HSBC-Modell sagt Rendite der 10-jährigen US-Staatsanleihe mit 65% voraus

Die britische Großbank HSBC hat ein Machine-Learning-Modell entwickelt, das die Richtung der Renditen von US-Staatsanleihen prognostizieren soll. Konkret geht es um die 10-jährige US-Staatsanleihe (BX: TMUBMUSD10Y), das wohl wichtigste Finanzinstrument der globalen Märkte. Das Modell soll vorhersagen, ob die Renditen über die nächsten 21 Handelstage – also etwa einen Monat – steigen oder fallen werden.

Die Ergebnisse sind beachtlich: Bei Daten, die das Modell während des Trainings noch nicht gesehen hatte (Out-of-Sample), erreichte es eine Genauigkeit von 65 Prozent. Im In-Sample-Bereich, also bei bereits bekannten Daten, lag die Trefferquote sogar bei 76 Prozent. Damit zeigt das Modell, dass Muster in den Renditebewegungen der US-Staatsanleihen erkennbar sind, die über bloßen Zufall hinausgehen.

Warum die 10-jährige US-Staatsanleihe so wichtig ist

Die Rendite der 10-jährigen US-Staatsanleihe gilt als der globale Benchmark-Zinssatz schlechthin. Sie beeinflusst Hypothekenzinsen, Unternehmenskredite, Aktienbewertungen und die Kapitalkosten weltweit. Wenn die Rendite steigt, fallen in der Regel die Kurse von Anleihen, und umgekehrt. Für Anleger ist die Prognose der Renditeentwicklung daher von enormer Bedeutung – sowohl für das Portfoliomanagement als auch für taktische Handelsentscheidungen.

HSBCs Ansatz mit maschinellem Lernen ist Teil eines wachsenden Trends im Finanzsektor. Immer mehr Banken und Investmentfirmen setzen auf KI-gestützte Modelle, um Marktbewegungen vorherzusagen. Die 65-prozentige Genauigkeit außerhalb der Trainingsdaten ist dabei ein vielversprechender Wert, auch wenn er keine Wunder verspricht. Ein Münzwurf läge bei 50 Prozent – das Modell schlägt den Zufall also um 15 Prozentpunkte.

Grenzen und Potenzial des Modells

Trotz der soliden Ergebnisse ist Vorsicht geboten. Eine Out-of-Sample-Genauigkeit von 65 Prozent bedeutet, dass das Modell in etwa einem Drittel der Fälle falsch liegt. Für Anleger, die auf Basis dieser Prognosen handeln, bleibt ein erhebliches Restrisiko. Zudem basieren die Ergebnisse auf historischen Daten – ob das Modell auch in Zukunft unter veränderten Marktbedingungen ähnlich gut abschneidet, ist ungewiss.

Die Finanzmärkte sind bekannt dafür, dass sie sich ständig wandeln. Ein Modell, das in der Vergangenheit gut funktioniert hat, kann unter neuen Rahmenbedingungen – etwa einer anderen Geldpolitik der Federal Reserve oder unerwarteten geopolitischen Ereignissen – an Treffsicherheit verlieren. HSBC selbst dürfte sich dieser Einschränkungen bewusst sein.

Für deutsche Anleger ist die Entwicklung dennoch relevant. Die Rendite der 10-jährigen US-Staatsanleihe hat direkte Auswirkungen auf den DAX und andere europäische Indizes. Steigende US-Renditen machen Anleihen attraktiver im Vergleich zu Aktien und können Kapital aus den Aktienmärkten abziehen. Zudem beeinflussen sie den Wechselkurs des Euro zum US-Dollar, was wiederum Exportunternehmen betrifft.

Machine-Learning-Modelle wie jenes von HSBC werden die Finanzwelt weiter verändern. Sie ersetzen keine menschliche Urteilskraft, können aber als Entscheidungshilfe dienen. Die 65-prozentige Genauigkeit ist ein Schritt in Richtung datengetriebenerer Anlagestrategien – auch wenn der heilige Gral der perfekten Vorhersage wohl auf absehbare Zeit unerreicht bleibt.