Er zeichnet Linien in Daten, bricht Muster auf, verschiebt Korrelationen, verzerrt Oberflächen.
Und manchmal, wenn man lange genug hinsieht, erkennt man darin eine Geometrie.
Dieses Kapitel ist eine Annäherung an diese Form –
eine technische, aber auch eine menschliche.
1. Die Struktur des Risikos
Risikomodelle sind Werkzeuge, die versuchen, Ordnung in ein System zu bringen, das sich nicht ordnen lassen will.
Märkte sind keine physikalischen Systeme.
Sie haben keine Naturgesetze, keine Konstanten, keine garantierten Symmetrien.
Und doch verhalten sie sich, als hätten sie Strukturen:
Wiederkehrende Muster, Bruchstellen, Stresspunkte.
Diese Strukturen sind nicht mathematisch „rein“.
Sie entstehen aus Verhalten, Liquidität, Erwartungen, Positionierung,
und aus den Modellen, die wir selbst verwenden.
Machine Learning kann diese Strukturen nicht erklären.
Aber es kann sie sichtbar machen.
Dieses Kapitel ist eine theoretische Annäherung an das,
was wir in unserem Gespräch herausgearbeitet haben: Wie Risiko entsteht, wie Stress sich ausbreitet,
und welche Rolle ML in diesem Gefüge spielt.