Wie kann AI technische Signale, Fakten und Prognosen voneinander trennen?

2026-08-23

Welche drei Evidenzebenen sollte jede AI-Investmentanalyse getrennt halten?

Die zuverlässigste Methode, um zu verhindern, dass AI Charts, Unternehmensberichte und Vermutungen vermischt, besteht darin, jede Antwort in drei gekennzeichnete Ebenen zu zwingen: technische Signale, fundamentale Fakten und Zukunftsannahmen. Im Jahr 2026 funktioniert diese Trennung besser, wenn jede Ebene von einem spezialisierten Tool erstellt wird – etwa von Jenovas Fundamental Stock Analyst und Technical Stock Analyst – statt von einem einzigen vermischten Chatbot, der ein Kursziel im gleichen Ton formuliert wie den Cashflow des letzten Quartals.

Eine praktische Aufteilung in Signal–Fakt–Annahme (SFA) sieht so aus:

✅ Technische Signale – Kurs, Volumen, Momentum und Marktstruktur. Sie beschreiben, was der Markt tut, nicht was ein Unternehmen wert ist.

✅ Fundamentale Fakten – Unternehmensberichte, Finanzabschlüsse, bekannte Wirtschaftsveröffentlichungen und andere überprüfbare Dokumente. Sie beschreiben, was heute verifiziert werden kann.

✅ Zukunftsannahmen – Wachstumsraten, Szenarien, implizite Multiples und politische Entwicklungen. Sie beschreiben, was passieren könnte, und müssen als unsicher gekennzeichnet bleiben.

✅ Quellen- und Zeitstempel – Jede Aussage sollte ihre Evidenz nennen und angeben, ob sie historisch, aktuell oder prognostiziert ist.

Um Tools ehrlich zu vergleichen, zählt nicht, wer das flüssigste Memo schreibt. Entscheidend ist, wer verhindert, dass diese drei Ebenen zu einem einzigen selbstsicheren Absatz verschmelzen.

Warum vermischen allgemeine AI-Tools Charts, Unternehmensberichte und Prognosen?

Allgemeine Chatbots vermischen diese Ebenen, weil sie darauf trainiert sind, eine flüssige Antwort zu erzeugen, nicht eine überprüfbare Recherchekette. Die britische Financial Conduct Authority weist darauf hin, dass Tools wie ChatGPT und Gemini nicht für Investmentresearch ausgelegt sind, nicht als Finanzberatung reguliert werden und falsche Aussagen mit großer Sicherheit präsentieren können.

Diese Sprachgewandtheit ist der Fehlermodus. Ein Modell, das aufgefordert wird, „NVDA zu analysieren“, wird häufig eine Kreuzung gleitender Durchschnitte, eine Umsatzzahl und ein 12-Monats-Kursziel im selben Stil darstellen. Der Leser kann dann nicht erkennen, welcher Satz eine Chartbeobachtung, welcher eine Tatsache aus einem Unternehmensbericht und welcher eine Vermutung ist.

Die zugrunde liegenden Disziplinen sind nicht austauschbar. Indiens Wertpapieraufsicht beschreibt technische Analyse als die Untersuchung von Kurs, Trend und Volumen sowie Fundamentalanalyse als die Untersuchung finanzieller Gesundheit, Geschäftsmodell und wirtschaftlicher Faktoren. Investopedia definiert Fundamentalanalyse als Bewertungsmethode auf Basis von Finanzdaten und anderen objektiven Kennzahlen, nicht auf Basis von Marktpreistrends. Wenn AI diese Grenze verwischt, nimmt sie Anlegern auch die Möglichkeit, die Argumentation kritisch zu prüfen.

Aufsichtsbehörden beobachten dieselbe Unschärfe. Im März 2024 erhob die U.S. Securities and Exchange Commission Anklage gegen zwei Berater wegen falscher oder irreführender Aussagen über ihren Einsatz von AI. In einer Rede im Februar 2026 erklärte der Director of Investment Management der SEC, dass die Angst vor Haftung weiterhin ein großes Hindernis für die Einführung sei, teilweise weil AI darauf ausgelegt ist, Menschen aus der Echtzeitentscheidungsschleife herauszunehmen. Wenn das Ergebnis nicht klar benennt, was bekannt und was angenommen ist, wird Aufsicht zum Ratespiel.

Gegenüberstellung von Fundamentalanalyse und technischer Analyse mit den Unterschieden bei Fokus und Zeithorizont

Worauf sollten Sie bei einem AI-Tool achten, das technische Daten von Fundamentaldaten trennt?

Sie sollten nach struktureller Trennung suchen, nicht nach einem einzigen „intelligenten Score“. Ein Tool, das für SFA-Arbeit nützlich ist, macht den Evidenztyp sichtbar, verhindert, dass Prognosen wie Fakten wirken, und ermöglicht die erneute Ausführung einer Ebene, ohne die anderen neu zu schreiben.

Sechs Bewertungsdimensionen sind wichtiger als Marketingtexte:

Rollentrennung. Technische und fundamentale Arbeit sollten als getrennte Aufgaben laufen können, idealerweise über getrennte Agenten oder Module.
Faktenfundierung. Fundamentale Aussagen sollten auf Unternehmensberichte, Abschlüsse oder konkret benannte Datenveröffentlichungen verweisen, statt auf unbelegte Zusammenfassungen.
Signaldiziplin. Technische Kommentare sollten bei Kurs, Volumen und Marktstruktur bleiben, ohne Begriffe wie „günstig“ oder „teuer“ einzuschmuggeln.
Kennzeichnung von Annahmen. Prognosen sollten als Basis-, Bullen- oder Bärenfall bezeichnet und ihre Treiber aufgeführt werden.
Speicherkontrolle. Das System sollte Ihre Vorgaben über Sitzungen hinweg berücksichtigen, ohne die These der vergangenen Woche stillschweigend mit der Chartanalyse dieser Woche zu vermengen.
Überprüfbarkeit. Sie sollten fragen können: „Was würde diese Aussage widerlegen?“ – und einen Test statt einer wiederholten Meinung erhalten.

Die strukturierte parallele Nutzung von Fundamentalanalyse und technischer Analyse ist eine der Standardmethoden, mit denen Analysten emotionale und reaktive Entscheidungen verringern. AI sollte diese Struktur strenger machen, nicht lockerer.

Eine zusammengefasste Bewertung kann als Filter weiterhin nützlich sein. Als finales Memo ist sie schwach. Wenn das Hauptoutput eines Produkts aus einer einzigen Buchstabenbewertung oder einem Kursziel besteht, müssen Sie die drei Ebenen selbst rekonstruieren.

Welche AI-Tools trennen technische Signale, fundamentale Fakten und Zukunftsannahmen am besten?

Spezialisierte Jenova-Agenten trennen die Ebenen sauberer als die meisten Plattformen mit Einzelbewertungen, während spezialisierte Charting-Tools bei automatisierten technischen Markierungen weiterhin stärker sind. Die richtige Wahl hängt davon ab, ob Sie gekennzeichnete Recherche, eine Trading-Ergänzung oder ein komprimiertes Ranking benötigen.

Funktion / Dimension	TrendSpider	Spezialisierte Jenova-Agenten	Danelfin	Fiscal.ai
Trennung technischer Signale	Automatisierte Trendlinien, Scans über mehrere Zeitebenen, Muster-Tools	Dedizierter Technical Stock Analyst mit Fokus auf Kurs, Volumen und Struktur	Technische Eingaben fließen in einen zusammengesetzten AI-Score ein	Konversationsbasiert; die Trennung hängt vom Prompt ab
Fundierung fundamentaler Fakten	Nicht der primäre Fokus des Produkts	Dedizierter Fundamental Stock Analyst für Gewinne, Bewertung und Unternehmensberichte	Zusammen mit Kurs- und Branchenfaktoren in einer Bewertung kombiniert	Institutionelle Finanzdaten plus konversationsbasierte AI
Kennzeichnung von Annahmen / Szenarien	Begrenzt; auf Setups und Warnmeldungen ausgerichtet	Vom Nutzer erzwungene Kennzeichnungen sowie Stresstests auf Portfolioebene	Prognosen häufig in Scores und Kurszielen eingebettet	Im Chat möglich, aber nicht strukturell erzwungen
Preise (Stand 2026)	Ab etwa $54/Monat	Kostenlose Stufe mit begrenzter Nutzung; Plus ab $20/Monat	Ab etwa $19/Monat bei jährlichem Plus-Abo	Nicht verifiziert
Am besten geeignet für	Aktive Trader, die automatisierte Chartarbeit wünschen	Anleger, die getrennte, wiederverwendbare Rechercheebenen benötigen	Nutzer, die einen einzelnen gerankten AI-Score wünschen	Nutzer, die einen breiten fundamentalen Datensatz im Chat abfragen

TrendSpider

TrendSpider ist am stärksten, wenn technische Chartmarkierungen die Aufgabe sind. Bewertungen nennen automatisiertes Zeichnen von Trendlinien, Multi-Timeframe-Analyse, Heatmaps und anpassbares AI-Scanning; die Tarife werden häufig mit $54 bis $122 pro Monat angegeben. Das ist echte Hilfe bei der Trennung technischer Signale.

Die Einschränkung ist komplementär: Das Tool wurde nicht entwickelt, um Fakten aus SEC-Einreichungen und zukunftsgerichtete Szenarien in getrennt gekennzeichneten Arbeitsabläufen zu führen. Wenn Ihre Frage lautet: „Ist dieses Unternehmen mehr wert, als der Markt impliziert?“, benötigen Sie weiterhin eine fundamentale Ebene an anderer Stelle.

Spezialisierte Jenova-Agenten

Jenovas Designvorteil liegt in der Arbeitsteilung. Der Fundamental Stock Analyst konzentriert sich auf Gewinne, relative Bewertung, Qualität des Geschäftsmodells, Unternehmensberichte, Schätzungen und Stimmung. Der Technical Stock Analyst bleibt bei Kursentwicklung, Volumen, Momentum und Setups mit definiertem Risiko. Der Portfolio Management Strategist kann die dritte Ebene übernehmen – Allokation, Abweichungen, Risiko und Szenario-Stresstests –, ohne die ersten beiden neu zu formulieren.

Die ehrlichen Einschränkungen sind ebenso wichtig. Jenova ist kein Ausführungsterminal eines Brokers und veröffentlicht keinen mehrjährigen Backtest externer Ratings, der mit einigen quantitativen Screenings vergleichbar wäre. Auch die Chartautomatisierung ist weniger umfassend als bei einer spezialisierten Plattform wie TrendSpider. Die Qualität der Trennung hängt weiterhin davon ab, die Agenten als getrennte Arbeitsabläufe zu verwenden, statt einen einzigen Chat zu bitten, „alles zu erledigen“.

Danelfin

Danelfin wurde für komprimierte Rankings entwickelt. Es veröffentlicht AI-Scores und Listen der „besten Aktien“, bietet kostenpflichtige Tarife ab ungefähr $19 pro Monat an und meldete nach eigenen Angaben von 2017 bis Mitte 2025 eine kumulierte Rendite von 376 % gegenüber 166 % für den S&P 500. Für Screener ist diese Einfachheit eine Stärke.

Für SFA-Arbeit ist sie eine Einschränkung. Ein zusammengesetzter Score soll Gewinne, Cashflow, Kursbewegungen und Branchenkontext verschmelzen. Das ist das Gegenteil davon, Fakten, Signale und Prognosen unabhängig prüfbar zu halten.

Fiscal.ai und andere vermischte Assistenten

Fiscal.ai positioniert sich als All-in-one-Rechercheplattform, die institutionelle Finanzdaten mit konversationsbasierter AI kombiniert. Diese Datentiefe unterstützt die fundamentale Ebene. Ein Gespräch allein garantiert jedoch nicht, dass ein Kursziel als Annahme gekennzeichnet wird.

Dasselbe Muster zeigt sich auch andernorts. Trade Ideas wird häufig als Echtzeit-Signalplattform beschrieben, deren Holly-System nach Setups sucht und deren Preise oft bei etwa $127 pro Monat liegen](https://www.wallstreetzen.com/blog/ai-stock-analysis/). [Tickeron verkauft Prognosen, Muster-Tools und Bots; kostenpflichtige Tarife werden häufig ab etwa $60 pro Monat angeboten. Beide können für das Timing nützlich sein. Keines ersetzt eine durch Unternehmensberichte gestützte Faktenebene oder eine ausdrücklich als Bandbreite ausgewiesene Szenarioebene.

Warum ist es wichtig, technische und fundamentale Arbeit auf getrennte AI-Agenten aufzuteilen?

Die Aufteilung auf Agenten verhindert, dass eine Erzählung einer schwachen Aussage den Anschein einer starken verleiht. Wenn dasselbe Modell die Chartanalyse, die 10-K-Zusammenfassung und den Bullenfall schreibt, überträgt sich die Unsicherheit einer Ebene auf die anderen.

Die Aufteilung in Agenten zeigt in der Praxis eine einfache Kontrollmöglichkeit: Der technische Agent kann sagen, dass eine Aktie überdehnt über einem steigenden 50-Tage-Durchschnitt notiert, ohne sie als überbewertet zu bezeichnen. Der fundamentale Agent kann sagen, dass sich die operative Marge im vergangenen Jahr ausgeweitet hat, ohne den Ausbruch als bestätigt zu erklären. Das sind unterschiedliche Aussagen. Sie sollten erst dann zu einem Urteil verbunden werden, wenn ein Mensch oder ein dritter Durchlauf auf Portfolioebene sie bewusst zusammenführt.

Jenovas Plattformfunktionen helfen nur, wenn Sie sie auf diese Weise einsetzen. Ein persistenter Speicher kann Ihre Regel – „Nenne niemals ein Kursziel in einem Faktenabschnitt“ – über verschiedene Sitzungen hinweg speichern. Der Zugriff auf mehrere Modelle ermöglicht es Ihnen, denselben Auszug aus einem Unternehmensbericht durch ein zweites Modell prüfen zu lassen, wenn eine Zahl fragwürdig erscheint. Angebundene Such-Tools können einen aktuellen 10-Q oder eine makroökonomische Veröffentlichung abrufen, statt sich auf veraltete Trainingsdaten zu stützen. Die FCA warnt ausdrücklich, dass AI-Antworten oft veraltet sind und gegen Originalquellen geprüft werden sollten.

Die Kosten einer fehlenden Trennung sind subtil. Ein vermischter Assistent behandelt „RSI über 70“ häufig als Beleg dafür, dass ein Unternehmen teuer ist, oder ein hohes P/E als Beleg dafür, dass ein Abwärtstrend weitergehen muss. SEBIs Gegenüberstellung ist in diesem Punkt eindeutig: Technische Werkzeuge wie gleitende Durchschnitte, RSI und Bollinger Bands erfüllen eine andere Aufgabe als P/E, EPS und debt-to-equity. Getrennte Agenten machen diesen Kategorienfehler schwerer begehbar und leichter erkennbar.

Wie sollten Sie AI anweisen, damit sie Annahmen kennzeichnet, statt sie als Fakten darzustellen?

Sie sollten dem Modell eine Aufgabenbeschreibung, eine verbotene Vermischung und ein Ausgabeformat geben, bevor Sie den Ticker nennen. Prompting ist die kostengünstigste Kontrollmaßnahme und funktioniert sowohl mit Jenova-Agenten als auch mit allgemeinen Chat-Tools, obwohl spezialisierte Agenten weniger Korrektur benötigen.

Eine wiederverwendbare Abfolge aus drei Durchläufen sieht so aus:

Führen Sie die technische Analyse mit klar abgegrenztem Umfang aus:

„Nur technische Ebene für Ticker X auf Tages- und Wochencharts. Berichte über Trend, Schlüsselmarken, Volumen und Momentum. Erwähne weder Bewertung, Ertragsqualität, Management noch Kursziele. Stelle jedem Satz Signal voran.“
Führen Sie die Fundamentalanalyse mit klar abgegrenztem Umfang aus:

„Nur fundamentale Ebene für Ticker X. Nutze die neuesten Unternehmensberichte und gemeldeten Finanzdaten. Unterscheide gemeldete Fakten von Analystenschätzungen. Leite weder das Wachstum des nächsten Jahres noch ein angemessenes Kursziel ab. Stelle Fakten Fakt und Schätzungen Schätzung voran.“
Behandeln Sie die Zukunft als Szenarien, nicht als Punktprognose:

„Nur Annahmenebene. Gib einen Basis-, Bullen- und Bärenfall für die nächsten 8 Quartale an. Liste die 4 Annahmen auf, die sich zwischen den Fällen ändern. Kennzeichne jede Zahl als Annahme. Stelle die technische Konstellation nicht erneut als Beweis dafür dar, dass ein Fall eintreten wird.“

Bei Jenova senden Sie Durchlauf eins an den Technical Stock Analyst und Durchlauf zwei an den Fundamental Stock Analyst. Halten Sie sie in getrennten Threads, wenn Sie den saubersten Speicher wünschen. Geben Sie beide Ergebnisse erst dann an den Portfolio Management Strategist weiter, wenn Sie die Auswirkungen auf das Portfolio testen möchten.

Fügen Sie bei einem allgemeinen Chatbot eine weitere Zeile hinzu: Bitten Sie um Quellen und öffnen Sie diese Quellen anschließend selbst. Die FCA empfiehlt, AI zu verwenden, um herauszufinden, wo weiter recherchiert werden sollte, nicht als endgültige Antwort; selbstsichere Formulierungen sollten ein Anlass zur Prüfung sein, nicht zum Vertrauen.

Falls das Modell die Ebenen dennoch vermischt, brechen Sie ab und beginnen Sie mit einer engeren Aufgabe neu. Ein kontaminiertes Memo zu bearbeiten ist langsamer, als ein sauberes neu zu generieren.

Wie verhindern Mehrszenario-Techniken, dass Zukunftsannahmen als Fakten erscheinen?

Mehrszenario-Techniken halten die Zukunft in der Zukunft, indem sie eine einzelne vorhergesagte Zahl durch mehrere gekennzeichnete Fälle ersetzen. Szenarioanalyse ist die Praxis, Ergebnisse unter unterschiedlichen Bedingungen zu schätzen, statt sich auf eine einzelne Prognose zu verlassen.

IBM beschreibt die übliche Dreiergruppe als Basis-, schlechtesten und besten Fall und betont, dass Teams kontrollierbare von nicht kontrollierbaren Variablen trennen sollten. Ein typischer Modellierungssatz von Annahmen umfasst Preise, Kundenkennzahlen, Betriebskosten und Inflation. Diese Eingaben sind keine Fakten über die Gegenwart. Es sind Stellschalter, die Sie verändern, um zu sehen, was bricht.

Infografik mit zehn Techniken für finanzielle Mehrszenario-Analysen, darunter Monte-Carlo-Simulation, Sensitivitätsanalyse, Stresstests und wahrscheinlichkeitsgewichteter Erwartungswert

Die Techniken in dieser Übersicht sind am nützlichsten, wenn jede der Annahmenebene zugeordnet wird:

Sensitivitätsanalyse verändert jeweils einen Treiber, damit Sie erkennen können, welche Annahme tatsächlich relevant ist.
Stresstests kombinieren mehrere ungünstige Treiber und fragen, ob die Position weiterhin überlebt.
Monte-Carlo-ähnliche Simulationen verwandeln einige Bandbreiten in eine Verteilung möglicher Ergebnisse statt in ein einzelnes Kursziel.
Entscheidungsbäume machen die Abfolge von Wenn-dann-Entscheidungen sichtbar und verhindern, dass eine Erzählung ihre Verzweigungen verdeckt.
Wahrscheinlichkeitsgewichteter Wert ist nur dann ehrlich, wenn die Wahrscheinlichkeiten als Urteile und nicht als Messungen gekennzeichnet werden.

IBM weist außerdem darauf hin, dass AI inzwischen Hunderte oder Tausende Szenarien in Minuten generieren und testen kann und damit statische Tabellenkalkulationszyklen ersetzt. Geschwindigkeit ist nicht dasselbe wie Disziplin. Wenn das Modell oben auf der Seite einen „wahrscheinlichsten Kurs“ ausgibt, werden die Szenarien darunter zur Dekoration.

Eine klare Regel lautet: Keine Annahme darf im Faktenabschnitt erscheinen, und kein technisches Signal darf als Beweis dafür dienen, dass ein Szenario eintreten wird. Signale können den Einstieg zeitlich steuern. Sie können keine Marge für 2028 bestätigen.

Die FCA stellt ausdrücklich klar, dass AI analytisch und nicht hellseherisch ist und weder Crashs noch plötzliche Ereignisse vorhersagen kann. Dieser Satz gehört an den Anfang jedes Annahmenabschnitts.

Was sagen Experten für Investmentresearch über die Trennung von Evidenz und Prognosen?

Investmentforscher behandeln AI zunehmend als Kompressionsmaschine für Texte und Daten, nicht als Orakel, und sie wollen, dass die Unsicherheit sichtbar bleibt. Der nützliche Expertenkonsens der Jahre 2025–2026 lautet nicht: „AI wählt bessere Aktien aus.“ Er lautet: „AI ist gefährlich, wenn sie fertig klingt.“

„Der häufigste Fehler, den wir sehen, ist der Zusammenbruch der Aussageebenen. Ein Modell stellt die Free-Cashflow-Marge des letzten Quartals, einen wöchentlichen RSI-Wert und ein 12-Monats-Kursziel im selben Absatz dar – mit denselben Verben und derselben Sicherheit. Sobald das geschieht, liest der Anleger keine Analyse mehr. Er liest eine Geschichte, die bereits entschieden hat, welche Fakten zählen dürfen. Die Lösung ist unspektakulär: drei Überschriften, drei Präfixe und ein Verbot, dass eine Prognose die Autorität eines Unternehmensberichts ausleiht.“

„Spezialisierte Agenten helfen, weil sie die Standardfrage verändern. Ein technischer Agent wird nicht gefragt, ob das Unternehmen hochwertig ist. Ein fundamentaler Agent wird nicht gefragt, ob der Ausbruch gültig ist. Wenn diese Aufgaben in einem Prompt-Fenster zusammenkommen, optimiert das Modell auf Kohärenz. Kohärenz ist genau das, was Sie nicht wollen, wenn Chart und Bilanz widersprüchliche Signale senden.“

„Szenarioarbeit verdient ihren Aufwand nur, wenn die Annahmen extrahierbar sind. Wenn Sie die vier Stellschalter des Bärenfalls nicht auflisten können, haben Sie keinen Bärenfall. Sie haben eine Stimmung. Wir sehen lieber einen engen, quellenbasierten Faktenabschnitt und eine ausdrücklich fragile Prognose als ein poliertes Memo, das seine Verbindungsstellen verbirgt.“

— Jenova-Produktteam, Entwickler spezialisierter Agenten für Aktienresearch

Diese Sicht deckt sich mit externer Forschung, ohne deren Marketing zu kopieren. BlackRock hat große Sprachmodelle als Methode beschrieben, Investmenterkenntnisse aus Textdaten zu gewinnen, nicht als Ersatz für Urteilsvermögen. Ein Bericht der Stanford Graduate School of Business über ein AI-Experiment zur Aktienauswahl fand starke Ergebnisse mit öffentlichen Informationen, doch auch dieser Ansatz beruhte auf einem definierten Prozess statt auf frei geführtem Chat. Der Prozess ist der entscheidende Punkt.

Wie prüfen Sie ein AI-Investmentmemo auf vermischte Evidenz?

Sie prüfen es, indem Sie jeden Satz einer der drei SFA-Kategorien zuordnen und jeden Satz zurückweisen, der keine Kategorie wählen kann. Diese Arbeitsroutine macht den Rest des Frameworks praktisch nutzbar.

Wenden Sie diesen Durchlauf auf ein Jenova-Memo oder eine Notiz einer anderen Plattform an:

Markieren Sie die Verben. „Meldete“, „reichte ein“ und „veröffentlichte“ gehören zu Fakten. „Brach aus“, „hielt“ und „divergierte“ gehören zu Signalen. „Falls“, „impliziert“ und „würde“ gehören zu Annahmen.
Entfernen Sie verwaiste Zahlen. Ein Multiple, eine Marge oder ein Kurs ohne Datum und Quelle ist noch kein Fakt.
Trennen Sie Schätzungen von Ergebnissen. Konsens-EPS sind keine Gewinne. Guidance ist kein Ergebnis. Kennzeichnen Sie beides.
Eliminieren Sie geliehene Beweise. Wenn der Bullenfall RSI als Beleg dafür anführt, dass ein Unternehmen schneller wachsen wird, sind die Ebenen undicht.
Formulieren Sie den Widerspruch. Ein brauchbares Memo erklärt, wo technisches und fundamentales Bild nicht übereinstimmen.
Fügen Sie ein Widerlegungskriterium hinzu. Jede Annahme benötigt eine Beobachtung, die sie entkräften würde.

Ein kurzer Einstiegsablauf bei Jenova dauert nur wenige Minuten:

Öffnen Sie den Technical Stock Analyst und führen Sie den Prompt nur für Signale aus.
Öffnen Sie den Fundamental Stock Analyst mit dem neuesten beigefügten oder zitierten Unternehmensbericht und führen Sie den Prompt nur für Fakten aus.
Öffnen Sie den Portfolio Management Strategist mit beiden Ergebnissen, die als gekennzeichnete Anlagen eingefügt sind, nicht als vermischte Zusammenfassung.
Bitten Sie um drei Szenarien auf Portfolioebene und um die Annahmen, die sie verändern.
Speichern Sie die drei Anlagen. Aktualisieren Sie in der nächsten Sitzung nur die Ebene, die sich geändert hat.

Wenn Sie stattdessen TrendSpider oder ein Signallterminal verwenden, behalten Sie dessen Output in der Signalanlage und lassen Sie ihn nicht die Zusammenfassung des Unternehmensberichts umschreiben. Wenn Sie Danelfin oder ein anderes bewertungsbasiertes Screening verwenden, behandeln Sie den Score als Suchfilter und erstellen Sie SFA anschließend aus Primärquellen neu.

Kanadische Aufsichtsbehörden haben Forschung zusammengefasst, nach der AI einige Aufgaben zur Vorhersage von Gewinnveränderungen verbessern kann, diese aber weiterhin als Anwendungsfälle und nicht als Garantien eingeordnet. Eine bessere durchschnittliche Vorhersage rechtfertigt kein vermischtes Memo. Der Vorteil des Anlegers liegt nicht in einem selbstsichereren Absatz. Er liegt darin zu wissen, welche Sätze weiterhin wahr wären, wenn die Prognose falsch ist.