Universität zu Köln Seminar für Wirtschaftsinformatik und Informationsmanagement & Institut für RundfunkökonomieProf. Dr. Detlef Schoder

Forschungsprojekt

Big Data & Financial Predictions

Universität zu KölnSeminar für Wirtschaftsinformatik

und Informationsmanagement & Institut für Rundfunkökonomie

Pohligstr. 1, 50969 Köln

KONTAKTsekretariat@wim.uni-koeln.deTel.: +49 221 470-5325www.wim.uni-koeln.de

ForschungsschwerpunktKursbeeinflussende Stimmungen und Trends für den Ak-tienmarkt sind zunehmend Gegenstand von Social Media – und damit messbar geworden. Ziel des For-schungsschwerpunktes „Big Data & Financial Predictions“ ist die Analyse und der Nachweis eines Zusammenhangs der Kommunikation in Social Media und der Entwicklung von Aktienkursen. Modellhafte Erkenntnisse sollen insbe-sondere für die Vorhersage von Aktienkursen genutzt werden. Die Forschung ordnet sich dem relativ neuen Gebiet „Social Forecasting“ zu.

Unsere VorgehensweiseWir durchforsten mittels sogenannter Web-Crawler das Internet weltweit nach Nachrichten, Tweets, Foren-beiträgen, Kommentaren und Meinungen der Marktteilnehmer. Dabei spielen die automa-tische Analyse von Texten und Kommunikation hinsichtlich ihrer positiven oder negativen Stim-mung (Senti-ment Analyse) sowie Data-Mining Techno-logien eine große Rolle.

Erfassung der BörsenstimmungEin zentraler Bestandteil des Forschungsschwerpunktes ist die Sentiment Analyse. Mittels einer speziell für den Fi-nanzmarkt angepassten und automatischen Textanalyse erkennen unsere Algorithmen die Tonalität in den Nach-richten. Mit anspruchsvollen Datenanalyseverfahren, wie z. B. Support Vector Machines, Bag-of-Words Ansätzen und Part-of-Speech Tagger strukturieren unsere Program-me die Nachrichten in positive und negative Kategori-

en. Spam und irrelevante Informationen werden dabei ausgefiltert und die Beiträge nach Meinungsführern und Followern gewichtet. Die Textanalyse ist kontextspezifisch und auf die besondere Terminologie des Finanzmarktes angepasst. Das auf diese Weise berechnete Sentiment für Aktien liefert Indikationen für die Entwicklung der Kur-se und kann auf verschiedene Arten visualisiert werden.

Anwendung der ErkenntnisseWir verfügen inzwischen über eine mehrjährige Datenhis-torie, die es ermöglicht, umfangreiche Tests von alterna-tiven Trading-Strategien und Modellrechnungen auf der Basis der Kommunikationsdaten durchzuführen. Mit ver-schiedenen Programmen und Optimierungsalgorithmen

können wir die Kommunikation über Aktien, Indizes oder Währun-gen aus der Vergan-

genheit mit der tatsächlichen Kursentwick-lung verglei-chen und

somit mit hoher Zu-

verlässigkeit kursbeein-flussende Muster identi-

fizieren. Wir verwenden hierfür unter anderem Neuro-

nale Netze, Rule Induction und Decision Tree-Ansätze.

Ansprechpartner

Snapshot der StockPulse Oberfläche

Dipl.-Wirt.-Inf. Stefan Nann nann@wim.uni-koeln.de Tel.: +49 221 294 975 19

Dipl.-Wirt.-Inf. Jonas Kraußkrauss@wim.uni-koeln.deTel.: +49 221 294 975 19

Snapshot des Sentiment Tickers

PublikationenNann, S; Krauss, J; Schoder, D. (2013): Predictive Analytics on Public Data – the Case of Stock Mar-kets. ECIS.

Krauss, J; Nann, S; Schoder, D. (2012): Towards Uni-versal Sentiment Analysis through Web Mining. Pos-ter Session. ECIS.

Schoder, D; Gloor, P; Metaxas, P. T. (2013): Social Media and Collective Intelligence – Ongoing and Future Research Streams. Künstliche Intelligenz, Spe-cial Issue on Social Media.

Spin-off StockPulseErkenntnisse aus dem Forschungs-schwerpunkt setzt das Spin-off StockPulse im Praxiskontext um. Dabei generiert das zugrunde liegende Informationssystem bör-sentäglich und vollautomatisiert Buy- und Sell-Si-gnale für ausgewählte Aktien, Indizes und Wäh-rungen. Zu den Kunden von StockPulse zählen große Hedgefonds, Banken und Finanzportale. www.stockpulse.de

StockPulse in der Presse„Investieren wie auf Twitter“ (05.02.2014, http://www.han-delsblatt.com/finanzen/boer-se-maerkte/anlagestrategie/anlagestrategie-investieren-wie-auf-twitter-/9302766.html)

„Datenanalyse schafft Bör-senprognosen – Meinungs-macher aus der Community“ (22. 11.2013)

„Dank Big Data auf gute Stim-mung gesetzt” (19.11.2013)

„Twitter als Investmenthil-fe“ (06.2013, http://on.wsj.com/18aeYKv)

„Sie könnten die besten Fonds schlagen“ (Neue Zürcher Zei-tung, März 2013, http://bit.ly/10Zr81d)

„Kurs-Gezwitscher: Online-Fo-ren sind das Börsenpakett der Neuzeit“ (10.2011)