1. Januar 2026 · ca. 5 Min. Lesezeit

Frühe Signale aus Spread-Verläufen und Sentiment

Wie gemeinsame Auswertung von Kredit-Spreads, Handelsvolumen und Sentiment Schwäche eines Emittenten früher anzeigt — und welche Fehlalarme dabei entstehen.

Frühe Warnsignale sind im Anleihen- und Kreditbereich wertvoll, weil sie Zeit zum Handeln schaffen. KI-Verfahren, die Spread-Verläufe, Handelsvolumen und Sentiment gemeinsam auswerten, versprechen, Schwäche eines Emittenten vor einer sichtbaren Herabstufung zu erkennen. Das funktioniert — mit einer klaren Fehlerstruktur.

Was gemeinsame Auswertung zeigt

Handelsboden einer Börse mit elektronischen Kursanzeigetafeln

Ein einzelner Spread-Anstieg ist mehrdeutig: Er kann auf den Emittenten oder auf den gesamten Markt zurückgehen. Erst die gemeinsame Betrachtung mit Volumen und Sentiment trennt die Quellen. Steigt der Spread eines Emittenten stärker als der Sektor, fällt das Volumen und verschiebt sich das Sentiment negativ, ist das ein Muster, das einer Herabstufung vorausgeht. Modelle, die diese drei Größen gemeinsam verarbeiten, finden solche Muster häufiger als Verfahren, die den Spread isoliert betrachten.

Die Fehlerstruktur

Frühe Signale sind unsicher, weil sie früh sind. Wer die Schwelle für einen Alarm niedrig ansetzt, bekommt viele Fehlalarme: Spread-Bewegungen, die sich innerhalb von Tagen zurückbilden. Wer sie hoch ansetzt, verpasst die Fälle, in denen die Vorwarnzeit tatsächlich nützlich gewesen wäre. Der Trade-off ist nicht modellierbar, sondern eine Entscheidung über das Verhältnis von Fehlalarmen zu verpassten Ereignissen.

Hinzu kommt ein systematischer Fehler: Modelle lernen aus vergangenen Stressphasen. Eine Schwäche, die sich in einem neuen Muster zeigt, wird erst erkannt, wenn sie bereits ausgeprägt ist. Frühe Signale sind also frühe Signale für bekannte Muster, nicht für unbekannte.

Lesart

Wer Frühwarnsysteme einsetzt, sollte die Fehlalarmrate als eigene Kennzahl führen, nicht nur die Trefferquote. Ein System, das drei von vier echten Ereignissen erkennt, aber zehn Fehlalarme pro echtem Ereignis auslöst, ist in der Praxis schwer verwendbar. Die Frage ist nicht, ob KI früher war, sondern ob die Vorwarnzeit in den Fehlalarmen noch nutzbar ist.

Wir untersuchen in einer Folgearbeit, wie sich Fehlalarmraten über verschiedene Sektoren unterscheiden. Hinweise auf auffällige Sektoren nehmen wir über das Kontaktformular entgegen.