Aktien-Prognosemodell auf Basis der Quantenphysik

Aktien-Prognosemodell auf Basis der Quantenphysik

Dr. Tassilo Keilmann.

München – Die Forschungsergebnisse aus der Quantenphysik werden auf den Kapitalmarkt übertragen und bescheren Privatanlegern überdurchschnittliche Gewinne. So lautet die bislang einzigartige Idee hinter dem Geschäftsmodell des jungen Startup-Unternehmens AktienPrognose.

Das Unternehmen AktienPrognose wurde im Jahr 2008 von vier jungen Wissenschaftlern des Max-Planck-Instituts für Quantenoptik und der LMU München ins Leben gerufen. Vor zwei Wochen folgte der Relaunch der Webseite in neuem Design, auf der inzwischen über 1.300 Anwender virtuelle Depots mit Aktien, Indizes, Devisen und Rohstoffen anhand quantenphysikalischer Prognosesignale erstellen und automatisiert handeln können.

Kurzfristiges Performance-Plus auch in fallenden Märkten
Den Erfolg des Modells haben die Gründer Dr. Tassilo Keilmann, Ludwig Ohl, Dr. Karl Vollbrecht und Falk von Wildenradt bereits mit der Performance der AktienPrognose-Depots unter Beweis gestellt. So konnten die 359 Depots, die zwischen März und Juli 2012 von Nutzern auf aktienprognose.com erstellt wurden, ein durchschnittliches Performance-Plus von +41,5 % erreichen. Der DAX hingegen verlor im selben Zeitraum -7,9 %. Um 49,4 % hat AktienPrognose den Index übertrumpft und beweist damit nicht nur die hohe Qualität des durch wissenschaftliche Methoden unterlegten Modells. Das Ergebnis zeigt auch auf, dass die Prognosen sogar in fallenden Märkten hohe Gewinne erzielen können.

Nutzung der «Schwarmintelligenz»
Neben den Forschungsergebnissen, die insbesondere aus der Promotion von Dr. Tassilo Keilmann am Max-Planck-Institut für Quantenoptik sowie der Diplomarbeit von Ludwig Ohl an der LMU München stammen, fließen in die Prognosen noch weitere Elemente in Form von sogenannter Schwarmintelligenz ein. Um Schwarmintelligenz zu erzeugen, wird eine Vielzahl unabhängiger Quellen objektiv ausgewertet mit dem Ziel, eine reale Einschätzung der Marktsituation zu gewinnen. So soll einerseits die Netzwerkbildung von Experten vermieden und andererseits der Umstand genutzt werden, dass statistische Fehler bei großen Stichproben nahezu verschwinden. Das Modell von AktienPrognose stützt sich hierbei auf die Aktien-Ratings seiner User sowie auf Analysten-Ratings von Banken und anderen Finanzanalysten. Mithilfe von Algorithmen werden alle Bewertungen auf Validität geprüft und mit einer Prognosegüte versehen. Dabei können Ratings mit einer höheren Prognosegüte stärker gewichtet werden. Die so gewonnene Schwarmintelligenz fließt in das Modell von AktienPrognose mit ein. Perspektivisch sollen auch Signale aus verschiedenen Social Media-Kanälen bei den Aktienprognosen berücksichtigt werden.

«Demokratisierung von Hedge-Fonds»
Das Unternehmen verfolgt das Ziel, die Nutzung von dezidierten Risikoanalyse-Tools und Prognosemodellen, die auf der Quantenphysik basieren, auch für den Privatanleger zugänglich zu machen. Zwar ist zu erwarten, dass ähnliche Systeme auf den Trade-Floors großer Investmentbanken seit längerem angewendet werden. Diese blieben bislang jedoch engen Expertenkreisen vorbehalten. «Unser Prognosemodell kann auch als Demokratisierung von Hedge-Fonds verstanden werden, da AktienPrognose-User gleichermaßen von steigenden und fallenden Märkten profitieren können», erläutert Dr. Tassilo Keilmann. «Eine Lehre aus der weltweiten Finanzkrise ist das kollektive Versagen der Experten und Banken bei der Risikoeinschätzung, z.B. der Immobilienblase in den USA. Durch das System der Schwarmintelligenz beziehen wir in unser Prognosemodell auch unabhängige Marktteilnehmer mit ein und vermeiden so die von einzelnen Eigeninteressen geleitete Netzwerkbildung, die oft mit Markt- und Zinsmanipulationen einhergeht. Dies führt letztendlich zu genaueren Prognosen für alle User, respektive auch für Privatanleger», fügt Falk von Wildenradt hinzu.

AktienPrognose wird vom Bundesministerium für Wirtschaft und Technologie sowie von der EU im Rahmen des EXIST Stipendiums gefördert. (AP/mc/hfu)

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.