Das Fachmagazin für institutionelle Investoren

Geben Sie Ihren Benutzernamen und Ihr Passwort ein, um sich an der Website anzumelden:
4/2018 | Produkte & Strategien
twitterlinkedInXING

Zu gut, um wahr zu sein

Erstmals liegen Daten zu verifizierten Fake News an den Finanzmärkten vor. Die Auswertungen dieser SEC-Listen durch zwei Forscherteams sind ernüchternd: Fake News werden eher gelesen als echte Nachrichten und sind in manchen Marktsegmenten enorm manipulativ.

1545224875_aufmacher_santiago_silver__adobestock_194809940_52.jpg

Wäre es tatsächlich so leicht, Fake News zu identifizieren, hätte die Welt wahrscheinlich ein paar Probleme weniger. SEC-Daten ermöglichen seit kurzer Zeit aber die Entwicklung von Algorithmen zur Identifizierung von manipulativer Berichterstattung an den Aktienmärkten.

© univ. of hongkong, santiago silver | stock.adobe

Donald Trump hat den Begriff „Fake News“ nicht erfunden, zu seiner Verbreitung aber ohne Zweifel nennenswert beigetragen. Trump hat diesen Begriff quasi für sich vereinnahmt und ihn geschickt als Instrument für seine Selbstvermarktung eingesetzt. Das geht so weit, dass der Begriff in Deutschland zum Anglizismus des Jahres 2016 gewählt wurde. Laut Duden handelt es sich bei Fake News um eine „in den Medien und im Internet, besonders in den Social Media, in manipulativer Absicht verbreitete Falschmeldung“. Früher nannte man so etwas „Propaganda“, „Desinformation“ oder schlicht „Lüge“.

Fake oder Fehler?

Zunehmend scheint in diesem Zusammenhang auch der Unterschied zwischen einem ehrlichen Fehler und absichtlicher Fehlinformation zu verschwimmen. Ein gutes Beispiel dafür ist eine Bloomberg-Meldung vom Oktober 2018, in der unterstellt wurde, der chinesische Geheimdienst habe Spionage-Hardware bei Apple-Geräten angebracht und die Amazon-Cloud infiltriert. Die Dementis erfolgten von allen Seiten wütend und eindeutig – schnell stand der Begriff „Fake News“ im Raum. Sollte sich der Sachverhalt tatsächlich als falsch herausstellen, so liegt in diesem Fall jedoch allenfalls eine Falschmeldung in Form fehlerhafter Recherche vor, denn eine Manipulationsabsicht war bei Redaktionsschluss nicht erkennbar.

Natürlich könnte man diese Unterscheidung als intellektuelle Spiegelfechterei abtun, sie ist aber insofern relevant, als es der Begriff inzwischen in den akademischen Sprachgebrauch geschafft hat und die Auswirkungen von „Fake News“ inzwischen nicht nur im sozio-politischen Bereich, sondern auch in der ­Finanzwissenschaft untersucht werden. Wie virulent das Thema ist, zeigt sich daran, dass sich innert weniger Wochen zwei Teams unabhängig voneinander mit dem Einfluss von Fake News auf die Märkte auseinandergesetzt haben. Anlass für die beiden Untersuchungen ist die SEC-Untersuchung von Kursmanipulationen im Jahr 2017.

Zur Vorgeschichte: Rick Pearson, der regel­mäßig für die populäre Finanz-Community von Seeking Alpha Beiträge verfasst hatte, war von Seiten eines börsennotierten Unternehmens das Angebot gemacht worden, unwahre Beiträge zu verfassen, die den Kurs des Unternehmens positiv beeinflussen sollten. Der Autor ging zum Schein auf das Angebot ein und begann, eigene Recherchen zu dieser bereits länger etablierten Praxis anzustellen. Am Ende übergab er den Behörden 171 Artikel, in denen 20 Autoren über 47 verschiedene börsennotierte Unternehmen manipulative Meldungen publiziert hatten. Schlussendlich ergaben die weiteren Untersuchungen der SEC eine Liste von 494 Fake-News-Artikeln, die in der Zeit von August 2011 bis März 2014 auf Seeking Alpha erschienen sind.

Das stellt zugegebenerweise alles andere als ein umfassendes Datenset dar – zum ersten Mal lag aber ein, wenn auch kleines Sample an verifizierten Falschmeldungen vor, deren Charakteristika herausgearbeitet und für weitere Datensets extrapoliert werden konnten. Es sollte also möglich sein, mithilfe der vorliegenden faktischen Fake-News-Modelle zu errechnen und aufzuzeigen, welche Auswirkungen diese Meldungen tatsächlich auf die Märkte haben, welche Unternehmen für die Versuchung, manipulativ zu agieren, besonders anfällig sind, und ob es möglich ist, Fake News zu identifizieren und somit zu verhindern, aufgrund falscher Grundlagen falsche Entscheidungen zu treffen. Genau das ist auch geschehen.

Ernüchternde Ergebnisse

Im Rahmen des Georgia Tech Scheller College of Business Research Papers „Fake News, Investor Attention and Market Reaction“ werteten die vier Co-Autoren Jonathan Clarke, Hailiang Chen, Ding Du und Yu Jeffrey Hu ein von Seeking ­Alpha erhaltenes Datenset aus, das vom 1. August 2011 bis zum 31. Dezember 2013 reicht und 157.636 publizierte Analysen, Artikel und Kommentarelemente enthält. Aus der Schnittmenge mit der SEC-Liste ergeben sich 383 verifizierte Fake News. Diesen Falschmeldungen stellten sie nun sogenannte „legitime“ Nachrichten (Anm.: in weiterer Folge „Real News“) gegenüber, um so die unterschiedlichen Charakteristika herauszuarbeiten. Die Ergebnisse der Gegenüberstellung sind eklatant und in manchen Bereichen ernüchternd. So finden ­Fake News im Durchschnitt deutlich mehr Beachtung als gewissenhaft recherchierte Analysen: Sie weisen um rund ein Drittel mehr Page Views aus und werden zu 20 Prozent häufiger bis zum Ende gelesen.

Paradox erscheint in diesem Zusammenhang, dass die Kommentare am Ende der Texte wiederum um 30 Prozent öfter gelesen werden, wenn es sich um „Real News“ handelt. Das erscheint allerdings nur auf den ersten Blick unschlüssig. Real News sind kontroverser als von Unternehmen manipulierte Texte und laden eher zur Diskussion ein. Dass echte News konfliktiver sind, lässt sich daran ablesen, dass in realen News um rund 40 Prozent mehr negative Ausdrücke vorkommen als in Fake News – zur Bestimmung des Artikel-Sentiments ­haben die Autoren die Wörter nach dem Dictionary-Ansatz von Loughran und MacDonald ausgewertet, der in der 2011 erschienenen Arbeit „When is a Liability Not a Liability? Textual Analysis, Dictionaries, and 10-ks“ präsentiert wurde.

„Eine Überprüfung der internen Bewertung von Artikeln durch die Redakteure von Seeking Alpha lässt in der Folge den Schluss zu, dass diese Fake von Real News nicht unterscheiden können“, erklärt Co-Autor Hailiang Chen von der City University of Hong Kong – ganz anders als die Machine-Learning-Software „Linguistic Inquiry and Word Count (LIWC)“: Nach 100 Trainingsdurchläufen anhand der 383 verifizierten Fake News und einer ebenso großen Kontrollgruppe konnte die künstliche Intelligenz nach Auswertung ihres Authentizitäts-Scores mit einer Treffergenauigkeit von 93 Prozent bestimmen, ob es sich bei einem Text um Fake News handelte oder nicht.

In weiterer Folge drängt sich aber natürlich eine ganz andere Frage auf: Waren die Manipulationen erfolgreich – gelang es ­also, die Kurse künstlich zu pushen? Um diese Frage zu beantworten, betrachteten die Autoren die Kursentwicklungen in drei Zeitfenstern: von Tag null bis zwei, von Tag drei bis 120 und schlussendlich von Tag drei bis 242. Die Autoren konnten jedoch nach Einbeziehung der Kontrollvariable „Fake“ keine außergewöhnlichen Erträge feststellen – das würde bedeuten, dass sich der Markt von Fake News ebenso wenig täuschen lässt wie die künstliche Intelligenz. Das stellt ein relativ verblüffendes Ergebnis dar, das bedeuten würde, dass Marktmanipulation über irreführende Berichterstattung sinnlos wäre. Das würde auch erklären, wieso die Anzahl an verifizierten Fake News relativ gering ist. Restlos befriedigend sind die Ergebnisse aber nicht. Da die vorliegenden ­Fake News nur auf Kleinunternehmen abzielen, geben die Autoren keine Auskunft darüber, ob Manipulationen bei mittleren und großen Unternehmen ebenfalls stattgefunden haben. Des Weiteren bleibt ­ungeklärt, wie hoch die Zahl an ­Fake News tatsächlich ist – vergessen wir nicht, dass nur die von der SEC aus- und nachgewiesenen Fakes in die Analyse Eingang gefunden haben. Wie hoch ist also die Dunkelziffer?

Wahrscheinlichkeiten

Eine zweite ebenso druckfrische Studie widmet sich genau diesen offenen Punkten. Zusammengetan haben sich Shimon Kogan von der MIT Sloan School of Management und Yale-Mann Tobias J. Moskowitz sowie Marina Niessner von AQR Capital Management, um das umfangreichere AQR-Paper „Fake News: Evidence from Financial Markets“ zu publizieren. Auch hier dienten die SEC-Ermittlungen als Auslöser der Studie. Die Autoren haben das Datenset jedoch deutlich erweitert. Von Seeking Alpha wurden 203.545 Artikel gezogen, die zwischen 2005 und 2015 erschienen sind. Hinzu kommen 147.916 Texte, die auf der Plattform Motley Fool zwischen 2009 und 2014 publi­ziert wurden. Wie ihre Kollegen nutzten sie die Machine-Learning-Software LIWC, verfeinerten aber den Aspekt der LIWC-Methodik, durch den man den bereits erwähnten „Authentizitäts-Score“ erhält. „Das tun wir, indem wir die Authentizitäts-Scores dahingehend kalibrieren, dass eine Wahrscheinlichkeit für das Auftauchen von Fake News entsteht“, erklärt Kogan. Auf diese Weise lassen sich die LIWC-Ergebnisse leichter interpretieren. „Denn“, so Kogan, „was bedeutet ein Unterschied von 14 Punkten beim Authentizitäts-Score denn wirklich?“

Unter Anwendung des Bayes-Ansatzes wandelten die Autoren nun den absoluten Authentizitäts-Score in die Auftrittswahrscheinlichkeit von Fake News um. Für die zehn Jahre Beobachtungszeitraum ergibt sich nun eine 2,8-prozentige Wahrscheinlichkeit, dass ein beliebiger Artikel als ­„Fake“ zu bezeichnen ist. Die höchste Auftrittswahrscheinlichkeit besteht im Jahr 2008 mit einem Prozentsatz von 4,8 Prozent, während die Quote per 2013 auf 1,6 Prozent fällt. Für Motley Fool ergeben sich mit 2,7 Prozent durchschnittlicher Wahrscheinlichkeit nahezu identische Resultate. Das sind für die SEC eigentlich ganz beruhigende Daten: Denn nimmt man die 383 von der SEC identifizierten Fakes und setzt sie mit den im selben Zeitraum 157.636 publizierten News ins Verhältnis, ergibt sich ein Prozentsatz von 2,4 Prozent – die Behörde dürfte also mehr oder weniger alle Verfasser von Fake News geschnappt haben.

Auswirkung auf Märkte

Doch was bedeutet all das für die Marktteilnehmer? Findet die zweite Forschergruppe vielleicht eine andere Antwort auf diese Frage? Um es vorweg zu nehmen: Ja. Doch zunächst zum Procedere: Zunächst hat sich das AQR-Team angesehen, ob Beiträge, egal ob Fake oder Real News, Einfluss auf das Handelsvolumen haben. Untersucht wurden NYSE, AMEX und Nasdaq. Das Resultat der entsprechenden Regressionen: Wurde ein Artikel auf Seeking Alpha oder Motley Fool veröffentlicht, so stieg das Handelsvolumen der beschriebenen Firma in den folgenden drei Tagen um 12,1 Prozent an. Der Vergleich mit mehreren Kontrollvariablen stellt sicher, dass es sich hierbei um endogene Effekte handelt, das Handelsvolumen also nicht gestiegen ist, weil beispielsweise am selben Tag ein ähnlicher Bericht auf Bloomberg gelaufen ist.

Um die Ergebnisse zu verfeinern, wurden die Unternehmen nach Größe in drei Gruppen unterteilt: Als Small Caps gelten Unternehmen, deren Marktkapitalisierung im untersten Dezil liegt, das oberste Dezil wird als Blue Chips definiert, dazwischen liegen die mittelgroßen Unternehmen. „Die Effekte des außerordentlichen Volumens nehmen mit der Größe des ­gecoverten Unternehmens ab“, fasst Moskowitz die Ergebnisse zusammen. „Das zusätzliche Volumen ist bei Small Caps sechsmal größer als bei Blue Chips“, so der Co-Autor. Nimmt man nun alle Berichte und ordnet sie gemäß der bereits erwähnten kalibrierten Funktionen ihrer Fake-Wahrscheinlichkeit, ergibt sich, dass Fake News ein abnormales Trading­volumen auslösen, das um 3,4 Prozent über dem außerordentlichen Aufkommen liegt, das durch Real News entsteht.

Verlustreiches Fälschen

Somit wäre zumindest theoretisch nachgewiesen, dass von der Volumensseite her ein außerordentlicher Einfluss von Fake News besteht. Für den Investor entscheidend bleibt am Ende des Tages jedoch die Frage nach Anomalien im Kursverlauf – wir erinnern uns: Das erste Team konnte keine Anomalien feststellen. Die AQR-Autoren versuchten aber ebenfalls, potenziell ­außerordentliche Erträge von Firmen zu orten, die seitens der SEC definitiv als Gegenstand von Fake News geoutet wurden. Um derartige Erträge zu identifizieren, bedienten sich die Autoren des Drei-Faktor-Modells von Fama & French und erweiterten dieses um den Faktor Momentum. Die gleichgewichteten Faktorerträge werden zunächst für die 252 Tage vor Publikation von Fake News kalkuliert, anschließend wurde der zu erwartende Faktorertrag für die folgenden 252 Tage hochgerechnet. Die Ergebnisse sind relativ spektakulär. Sortiert man die Unternehmen wie bereits beschrieben nach Größe, so erreichen Small Caps 60 Tage nach der Fake-News-Berichterstattung ein kumuliertes, außerordentliches Plus von bis zu 15 Prozent. Anschließend fallen die Kurse und weisen per Jahresende ein außer­ordentliches Minus von zehn Prozent aus. Bei mittelgroßen Firmen gibt es keine Gewinne, stattdessen kommt es unmittelbar zu Verlust­en, von denen sich die jeweiligen Aktien im Beobachtungszeitraum nicht mehr erholen. Für Blue Chips bleiben außerordentliche Schwankungen aus.

Da das Datenset an verifizierten Fake News schmal ist, haben die Autoren auch hier ihren kalibrierten Wahrscheinlichkeitsansatz eingesetzt. Analog zur Vorgehensweise bei verifizierten Fake News wird das 3+1-Fama-&-French-Modell herangezogen und hochgerechnet.

Kurzfristiger Sonderertrag

Die Ergebnisse für wahrscheinliche Fake News (siehe Chart unten) zeigen sehr ähnliche Ergebnisse wie die für verifizierte ­Fake News, die Zahlen sind jedoch nicht ganz so radikal: So steigt der Sonderertrag für Small Caps auf bis zu acht Prozent, rutscht dafür aber auch weniger ab und pendelt sich nach 250 Tagen ungefähr auf dem Ausgangsniveau ein.

Fake News sind eines der spektakulärsten Medienphänomene der Gegenwart. In der Finanzindustrie sind Versuche, Aktienkurse über manipulative Gerüchte oder Pseudonachrichten zu steuern zwar so alt wie die Finanzmärkte selbst – allerdings gibt es erst seit kurzer Zeit Daten und mathematische Instrumente, um die Auswirkungen dieser Taktik auch zu quantifizieren. Tatsächlich greifen Fake News in den Bereichen sehr gut, in denen die Informationskosten – und somit der Aufwand für die Datenprüfung – hoch sind. Im Aktienmarkt ist das der Sektor der Small Caps. Hier werden auch die Grenzen der Theorien von vollkommen ­effizienten Märkten aufgezeigt. Denn im ­Nebenwertebereich dauert es mehr als vier Monate, bis die Sondererträge durch Fake News ausgepreist werden. Das ist vor allem für Marktteilnehmer kritisch, die bei Höchstständen investieren und in der Folge Verluste hinnehmen müssen.

Erst der Anfang?

Für den Gesamtmarkt stellen diese Fake News noch kein Problem dar. Ihr Anteil am gesamten Nachrichtenuniversum ist sehr beschränkt und betrifft nur ein kleines Segment des Marktes. Problematisch könnte es jedoch werden, wenn mithilfe Künstlicher-Intelligenz-Systeme größere Volumina an glaubhaften Fake News produziert werden und man damit Märkte gezielt manipulieren könnte. Ob eine derartige Gefahr tatsächlich droht, hängt nicht zuletzt von den Finanzmarktbehörden ab – ihr Ziel muss es sein, technologisch mit potenziellen Manipulatoren mitzuhalten und Algorithmen zur Identifizierung von Fake News einzusetzen.    

Hans Weitmayr


Anhang:

twitterlinkedInXING
 Schliessen