LIXX und FinScience erstellen Indizes auf Basis von KI-Modellen

LIXX und das FinTech FinScience haben jetzt fünf AI-Indizes aufgelegt, die praktisch zeigen sollen, wie durch künstliche Intelligenz eine optimale Auswahl von Aktien ermöglicht werden könne. Im Gegensatz zu einer klassischen Selektion finde die KI nicht nur mehr Unternehmen, sondern könne auch deren Relevanz für ein Index-Thema analysieren. 

Die insgesamt fünf mithilfe des FinScience-KI-Modells zusammengestellten Indizes seien das Ergebnis einer Analyse von rund 1,5 Millionen Textdaten, die aus etwa 35.000 Quellen wie Unternehmensberichten, Nachrichten, Foren und vertikalen Websites stammen.

Personalisierte Indexerstellung per KI-Algorithmus

Kunden von LIXX (Website) könnten mithilfe der KI nun auch Indizes zu Themen und Marktbereichen erstellen lassen, die zuvor oft zu diffus erschienen, um die richtigen Wertpapiere auswählen zu können. Soll ein Index beispielsweise das Konsumverhalten der Millenials und Gen Z abbilden, würden mit der klassischen Methode mit einiger Wahrscheinlichkeit nur die großen Unternehmen gefunden, die erfolgreich Produkte und Dienstleistungen für diese Generationen anbieten. Weil aber gerade im B2C-Bereich Trends schnell wechseln und neue vielversprechende Anbieter innerhalb kurzer Zeit von der Zielgruppe bevorzugt werden, würden die bekannten Methoden der Zusammenstellung von Indizes nicht ausreichen.

Hier komme die KI ins Spiel. KI-Algorithmen könnten große Mengen von Unternehmensdaten analysieren, darunter Finanzberichte, Unternehmensnachrichten und Marktstimmung. Durch die Verwendung fortschrittlicher maschineller Lernmodelle könnten diese Algorithmen Muster und Trends in den Daten identifizieren, die von menschlichen Analysten möglicherweise übersehen würden.

Marktanalyse mit hoher Datenqualität

In einem von KI-Algorithmen kontinuierlich ausgewerteten Big-Data-Bestand erkenne das Modell Trends, die Finanzanalysten oft verborgen bleiben. Beobachtet und dynamisch ausgewertet würden zudem nicht nur die üblichen Informationen, sondern auch Medienberichte, die mit Finanznachrichten in der Regel nichts zu tun haben. Hierbei habe FinScience (Website) einen starken Fokus auf die Datenqualität und ihre Eignung im Hinblick auf den Investmentkontext gelegt. Darüber hinaus könnten KI-Algorithmen bei der Konstruktion von Indizes komplexe Beziehungen zwischen verschiedenen Unternehmen und Branchen berücksichtigen. Dies ermögliche eine dynamischere Indexzusammensetzung, die auf der Grundlage von Faktoren wie Korrelationen, Wechselwirkungen und Risiko-Rendite-Profilen optimiert werde.ft