Alternative Daten

Einführung – Alternative Daten

Alternative Daten können als alle Datenquellen definiert werden, die typischerweise nicht in der traditionellen Finanzanalyse verwendet werden. Diese Daten können aus höchstunterschiedlichen Bereichen wie sozialen Medien, Satellitenbildern, Schifffahrtsrouten, Web-Scraping oder dem Crowd-Sourcing entstammen.

Sie können dazu verwendet werden, besondere Einblicke in Unternehmen, Märkte und Branchen zu gewinnen, die über die Erkenntnisse aus traditionellen Daten hinausgehen. Im Folgenden werden einige Beispiele für alternative Datenkategorien aufgeführt.

Lieferketten

Beziehungen innerhalb von Lieferketten werden im Investment Management zunehmend als Instrument zur Identifizierung und Bewertung von Risiken verwendet. Anleger können störanfällige Knotenpunkte in der Struktur einer Lieferkette erkennen und den Spielraum für risikomindernde Maßnahmen ausloten.

Beispielsweise kann die Stabilität eines Lieferanten die Funktionsfähigkeit vieler nachgelagerter Unternehmen in Frage stellen, wenn dieser zunehmend Zweifel aufkommen lässt, seine vertragliche Verpflichtungen zu erfüllen.

Darüber hinaus kann eine genaue Analyse der Lieferkette die geschäftliche Robustheit eines Unternehmens bewerten (z.B. durch ein diversifiziertes Kundenportfolio) und Unternehmen identifizieren, die Marktmacht über ihre Konkurrenten ausüben können.

Transaktionsdaten

Transaktionsdaten, wie zum Beispiel aus aggregierten Kreditkartenpanels, können im Investment Management auf unterschiedliche Weise verwendet werden. Hier können sie etwa besondere Muster im individuellen Konsumverhalten offenbaren, die wiederum als Grundlage für Anlageentscheidungen helfen können.

Außerdem können mit ihrer Hilfe auch Hinweise auf potenzielle Betrugsfälle identifiziert werden. Dadurch lässt sich sicherstellen, dass Investitionen zumindest in Teilen nicht auf fehlerhaften Angaben beruhen. Neu aufkommende Trends und Strukturbrüche im Konsumentenverhalten schlagen sich ebenfalls in Transaktionsdaten nieder und bieten Potenzial für neue Marktchancen.

Schließlich können Investoren Transaktionsdaten mit anderen Datenquellen kombinieren und die Zielgenauigkeit der bestehenden Vorhersagemodelle zu verbessern.

Daten zu Stellenausschreibungen

Diese Daten können interessante Einblicke in den Arbeitsmarkt gewähren. Auf Unternehmensebene lassen sich zum Beispiel Rückschlüsse ziehen über die Erschließung neuer Geschäftszweige, Einstellungsstopps oder die Fähigkeit offene Positionen zu besetzen.

Im Aggregat können diese Daten verwendet werden, um Branchen und Regionen mit vielen Stellenangeboten identifizieren, was auf Wachstumspotenzial und höhere Renditen hindeutet. Im Gegenzug können Sektoren mit rückläufigen Stellenangeboten einen Hinweis darauf geben, dass eine Branche sich im Niedergang befindet und rentable Investitionen unwahrscheinlicher geworden sind.

Ebenso lässt sich ein Überblick über die Fähigkeiten und Qualifikationen gewinnen, die auf dem Arbeitsmarkt besonders stark nachgefragt sind. Eine chronische Angebotslücke in Bezug auf Schlüsselqualifikationen kann ein Indikator für ein inflexibles Bildungssystem sein, das die Anpassungsfähigkeit und Innovationspotential eines Landes in Frage stellt.

Social Sentiment Daten

Social Sentiment Daten können aus sozialen Medien, Nachrichtenquellen, Diskussionsforen und Blogs gewonnen werden. Mit ihrer Hilfe lässt sich die öffentliche Meinung analysieren und deren Einschätzung zu einem Unternehmen, einer Branche, einer Anlageklasse oder dem makroökonomischen Umfeld ablesen.

Social Sentiment Daten sind schnell am wachsen und sind in breit gestreuten Kategorien vertreten. So kann im Investment Bereich untersucht werden, wie einzelne Anleger denken, welche aufkommenden Markttrends am stärksten diskutiert werden und welche Auswirkungen Nachrichten und aktuelle Ereignisse auf ihr Investitionsverhalten haben.

In der Verwendung als Echtzeit-Daten können spontane Marktreaktionen nachvollzogen werden und Social Sentiment ein starker Frühindikator für Marktbewegungen und Anlagechancen sein.