TRACE: Regelbasierte Beweiskette auf Wissensgraphen für Aktienprognosen

Eine neue Methode namens TRACE (Temporal Rule-Anchored Chain-of-Evidence) kombiniert symbolische Relationen, dynamische Graphenexploration und die Unterstützung großer Sprachmodelle zu einem einzigen, end-to-end Pipeline-Ansatz. Ziel ist es, Aktienkursbewegungen nicht nur vorherzusagen, sondern die Vorhersagen auch nachvollziehbar und auditierbar zu machen.

TRACE führt regelbasierte Mehrschritt-Suchen durch, die sich auf zulässige Relationen beschränken. Jede gefundene Beweiskette wird mit aktuellen Nachrichtenartikeln verknüpft, sodass die Hypothesen vollständig im Kontext der aktuellen Wirtschaftslage verankert sind. Anschließend werden die gesammelten, vollständig belegten Beweise zu klaren UP- bzw. DOWN-Entscheidungen zusammengefasst, wobei die Pfade zwischen Text und Graph für Menschen lesbar bleiben.

Auf einem S&P 500 Benchmark erzielte TRACE beeindruckende Ergebnisse: 55,1 % Genauigkeit, 55,7 % Präzision, 71,5 % Recall und 60,8 % F1‑Score. Diese Kennzahlen übertreffen starke Basislinien und verbessern insbesondere Recall und F1 im Vergleich zum besten graphbasierten Ansatz unter identischen Bedingungen.

Der Erfolg von TRACE liegt in zwei Kernprinzipien: Erstens fokussiert die regelbasierte Suche die Suche auf wirtschaftlich sinnvolle Motive statt auf zufällige Pfade. Zweitens konsolidiert die textbasierte Aggregation gezielt hochvertrauenswürdige, vollständig belegte Hypothesen, anstatt schwache Signale gleichmäßig zu mitteln. Diese Kombination führt zu höherer Sensitivität, ohne die Selektivität zu opfern, und liefert Vorhersagen mit vertrauenswürdigen, auditierbaren Erklärungen.