimen.
2
Label-Definition und Handlungsfolge
Forward-Returns mit unterschiedlichen Horizonten erzeugen andere Rankings. Klären Sie, ob Labels nach Kosten und Slippage berechnet wurden.
3
Feature-Leakage und Altdata
Social-Sentiment oder Scraping-Feeds können Zeitstempel-Fehler enthalten. Prüfen Sie Join-Keys und Embargo-Fenster vor Live-Schaltung.
4
Fairness und Sektor-Konzentration
Modelle können Tech-Gewichte replizieren, ohne es zu zeigen. Segmentieren Sie Fehlerraten nach Branche und Marktkapitalisierung.
Vertiefung: Modellrisiko dokumentieren
300 €
Fallstudien zu Backtest-Drift und Governance — rein bildungsorientiert.
- 2 vertiefende Workshops (aufgezeichnet)
- Muster für Modellkarten
- E-Mail-Support zu Kursinhalten (vorgeschlagen)
Für wen die Angebote gedacht sind — und für wen nicht
Geeignet für analytisch arbeitende Privatpersonen, Risk-Teams und Quants, die KI als Werkzeug einordnen wollen. Nicht geeignet, wenn Sie konkrete Kauf- oder Verkaufsempfehlungen erwarten.
Wir verlinken auf regulatorische Grundlagen (MiFID, KI-Verordnung im Kontext von Datenqualität), ohne Rechtsberatung zu ersetzen.
Zum Kursprogramm