Was sind alternative Daten?
Der Begriff bezieht sich auf alle Informationen über ein Finanzinstrument aus nicht-traditionellen Quellen. Zu den herkömmlichen Quellen, die von Anlageexperten verwendet werden , gehören in der Regel SEC-Unterlagen, Finanzberichte, Pressemitteilungen und Medienberichte.
Manchmal müssen Analysten ihre Erkenntnisse ergänzen oder untermauern, sodass sie versuchen, Informationen aus anderen Quellen zu finden, darunter beispielsweise Nachrichtenstimmungen, Expertennetzwerke und Web-Crawling-Daten, die als „alternative Daten” bezeichnet werden.
In diesem Zusammenhang gibt es zwei Hauptdatenquellen, auf die Investmentmanager zurückgreifen können:
1. Traditionelle Daten – Finanzberichte, Nachrichten, Handelsberichte, SEC-Unterlagen
2. Alternative Daten – Zahlungen, Geolokalisierung, soziale Medien und Satellitendaten
Wie werden alternative Daten generiert?
Alternative Daten können, wie bereits erläutert, aus vielen Quellen stammen.
Aber wer erstellt diese Daten?
Es gibt drei Hauptquellen für alternative Daten:
1. Einzelpersonen: Normale Menschen generieren jeden Tag riesige Datenmengen durch Interaktionen in sozialen Medien, bei der Arbeit sowie durch Suchanfragen bei Google, Bing und Yahoo. Jedes Mal, wenn jemand einen Kommentar oder eine Bewertung auf einer E-Commerce-Website veröffentlicht, erstellt er alternative Daten, die Aufschluss über Verhaltensmuster geben. Diese Daten gelten als „unstrukturierte alternative Daten” und können als einer von vielen Faktoren im Entscheidungsprozess von Unternehmen herangezogen werden.
2. Unternehmen: Unternehmen hingegen erstellen in der Regel strukturierte Daten, die leichter zu analysieren sind und tiefere Einblicke für finanzielle Entscheidungen liefern können. Dazu gehören Transaktionsdaten – Daten, die als Ergebnis eines Kaufs, einer Kreditkartentransaktion oder ähnlichem generiert werden. Daten von Behörden, Steuern usw. gehören ebenfalls zu dieser Gruppe.
3. Vom Internet der Dinge (IoT) generierte Daten: Diese Daten sind in der Regel unstrukturiert, da sie von Sensoren und Endgeräten generiert werden. IoT-Geräte wie Smart-TVs, Point-of-Sale-Systeme (POS), Park- und Traffic-Sensoren liefern nützliche Daten, die bei richtiger Analyse wertvolle Erkenntnisse liefern können. Beispielsweise, wie oft Menschen eine bestimmte Straße passieren oder wie oft Kunden ein bestimmtes Einkaufszentrum besuchen. Zu dieser Gruppe gehören auch Daten, die von Mobiltelefonen und anderen geolokalisierungsbasierten Systemen generiert werden.
Die verschiedenen Arten alternativer Daten
Webdaten – Websuchen, Klickraten, Webdemografie. Diese sind besonders nützlich für Marketing- und E-Commerce-Recherchen.
Daten zur sozialen Stimmung – Verbraucherverhalten und Reaktionen auf Inhalte und Positionierung von Marken. Dazu gehören Kommentare, Online-Interaktionen, Tweets und Posts. Dies kann Ihnen Aufschluss über aktuelle Markttrends und Veränderungen im Verbraucherverhalten geben.
Geolokalisierungsdaten – Diese Art von Daten kann Unternehmen beispielsweise dabei helfen, zu verstehen, an welchen Standorten eine höhere Nachfrage nach bestimmten Produkten besteht. Immobilieninvestoren können diese Art von Daten auch nutzen, um Gebiete mit positiven Aussichten für die Projektentwicklung zu identifizieren, basierend auf alternativen Datenpunkten wie Bebauungsvorschriften oder dem Bau neuer Infrastruktur.
Kreditkartentransaktionen – Transaktionsdaten können Einzelhandelsumsätze und Zahlungsgewohnheiten für die Kreditbewertung verfolgen, um den Gewinnberichten des Einzelhandels vorzugreifen und die Ausgabengewohnheiten der Verbraucher zu identifizieren.
Point-of-Sale-Transaktionen (POS) – können Informationen über das Verkaufsvolumen, das Verbraucherverhalten, beliebte Produkte sowie die bevorzugten Zahlungsmethoden verschiedener Verbrauchersegmente liefern.
Wetter- und Satellitenbilder – diese Daten werden zwar hauptsächlich in Rohform (als Bilder) erfasst, können jedoch in Algorithmen und/oder Analysetools eingespeist werden, die konkrete Schlussfolgerungen und Vorhersagen ermöglichen. Beispielsweise können die wirtschaftlichen Aktivitäten eines bestimmten Gebiets oder einer bestimmten Bevölkerungsgruppe gemessen werden, einschließlich der Tageszeit, zu der die Aktivitäten ihren Höhepunkt erreichen, sowie der Anzahl der geöffneten oder aktiven Geschäfte (dies war während der Coronavirus-Pandemie besonders nützlich, um Menschen dabei zu helfen, überfüllte Geschäfte zu meiden und damit die Infektionsraten zu senken).
Warum sind alternative Daten so beliebt?
Investmentmanagement-Unternehmen nutzen Daten, um Muster zu erkennen und einzigartige Einblicke in Anlageprodukte zu gewinnen. Hedgefonds gehörten zu den ersten, die Datenanalysetechnologien und Big Data nutzten, dicht gefolgt von Private-Equity-Managern. Dieselben „avantgardistischen” Unternehmen sind auch bei alternativen Daten führend – Early Adopters sind am besten positioniert, um davon zu profitieren, bevor alternative Daten breite Anwendung finden.
Was macht alternative Daten so attraktiv?
Die verfügbaren riesigen Datensätze bieten einen potenziellen Vorteil gegenüber Wettbewerbern. Die Menge der weltweit generierten Daten wird bis 2026 voraussichtlich 163 ZB erreichen. Das bedeutet mehr Daten für KI-Tools, mehr potenzielle Muster und Trends, die es zu entdecken gilt, und mehr Möglichkeiten, sich einen Vorteil gegenüber Wettbewerbern zu verschaffen.
Vor diesem Hintergrund stellen Investmentgesellschaften in immer größerem Umfang Datenwissenschaftler und Analysten ein, um solche Data-Mining-Bemühungen zu unterstützen. Laut der Financial Times wächst die Zahl der Datenanalysten in Investmentfirmen exponentiell.
Welche Rolle spielen alternative Daten beim modellgesteuerten Investieren?
Modellgesteuertes Investieren bezieht sich auf die Verwendung analytischer Datenmodelle, um Erkenntnisse für den Finanzsektor im Allgemeinen und für Investitionen im Besonderen zu gewinnen. Während die meisten Unternehmen noch nicht vollständig von traditionellen Datenquellen abgekommen sind, werden alternative Daten für Investmentfirmen, die nach innovativen, neuen Ideen zur Generierung eines höheren Alpha suchen, immer wichtiger.
Kurze Definition: Laut Investopedia ist„Alpha (α) ein Begriff, der im Investmentbereich verwendet wird, um die Fähigkeit einer Anlagestrategie zu beschreiben, den Markt zu schlagen oder ihm einen Vorsprung zu verschaffen”.
Darüber hinaus gab es aufgrund von COVID-19 eine stärkere Verlagerung hin zu Online-Aktivitäten und einem digitalen Marktplatz, was Banken und Investoren dazu veranlasst, alternative Daten als Quelle für ihre Entscheidungsfindung zu nutzen. Diese Art von Daten kann ein nahezu Echtzeitbild liefern, das es Finanzinstituten ermöglicht, zeitnahe Entscheidungen über Risikomanagement, Kredite usw. zu treffen.
Die Umsetzung eines quantitativen oder modellgesteuerten Anlageansatzes besteht aus zwei Teilen: der Erfassung und der Analyse der Daten. Die Datenerfassung kann mithilfe von Tools zur Datenerfassung und zum Web-Crawling, Datenplattformen und Datenanbietern erfolgen, die sich auf die Erfassung alternativer Daten spezialisiert haben.
Das Auffinden der Daten ist jedoch nur der erste Schritt. Daten können erst nach ihrer Analyse und Interpretation für Sie von Nutzen sein. Da alternative Daten aus unterschiedlichen Quellen stammen und unstrukturiert sind, kann ihre Analyse schwieriger sein als die von herkömmlichen Daten. Der Aufstieg von Machine Learning (ML) und Natural Language Processing (NLP)-Tools ist für die Analyse der riesigen Datensätze, die durch alternative Daten generiert werden, von entscheidender Bedeutung. KI-Tools können Daten viel schneller verarbeiten als jeder Mensch. KI-basierte Modelle und Datenanbieter können die Investmentbranche dabei unterstützen, die Muster und Erkenntnisse zu finden, die für genaue Entscheidungen erforderlich sind.
Anwendungsfälle für alternative Daten
Alternative Daten werden in den kommenden Jahren die Art und Weise verändern, wie Investmentgesellschaften und Hedgefonds ihre Anlagen auswählen. Die Anwendung alternativer Daten zur Generierung von Ideen, zur Bewertung von Anlagen und zur Verwaltung von Portfolios kann in Kombination mit Datenanalyse-Tools sehr wirkungsvoll sein. Nachfolgend sind einige gängige Anwendungsfälle für alternative Daten aufgeführt:
Verfolgung von Preisänderungen und Inflation – Unternehmen können Datensätze mit Millionen von Preisen verfolgen, um Preisänderungen und die Auswirkungen der Inflation zu verstehen.
Nutzung sozialer Medien zur Gewinnprognose – Ein Vermögensverwalter kann Daten aus sozialen Medien und Suchmaschinen auswerten, um die Gewinne eines Unternehmens über einen bestimmten Zeitraum zu prognostizieren.
Zahlungsdaten zur Verfolgung der Performance – Ein Hedgefonds kann kombinierte Daten wie Kreditkartentransaktionen, Standortdaten und App-Nutzung nutzen, um die Online- und App-Verkaufsleistung eines Einzelhandelsunternehmens zu verfolgen.
Webdaten und Kommentare in sozialen Medien zur Prognose von Marktbewegungen – Sie können Daten aus gecrawlten Websites und sozialen Medien nutzen, um Ereignisse zu erkennen, die den Markt bewegen könnten.
Wie man alternative Daten beschafft
Sie können alternative Daten beschaffen, indem Sie sie selbst direkt aus dem Internet sammeln oder von einem Drittanbieter kaufen. Sehen wir uns das einmal genauer an.
Option 1: Web-Crawling
Dies bezieht sich auf das Sammeln von Daten von Websites über ein Web-Scraping-Tool oder eine interne Scraping-Software. Die Software crawlt die Webseiten und lädt die relevanten Daten anhand bestimmter Schlüsselwörter herunter. Die Daten können dann in verschiedenen Formaten gespeichert werden, beispielsweise als CSV-Datei. Die Anwendungsmöglichkeiten für Data-Scraping-Tools sind vielfältig und reichen vom Markenschutz bis zur Preisüberprüfung.
In Bezug auf die Tools haben Sie eine ganze Reihe von Optionen – von Do-it-yourself-Lösungen (DIY), bei denen Sie eine Integration mit einem Proxy-Netzwerk vornehmen und echte Verbraucher-IPs nutzen würden. Weitere Optionen sind vollautomatische Lösungen, die keinerlei Programmierung oder Infrastruktur erfordern – Sie müssen lediglich Folgendes tun:
- Ihre Zieldatensätze definieren
- das gewünschte Format festlegen
- einen Zeitplan
- die bevorzugte Liefermethode
und schon können Sie einen Live-Stream der Daten direkt an Ihr Team und/oder Ihre Systeme genießen.
Option 2: Kauf von Datensätzen
Es gibt alternative Datenanbieter, die Ihnen Daten in verschiedenen Verarbeitungsstadien liefern können. Sie können die Daten beispielsweise roh, „bereinigt” oder halbstrukturiert kaufen. Dies ist eine gute Option für Unternehmen, die „statische” Datensätze benötigen, d. h. für die es nicht entscheidend ist, dass ihrem Team und ihren Systemen Echtzeit-Datensätze zugeführt werden. Beispielsweise möchte ein Modehaus vielleicht einmal pro Saison soziale Medien durchsuchen, um neue Trends zu identifizieren, muss dies aber nicht täglich tun. Ein E-Commerce-Unternehmen hingegen möchte vielleicht stündlich die Preise der Konkurrenz scannen und Live-Änderungen vornehmen, um die Konkurrenz zu unterbieten oder „auszustechen”. Im letzteren Fall ist der Kauf von Datensätzen möglicherweise eine weniger praktikable Option.
Wie geht es weiter?
Wenn Unternehmen den Wert erkennen, den alternative Daten für die Wirtschaft insgesamt und insbesondere für den Finanzsektor bieten, werden wir eine breite Einführung von Prognosemodellen auf Basis alternativer Daten und von alternativen datengesteuerten Einnahmequellen erleben. Wenn Unternehmen lernen, Folgendes zu sammeln:
- genaue
- saubere
- benutzergenerierte
alternative Daten zu sammeln und diese Rohdatensätze in Vorhersagealgorithmen und künstliche Intelligenz einzuspeisen, um ihnen eine höhere Komplexität zu verleihen, werden wir die Auswirkungen wirklich zu spüren bekommen.
Stellen Sie sich Einzelhandelskettenvor, die ihre Produktions- und Beschaffungsentscheidungen auf der Grundlage der Verbraucherstimmung in den sozialen Medien treffen.
Stellen Sie sich Investmenthäuservor, die auf der Grundlage von Verbraucheraktivitäten, die aus Transaktionsdaten in Echtzeit abgeleitet werden, in Wertpapiere investieren oder gegen diese investieren (auch bekannt als Leerverkäufe).
Stellen Sie sich Versicherungsgesellschaftenvor, die eine Risikobewertung auf der Grundlage von Geodaten zu Naturphänomenen (z. B. Hurrikane, Tsunamis und Überschwemmungen) durchführen können.
Sie müssen Ihre Vorstellungskraft nicht mehr anstrengen. Die oben genannten Beispiele sind reale Anwendungsfälle für alternative Daten, die von visionären Unternehmen genutzt werden, die sich entschieden haben, ihre Branche anzuführen, anstatt sich von anderen führen zu lassen.
