Digitalisierungs-Experte Evgeny Kuznetsov Wie Big Data und Deep Learning den Finanzhandel revolutionieren
Bei der Unterbindung von Betrügereien können beispielsweise im Wertpapierhandel mit Big-Data-Analysen kriminelle Muster erkannt werden. Zunächst wird anhand bestimmter Kriterien ein breites Spektrum an Orders identifiziert, die unlautere Handelspraktiken beinhalten können. Diese Aufgabe übernehmen Überwachungssysteme, also Rechner. Anschließend führt das Überwachungspersonal – in diesem Fall Menschen – Voruntersuchungen durch, mit denen die Trading-Bedingungen, unter denen diese Orders erfolgt sind, analysiert werden. Erkennt die Maschine ein verdächtiges Muster, greift der Mensch ein und forscht nach.
Auch beim Befolgen von gesetzlichen Vorschriften, etwa im Fall von neuen Compliance-Anforderungen, überwachen Big-Data-Analyseplattformen die Genauigkeit der Einhaltung: Vorschriften (insbesondere von europäischen Behörden) zwingen Banken und andere Finanzinstitute dazu, große Datenmengen zu speichern und zu verwalten, beispielsweise Referenz-, Transaktions-, Sicherheits- und operative Daten. Diese unterscheiden sich stark hinsichtlich ihres Umfangs, ihres Formats und der Häufigkeit ihrer Änderung. Mit jeder neuen Regelung müssen Banken gegebenenfalls neue Analysen und Berichte für spezifische Datensätze erstellen. Deshalb werden Big-Data-Analyseplattformen eingesetzt, um ein exaktes Reporting zur Einhaltung dieser Vorschriften zu gewährleisten.
Hochfrequenzhandel durch künstliche neuronale Netze
Quant-Hedgefonds nutzen Big Data und Deep Learning schon seit Jahrzehnten. Sie arbeiten an künstlichen neuronalen Netzen, um prädiktive Investmentmodelle zu erstellen und die rentabelsten Algorithmen zu ermitteln. Wie oben beschrieben, handelt es sich bei künstlichen neuronalen Netzen um Algorithmen, die ständig dazulernen – wie das menschliche Gehirn. Sie treffen auf Basis historischer Daten Prognosen für die Zukunft.
Laut der Finanznachrichtenagentur Bloomberg hat das Big-Data-gestützte elektronische Trading in den letzten zehn Jahren erheblich zugenommen: Nach Schätzungen von Bloomberg beträgt sein Anteil auf dem europäischen Aktienmarkt etwa 40 Prozent und auf dem US-amerikanischen Aktienmarkt circa 55 Prozent des Trading-Volumens. Auf den Terminmärkten ist das Volumen des elektronischen Handels mit Devisen-Futures auf etwa 80 Prozent gestiegen. Trading-Unternehmen, die mit Hochfrequenzhandel-Algorithmen arbeiten, dominieren seit einigen Jahren den US-amerikanischen Aktienhandel.
Beim Hochfrequenzhandel handelt es sich um einen computerbasierten Handel mit Wertpapieren, der kurze Haltefristen und hohe Umsätze aufweist. Dabei kommen Supercomputer zum Einsatz, mit denen man in Sekundenbruchteilen Gewinne auf Dutzenden von elektronischen Märkten erzielen kann. Mittlerweile wird diesen Firmen vorgeworfen, das System auf Kosten anderer auszunutzen.
Große Erfolge des datengestützten Tradings rufen Großinvestoren auf den Plan
Unternehmen wie Renaissance Technologies analysieren für ihren Medallion Fund mithilfe von Algorithmen Unmengen von Daten. Ihr Ziel besteht darin, Hinweise aufzuspüren, die im Trubel der Finanzmärkte untergehen, und Änderungen der Future-, Aktien- und Währungskurse vorherzusagen. Allein dieser Fonds erzielte zwei Jahrzehnte lang (1994–2014) enorme Jahresgewinne, durchschnittlich mehr als 70 Prozent (vor Steuer). Dies entspricht mehr als dem Siebenfachen des durchschnittlichen Jahresgewinns des S&P-500-Indexes. Beim S&P 500 (Standard & Poor’s 500) handelt es sich um einen Aktienindex, der die Aktien von 500 der größten börsennotierten US-amerikanischen Unternehmen beinhaltet.
