Automatisierter Handel. Hat der Mensch am Finanzmarkt noch eine Daseinsberechtigung?

Textprobe:

Kapitel 5.2.2.: Verarbeitung:

Innerhalb der Datenverarbeitung wird aus den Rohdaten ein Fundament an aggregierten Daten zusammengestellt, das als Basis für eine Handelsentscheidung dient. Die Aggregation bedeutet die Verdichtung von relevanten Datensätzen. Dies impliziert, dass irrelevante Daten nicht in der späteren Ergebnismenge inkludiert sind. Strategische Richtlinien und finanzwirtschaftliche Dogmen geben, wie bereits erwähnt, Aufschluss über die Relevanz von Informationen. Daten, die auf technischer Ebene beschädigt sind, verlieren ihren Informationsgehalt und werden ausgefiltert. Die Prüfung auf technische Validität ist optimalerweise maschinell durchzuführen, da dies schneller ist und eine geringere Fehlerquote aufweist. Nachdem die Datenmenge ausschließlich technisch valide Daten enthält, können diese gefiltert und aggregiert werden.
Da sich eine Anlage über eine Zeitspanne erstreckt, ist der Parameter Zeit auch bei den Daten elementar, um den Kontext zu erhalten. Um beispielsweise Aussagen über die Entwicklung des Euros zu treffen, können Preisdaten ohne einen Zeitstempel nicht interpretiert werden. Demnach müssen alle beschafften Daten einen zeitlichen Kontext besitzen. Weiterhin ist festzustellen, dass die ausschlaggebenden Daten wie Preise, Nachrichten oder Fundamentaldaten immer in numerischen oder textuellen Formaten publiziert werden. Der Prozessschritt der Verarbeitung lässt sich daher unterteilen in die Verarbeitung von Textdaten und numerischen Daten.
Numerische Finanzdaten werden grundsätzlich mithilfe statistischer oder finanzmathematischer Methoden aggregiert. Diese basieren auf mathematischen Berechnungen, die von Computern vollständig übernommen werden können. Besonders aufgrund der im Finanzbereich herrschenden großen Datenbasis und der dadurch benötigten Rechenleistung bringt die maschinelle Verarbeitung zeitliche und qualitative Vorteile.
Textdaten sind aufgrund ihrer Syntax und Semantik schwerer zu aggregieren als numerische Werte. Am Finanzmarkt stellen Marktberichte, Nachrichten oder Regulierungsrichtlinien Beispiele für Textdaten dar. Texte sind in der Lage, Emotionen des Autors abzubilden. Diese aus einem Text fehlerfrei zu extrahieren, ist gegenwärtiger Forschungsstand. Ansätze der Sentiment-Analyse versuchen anhand von statistischen Verfahren zu bestimmen, ob ein bestimmter Text positiv oder negativ behaftet ist. Sprachliche Phänomene wie Ironie und exotische Verneinungen sind dabei Barrieren, die eine programmatische Auswertung erschweren.