Bitcoin-Preisvorhersagen basierend auf der globalen Geldmenge (M2) stehen in der Kritik. Ein Quant Analyst warnt vor gefährlichem Overfitting. Versteht, warum dieses populäre Modell laut Experten grundlegende Mängel aufweist.
In der Welt der Krypto-Finanzanalysen suchen viele nach Modellen zur Bitcoin-Preisvorhersage. Ein prominentes Modell, von Raoul Pal und anderen genutzt, zieht eine enge Korrelation zwischen Bitcoin und der globalen Geldmenge (M2) heran. Dieses populäre Modell geriet jedoch kürzlich ins Visier eines erfahrenen Quantitative Analysten. Er kritisiert es scharf als klassischen Fall von Datenilliteranz und Overfitting, was ernste Zweifel an seiner Vorhersagekraft aufwirft.
Das M2-Modell stützt sich auf die Annahme, dass die globale M2, die durch Zentralbanken bereitgestellt wird, den zukünftigen Bitcoin-Preis vorhersagen kann. Durch eine zeitliche Verschiebung von 10-12 Wochen wird eine Korrelation hergestellt. Befürworter wie Raoul Pal argumentieren, dass makroökonomische Liquidität Krypto-Zyklen antreibt und das aktuelle Verhalten durch monetäre Expansion erklärbar ist.
„Dies ist ein schrecklicher Fehler des Nichtverstehens von Overfitting.“
Diese scharfe Kritik stammt von Sina, Mitgründer des Hedgefonds 21st Capital und ausgebildeter Data Scientist. Er kritisiert das Modell als grundlegendes Missverständnis von Overfitting. Laut Sina entsteht die scheinbare Korrelation nur, weil die Daten gezielt manipuliert werden, um historischen Mustern zu entsprechen. Er warnt davor, dass die Willkür bei der Datenverschiebung die Illusion präziser Vorhersagen ermöglicht, während die methodologischen Mängel des M2-Datensatzes, der schnelle und langsame Updates mischt, ein irreführendes Bild täglicher Schwankungen erzeugen.
Sina demonstriert, dass das Modell schnell versagt, wenn man sich von selektiven Chart-Ausschnitten entfernt. Während Befürworter eng passende Hochs und Tiefs zeigen, führen geringe Anpassungen der Führungszeit zu dramatisch unterschiedlichen Ergebnissen. Jede Änderung der Modellparameter entlarvt den Mangel an einer systematischen Grundlage.
„Versuchen wir eine Führungszeit von 80 Tagen. Das sieht nicht gut aus. Was ist mit 108? Ah, jetzt stimmen die Hochpunkte überein – also zoomen wir wieder hinein und tun so, als würde es funktionieren. Das ist keine Modellierung. Das ist Spielerei.“
Sina betont, dass dies klassisches Overfitting ist: Daten werden gezwungen, historisches Verhalten zu matchen, verlieren aber jede Generalisierbarkeit. Overfitting modelliert Rauschen, das sich nicht wiederholt, und führt daher zu schlechter Vorhersageleistung. Er hinterfragt auch die Kausalität, da Bitcoin im letzten Zyklus den Höhepunkt vor der Liquidität erreichte, was die Prämise des M2-Modells als Vorhersagewerkzeug in Frage stellt.
Sinas Fazit ist eine klare Warnung: „Sie müssen sehr vorsichtig mit Overfitting sein. Es sieht aus, als ob es passt, aber es ist zwangsweise an historische Daten angepasst. Sie haben keine Ahnung von der Vorhersagegenauigkeit dieser Sache.“ Diese Kritik dient als Mahnung, bei der Finanzdatenanalyse sorgfältig und kritisch vorzugehen, um die Falle des Overfitting zu vermeiden und falsche Schlussfolgerungen zu verhindern. In der Welt der Krypto-Spekulationen ist solide Methodologie und kritische Datenbewertung entscheidend für zuverlässige Investitionsentscheidungen.
