Catana Capital lanciert weltweit ersten Big-Data-Fonds
<p>Catana Capital hat den weltweit ersten Publikumsfonds aufgelegt, der voll automatisiert Internetdaten sammelt und diese in Anlageentscheidungen verwandelt. Für jede Anlageentscheidung werden in sechs Ländern Internetdaten automatisiert gesammelt, gefiltert, gewichtet und mit historischen Kursmustern abgeglichen. Das bedeutet, dass täglich mehrere hunderttausend kapitalmarktbezogene Nachrichten ausgewertet werden. Auf dieser Basis werden Kauf- und Verkaufsempfehlungen für Dax-Aktien und Dax-Futures generiert.</p><h5>Fünf Nachrichten pro Sekunde</h5><p>Das System beobachtet in Echtzeit mehr als 25.000 Titel, darunter neben Aktien auch Währungen und Rohstoffe. „Die Schlüsselfrage lautet: Wer sagt was zu welcher Aktie? Im ersten Schritt sammeln wir pro Monat mehr als 1,5 Terrabyte an Informationen“, erläutert Holger Knauer, Geschäftsführer von Catana Capital. „Das sind mehr als fünf Nachrichten pro Sekunde.“</p><h5>Automatisierte Weiterentwicklung</h5><p>Im zweiten Schritt werdem die Informationen ausgewertet. Das System vergibt jedem Titel auf Basis der gesammelten Daten ein vorläufiges positives oder negatives Signal. Anschließend analysiert das System wie sich die Aktie in der Vergangenheit nach einem positiven oder negativen Signal entwickelt hat. Erst bei einer hohen Erfolgswahrscheinlichkeit wird ein Trade ausgeführt. Jede Entscheidung sowie ihre Ergebnisse fließen zudem in künftige Anlageempfehlungen mit ein – das System lernt somit automatisiert hinzu.</p><h5>Zweistellige Renditen</h5><p>Mithilfe der Big-Data-Strategie strebt Catana Capital eine zweistellige jährliche Rendite an, die unabhängig von den Bewegungen am Aktienmarkt erzielen werden soll. Die Anlagestrategie habe ihre Praxistauglichkeit sowohl im testierten Backtest als auch seit Jahresbeginn im realen Einsatz bewiesen. Neben professionellen soll die Strategie auch private Investoren ansprechen. (mh)</p><div id="bbgreadlog-getimage"><img src="/bbgreadlog/getimage/8E0BEA52-4A43-4ACA-B911-E9D78834C9AE"></div>