Skip to content
Für qualifizierte Anleger

Der Umfang von Big Data

Risiko für Ihr Kapital: Alle Finanzanlagen sind mit Risiken verbunden. Deshalb können der Wert einer Anlage und die mit ihr erzielten Erträge Schwankungen unterworfen sein, und der ursprüngliche Anlagebetrag kann nicht garantiert werden.

Teil 1:
Viele Datenquellen und vor allem die "richtigen" Daten

Werden ausreichend Daten erfasst?

Anlageteams, die sich das Potenzial von Big Data zunutze machen wollen, müssen ein sehr grosses Netz auswerfen, damit sie genau die Daten herausfischen, deren Analyse dazu beitragen kann, die Anlageergebnisse gezielt zu verbessern. Warum? Weil Weltwirtschaft und globale Finanzmärkte extrem komplex sind und Daten generieren, die grösstenteils unstrukturiert und schwer lesbar sind. Es ist sehr wichtig, möglichst viele Daten einzubeziehen und zu bewerten, um diejenigen herauszufiltern, die für den Anlageprozess aussagekräftig sind. Allein im Jahr 2017 testete das Systematic Active Equity (SAE) Team von BlackRock mehr als 70 neue Datengruppen.

Gesamtausgaben Ankauf alternativer Datensätze (USD Mio.)

Quelle: AlternativeData.org, per 31. März 2018. Die vorstehenden Schätzungen stammen von AlternativeData.org. Es gibt keine Garantie, dass sich Prognosen bewahrheiten.

Qualität ist wichtiger als Quantität

Die Daten müssen auf ihre Qualität und ihre Additivität (also die Summierbarkeit der Einzelereignisse) in Bezug auf ein Prognosemodell untersucht werden. Ein neu aufgenommener Datensatz wird vom SAE-Team zunächst bereinigt und einer Reihe hauseigener statistischer Tests unterzogen, um den Wert der enthaltenen Informationen zu bestimmen. In technologisch fortschrittlichen Regionen wie den USA, wo viele Informationen zu den Unternehmen, in die wir investieren, vorliegen, ist die Messlatte hoch, und es ist relativ schwierig, neue aussagekräftige Daten zu finden. Unsere langjährige Erfahrung hat uns zudem gelehrt, dass sich neue Daten nicht immer in bestehende Modelle einpassen lassen – was sich allerdings erst mit Sicherheit sagen lässt, wenn man es ausprobiert hat. Sollte ein Projekt aber nicht direkt funktionieren, so lassen sich die Ideen häufig in künftigen Projekten sinnvoll einbringen.

Fallbeispiel:
Big-Data-Prognosen im Einzelhandel

Im Folgenden zeigen wir, wie sich Daten zum Konsumentenverhalten für Prognosen nutzen lassen mit dem Ziel, die Anlageergebnisse zu verbessern.

GPS

GPS-Daten

Mit den Geolokalisationsdaten von Smartphones kann beispielsweise der Weg nachgezeichnet werden, den Kunden in Ladenlokalen zurücklegen. Dies alleine gibt allerdings keinen Aufschluss darüber, ob auch ein Einkauf getätigt wurde. Hier stehen andere Datenquellen zur Verfügung, mit denen sich die Absichten der Verbraucher genauer bestimmen lassen und die uns dabei helfen, das Umsatzwachstum eines Einzelhändlers einzuschätzen.

Nur zur Veranschaulichung.
Internet

Internet-Suchverlauf

Einerseits kann die Analyse der gesamten Suchaktivitäten im Internet den Wandel in der Einstellung der Verbraucher zu einer Marke oder einem Produkt erfassen. Solche Daten haben jedoch einen langen Prognosehorizont und eine geringere Genauigkeit, da die Konsumenten nach der Suche im Internet noch mehrere Schritte unternehmen müssen, bis sie etwas kaufen.

Nur zur Veranschaulichung.
E-receipts

Elektronische Quittungen

Andererseits erlauben zusammengefasste Daten zu Konsumententransaktionen, wie sie von Banken und Kreditkartenanbietern aufgezeichnet werden, unseren Prognosemodellen, die tatsächlichen Ausgaben der Verbraucher (und letztlich den ausgewiesenen Umsatz) nachzuvollziehen.

Nur zur Veranschaulichung.
Sales

Verbuchter Umsatz

Indem wir mehrere Datenquellen nutzen, die sich gegenseitig bestätigen und auf dieselbe Anlagefrage zielen, können wir die Qualität unserer Anlageprognosen deutlich verbessern.

Nur zur Veranschaulichung.
GPS-Daten
Internet
-Suchverlauf
Elektronische
Quittungen
Verbuchter
Umsatz

Auswirkungen des Konsumentenverhaltens auf das Umsatzwachstum

Klicken Sie auf die einzelnen Icons, um mehr zu erfahren.

GPS-Daten
Verbuchter Umsatz
Online-Suche
E-Quittungen

Quelle: BlackRock, per 31. May 2018. Nur zur Veranschaulichung, stellt keine tatsächlichen Daten dar.

Due-Diligence-Checkliste zu Big Data herunterladen

Viele Vermögensverwalter hoffen, mithilfe von maschinellem Lernen und Big-Data-Analysen einzigartige Einblicke in Anlagechancen zu erhalten. Sie können sich hier eine Checkliste mit Fragen herunterladen, die Sie sich stellen sollten, wenn Sie sich mit diesem Thema näher auseinandersetzen möchten.

Alle gesammelten Daten werden entsprechend der Datenschutzerklärung von BlackRock verarbeitet, die hier eingesehen werden kann.

Nutzen Sie die Vorteile einer Welt im Wandel
Unsere neue Advantage-Serie kombiniert Technologie, Big-Data-Analysen und verantwortungsbewusstes Investieren, um mit der Welt, in der wir heute leben, Schritt zu halten.
Erfahren Sie mehr Erfahren Sie mehr

MKTGM0319E-757224-3/3