Mit alternativen Daten Anlageentscheidungen treffen

Rund 5,5 Milliarden Such­anfragen registriert Google weltweit. Pro Tag. Auf Twitter werden täg­lich mehr als 500 Millionen Tweets verschickt, das sind mehr als 6.000 Tweets pro Sekunde. Und 2021 lag die Zahl der Wikipedia-Artikel auf allen verfüg­baren Sprachen bei rund 57 Millionen. Das sind nur drei Beispiele, die ein­drucks­­voll zeigen, wie un­­vor­stell­bar riesig die Daten­­menge mittler­­weile ist – und sie wächst ständig weiter.

Nach Berechnungen des Markt­­forschungs­­unternehmens International Data Group (IDC) war die welt­weit generierte Daten­menge 2020 etwa 64 Zettabyte groß. Zur Einordnung: Ein Zettabyte sind eine Trilliarde Bytes oder 1.000.000.000.000.000 Megabytes. Nach Einschätzung des IDC werden die Daten­­bestände weiter stark wachsen, pro Jahr um fast 25 Prozent.

Das Besondere dran: Die IDC-Experten prognostizieren, dass rund 80 Prozent aller welt­weiten Daten bis 2025 unstrukturiert vorliegen werden. Bei diesen auch alternativ genannten Daten – bisweilen auch als Big Data bezeichnet – handelt es sich um un­strukturierte Text- oder nicht­finanzielle Daten, die überall in der digitalisierten Welt zu finden sind. Der große Vorteil: Systematisch aggregiert und analysiert, können sie wert­volle Ein­blicke in die Wachstums­perspektive einzelner Unter­nehmen, Sektoren, Länder oder Themen liefern.

„Wir erwarten, dass immer mehr un­strukturierte Daten Einzug in das aktive Fonds­­management halten“, sagt Dr. Markus Ebner. Der Head of Multi-Asset und seine Kollegen bei Quoniam Asset Management gehören zu den ganz wenigen Experten hierzulande, die bereits seit Jahren unstrukturierte Daten sammeln, analysieren und für Anlageentscheidungen nutzen.

Auf der Suche nach stabileren und schnelleren Informationen

Zwar ist die Aus­wertung und Analyse von Daten in der Finanz­­branche nicht neu, im Gegen­­teil. Doch bislang liegt der Groß­­teil der Daten strukturiert vor. Zunehmend aber geht es darum, neue gegebenen­falls unstrukturierte Daten­quellen zu erschließen, um bei der Analyse viel­­fältigere, stabilere – und auch schnellere – Informationen zu gewinnen. Vor­aus­­setzung ist jedoch, dass die Daten für die jeweilige Frage­­stellung nutzbare Informationen enthalten und diese hinreichend valide sind.

Anders als klassische makroökonomische Daten und die bekannten Finanz­marktzahlen können unstrukturierte Daten beispielsweise Indizien dafür geben, welche Stim­mung einer Nachricht zugrunde liegt. Wie ist etwa die Anzahl positiv belegter Wörter zur Anzahl eher negativ belegter Begriffe? Ist also die Nachricht eher positiv oder negativ zu bewerten? Aus den Artikeln können somit Stimmungs­indikatoren ab­geleitet werden, die diese Dynamik erfassen und so wichtige Signale für das Asset Management liefern.

Zu diesem Zweck durch­forsten die Such­programme von speziellen Daten-Providern laufend welt­weit Nachrichten­seiten oder auch soziale Netzwerke wie Twitter und Facebook. Sie zählen vor­definierte Begriffe wie beispiels­weise „Rezession“, „Inflation“ oder „Verbraucher­preise“ und liefern so ein Echtzeit-Stimmungs­bild der Verbraucher und Investoren. Heraus­kommen auf diese Art und Weise viele nützliche Informationen, die man nicht in der Bilanz oder vergangenen Aktien­kursen findet.

„Die Ver­arbeitung einer immer größer werdenden Menge an verfügbaren Informationen kann meines Erachtens aber nur mit quantitativen Methoden sinnvoll erfolgen. Und es braucht eine gewisse Größe des Asset Managers, um die ganze Analyse überhaupt tätigen zu können“, sagt Ebner und sieht sein Haus hier im Vorteil. Schließlich nutzt Quoniam traditionell eine große Anzahl an Daten aus unter­schiedlichen Quellen. Ohnehin ist der Asset Manager schon immer daten­getrieben, das heißt, die Experten analysieren fort­laufend und systematisch sämtliche relevanten Unternehmens­daten und über­tragen sie dann in Investment­modelle.

Stimmung der Anleger treibt Kurse

„Unsere internen Studien zeigen, dass es einen kausalen Zusammen­hang zwischen Medien­berichten und den Finanz­märkten gibt. Die Nachrichten­stimmung in Handels­strategien ein­zu­binden, kann Portfolio­erträge steigern“, ist Ebner überzeugt. Das bedeutet: Nicht nur Fakten, sondern auch die Ein­ordnung der Fakten durch die Investoren bestimmen die Finanz­markt­entwicklung.

Auf der Basis dieser Erkenntnisse haben Ebner und sein Team eine Multi-Asset Strategie entwickelt, die sich rein auf die Aus­wertung von un­strukturierten Daten für Rendite-Signale stützt. „Unsere Strategie Multi-Asset Global Data Sentiment basiert auf modernen, daten­basierten Research-Technologien wie Big Data und News Flows“, erläutert der Portfolio­manager. Für das Anlage­konzept extrahieren die Quoniam-Experten aus einer Viel­zahl von welt­weiten Nach­richten das Sentiment an den Kapital­märkten. Die Aus­wertung erfolgt auf der Grund­lage statis­tischer Ver­fahren, mit deren Hilfe Rendite­chancen identifiziert werden können.

Diversifikator fürs Portfolio

Anfang 2022 ging die Strategie mit einem 50-Millionen-Euro-Mandat „live“. Bewährt hat sich der Ansatz aber bereits in den vergangenen Jahren als Teil einer anderen Quant-Strategie. Und die Praxis hat gezeigt, dass die Strategie eine sehr geringe Korrelation zu anderen Anlage­konzepten aufweist. „Der Ansatz bedeutet somit einen interessanten Diversifikator fürs Portfolio“, sagt der Head of Multi-Asset.

Auch deshalb ist er sich sicher: Big Data – die Aus­wertung gigantischer Daten­mengen – kann lang­fristig zu dem ent­scheidenden Erfolgs­faktor im Asset-Management werden. Wer in der Lage ist, anhand der Flut von Informationen belastbare Modelle für systematische Anlage­entscheidungen zu generieren, hat lang­fristig die Nase vorn und bietet den Investoren den ent­scheidenden Mehrwert.