Big Data in der Finanzbranche „Maschinen erkennen Muster, die Menschen nicht finden können“

Straßenszene in Hongkong: Google-Suchwörter verraten viel über Finanzmarkt-Trends | © Getty Images

Straßenszene in Hongkong: Google-Suchwörter verraten viel über Finanzmarkt-Trends Foto: Getty Images

Wir bei BlackRock sind davon überzeugt, dass Algorithmen zunehmend wichtiger für Investment-Prozesse werden. Deshalb setzen wir immer stärker Technologie ein, um Alpha zu erzeugen. Basis dieser Investment-Technologie ist die tägliche Datenflut. Die große Herausforderung besteht darin, mit den richtigen Daten das Richtige anzufangen. Diese Daten sind häufig wenig strukturiert. Das Datenrauschen ist laut, und die Daten sind ständig im Fluss, sie ändern sich laufend.

Ein Beispiel aus dem Bereich Social Media: Auf Twitter werden jede Sekunde 6.000 Kurznachrichten veröffentlicht. Es geht darum zu wissen, wie man aus diesem Grundrauschen relevante Signale filtern kann. Bei BlackRock nutzen wir Twitter zum Beispiel, um politische Ereignisse wie die US-Wahlen zu beobachten. Alle Daten sprachen vergangenen November für die Demokratin Hillary Clinton.

Wenn wir aber die Gewichtung von Twitter in der Gesamtberechnung erhöhten, favorisierte unser Modell plötzlich den Republikaner Donald Trump. Märkte, Medien und Umfragen lagen falsch, soziale Medien lagen hingegen richtig. In einem solchen Fall bleibt die Herausforderung, aus den unterschiedlichen Signalen die richtigen Schlüsse zu ziehen – denn alternative Wahlergebnisse können sehr unterschiedliche Marktprognosen nach sich ziehen.

Computer schlägt Brettspieler

Wesentliche Werkzeuge der Datenanalyse sind selbstlernende Algorithmen, künstliche Intelligenz und neuronale Netze. Technologieunternehmen pumpen Milliarden von Investitionsgeldern in diesen Bereich und erzielen damit rasante Fortschritte. 2015 ist es einem Computer erstmals gelungen, den weltbesten Spieler des chinesischen Brettspiels „Go“ zu schlagen – eine Leistung, die noch vor kurzem als unmöglich galt. Algorithmen gewinnen, indem sie Muster und Zusammenhänge erkennen und anwenden, die Menschen nie finden könnten.

Das gilt auch für Investment-Signale: Buch/Preis-Verhältnis, Eigenkapitalrendite (engl. Return on Equity, ROE), Sentiment, Momentum, Quality, Value – all diese Signale sind professionellen Investoren bekannt. Doch Maschinen können zehntausende Unternehmen gleichzeitig beobachten. Und sie lernen immer besser, verschiedenartige Signale miteinander zu verknüpfen und nicht-lineare Zusammenhänge zwischen ihnen aufzudecken. Das Ganze ist größer als die Summe seiner Teile. Und BlackRock nutzt diese überlegene Fähigkeit der Algorithmen in seinen Investment-Prozessen, um Alpha zu erzeugen.