Thomson Reuters: Pleite-Prognose durch Text-Analyse
George Bonne, Leiter für quantitative Forschung bei Thomson Reuters
Nach der Einführung des Star-Mine Smart-Ratios Credit Risk Modells, einer Anwendung zur Berechnung der Kreditausfallwahrscheinlichkeit von öffentlich gehandelten Unternehmen, bringt Thomson Reuters nun ein weiteres Tool auf den Markt.
Das Star-Mine Text Mining Credit Risk Model (TMCR) bestimmt die Ausfallwahrscheinlichkeit von Unternehmenskrediten mittels Analyse ausgewählter Texte, die das Unternehmen betreffen. Anhand von Reuters-Nachrichten, Thomson Reuters Street Events Transkriptionen, Unternehmensveröffentlichungen sowie ausgewählten Broker-Berichten prognostiziert das Modell, welche Firmen am wahrscheinlichsten bald in eine finanzielle Notlage kommen und welche sich erfolgreich entwickeln.
Für die Entwicklung des Star-Mine TMCR hat die Forschungsgruppe um George Bonne und Ryan Roser, die leitenden Forscher für quantitative Analyse bei Thomson Reuters, eine neue, spezialisierte Wortdatenbank mit Begriffen aus dem Kredit- und Finanzlagebereich erstellt. Damit wollen die Forscher eine zuverlässigere Vorhersage über die Kreditqualität von Unternehmen treffen als bei Analysen, die auf dem Standardvokabular beruhen.
Star-Mine TMCR unterscheidet und bewertet die analysierten Texte nach vier verschiedenen Sprachtypen: in Bezug auf die Konzernerfolgsrechnung, Bilanz- und Finanzierungsstruktur, Rechtsverpflichtungen und Bedingungen sowie auf äußere Einflüsse und Marktereignisse. Das Modell nimmt in jeder dieser Kategorien Bewertungen vor und wertet außerdem die Einzeldokumente nach Wichtigkeit. Die Datenbank erfasst rund 20.000 Firmendatensätze weltweit. Die Ergebnisse werden den Kunden börsentäglich zur Verfügung gestellt.
Das Star-Mine Text Mining Credit Risk Model (TMCR) bestimmt die Ausfallwahrscheinlichkeit von Unternehmenskrediten mittels Analyse ausgewählter Texte, die das Unternehmen betreffen. Anhand von Reuters-Nachrichten, Thomson Reuters Street Events Transkriptionen, Unternehmensveröffentlichungen sowie ausgewählten Broker-Berichten prognostiziert das Modell, welche Firmen am wahrscheinlichsten bald in eine finanzielle Notlage kommen und welche sich erfolgreich entwickeln.
Für die Entwicklung des Star-Mine TMCR hat die Forschungsgruppe um George Bonne und Ryan Roser, die leitenden Forscher für quantitative Analyse bei Thomson Reuters, eine neue, spezialisierte Wortdatenbank mit Begriffen aus dem Kredit- und Finanzlagebereich erstellt. Damit wollen die Forscher eine zuverlässigere Vorhersage über die Kreditqualität von Unternehmen treffen als bei Analysen, die auf dem Standardvokabular beruhen.
Star-Mine TMCR unterscheidet und bewertet die analysierten Texte nach vier verschiedenen Sprachtypen: in Bezug auf die Konzernerfolgsrechnung, Bilanz- und Finanzierungsstruktur, Rechtsverpflichtungen und Bedingungen sowie auf äußere Einflüsse und Marktereignisse. Das Modell nimmt in jeder dieser Kategorien Bewertungen vor und wertet außerdem die Einzeldokumente nach Wichtigkeit. Die Datenbank erfasst rund 20.000 Firmendatensätze weltweit. Die Ergebnisse werden den Kunden börsentäglich zur Verfügung gestellt.
