Skip navigation Scroll to top
Scroll to top

News-Based Trading: Von der Taube zum "Twitter Bird"

17. März 2021

Lesezeit: 6 Minuten

von Andreas Vetsch, Reseach Analyst (LGT Capital Partners)

News Based Trading: Von der Brieftaube zu Twitter.

Seit den Anfängen der modernen Wirtschaft beeinflussen Nachrichten Investitionsentscheidungen. Neue Technologien helfen Investoren, noch besser davon zu profitieren. 

Nachrichtenbasierter Handel – oder News-Based Trading – ist nichts Neues. Schon seit Jahrhunderten versuchen Investoren, sich über Nachrichten einen Informationsvorsprung zu verschaffen. Die Idee dieser Strategie: Wer als erster über brisante Informationen verfügt, kann damit viel Geld verdienen.

Einer der dies früh erkannte, war Paul Julius Reuter. Schon im Jahre 1850 wurden Finanznachrichten und Börsenkurse per Telegrafenleitungen übermittelt. Das Telegrafennetz war aber löchrig und so musste beispielsweise die Strecke zwischen Paris und Berlin teilweise per Postzug überbrückt werden.

Statue von Paul Julius Reuter, Gründer der Nachrichtenagentur Reuters
Paul Julius Reuter, Gründer der Nachrichtenagentur Reuters. Photo © KEYSTONE/akg-images/akg-images / Dieter E. Hoppe.

Reuter sah darin eine Chance und versuchte diesen Transportweg zu verkürzen. Er begann Tauben einzusetzen, welche die Börsendaten dreimal schneller transportierten. Der Erfolg seines neuen Service für Finanzdienstleistungen war riesig und legte den Grundstein für die heute weltweit agierende Nachrichtenagentur "Reuters".

Während Brieftauben längst durch digitale Kommunikationsmittel ersetzt wurden, ist die Nachfrage nach zeitnahen und zuverlässigen Informationen ungebrochen. Auch heute dienen Nachrichten als eine Art Rohstoff für Handelsstrategien. Investoren müssen über die jüngsten Zinsentscheide der US-Notenbank ebenso informiert sein wie über die aktuellsten Tweets von Elon Musk. Soziale Netzwerke nehmen dabei eine immer grössere Rolle ein und beeinflussen die weltweiten Finanzmärkte. Ihre Relevanz hat zugenommen und sie dürfen nicht ignoriert werden. Wie können diese unterschiedlichsten Informationen aber gewinnbringend aufgegriffen werden?

Nachrichtenanalyse auf Basis algorithmischer Sprachverarbeitung

Eine Möglichkeit bietet die maschinelle Analyse von natürlicher Sprache – kurz NLP für Natural Language Processing. Mithilfe von Computern analysiert diese Technologie verschiedenste Nachrichtenquellen sehr effizient. Es vereint Computerlinguistik, maschinelles Lernen und künstliche Intelligenz mit dem Ziel, die Marktstimmung durch Twitter oder RSS-Feeds, Zeitungsartikel und Pressemitteilungen systematisch zu messen.

Dazu werden im Minutentakt tausende Nachrichten von den unterschiedlichsten Quellen verarbeitet und ein Stimmungswert ermittelt. Gute Nachrichten erhalten positive Stimmungswerte, schlechte negative. Der Prozess ist komplex und berücksichtig auch die Wechselwirkung von aktuellen und früheren Nachrichten. Ziel ist immer, möglichst genaue Stimmungswerte für die unterschiedlichsten Bereiche der Finanzmärkte zu definieren. Mithilfe von Algorithmen werden diese in Renditeprognosen umgewandelt und Handelssignale generiert.

Effizienz als Hauptvorteil

Ein Vorteil von NLP ist, die enorm schnelle und umfassende Nachrichtenverarbeitung mithilfe von Computeralgorithmen für Investmententscheidungen zu nutzen. Die Idee ist, dass die Maschine ein Dokument "liest" und ein Stimmungswert zuweist. Hier zwei beispielhafte Überschriften, welche den Analyse-Prozess verdeutlichen sollen:

Sterling continues rise as virus optimism grows.

Sterling climbs as dealers bet on Brexit trade deal.

Der Computer erkennt, dass sich beide Sätze auf die Währung Grossbritanniens, das Pfund Sterling, beziehen. Es wird mit den Wörtern «continues rise», «optimism» oder auch «climbs» in Verbindung gebracht, welche alle eine positive Stimmung implizieren. Als Folge leitet der Algorithmus eine positive Renditeprognose für das Pfund Sterling ab und generiert ein Kaufsignal.

Informationen und Insights

Andreas Vetsch ist Research Analyst bei LGT Capital Partners und beobachtet in dieser Rolle auch die Geldpolitik der Zentralbanken.

Er und seine Kolleginnen und Kollegen im Asset Management suchen nach attraktiven Anlagemöglichkeiten und den besten Portfoliomanagern. Sie betreuen auch einen substanziellen Teil des Vermögens des Eigentümers der LGT, des Fürstenhauses von Liechtenstein.

Sind Sie darüber hinaus an aktuellen Entwicklungen der Märkte und der Wirtschaft weltweit interessiert, empfehlen wir Ihnen die Insights unserer Research-Experten.

Die Nachricht hat aber gleichzeitig Auswirkungen auf andere Währungen, Aktien, Zinsen oder die Inflation. So führen die zwei Sätze beispielsweise zu einem negativen Signal für britische Aktien, da sich eine steigende Währung negativ auf die Exporte britischer Unternehmen auswirkt. Dabei ist der Stimmungswert für exportorientierte Unternehmen besonders negativ. Der Algorithmus verarbeitet diese Nachrichten und Zusammenhänge viel schneller als ein menschliches Hirn und generiert einen Informationsvorsprung.

Wie bei News-Based Trading Missverständnisse verhindern

Das Arbeiten mit Sprache ist aber schwieriger als das Arbeiten mit gut strukturierten numerischen Daten. Einer Zahl kann ein eindeutiger Wert zugeordnet werden, Wörtern jedoch nicht. Der folgende Satz soll dies verdeutlichen:

Sterling rises in Guardiola’s esteem.

Auch hier ist wieder vom "Sterling" die Rede und das Wort wird auch hier mit "rises" in Verbindung gebracht. Im Gegensatz zum vorherigen Beispiel handelt es sich hier aber nicht um das Pfund Sterling, sondern um Raheem Sterling, den englischen Fussballnationalspieler.

Challenge für News-Based Trading: Pound Sterling oder Raheem Sterling.
Herausforderung für News-Based Trading: Pound Sterling oder Raheem Sterling.

Um zu verhindern, dass der Algorithmus bei jedem Tor von Raheem Sterling und positiven Tweets von englischen Fussballfans automatisch ein Kaufsignal für das Pfund Sterling auslöst, muss NLP auch den Nachrichtenkontext erkennen. Mithilfe von Semantik werden Bezüge hergestellt, die in bestimmten Umfeldern stattfinden.

Bezieht sich "Sterling" auf Wörter wie "Soccer", "Manchester City" oder wie oben auf seinen Trainer "Guardiola", erkennt der Algorithmus ein Fussballumfeld statt eines Währungsumfelds. Dies ist ein vereinfachtes Beispiel, soll aber Einblick in die Komplexität der systematischen Nachrichtenverarbeitung geben.

Wertvoller Informationsvorsprung durch NLP

Richtig angewendet, bietet NLP aber enormes Potential. Denn obwohl sich das Nachrichtenvolumen und deren Verarbeitung seit Paul Julius Reuters Zeit drastisch verändert haben, reagieren heutige Anleger auf Finanznews wie damals. Die gleichen Nachrichtenmuster wirken sich nach wie vor deutlich auf die Investorenmeinung aus.

Der Zugang zu Informationen ist aber glücklicherweise viel einfacher geworden. Tauben wurden längst durch automatisierte Daten-Feeds ersetzt. Dies ist auch gut so, denn alleine für die täglich über 500 Millionen gesendeten Tweets bräuchte es eine Unsumme Tauben.

Die Welt hat sich seither stark verändert. Mithilfe einer genauen und schnellen nachrichtenbasierten Handelsstrategie kann aber auch heute noch ein Informationsvorsprung generiert werden, um attraktive Marktrenditen zu erzielen. Ganz im Sinne von Paul Julius Reuter, der einst sagte: „First do it right, then do it first".

News-Based Trading bei der LGT

Am 1. April 2016 lancierte LGT Capital Partners die AI News-Based Trading (NBT) Strategie. Diese systematische Investmentstrategie prognostiziert Marktentwicklungen ausschliesslich anhand Finanznachrichten und handelt auf dieser Basis Futures der wichtigsten Aktienindizes.

Die Strategie wendet ein System zur Verarbeitung natürlicher Sprache an, um täglich zehntausende Nachrichten von Hunderten Nachrichtenquellen zu prüfen und zu bewerten. Ein nichtlineares, dynamisches Modell berechnet daraus die Anlegerstimmung. Mittels Machine-Learning-Algorithmen werden dann die genauen Kauf- respektive Verkaufspositionen ermittelt.

NBT liefert eine regimeunabhängige absolute Performance bei geringer Korrelation zu Hedgefonds- und Long-only-Strategien. Seit Auflegung hat die Strategie sehr gute Ergebnisse erzielt. Insbesondere im turbulenten Jahr 2020 zeigte NBT eine hervorragende Performance und gewann den HFM European Quant Award in der Kategorie "CTA Specialist".

Mehr vom LGT Online Magazin?

Hinterlassen Sie Ihre E-Mail-Adresse und erhalten per Newsletter regelmäßig das Aktuellste vom LGT Online Magazin.
Newsletter abonnieren