Autonome Echtzeitanalyse zur Vermeidung marktübergreifender Risikosituationen
Voraussetzung, um eine weitere globale Finanzkrise zu verhindern, sind schnelle Risikoanalysen und unmittelbare Reaktionen auf Ereignisse, sodass Schäden für globale Märkte abgewendet werden können. Jetzt entwickelten EU-finanzierte Forscher und Informatiker eine innovative IT-Infrastruktur, damit Marktanalysten, Händler und Finanzaufsichtsbehörden schnell auf potenziell riskantes und ungewöhnliches Marktverhalten reagieren können. Das dreijährige, mit 2,9 Mio. EUR geförderte Projekt QUALIMASTER entwickelte ein integriertes System von Computeralgorithmen, Modellen und Prozessen, das hochvolumige Finanzdaten in Echtzeit analysieren, Risiken und Wahrscheinlichkeit eines Marktversagens besser prognostizieren und Reaktionen und Anpassungen vereinfachen kann. "Die Idee ist, die Verarbeitung großer Datenströme und Datenmengen zu vereinfachen und eine Infrastruktur aufzubauen, die sich sehr dynamisch an veränderte Situationen anpassen kann", sagt Projektkoordinatorin Claudia Niederée, Studienleiterin am Forschungszentrum L3S der Universität Leibniz, Hannover. Die an der Börse erzeugten hochvolumigen Datenströme - mitunter 100 Mio. Nachrichten pro Sekunde - zu Aktien- und Wechselkursen, Zukunfts-Indices und Anleihekursen werden mit Daten aus sozialen Netzwerken wie der Mikroblogging-Plattform Twitter, Nachrichten, Finanz-Blogs, Regierungsdaten und anderen Quellen kombiniert und vom System kontinuierlich analysiert, um Anzeichen für ein Marktungleichgewicht zu erkennen. "Wir untersuchten Korrelationen, um systemische Risiken zu erkennen und nicht nur die Veränderung bei einem einzelnen Geschäft, sondern für Marktbewegungen allgemein besser zu verstehen. Wir wollten tiefere Zusammenhänge darstellen, um zu sehen, was in einer bestimmten Situation passieren kann", sagt Dr. Niederée. "Für Analysten haben wir diese Zusammenhänge dann grafisch dargestellt." Dynamisches System Voraussetzung hierfür ist die schnelle und anpassungsfähige Verarbeitung großer Datenmengen. "Bestehende Datenverarbeitungssysteme sind mitunter sehr statisch und reagieren nur langsam auf eine krisenbedingte plötzliche Zunahme von Finanzdaten ", sagt Dr. Niederée. "Normalerweise wird das System gestoppt und neu konfiguriert, und dann ist ein Neustart erforderlich. Das von uns entwickelte System erledigt dies dynamisch und erkannt auch selbst Veränderungsbedarf." "Wie mit einer Zeitmaschine kann man auch zu einem früheren Zeitpunkt und einer ähnlichen Situation zurückkehren, um die Ursachen zu suchen und Beziehungen zwischen Marktteilnehmern genauer zu analysieren. Hierfür betrachtet man dann die Entwicklung über einen bestimmten Zeitraum ", sagt Dr. Niederée. Das gemeinsam mit Unternehmen aus der Finanztechnologie entwickelte konfigurierbare System analysiert Daten aus sozialen Netzwerken für Stimmungsanalysen, um die Bildung von Meinungen über bestimmte Aktien oder Unternehmen zu einem bestimmten Zeitpunkt aufzuzeigen. Anhand von Twitter-Meldungen werden auch Signale identifiziert, die eine bestimmte Aktie oder Aktiengruppe beeinflussen. Automatisierte Neukonfiguration der Hardware Eine dritte, noch neue Komponente des Projekts war die Umsetzung von Streaming- Algorithmen in Hardware-Codes, sodass rekonfigurierbare Hardware für dynamische Analysen bei unerwarteter Zunahme der Datenaktivität genutzt werden kann. "Bei Tausenden von Marktteilnehmern und der Berechnung von Millionen gepaarter Korrelationen pro Sekunde kann Hardware diese hohen Datenlasten effizienter verarbeiten", erklärt Dr. Niederée. Die Arbeit von QUALIMASTER weckt auch bei der Automobilindustrie Interesse, insbesondere für dynamische Echtzeitanpassungen der sich ständig verändernden Situation fahrerloser Fahrzeuge.
Schlüsselbegriffe
QUALIMASTER, Finanzen, Fintech, automatisierter Handel, Marktverhalten, Börse, IKT, systemisches Risiko, große Datenmengen, Datenverarbeitung
