Eine KI-Risikozahl ohne Validierung ist eine Behauptung. Validierung bedeutet nicht, das Modell zu glauben, sondern es zu prüfen. Drei Verfahren übernehmen den Großteil dieser Prüfung.
Backtesting
Backtesting vergleicht vergangene Vorhersagen mit eingetretenen Verlusten. Ein Modell, das im Backtest systematisch zu niedrige Risiken ausweist, ist falsch kalibriert. Ein Modell, das im Backtest passt, ist trotzdem nicht zwingend zukünftig korrekt – aber ein Modell, das im Backtest scheitert, ist es sicher nicht.
Wichtig ist, dass das Backtesting über mehrere Marktregime läuft. Ein Backtest nur über die Trainingsperiode beweist wenig.
Sensitivitätsanalyse
Sensitivitätsanalyse prüft, wie stark das Ergebnis reagiert, wenn sich die Eingaben ändern. Ein robustes Modell verschiebt sich moderat; ein überangepasstes Modell springt stark. Große Sprünge auf kleine Eingabeänderungen sind ein Warnsignal: das Modell hat Muster gelernt, die nicht tragfähig sind.
Typische Eingaben, die variiert werden:
- Volatilität der zugrunde liegenden Werte
- Korrelationen zwischen Anlageklassen
- Länge der Trainingsperiode
- Wahl der Merkmale
Erklärbarkeit
Erklärbarkeit bedeutet: nachvollziehbar zu machen, welche Eingaben den Ausschlag gegeben haben. Verfahren wie SHAP-Werte oder Permutationswichtigkeit ordnen einzelnen Merkmalen ihren Beitrag zum Ergebnis zu. Ohne diese Zuordnung bleibt eine KI-Risikozahl eine Black Box, die sich weder vertreten noch angreifen lässt.
Erklärbarkeit ersetzt keine Korrektheit. Ein Modell, das sich erklären lässt, aber falsch kalibriert ist, ist immer noch falsch. Aber ein Modell, das sich nicht erklären lässt, ist auch dann ein Problem, wenn es korrekt wirkt.
Was Validierung nicht leistet
Validierung prüft das Modell gegen vergangene und konstruierte Daten. Sie sagt nicht, ob das Modell in einem völlig neuen Regime hält. Dafür ist der Stresstest zuständig – und genau deshalb gehören Validierung und Stresstest zusammen, nicht statteinander.
Grenzen
Auch Validierung ist eine Methode, kein Beweis. Sie erhöht die Vertrauenswürdigkeit einer Risikozahl, sie garantiert sie nicht. Wer validierte Modelle als gesichert darstellt, überschreitet, was Validierung leisten kann.
Dieser Beitrag bietet eine redaktionelle Einordnung der Validierung und ist keine Anlageberatung.