Neuronale Netze entschlüsselten Börsenlogik durch Textberichte
OpenAI
Anthropic
Google/DeepMind
Forscher der University of Chicago fanden heraus, dass fortschrittliche KI-Modelle etwa 17 % der Aktienkursschwankungen an Tagen mit Gewinnberichten erklären können und damit traditionelle ökonomische Methoden, die höchstens 5 % erklärten, weit übertreffen. Die KI analysierte unstrukturierte Texte aus Managementprognosen und Telefonkonferenzen und zeigte, dass Anleger stärker auf die begleitende Rhetorik als auf die Finanzzahlen selbst reagieren.
Forscher der University of Chicago Booth School of Business führten Ende 2025 einen Live-Test mit drei fortgeschrittenen KI-Modellen durch, bei dem sie Daten aus fast 2.000 echten Unternehmensfinanzberichten verschiedener Branchen verwendeten. Die Modelle konnten etwa 17 % der Kursschwankungen an Tagen mit Gewinnveröffentlichungen erklären, während die traditionelle Marktmetrik – die Gewinnüberraschung – historisch gesehen nur einen vernachlässigbaren Anteil erklärt. Selbst die Integration jahrzehntelanger akademischer Erkenntnisse erhöht diesen Wert lediglich auf 8 %. Die neuronalen Netze übertrafen menschliche Analysemodelle, indem sie unstrukturierte Textdaten umfassend analysierten, darunter Managementprognosen, Kommentare der Führungsspitze und sprachliche Merkmale ihrer Aussagen in Investorentelefonkonferenzen. Die KI-Systeme stellten fest, dass starke Finanzergebnisse oft bereits eingepreist sind, sodass Anleger stärker auf die begleitende Rhetorik reagieren. Die Ergebnisse wurden in menschenlesbaren digitalen Tagebüchern mit textuellen Erklärungen von Marktanomalien präsentiert, die Ökonomen bei der Formulierung neuer Hypothesen zur Vermögenspreisbildung helfen könnten.
Quelle: Hightech.fm —
Original