Der Frankfurter Asset Manager Catana Capital startet mit dem CATANA BIG DATA (ISIN DE000A2AGM42) den weltweit ersten Publikumsfonds, der vollständig auf Big Data und künstliche Intelligenz setzt. Dabei werden als Basis für jede Anlageentscheidung in sechs Ländern Internetdaten automatisiert gesammelt, gefiltert, gewichtet und mit historischen Kursmustern abgeglichen. Pro Tag werden so in Echtzeit mehrere hunderttausend kapitalmarktbezogene Nachrichten ausgewertet. So werden in einem rein datenbasierten Prozess Kauf- und Verkaufsempfehlungen für DAX-30-Aktien und DAX-30-Futures erzeugt.

Zweistellige jährliche Rendite angestrebt

„Unser Ziel ist es, für Anleger eine zweistellige jährliche Rendite unabhängig von den Bewegungen am Aktienmarkt zu erzielen – ohne dabei Fremdkapital einzusetzen“, so Holger Knauer, Geschäftsführer von Catana Capital. Die Anlagestrategie konnte ihre Praxistauglichkeit sowohl bereits im testierten Backtest als auch seit Jahresbeginn im realen Einsatz unter Beweis stellen. Zielgruppe sind dabei neben professionellen auch private Investoren.

Mit dieser Big-Data-Analyse werden in Echtzeit mehr als 25.000 Titel beobachtet, darunter Währungen und Rohstoffe. „Die Schlüsselfrage lautet: Wer sagt was zu welcher Aktie? Im ersten Schritt sammeln wir pro Monat mehr als 1,5 Terrabyte an Informationen. Das sind mehr als fünf Nachrichten pro Sekunde. Im zweiten Schritt geht es darum, die Informationen auszuwerten“, so Knauer.

Das System bildet sich automatisiert weiter

Das System gibt jedem Titel auf Basis der gesammelten Daten ein vorläufiges positives oder negatives Signal. Bevor daraus eine Handelsentscheidung entsteht, analysiert es im Sinne der künstlichen Intelligenz, wie sich die Aktie in der Vergangenheit nach einem positiven oder negativen Signal entwickelt hat. Es prüft also, was das Signal für das Wertpapier bedeutet hat. Erst bei einer hohen Erfolgswahrscheinlichkeit gibt es den Hinweis, den Trade auszuführen.

Die getroffenen Entscheidungen und ihre Ergebnisse fließen in künftige Anlageempfehlungen mit ein – das System lernt also auch automatisiert dazu.