udt
updowntrends
How-To

KI-Aktienprognosen, KI-Ziel & Trend Radar verstehen – von Modellqualität bis Alert

Lerne Schritt für Schritt, wie du KI-Aktienprognosen bewertest, den Trend Radar nutzt, Watchlists und Alerts einrichtest und einzelne Assets mit Trend Chart, KI-Ziel, Modellband, Signalqualität und Prognosehistorie validierst.

Alle Analysen und Prognosen werden automatisch mithilfe von KI und mehreren technischen Indikatoren erstellt. Sie dienen ausschließlich zu Informationszwecken und stellen keine Anlageberatung dar.

Modellqualität

Metrics Overview – Prognosequalität objektiv bewerten

Die Metrics Overview ist der Einstieg, um die Qualität der KI-Aktienprognosen objektiv zu prüfen. Bevor du ein UP- oder DOWN-Signal nutzt, solltest du verstehen, wie gut das Modell für den jeweiligen Markt, das Asset und den Prognosehorizont historisch gearbeitet hat.

Die wichtigsten Kennzahlen sind Accuracy, Balanced Accuracy, AUC, Brier Score und MCC. Sie zeigen nicht nur Trefferquoten, sondern auch Trennschärfe, Kalibrierung und Robustheit der technischen KI-Signale.

Interpretation: Nutze Metriken als Qualitätsfilter. Höhere Werte sprechen für robustere historische Prognosesignale. Schwächere Werte bedeuten nicht automatisch, dass ein Signal falsch ist – sie zeigen aber, dass du vorsichtiger interpretieren und andere Horizonte prüfen solltest.

Definitionen findest du im Technology FAQ.

Metrics Overview for AI stock forecast quality
Qualität im Zeitverlauf

Metrics Development – Stabilität der KI-Prognosen prüfen

Metrics Development zeigt, wie sich die Modellqualität über die Zeit entwickelt. Das ist wichtig, weil Märkte ihre Struktur verändern: Trends, Volatilität, Liquidität und Marktbreite können die Prognosequalität beeinflussen.

Eine stabile oder steigende Metrik spricht für konsistente Modellleistung. Ein abrupter Rückgang kann dagegen auf ein schwierigeres Marktregime hinweisen, in dem Signale vorsichtiger genutzt werden sollten.

Interpretation: Kombiniere aktuelle Signale immer mit ihrer Qualitätsentwicklung. Ein starkes Signal ist wertvoller, wenn die zugrunde liegende Modellqualität ebenfalls stabil bleibt.

Metrics Development for AI forecast stability
Trend Radar

Trend Radar – starke Setups schneller erkennen

Der Trend Radar ist die zentrale Übersicht für tägliche KI-Aktienprognosen. Er verdichtet technische Trendmuster, historische Entwicklung, UP-Wahrscheinlichkeiten, Signalqualität, KI-Ziel und Modellband in einer kompakten Tabellenansicht.

Die linke Hälfte des Mini-Charts zeigt die letzten 60 Handelstage. Die rechte Hälfte zeigt eine konservativ abgeleitete KI-Ziel-Projektion für die möglichen nächsten 60 Handelstage. Dabei fließen alle Prognosehorizonte ein: 1D, 5D, 20D und 60D.

Die Kategorien helfen dir, Setups gezielt zu finden: starke UP- und DOWN-Signale, Trendfortsetzungen, Trendwenden, Breakouts sowie auffällige Modellband-Konstellationen. So kannst du Märkte schneller screenen und anschließend einzelne Assets auf der Detailseite prüfen.

Trend Radar with AI target and model band
Persönliche Auswahl

Watchlist – interessante Setups gezielt verfolgen

Die Watchlist hilft dir, interessante Aktien, Indizes, Rohstoffe und Kryptowährungen dauerhaft im Blick zu behalten. Statt täglich die komplette Marktübersicht zu durchsuchen, kannst du deine persönliche Auswahl aus KI-Prognosen, Trendmustern, KI-Zielen, Modellband und klassischen Signalen verfolgen.

Du kannst zwischen Trend Radar und Detailtabelle wechseln. Der Trend Radar zeigt die letzten 60 Handelstage, die konservative KI-Ziel-Projektion der nächsten 60 Handelstage sowie das Modellband. Die Detailtabelle liefert zusätzlich kompakte Signale pro Horizont und historische Genauigkeit.

Interpretation: Nutze die Watchlist für Kandidaten, die du grundsätzlich interessant findest. So erkennst du Trendänderungen, Breakouts oder veränderte Modellband-Konstellationen schneller, ohne jedes Asset erneut suchen zu müssen.

Watchlist with AI target and model band
Benachrichtigungen

Alerts – Trendwechsel und Signale automatisch überwachen

Mit Alerts kannst du wichtige Veränderungen automatisch überwachen lassen. Statt manuell zu prüfen, ob sich ein Signal gedreht hat, erhältst du eine Benachrichtigung, wenn definierte Bedingungen eintreten.

Typische Alert-Bedingungen sind Trendwechsel in der historischen Entwicklung oder Forecast-Reversals in den KI-Signalen. Die Alert-E-Mail zeigt anschließend den Trendchart, das KI-Ziel, das Modellband und die wichtigsten Qualitätsmetriken.

Interpretation: Alerts sind besonders nützlich für Timing und Risikomanagement. Sie ersetzen keine eigene Prüfung, helfen aber dabei, relevante Marktbewegungen nicht zu verpassen und Setups rechtzeitig auf der Symbolseite zu validieren.

Alerts with trend chart, AI target and model band
Symbolseite

Trend Chart – Historie und KI-Ziel verbinden

Der Trend Chart verbindet die historische Kursentwicklung mit dem KI-Ziel. Links siehst du die kumulierte Entwicklung der letzten 60 Handelstage, rechts die mögliche Entwicklung der nächsten 60 Handelstage auf Basis der Prognosehorizonte, UP-Wahrscheinlichkeiten, Signalqualität und Modellbandbreite.

Die gestrichelte Linie ist keine feste Zielpreisprognose. Sie zeigt ein konservativ abgeleitetes KI-Ziel aus Modellband, UP-Wahrscheinlichkeit, Signalqualität und Bandbreite. Das Modellband ist eine quantilbasierte Spanne möglicher Renditen – kein Kursziel.

Interpretation: Besonders interessant sind Setups, bei denen historischer Trend, Signalqualität und Forecast-Richtung zusammenpassen. Gegenläufige Bewegungen können Trendwenden anzeigen, sollten aber immer mit KI-Ziel, Modellband und Qualitätsmetriken geprüft werden.

Asset Trend Chart with AI target and model band
Symbolseite

Asset Predictions – Signale, Wahrscheinlichkeiten, KI-Ziel & Modellband

Die erweiterte Predictions-Tabelle zeigt pro Asset die wichtigsten Prognoseinformationen über 1D, 5D, 20D und 60D sowie den gewichteten Durchschnitt. Du siehst nicht nur die Richtung, sondern auch UP-Wahrscheinlichkeit, KI-Ziel, Modellband und Signalqualität.

Das KI-Ziel ist ein konservativ abgeleiteter Modellwert aus Modellband, UP-Wahrscheinlichkeit, Signalqualität und Bandbreite. Das Modellband zeigt zusätzlich die quantilbasierte Renditespanne. Beides hilft dir, Signale nicht isoliert zu betrachten, sondern Richtung, Qualität und Spannweite gemeinsam zu bewerten.

Signal Quality verdichtet mehrere Qualitätsinformationen zu einem kompakten Score. Ein stärkeres Signal ist wertvoller, wenn gleichzeitig die historische Modellqualität, die UP-Wahrscheinlichkeit, das KI-Ziel und das Modellband stimmig sind.

Die unteren Metriken wie ACC, BALACC, AUC, Brier und MCC zeigen zusätzlich, wie gut das Modell für dieses Asset und diesen Horizont historisch gearbeitet hat. Dadurch kannst du Prognosen datenbasiert einordnen, statt nur auf die Richtung zu schauen.

Asset Predictions with AI target, model band and Signal Quality
Symbolseite

Prediction History – Signalstabilität prüfen

Die Prediction History zeigt, wie sich UP-Wahrscheinlichkeiten und Signale über die Zeit verändert haben. Damit erkennst du, ob ein Modell eine stabile Einschätzung geliefert hat oder ob die Signale häufig gewechselt haben.

Interpretation: Stabile Signalcluster sprechen eher für belastbare Prognosen. Häufige Wechsel können auf Seitwärtsphasen, erhöhte Volatilität oder ein schwieriges Marktregime hinweisen.

Prediction History
Symbolseite

Prediction Quality: Signals & Hits – Treffer je Horizont

Dieses Chart zeigt, wie viele Signale je Horizont erzeugt wurden und wie viele davon im Rückblick bestätigt wurden. Dadurch erkennst du schnell, ob ein bestimmter Horizont bei diesem Asset historisch besonders zuverlässig war.

Interpretation: Ein Horizont mit vielen Signalen und hoher Trefferzahl ist oft aussagekräftiger als ein einzelnes starkes Signal ohne historische Bestätigung.

Signals & Hits
Symbolseite

Prediction Quality: Correlation – Prognose vs. spätere Performance

Die Korrelationsgrafik vergleicht normalisierte Prognosewerte mit späteren Kursbewegungen. Sie zeigt, ob höhere UP-Wahrscheinlichkeiten historisch tatsächlich mit besseren späteren Renditen zusammenhingen.

Interpretation: Eine erkennbare positive Struktur spricht für echte Prognosequalität. Eine diffuse Punktwolke deutet eher auf schwache oder regimeabhängige Signale hin.

Correlation
Artikel

KI-Signale, KI-Ziel und Modellband verstehen & systematisch anwenden

Diese Guides erklären die wichtigsten Fragen rund um KI-Aktienprognosen, technische Chartanalyse, UP-Wahrscheinlichkeiten, KI-Ziel, Modellband, Signalqualität, Trend Radar, Watchlist und Alerts.

Workflow

1) Der optimale Workflow: von Modellqualität zu konkreten Setups

Ein guter Workflow beginnt nicht mit einem einzelnen UP- oder DOWN-Pfeil. Er beginnt mit Modellqualität: Welche Assets und Horizonte haben historisch robuste Signale erzeugt? Erst danach solltest du Trend Radar, Watchlist, Alerts und die Symbolseite nutzen, um konkrete Setups zu priorisieren.

Praktisch bedeutet das: Zuerst Metriken prüfen, dann im Trend Radar starke Signale, Trendfortsetzungen, Trendwenden, Breakouts oder Modellband-Setups screenen. Interessante Kandidaten kommen auf die Watchlist. Kritische Bedingungen werden mit Alerts überwacht. Die finale Einordnung erfolgt auf der Symbolseite mit Trend Chart, KI-Ziel, Signalqualität, Modellband und Prognosehistorie.

Der Vorteil dieses Ablaufs: Du reduzierst Bauchgefühl und springst nicht blind in einzelne Signale. Stattdessen kombinierst du historische Modellgüte, technische Trendmuster und aktuelle KI-Prognosen zu einer strukturierten Entscheidung.

Signale

2) UP-Wahrscheinlichkeit, DOWN-Signal und UNCLEAR richtig interpretieren

Die UP-Wahrscheinlichkeit ist der Kernwert der Plattform. Sie beschreibt, wie wahrscheinlich ein positiver Kursverlauf über einen bestimmten Prognosehorizont ist. Daraus entstehen drei praktische Zustände: UP, DOWN und UNCLEAR.

Ein UP-Signal bedeutet, dass historisch ähnliche Situationen häufiger zu steigenden Kursen geführt haben. Ein DOWN-Signal deutet auf erhöhtes Abwärtsrisiko hin. UNCLEAR ist bewusst kein schwaches Signal, sondern ein Qualitätsmerkmal: Das Modell erkennt hier keine ausreichend klare statistische Kante.

Besonders wichtig ist die Kombination mit Signalqualität, KI-Ziel und Modellband. Ein Signal mit hoher UP-Wahrscheinlichkeit ist wertvoller, wenn gleichzeitig die historische Modellqualität stimmt und das Modellband plausibel ist.

Modellband

3) Modellband und KI-Ziel verstehen: Warum ein Band seriöser ist als ein Kursziel

Das Modellband ist keine feste Zielpreisprognose. Es beschreibt eine quantilbasierte Spanne möglicher Renditen. Das KI-Ziel wird konservativ aus Modellband, UP-Wahrscheinlichkeit, Signalqualität und Bandbreite abgeleitet.

Ein positives Signal mit schmalem Modellband und hoher Signalqualität ist anders zu bewerten als ein sehr breites Modellband mit hoher Unsicherheit. Das KI-Ziel hilft, extreme obere Quantile zu entschärfen und die Prognose methodisch konservativer einzuordnen.

Im Trend Chart wird das Modellband visuell als Spanne um die mögliche KI-Ziel-Projektion dargestellt. So erkennst du schneller, ob eine Prognose eng, breit, aggressiv oder defensiv ist.

Watchlist & Alerts

4) Watchlist und Alerts: Setups beobachten, ohne täglich alles zu screenen

Viele Anleger verlieren Chancen, weil sie zu viele Märkte gleichzeitig beobachten. Die Watchlist reduziert diese Komplexität: Du sammelst relevante Kandidaten und beobachtest sie täglich mit Trend Radar, Detailtabelle, KI-Ziel und Modellband.

Alerts gehen einen Schritt weiter. Sie überwachen definierte Bedingungen wie Trendwechsel, Forecast-Reversals oder neue Signalrichtungen. So wirst du auf relevante Veränderungen aufmerksam, ohne jeden Chart manuell prüfen zu müssen.

Der beste Einsatz: Watchlist für strategisch interessante Assets, Alerts für taktisch wichtige Trigger. Dadurch trennst du langfristige Beobachtung von konkretem Timing.

Horizonte

5) Mehrere Prognosehorizonte nutzen: Struktur erkennen statt Rauschen handeln

1D, 5D, 20D und 60D beantworten unterschiedliche Fragen. Kurzfristige Horizonte reagieren schneller auf Momentum und Sentiment. 20D und 60D sind oft stabiler für mittelfristige Trendentscheidungen, Positionsaufbau und Risikosteuerung.

Ein typisches Setup: Der kurzfristige Horizont ist volatil, aber 20D und 60D bleiben positiv. Dann kann ein Rücksetzer eher ein Timing-Thema als ein echter Trendbruch sein. Drehen dagegen die langen Horizonte, obwohl kurzfristig noch Stärke sichtbar ist, steigt das Risiko.

Nutze mehrere Horizonte deshalb nicht als Widerspruch, sondern als Zeitebenen: kurzfristig für Timing, mittelfristig für Struktur, längerfristig für Risiko und Exponierung.

Risikomanagement

6) Risikomanagement mit KI-Signalen: Positionen besser dosieren

KI-Signale sind am stärksten, wenn sie deine Disziplin verbessern. Sie ersetzen keine Strategie, aber sie helfen dir, Risiko bewusster zu dosieren: größere Positionen bei hoher Qualität und stimmigem Setup, kleinere Positionen bei gemischten Signalen oder schwacher Modellqualität.

KI-Ziel, Modellband, Signalqualität und Trend Chart liefern dabei vier Perspektiven: Wie groß ist die konservative Modellprojektion? Wie breit ist die quantilbasierte Spanne? Wie zuverlässig war das Signal historisch? Und passt die Prognose zum aktuellen Trendregime?

Gerade bei Earnings, Makroereignissen oder hoher Volatilität solltest du Signale nicht als Kauf- oder Verkaufsempfehlung verstehen, sondern als datengetriebene Unterstützung für Positionsgröße, Timing und Absicherung.

Begriffe wie Wahrscheinlichkeiten, Metriken, Hit-Rate, Walk-Forward, Out-of-Sample, Signalqualität, KI-Ziel und Modellband sind im Technology FAQ erklärt.