Point-in-Time-Konsistenz ist die Eigenschaft, dass ein Merkmal für einen Stichtag genau den Wert trägt, der an diesem Stichtag bekannt war. Viele Datenlieferanten überschreiben historische Werte mit späteren Korrekturen, ohne die ursprüngliche Fassung zu behalten. Wer diese überschriebene Reihe trainiert, lernt mit nachträglichem Wissen.
Wo der Fehler herkommt
Bilanzkennzahlen werden nach Erstveröffentlichung oft mehrfach korrigiert – durch Fehlerberichtigungen, Anpassungen an neue Rechnungslegung oder Retro-Neuklassifizierungen. Makroreihen werden revidiert, wenn neue Informationen eintreffen. Wer die jeweils aktuelle Historie abfragt, erhält eine Mischung aus Original- und Korrekturwerten, ohne dass die Grenze markiert ist.
Welche Wirkung der Fehler entfaltet
Ein Modell, das mit nicht point-in-time-konsistenten Werten arbeitet, lernt Zusammenhänge, die zum Stichtag nicht bestanden. Die gemessene Vorhersagekraft wird überschätzt; im Einsatz bricht sie ein, sobald die Korrekturen aus bleiben. Besonders betroffen sind fundamentale Faktormodelle, die auf Kennzahlenänderungen reagieren.
Wie sich der Fehler feststellen lässt
Zwei Reihen helfen: eine Versionierung, die für jeden Stichtag die damals geltende Fassung speichert, und eine Änderungsstatistik, die angibt, wie stark Werte nachträglich verschoben wurden. Ein einfacher Vergleich zwischen der as-of-Version und der current-Version pro Stichtag zeigt, wie groß der Bias im Bestand ist.
Leseprobe
Die aktuellste Version einer Kennzahl ist nicht die richtige für einen vergangenen Stichtag. Die richtige ist die, die damals gegolten hat.
Für Quellenhinweise oder Berichtigungsbeobachtungen erreichen Sie uns über die Kontaktseite.