TopicProphet: Modell für Aktienprognosen anhand historischer Thementrends

Ein brandneues Forschungsprojekt, veröffentlicht auf arXiv (2512.11857v1), präsentiert „TopicProphet“, ein innovatives Verfahren, das die langjährige Herausforderung der Aktienvorhersage neu angeht. Das Ziel ist klar: die Genauigkeit von Prognosen zu erhöhen, indem historische Zeiträume mit ähnlichen öffentlichen Sentiment‑Trends und gesellschaftlichen Hintergründen gezielt ausgewählt werden.

Traditionell gilt es als nahezu unmöglich, Aktienkurse zuverlässig vorherzusagen. Quantitative Marktdaten enthalten kaum kausale Zusammenhänge, und die rasanten Marktveränderungen erschweren die Sammlung ausreichender Trainingsdaten. TopicProphet löst dieses Problem, indem es einen mehrstufigen Analyseprozess einsetzt: zunächst werden Themenmodelle erstellt, anschließend die zeitliche Entwicklung dieser Themen untersucht, Breakpoints erkannt und die Segmente optimiert, um den idealen Trainingszeitraum zu bestimmen.

Durch die Kombination von Themen‑ und Sentiment‑Analyse mit einer präzisen Zeitschnitt‑Optimierung erhält das Modell ein differenziertes Bild der sozio‑politischen und wirtschaftlichen Rahmenbedingungen vergangener Perioden. Diese Nuancen ermöglichen es, Muster zu erfassen, die in herkömmlichen Ansätzen oft übersehen werden, und damit die Datenlücke für das Training zu schließen.

Die umfangreichen Tests zeigen, dass TopicProphet die Leistung gegenüber aktuellen Spitzenmethoden deutlich verbessert. Insbesondere bei der Vorhersage von prozentualen Kursänderungen liefert das Modell konsistent genauere Ergebnisse, indem es die optimalen Trainingsdaten identifiziert und nutzt. Dieses Ergebnis unterstreicht das Potenzial von TopicProphet, die Art und Weise, wie Finanzmärkte analysiert und prognostiziert werden, nachhaltig zu verändern.