Asset Management · Von alternativen Daten zu Alpha-Signalen

Ein aus dem Weltraum gezählter Parkplatz erzählte eine leise Geschichte, noch vor der Veröffentlichung der Quartalszahlen. Mitte der 2010er Jahre begannen Hedgefonds, Satellitenbilder von Einzelhändler-Parkplätzen zu kaufen, Autos Woche für Woche zu zählen und daraus die Kundenfrequenz vor den Quartalsumsätzen abzuleiten. Die Desks, die das gut beherrschten, hatten einen Blick auf den Umsatz, bevor der Markt ihn hatte. Das ist das Versprechen alternativer Daten: Informationen, die nicht in den üblichen Finanzberichten stehen, werden zu einem handelbaren Edge.

Diese Lektion zeigt, wie ein Long/Short-Equity-Desk (ein Fonds, der Aktien kauft, von denen ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → Kurssteigerungen erwartet, und Aktien short verkauft, bei denen er fallende Kurse erwartet) unordentliche Rohdaten in ein Signal umwandelt: einen numerischen Score, der Aktien nach erwarteter Rendite sortiert. Das Schwierige sind nicht die Daten. Es ist das Vermeiden der Fallen, die ein Signal im Backtest brillant und im Live-Einsatz wertlos aussehen lassen.

Was als alternative Daten gilt

Alternative Daten sind alle Datensätze außerhalb traditioneller Quellen (Finanzberichte, Analystenschätzungen, Kurs und Volumen). Gängige Kategorien:

• Geospatial: Satelliten- und Luftbilder, Zählung von Autos, Schiffen, Schatten von Öltanks oder Pflanzengesundheit.
• Transaktionspanels: aggregierte, anonymisierte Kredit- und Debitkartenausgaben als Proxy für die Umsätze eines Unternehmens.
• Web- und App-Daten: täglich gescrapte Preisseiten, App-Download-Rankings, Stellenanzeigen.
• Text: Transkripte von Earnings Calls, regulatorische Einreichungen, News, ausgewertet mit NLP (Natural Language Processing, Software, die Bedeutung aus Sprache extrahiert).

Die Ökosysteme von FactSet und Eagle Alpha katalogisieren tausende solcher Anbieter. Eine solide Einführung in die Kategorie bietet der Überblick des CFA Institute zu alternativen Daten.

Von Rohdaten zu Features

Ein Feature ist ein einzelner messbarer Input, zum Beispiel „Wachstum der Kartenausgaben für Unternehmen X in dieser Woche gegenüber dem Vorjahr“. Drei kurze Beispiele, wie aus jeder Rohquelle ein Feature wird.

Kreditkarten-Panels

Sie sehen nie einzelne Transaktionen. Der Anbieter liefert aggregierte Ausgaben je Händler. Sie ordnen Händler öffentlichen Tickern zu (ein nicht trivialer Schritt: „SBUX“ umfasst tausende Store-Marken und Franchisenehmer) und berechnen dann das wöchentliche Wachstum gegenüber dem Vorjahr. Das Feature: kartenimpliziertes Umsatzwachstum gegenüber demselben Quartal des Vorjahres.

Satellitenbilder

Ein Computer-Vision-Modell zählt Autos auf den Parkplätzen eines Einzelhändlers an hunderten Standorten. Sie normalisieren nach Standort und Saison (Dezember sieht völlig anders aus als Februar) und aggregieren dann zu einem Index auf Unternehmensebene. Das Feature: Veränderung des Frequenzindex gegenüber dem gleitenden Durchschnitt.

NLP bei Earnings Calls

Sie ziehen das Transkript, trennen die Ausführungen des Managements von der Analysten-Q&A und bewerten den Tonfall. Ein einfacher Ansatz nutzt ein finanzspezifisches Sentiment-Wörterbuch. Ein moderner Ansatz nutzt ein Sprachmodell, um Unsicherheit, Ausweichen und Themenwechsel zu bewerten.

# Simplified: sentiment delta on an earnings-call transcript
from transformers import pipeline

clf = pipeline("sentiment-analysis", model="ProsusAI/finbert")

remarks = [
    "Demand accelerated across all regions this quarter.",
    "We are seeing some softness we cannot yet fully quantify.",
]
scores = clf(remarks)
# Feature = mean(positive) - mean(negative), dann Vergleich mit der
# Baseline des vorherigen Calls desselben Unternehmens, NICHT mit einem absoluten Schwellenwert.

Der Vergleich mit der eigenen früheren Baseline des Unternehmens ist wichtig. Manche Managementteams sind chronisch optimistisch. Ein Signal, das auf absolutem Tonfall aufbaut, sortiert nur Persönlichkeiten.

Die drei Fallen, die die Live-Performance zerstören

Hier scheitern die meisten Alt-Data-Projekte stillschweigend. Ein Backtest (Simulation einer Strategie auf historischen Daten) kann spektakulär aussehen und dennoch eine Illusion sein.

Falle 1: Lookahead Bias

Lookahead Bias bedeutet, im Backtest Informationen zu nutzen, die man zu diesem Zeitpunkt real nicht gehabt hätte. Es ist der häufigste und fatalste Fehler.

Konkret: Ein Datenanbieter versieht einen Kartenausgaben-Datensatz mit dem Transaktionsdatum. Aber dieser Datensatz wurde den Abonnenten erst zwei Wochen später geliefert. Wenn Ihr Backtest am Transaktionsdatum handelt, handeln Sie mit Daten aus der Zukunft.

Die Lösung: Point-in-Time-Daten verwenden, die erfassen, was zu jedem Datum bekannt war, inklusive Lieferverzögerung. Fragen Sie einen Anbieter immer: „Wie hoch ist die Lieferlatenz, und kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen Sie Point-in-Time-Snapshots bereitstellen?“ Wenn nicht, gehen Sie vom Worst-Case-Lag aus.

Dieselbe Falle bei Fundamentaldaten: Ein Unternehmen kann Gewinne Monate später korrigieren. Ein Backtest auf der korrigierten Zahl lässt die Zukunft einfließen.

Falle 2: Data-Snooping (Multiple Testing)

Data-Snooping passiert, wenn Sie so viele Varianten testen, dass eine rein durch Zufall großartig aussieht. Testen Sie 200 Signalformeln, und einige werden starke historische Renditen zeigen, selbst wenn alle nur Rauschen sind.

Die Lösung:

• Legen Sie Ihre Hypothese vor dem Testen fest. „Kartenausgaben laufen dem berichteten Umsatz voraus“ ist eine Hypothese. „Welche Kombination auch immer am besten abschneidet“ ist Snooping.
• Reservieren Sie einen Out-of-Sample-Zeitraum (Daten, die das Modell während der Entwicklung nie berührt hat) für einen einzigen Abschlusstest.
• Korrigieren Sie um die Anzahl der Versuche. Praktiker nutzen die Deflated Sharpe Ratio, die die scheinbare Qualität einer Strategie um die Zahl der getesteten Strategien abstraft. Siehe die Arbeiten von Marcos Lopez de Prado zu Backtest-Overfitting.

Falle 3: Survivorship und Coverage Bias

Wenn Ihr Kartenpanel nur Unternehmen abdeckt, die noch existieren, und insolvente auslässt, erbt Ihr Backtest eine rosige Stichprobe. Genauso, wenn der Satellitenanbieter einen heißen Einzelhändler erst nach dessen Erfolg in die Abdeckung aufgenommen hat. Prüfen Sie immer, wann jeder Name in den Datensatz aufgenommen wurde.

🎬 [VIDEO: „Backtesting and the Dangers of Overfitting“ - youtube.com - eine klare Darstellung, wie Multiple Testing Backtest-Ergebnisse aufbläht und wie man sich davor schützt]

Signal aufbauen und validieren

Sobald die Features sauber und point-in-time sind, ist der Workflow disziplinert.

Schritt 1: Features zu einem Score kombinieren. Sortieren Sie Aktien jede Woche zum Beispiel nach kartenimpliziertem Wachstum plus Veränderung der Satellitenfrequenz plus Delta im Tonfall des Calls. Rangbasierte Scores sind robuster als Rohwerte, weil sie Ausreißern widerstehen.

Schritt 2: Das Offensichtliche neutralisieren. Ein Rohsignal wettet oft nur auf Sektoren oder Größe. Wenn alle Ihre höchstplatzierten Namen Small-Cap-Einzelhändler sind, haben Sie eine Sektorwette, keinen Alt-Data-Edge. Desks neutralisieren Exposures, indem sie innerhalb des Sektors sortieren und um die Marktkapitalisierung bereinigen, sodass das verbleibende Signal aktienspezifisch ist.

Schritt 3: Realistisch simulieren. Berücksichtigen Sie Transaktionskosten, Leihkosten für Shorts und Turnover. Ein Signal, das täglich handeln muss, kann von Kosten aufgefressen werden. Modellieren Sie den Market Impact Ihrer eigenen Trades.

Schritt 4: Decay messen. Alt-Data-Edges erodieren, wenn mehr Fonds die gleichen Daten kaufen. Testen Sie, ob das Signal in den letzten Jahren schwächer wurde. Der Parkplatz-Trade ist heute weit überlaufener als vor einem Jahrzehnt.

Schritt 5: Out-of-Sample und Paper Trading. Lassen Sie das finalisierte Signal auf zurückgehaltenen Daten laufen und handeln Sie es dann live auf Papier, bevor Sie Kapital einsetzen.

Governance, Compliance und Kosten

Alt-Data ist nicht nur ein Quant-Problem. Es bringt rechtliche und Reputationsrisiken mit sich.

Material Nonpublic Information (MNPI). Regulierer verbieten den Handel auf Basis von MNPI (wesentliche Informationen, die der Öffentlichkeit nicht zugänglich sind). Wenn das Panel eines Kartenanbieters so granular ist, dass es faktisch die internen Umsatzzahlen eines Unternehmens offenlegt, kann seine Nutzung eine Grenze überschreiten. Seriöse Anbieter aggregieren und anonymisieren, um davon Abstand zu halten. Jeder Datensatz sollte eine rechtliche Prüfung durchlaufen.

Personenbezogene Daten. Karten- und Standortpanels können Datenschutzregeln berühren. Daten müssen so aggregiert sein, dass Einzelpersonen nicht identifizierbar sind. Die Provenienz zählt: Wie wurde die Zustimmung eingeholt, und erfolgte das Scraping im Rahmen der Nutzungsbedingungen einer Website.

Kosten versus Kapazität. Alt-Data ist teuer, und ein einziger Datensatz kann jährlich sechsstellige Beträge kosten. Ein Signal rechtfertigt diese Kosten nur, wenn es bei der Fondsgröße funktioniert. Ein brillantes Signal, das nur bei Positionen von wenigen Millionen Dollar funktioniert, ist für einen großen Fonds irrelevant.

Die Leitlinien und Durchsetzungspraxis der SEC zu alternativen Daten und Expertennetzwerken lohnen die Beobachtung; der SEC Newsroom veröffentlicht Verfahren, die prägen, was Desks als akzeptabel betrachten.

Ein realistisches Bild des Edge

Die meisten einzelnen Alt-Data-Signale sind schwach. Ein einzelnes Signal hat vielleicht einen niedrigen Information Coefficient (eine Korrelation zwischen prognostizierten und tatsächlichen Renditen, prozentual oft im niedrigen einstelligen Bereich). Der Wert entsteht durch die Kombination vieler schwacher, unkorrelierter Signale in einem Portfolio und durch disziplinierte Ausführung. Es gibt keinen einzelnen Datensatz, der Geld druckt, und jedes Desk, das das verspricht, verkauft eine Geschichte.

Key Takeaways

• Alternative Daten werden erst dann zu Alpha, wenn sie bereinigt, Tickern zugeordnet und in Point-in-Time-Features umgewandelt sind, die gegen die eigene Baseline jedes Unternehmens verglichen werden.
• Lookahead Bias ist die tödlichste Falle: modellieren Sie immer die tatsächliche Lieferverzögerung und nutzen Sie Point-in-Time-Snapshots, niemals revidierte oder in die Zukunft gestempelte Daten.
• Schützen Sie sich gegen Data-Snooping, indem Sie Hypothesen vorab festlegen, einen Out-of-Sample-Zeitraum zurückhalten und Ergebnisse um die Anzahl getesteter Strategien abstrafen.
• Neutralisieren Sie Sektor- und Größen-Exposures und berücksichtigen Sie realistische Kosten, sonst verwechseln Sie eine Beta-Wette mit einem echten Edge.
• Behandeln Sie Compliance (MNPI, Datenschutz, Provenienz) und Kosten versus Kapazität als Designrestriktionen erster Ordnung, nicht als Nachgedanken.